mirror of https://github.com/Mai-with-u/MaiBot.git
fix：记忆提取Prompt重复导致不调用工具的问题
SengokuCola
parent
b136a4142c
commit
ab4052823a
|
|
@ -135,57 +135,16 @@ def init_memory_retrieval_prompt():
|
|||
在思考中分析：
|
||||
- 当前信息是否足够回答问题？
|
||||
- **如果信息足够且能找到明确答案**，在思考中直接给出答案，格式为：found_answer(answer="你的答案内容")
|
||||
- **如果信息不足或无法找到答案**，在思考中给出：not_enough_info(reason="信息不足或无法找到答案的原因")
|
||||
- 如果还需要继续查询，说明最需要查询什么，并输出为纯文本说明
|
||||
- **如果需要尝试搜集更多信息，进一步调用工具，进入第二步行动环节
|
||||
- **如果已有信息不足或无法找到答案**，在思考中给出：not_enough_info(reason="信息不足或无法找到答案的原因")
|
||||
|
||||
**第二步：行动（Action）**
|
||||
根据思考结果立即行动：
|
||||
- 如果思考中已给出found_answer → 无需调用工具，直接结束
|
||||
- 如果思考中已给出not_enough_info → 无需调用工具，直接结束
|
||||
- 如果信息不足且需要继续查询 → 调用相应工具查询（可并行调用多个工具）
|
||||
- 如果信息不足且需要继续查询，说明最需要查询什么，并输出为纯文本说明，然后调用相应工具查询（可并行调用多个工具）
|
||||
|
||||
**重要规则：**
|
||||
- **只有在检索到明确、有关的信息并得出答案时，才使用found_answer**
|
||||
- **如果信息不足、无法确定、找不到相关信息，必须使用not_enough_info，不要使用found_answer**
|
||||
- 答案必须在思考中给出，格式为 found_answer(answer="...") 或 not_enough_info(reason="...")，不要调用工具。
|
||||
""",
|
||||
name="memory_retrieval_react_prompt",
|
||||
)
|
||||
|
||||
# 第二步：ReAct Agent prompt（使用function calling，要求先思考再行动）
|
||||
Prompt(
|
||||
"""
|
||||
你的名字是{bot_name}。现在是{time_now}。
|
||||
你正在参与聊天，你需要搜集信息来回答问题，帮助你参与聊天。
|
||||
你需要通过思考(Think)、行动(Action)、观察(Observation)的循环来回答问题。
|
||||
|
||||
**重要限制：**
|
||||
- 最大查询轮数：{max_iterations}轮（当前第{current_iteration}轮，剩余{remaining_iterations}轮）
|
||||
- 必须尽快得出答案，避免不必要的查询
|
||||
- 思考要简短，直接切入要点
|
||||
- 必须严格使用检索到的信息回答问题，不要编造信息
|
||||
|
||||
当前问题：{question}
|
||||
|
||||
**执行步骤：**
|
||||
|
||||
**第一步：思考（Think）**
|
||||
在思考中分析：
|
||||
- 当前信息是否足够回答问题？
|
||||
- **如果信息足够且能找到明确答案**，在思考中直接给出答案，格式为：found_answer(answer="你的答案内容")
|
||||
- **如果信息不足或无法找到答案**，在思考中给出：not_enough_info(reason="信息不足或无法找到答案的原因")
|
||||
- 如果还需要继续查询，说明最需要查询什么，并输出为纯文本说明
|
||||
|
||||
**第二步：行动（Action）**
|
||||
根据思考结果立即行动：
|
||||
- 如果思考中已给出found_answer → 无需调用工具，直接结束
|
||||
- 如果思考中已给出not_enough_info → 无需调用工具，直接结束
|
||||
- 如果信息不足且需要继续查询 → 调用相应工具查询（可并行调用多个工具）
|
||||
|
||||
**重要规则：**
|
||||
- **只有在检索到明确、具体的答案时，才使用found_answer**
|
||||
- **如果信息不足、无法确定、找不到相关信息，必须使用not_enough_info，不要使用found_answer**
|
||||
- 答案必须在思考中给出，格式为 found_answer(answer="...") 或 not_enough_info(reason="...")，不要调用工具。
|
||||
- 答案必须在思考中给出，格式为 found_answer(answer="...") 或 not_enough_info(reason="...")
|
||||
""",
|
||||
name="memory_retrieval_react_prompt_head",
|
||||
)
|
||||
|
|
@ -435,36 +394,41 @@ async def _react_agent_solve_question(
|
|||
remaining_iterations = max_iterations - current_iteration
|
||||
is_final_iteration = current_iteration >= max_iterations
|
||||
|
||||
# 构建prompt（不再需要工具文本描述）
|
||||
|
||||
prompt_type = "memory_retrieval_react_prompt"
|
||||
|
||||
if is_final_iteration:
|
||||
prompt_type = "memory_retrieval_react_final_prompt"
|
||||
# 最后一次迭代，使用最终prompt
|
||||
tool_definitions = []
|
||||
logger.info(f"ReAct Agent 第 {iteration + 1} 次迭代，问题: {question}|可用工具数量: 0（最后一次迭代，不提供工具调用）")
|
||||
|
||||
prompt = await global_prompt_manager.format_prompt(
|
||||
"memory_retrieval_react_final_prompt",
|
||||
bot_name=bot_name,
|
||||
time_now=time_now,
|
||||
question=question,
|
||||
collected_info=collected_info if collected_info else "暂无信息",
|
||||
current_iteration=current_iteration,
|
||||
remaining_iterations=remaining_iterations,
|
||||
max_iterations=max_iterations,
|
||||
)
|
||||
|
||||
logger.info(f"ReAct Agent 第 {iteration + 1} 次Prompt: {prompt}")
|
||||
success, response, reasoning_content, model_name, tool_calls = await llm_api.generate_with_model_with_tools(
|
||||
prompt,
|
||||
model_config=model_config.model_task_config.tool_use,
|
||||
tool_options=tool_definitions,
|
||||
request_type="memory.react",
|
||||
)
|
||||
else:
|
||||
# 非最终迭代，使用head_prompt
|
||||
tool_definitions = tool_registry.get_tool_definitions()
|
||||
logger.info(f"ReAct Agent 第 {iteration + 1} 次迭代，问题: {question}|可用工具数量: {len(tool_definitions)}")
|
||||
|
||||
prompt = await global_prompt_manager.format_prompt(
|
||||
prompt_type,
|
||||
bot_name=bot_name,
|
||||
time_now=time_now,
|
||||
question=question,
|
||||
collected_info=collected_info if collected_info else "暂无信息",
|
||||
current_iteration=current_iteration,
|
||||
remaining_iterations=remaining_iterations,
|
||||
max_iterations=max_iterations,
|
||||
)
|
||||
|
||||
|
||||
|
||||
if not is_final_iteration:
|
||||
head_prompt = await global_prompt_manager.format_prompt(
|
||||
"memory_retrieval_react_prompt_head",
|
||||
bot_name=bot_name,
|
||||
time_now=time_now,
|
||||
question=question,
|
||||
collected_info=collected_info if collected_info else "",
|
||||
current_iteration=current_iteration,
|
||||
remaining_iterations=remaining_iterations,
|
||||
max_iterations=max_iterations,
|
||||
|
|
@ -474,7 +438,6 @@ async def _react_agent_solve_question(
|
|||
_client,
|
||||
*,
|
||||
_head_prompt: str = head_prompt,
|
||||
_prompt: str = prompt,
|
||||
_conversation_messages: List[Message] = conversation_messages,
|
||||
) -> List[Message]:
|
||||
messages: List[Message] = []
|
||||
|
|
@ -482,14 +445,47 @@ async def _react_agent_solve_question(
|
|||
system_builder = MessageBuilder()
|
||||
system_builder.set_role(RoleType.System)
|
||||
system_builder.add_text_content(_head_prompt)
|
||||
if _prompt.strip():
|
||||
system_builder.add_text_content(f"\n{_prompt}")
|
||||
messages.append(system_builder.build())
|
||||
|
||||
messages.extend(_conversation_messages)
|
||||
|
||||
# for msg in messages:
|
||||
# print(msg)
|
||||
# 优化日志展示 - 合并所有消息到一条日志
|
||||
log_lines = []
|
||||
for idx, msg in enumerate(messages, 1):
|
||||
role_name = msg.role.value if hasattr(msg.role, 'value') else str(msg.role)
|
||||
|
||||
# 处理内容 - 显示完整内容，不截断
|
||||
if isinstance(msg.content, str):
|
||||
full_content = msg.content
|
||||
content_type = "文本"
|
||||
elif isinstance(msg.content, list):
|
||||
text_parts = [item for item in msg.content if isinstance(item, str)]
|
||||
image_count = len([item for item in msg.content if isinstance(item, tuple)])
|
||||
full_content = "".join(text_parts) if text_parts else ""
|
||||
content_type = f"混合({len(text_parts)}段文本, {image_count}张图片)"
|
||||
else:
|
||||
full_content = str(msg.content)
|
||||
content_type = "未知"
|
||||
|
||||
# 构建单条消息的日志信息
|
||||
msg_info = f"\n[消息 {idx}] 角色: {role_name}"
|
||||
msg_info += f"\n 内容类型: {content_type}"
|
||||
|
||||
if full_content:
|
||||
msg_info += f"\n 内容:\n{full_content}"
|
||||
|
||||
if msg.tool_calls:
|
||||
msg_info += f"\n 工具调用: {len(msg.tool_calls)}个"
|
||||
for tool_call in msg.tool_calls:
|
||||
msg_info += f"\n - {tool_call}"
|
||||
|
||||
if msg.tool_call_id:
|
||||
msg_info += f"\n 工具调用ID: {msg.tool_call_id}"
|
||||
|
||||
log_lines.append(msg_info)
|
||||
|
||||
# 合并所有消息为一条日志输出
|
||||
logger.info(f"消息列表 (共{len(messages)}条):{''.join(log_lines)}")
|
||||
|
||||
return messages
|
||||
|
||||
|
|
@ -499,14 +495,6 @@ async def _react_agent_solve_question(
|
|||
tool_options=tool_definitions,
|
||||
request_type="memory.react",
|
||||
)
|
||||
else:
|
||||
logger.info(f"ReAct Agent 第 {iteration + 1} 次Prompt: {prompt}")
|
||||
success, response, reasoning_content, model_name, tool_calls = await llm_api.generate_with_model_with_tools(
|
||||
prompt,
|
||||
model_config=model_config.model_task_config.tool_use,
|
||||
tool_options=tool_definitions,
|
||||
request_type="memory.react",
|
||||
)
|
||||
|
||||
logger.info(f"ReAct Agent 第 {iteration + 1} 次迭代 模型: {model_name} ，调用工具数量: {len(tool_calls) if tool_calls else 0} ，调用工具响应: {response}")
|
||||
|
||||
|
|
|
|||
Loading…
Reference in New Issue