diff --git a/src/plugins/PFC/pfc_processor.py b/src/plugins/PFC/pfc_processor.py
index 428db544..8aaf800d 100644
--- a/src/plugins/PFC/pfc_processor.py
+++ b/src/plugins/PFC/pfc_processor.py
@@ -1,123 +1,171 @@
import traceback
-
-from maim_message import UserInfo
+import re
+from typing import Any, Dict
+from datetime import datetime # 确保导入 datetime
+from maim_message import UserInfo, MessageRecv # 从 maim_message 导入 MessageRecv
from src.config.config import global_config
from src.common.logger_manager import get_logger
-from ..chat.chat_stream import chat_manager
-from typing import Optional, Dict, Any
+from ..chat.chat_stream import chat_manager
+from src.plugins.chat.utils import get_embedding
+from src.common.database import db
from .pfc_manager import PFCManager
-from src.plugins.chat.message import MessageRecv
-from src.plugins.storage.storage import MessageStorage
-from datetime import datetime
-
logger = get_logger("pfc_processor")
-async def _handle_error(error: Exception, context: str, message: Optional[MessageRecv] = None) -> None:
+async def _handle_error(error: Exception, context: str, message: MessageRecv | None = None) -> None: # 明确 message 类型
"""统一的错误处理函数
-
- Args:
- error: 捕获到的异常
- context: 错误发生的上下文描述
- message: 可选的消息对象，用于记录相关消息内容
+ # ... (方法注释不变) ...
"""
logger.error(f"{context}: {error}")
logger.error(traceback.format_exc())
- if message and hasattr(message, "raw_message"):
+ # 检查 message 是否 None 以及是否有 raw_message 属性
+ if message and hasattr(message, 'message_info') and hasattr(message.message_info, 'raw_message'): # MessageRecv 结构可能没有直接的 raw_message
+ raw_msg_content = getattr(message.message_info, 'raw_message', None) # 安全获取
+ if raw_msg_content:
+ logger.error(f"相关消息原始内容: {raw_msg_content}")
+ elif message and hasattr(message, 'raw_message'): # 如果 MessageRecv 直接有 raw_message
logger.error(f"相关消息原始内容: {message.raw_message}")
class PFCProcessor:
- """PFC 处理器，负责处理接收到的信息并计数"""
-
def __init__(self):
"""初始化 PFC 处理器，创建消息存储实例"""
- self.storage = MessageStorage()
+ # MessageStorage() 的实例化位置和具体类是什么？
+ # 我们假设它来自 src.plugins.storage.storage
+ # 但由于我们不能修改那个文件，所以这里的 self.storage 将按原样使用
+ from src.plugins.storage.storage import MessageStorage # 明确导入，以便类型提示和理解
+ self.storage: MessageStorage = MessageStorage()
self.pfc_manager = PFCManager.get_instance()
- async def process_message(self, message_data: Dict[str, Any]) -> None:
+ async def process_message(self, message_data: dict[str, Any]) -> None: # 使用 dict[str, Any] 替代 Dict
"""处理接收到的原始消息数据
-
- 主要流程:
- 1. 消息解析与初始化
- 2. 过滤检查
- 3. 消息存储
- 4. 创建 PFC 流
- 5. 日志记录
-
- Args:
- message_data: 原始消息字符串
+ # ... (方法注释不变) ...
"""
- message = None
+ message_obj: MessageRecv | None = None # 初始化为 None，并明确类型
try:
# 1. 消息解析与初始化
- message = MessageRecv(message_data)
- groupinfo = message.message_info.group_info
- userinfo = message.message_info.user_info
- messageinfo = message.message_info
+ message_obj = MessageRecv(message_data) # 使用你提供的 message.py 中的 MessageRecv
+ # 确保 message_obj.message_info 存在
+ if not hasattr(message_obj, 'message_info'):
+ logger.error("MessageRecv 对象缺少 message_info 属性。跳过处理。")
+ return
+
+ groupinfo = getattr(message_obj.message_info, 'group_info', None)
+ userinfo = getattr(message_obj.message_info, 'user_info', None)
+
+ if userinfo is None: # 确保 userinfo 存在
+ logger.error("message_obj.message_info 中缺少 user_info。跳过处理。")
+ return
+ if not hasattr(userinfo, 'user_id'): # 确保 user_id 存在
+ logger.error("userinfo 对象中缺少 user_id。跳过处理。")
+ return
logger.trace(f"准备为{userinfo.user_id}创建/获取聊天流")
chat = await chat_manager.get_or_create_stream(
- platform=messageinfo.platform,
+ platform=message_obj.message_info.platform,
user_info=userinfo,
group_info=groupinfo,
)
- message.update_chat_stream(chat)
+ message_obj.update_chat_stream(chat) # message.py 中 MessageRecv 有此方法
# 2. 过滤检查
- # 处理消息
- await message.process()
- # 过滤词/正则表达式过滤
- if self._check_ban_words(message.processed_plain_text, userinfo) or self._check_ban_regex(
- message.raw_message, userinfo
- ):
+ await message_obj.process() # 调用 MessageRecv 的异步 process 方法
+ if self._check_ban_words(message_obj.processed_plain_text, userinfo) or \
+ self._check_ban_regex(message_obj.raw_message, userinfo): # MessageRecv 有 raw_message 属性
return
- # 3. 消息存储
- await self.storage.store_message(message, chat)
- logger.trace(f"存储成功: {message.processed_plain_text}")
+ # 3. 消息存储 (保持原有调用)
+ # 这里的 self.storage.store_message 来自 src/plugins/storage/storage.py
+ # 它内部会将 message_obj 转换为字典并存储
+ await self.storage.store_message(message_obj, chat)
+ logger.trace(f"存储成功 (初步): {message_obj.processed_plain_text}")
+
+ # === 新增：为已存储的消息生成嵌入并更新数据库文档 ===
+ embedding_vector = None
+ text_for_embedding = message_obj.processed_plain_text # 使用处理后的纯文本
+
+ # 在 storage.py 中，会对 processed_plain_text 进行一次过滤
+ # 为了保持一致，我们也在这里应用相同的过滤逻辑
+ # 当然，更优的做法是 store_message 返回过滤后的文本，或在 message_obj 中增加一个 filtered_processed_plain_text 属性
+ # 这里为了简单，我们先重复一次过滤逻辑
+ pattern = r".*?|.*?|.*?"
+ if text_for_embedding:
+ filtered_text_for_embedding = re.sub(pattern, "", text_for_embedding, flags=re.DOTALL)
+ else:
+ filtered_text_for_embedding = ""
+
+ if filtered_text_for_embedding and filtered_text_for_embedding.strip():
+ try:
+ # request_type 参数根据你的 get_embedding 函数实际需求来定
+ embedding_vector = await get_embedding(filtered_text_for_embedding, request_type="pfc_private_memory")
+ if embedding_vector:
+ logger.debug(f"成功为消息 ID '{message_obj.message_info.message_id}' 生成嵌入向量。")
+
+ # 更新数据库中的对应文档
+ # 确保你有权限访问和操作 db 对象
+ update_result = await db.messages.update_one(
+ {"message_id": message_obj.message_info.message_id, "chat_id": chat.stream_id},
+ {"$set": {"embedding_vector": embedding_vector}}
+ )
+ if update_result.modified_count > 0:
+ logger.info(f"成功为消息 ID '{message_obj.message_info.message_id}' 更新嵌入向量到数据库。")
+ elif update_result.matched_count > 0:
+ logger.warning(f"消息 ID '{message_obj.message_info.message_id}' 已存在嵌入向量或未作修改。")
+ else:
+ logger.error(f"未能找到消息 ID '{message_obj.message_info.message_id}' (chat_id: {chat.stream_id}) 来更新嵌入向量。可能是存储和更新之间存在延迟或问题。")
+ else:
+ logger.warning(f"未能为消息 ID '{message_obj.message_info.message_id}' 的文本 '{filtered_text_for_embedding[:30]}...' 生成嵌入向量。")
+ except Exception as e_embed_update:
+ logger.error(f"为消息 ID '{message_obj.message_info.message_id}' 生成嵌入或更新数据库时发生异常: {e_embed_update}", exc_info=True)
+ else:
+ logger.debug(f"消息 ID '{message_obj.message_info.message_id}' 的过滤后纯文本为空，不生成或更新嵌入。")
+ # === 新增结束 ===
# 4. 创建 PFC 聊天流
- await self._create_pfc_chat(message)
+ await self._create_pfc_chat(message_obj)
# 5. 日志记录
- # 将时间戳转换为datetime对象
- current_time = datetime.fromtimestamp(message.message_info.time).strftime("%H:%M:%S")
+ # 确保 message_obj.message_info.time 是 float 类型的时间戳
+ current_time_display = datetime.fromtimestamp(float(message_obj.message_info.time)).strftime("%H:%M:%S")
+
+ # 确保 userinfo.user_nickname 存在
+ user_nickname_display = getattr(userinfo, 'user_nickname', '未知用户')
+
logger.info(
- f"[{current_time}][私聊]{message.message_info.user_info.user_nickname}: {message.processed_plain_text}"
+ f"[{current_time_display}][私聊]{user_nickname_display}: {message_obj.processed_plain_text}"
)
except Exception as e:
- await _handle_error(e, "消息处理失败", message)
+ await _handle_error(e, "消息处理失败", message_obj) # 传递 message_obj
- async def _create_pfc_chat(self, message: MessageRecv):
+ async def _create_pfc_chat(self, message: MessageRecv): # 明确 message 类型
try:
chat_id = str(message.chat_stream.stream_id)
- private_name = str(message.message_info.user_info.user_nickname)
+ private_name = str(message.message_info.user_info.user_nickname) # 假设 UserInfo 有 user_nickname
if global_config.enable_pfc_chatting:
await self.pfc_manager.get_or_create_conversation(chat_id, private_name)
except Exception as e:
- logger.error(f"创建PFC聊天失败: {e}")
+ logger.error(f"创建PFC聊天失败: {e}", exc_info=True) # 添加 exc_info=True
@staticmethod
- def _check_ban_words(text: str, userinfo: UserInfo) -> bool:
+ def _check_ban_words(text: str, userinfo: UserInfo) -> bool: # 明确 userinfo 类型
"""检查消息中是否包含过滤词"""
for word in global_config.ban_words:
if word in text:
- logger.info(f"[私聊]{userinfo.user_nickname}:{text}")
+ logger.info(f"[私聊]{userinfo.user_nickname}:{text}") # 假设 UserInfo 有 user_nickname
logger.info(f"[过滤词识别]消息中含有{word}，filtered")
return True
return False
@staticmethod
- def _check_ban_regex(text: str, userinfo: UserInfo) -> bool:
+ def _check_ban_regex(text: str, userinfo: UserInfo) -> bool: # 明确 userinfo 类型
"""检查消息是否匹配过滤正则表达式"""
for pattern in global_config.ban_msgs_regex:
- if pattern.search(text):
- logger.info(f"[私聊]{userinfo.user_nickname}:{text}")
- logger.info(f"[正则表达式过滤]消息匹配到{pattern}，filtered")
+ if pattern.search(text): # 假设 ban_msgs_regex 中的元素是已编译的正则对象
+ logger.info(f"[私聊]{userinfo.user_nickname}:{text}") # _nickname
+ logger.info(f"[正则表达式过滤]消息匹配到{pattern.pattern}，filtered") # .pattern 获取原始表达式字符串
return True
- return False
+ return False
\ No newline at end of file
diff --git a/src/plugins/PFC/pfc_utils.py b/src/plugins/PFC/pfc_utils.py
index fc5437ab..666fa6e8 100644
--- a/src/plugins/PFC/pfc_utils.py
+++ b/src/plugins/PFC/pfc_utils.py
@@ -1,88 +1,285 @@
import traceback
import json
import re
-from typing import Dict, Any, Optional, Tuple, List, Union
-from src.common.logger_manager import get_logger # 确认 logger 的导入路径
-from src.plugins.memory_system.Hippocampus import HippocampusManager
-from src.plugins.heartFC_chat.heartflow_prompt_builder import prompt_builder # 确认 prompt_builder 的导入路径
-from src.plugins.chat.chat_stream import ChatStream
-from ..person_info.person_info import person_info_manager
-import math
-from src.plugins.utils.chat_message_builder import build_readable_messages
-from .observation_info import ObservationInfo
+import asyncio # 确保导入 asyncio
+from typing import Dict, Any, Optional, Tuple, List, Union # 确保导入这些类型
+
+from src.common.logger_manager import get_logger
from src.config.config import global_config
+from src.common.database import db # << 确认此路径
+
+# --- 依赖于你项目结构的导入，请务必仔细检查并根据你的实际情况调整 ---
+from src.plugins.memory_system.Hippocampus import HippocampusManager # << 确认此路径
+from src.plugins.heartFC_chat.heartflow_prompt_builder import prompt_builder # << 确认此路径
+from src.plugins.chat.utils import get_embedding # << 确认此路径
+from src.plugins.utils.chat_message_builder import build_readable_messages # << 确认此路径
+# --- 依赖导入结束 ---
+
+from src.plugins.chat.chat_stream import ChatStream # 来自原始 pfc_utils.py
+from ..person_info.person_info import person_info_manager # 来自原始 pfc_utils.py (相对导入)
+import math # 来自原始 pfc_utils.py
+from .observation_info import ObservationInfo # 来自原始 pfc_utils.py (相对导入)
+
logger = get_logger("pfc_utils")
-
-async def retrieve_contextual_info(text: str, private_name: str) -> Tuple[str, str]:
+# ==============================================================================
+# 新增：专门用于检索 PFC 私聊历史对话上下文的函数
+# ==============================================================================
+async def find_most_relevant_historical_message(
+ chat_id: str,
+ query_text: str,
+ similarity_threshold: float = 0.3 # 相似度阈值，可以根据效果调整
+) -> Optional[Dict[str, Any]]:
"""
- 根据输入文本检索相关的记忆和知识。
-
- Args:
- text: 用于检索的上下文文本 (例如聊天记录)。
- private_name: 私聊对象的名称，用于日志记录。
-
- Returns:
- Tuple[str, str]: (检索到的记忆字符串, 检索到的知识字符串)
+ 根据查询文本，在指定 chat_id 的历史消息中查找最相关的消息。
"""
- retrieved_memory_str = "无相关记忆。"
+ if not query_text or not query_text.strip():
+ logger.debug(f"[{chat_id}] (私聊历史)查询文本为空，跳过检索。")
+ return None
+
+ logger.debug(f"[{chat_id}] (私聊历史)开始为查询文本 '{query_text[:50]}...' 检索。")
+
+ # 使用你项目中已有的 get_embedding 函数
+ # request_type 参数需要根据 get_embedding 的实际需求调整
+ query_embedding = await get_embedding(query_text, request_type="pfc_historical_chat_query")
+ if not query_embedding:
+ logger.warning(f"[{chat_id}] (私聊历史)未能为查询文本 '{query_text[:50]}...' 生成嵌入向量。")
+ return None
+
+ pipeline = [
+ {
+ "$match": {
+ "chat_id": chat_id,
+ "embedding_vector": {"$exists": True, "$ne": None, "$not": {"$size": 0}}
+ }
+ },
+ {
+ "$addFields": {
+ "dotProduct": {"$reduce": {"input": {"$range": [0, {"$size": "$embedding_vector"}]}, "initialValue": 0, "in": {"$add": ["$$value", {"$multiply": [{"$arrayElemAt": ["$embedding_vector", "$$this"]}, {"$arrayElemAt": [query_embedding, "$$this"]}]}]}}},
+ "queryVecMagnitude": {"$sqrt": {"$reduce": {"input": query_embedding, "initialValue": 0, "in": {"$add": ["$$value", {"$multiply": ["$$this", "$$this"]}]}}}},
+ "docVecMagnitude": {"$sqrt": {"$reduce": {"input": "$embedding_vector", "initialValue": 0, "in": {"$add": ["$$value", {"$multiply": ["$$this", "$$this"]}]}}}}
+ }
+ },
+ {
+ "$addFields": {
+ "similarity": {
+ "$cond": [
+ {"$and": [{"$gt": ["$queryVecMagnitude", 0]}, {"$gt": ["$docVecMagnitude", 0]}]},
+ {"$divide": ["$dotProduct", {"$multiply": ["$queryVecMagnitude", "$docVecMagnitude"]}]},
+ 0
+ ]
+ }
+ }
+ },
+ {"$match": {"similarity": {"$gte": similarity_threshold}}},
+ {"$sort": {"similarity": -1}},
+ {"$limit": 1},
+ {"$project": {"_id": 0, "message_id": 1, "time": 1, "chat_id": 1, "user_info": 1, "processed_plain_text": 1, "similarity": 1}} # 可以不返回 embedding_vector 节省带宽
+ ]
+
+ try:
+ # 假设 db.messages 是存储PFC私聊消息并带有embedding_vector的集合
+ results = await db.messages.aggregate(pipeline).to_list(length=1)
+ if results and len(results) > 0:
+ most_similar_message = results[0]
+ logger.info(f"[{chat_id}] (私聊历史)找到最相关消息 ID: {most_similar_message.get('message_id')}, 相似度: {most_similar_message.get('similarity'):.4f}")
+ return most_similar_message
+ else:
+ logger.debug(f"[{chat_id}] (私聊历史)未找到相似度超过 {similarity_threshold} 的相关消息。")
+ return None
+ except Exception as e:
+ logger.error(f"[{chat_id}] (私聊历史)在数据库中检索时出错: {e}", exc_info=True)
+ return None
+
+async def retrieve_chat_context_window(
+ chat_id: str,
+ anchor_message_id: str,
+ anchor_message_time: float,
+ window_size_before: int = 7,
+ window_size_after: int = 7
+) -> List[Dict[str, Any]]:
+ """
+ 以某条消息为锚点，获取其前后的聊天记录形成一个上下文窗口。
+ """
+ if not anchor_message_id or anchor_message_time is None:
+ return []
+
+ context_messages: List[Dict[str, Any]] = [] # 明确类型
+ logger.debug(f"[{chat_id}] (私聊历史)准备以消息 ID '{anchor_message_id}' (时间: {anchor_message_time}) 为锚点，获取上下文窗口...")
+
+ try:
+ # 假设 db.messages 是存储PFC私聊消息的集合
+ anchor_message = await db.messages.find_one({"message_id": anchor_message_id, "chat_id": chat_id})
+
+ messages_before_cursor = db.messages.find(
+ {"chat_id": chat_id, "time": {"$lt": anchor_message_time}}
+ ).sort("time", -1).limit(window_size_before)
+ messages_before = await messages_before_cursor.to_list(length=window_size_before)
+ messages_before.reverse()
+
+ messages_after_cursor = db.messages.find(
+ {"chat_id": chat_id, "time": {"$gt": anchor_message_time}}
+ ).sort("time", 1).limit(window_size_after)
+ messages_after = await messages_after_cursor.to_list(length=window_size_after)
+
+ if messages_before:
+ context_messages.extend(messages_before)
+ if anchor_message:
+ anchor_message.pop("_id", None)
+ context_messages.append(anchor_message)
+ if messages_after:
+ context_messages.extend(messages_after)
+
+ final_window: List[Dict[str, Any]] = [] # 明确类型
+ seen_ids: set[str] = set() # 明确类型
+ for msg in context_messages:
+ msg_id = msg.get("message_id")
+ if msg_id and msg_id not in seen_ids: # 确保 msg_id 存在
+ final_window.append(msg)
+ seen_ids.add(msg_id)
+
+ final_window.sort(key=lambda m: m.get("time", 0))
+ logger.info(f"[{chat_id}] (私聊历史)为锚点 '{anchor_message_id}' 构建了包含 {len(final_window)} 条消息的上下文窗口。")
+ return final_window
+ except Exception as e:
+ logger.error(f"[{chat_id}] (私聊历史)获取消息 ID '{anchor_message_id}' 的上下文窗口时出错: {e}", exc_info=True)
+ return []
+
+# ==============================================================================
+# 修改后的 retrieve_contextual_info 函数
+# ==============================================================================
+async def retrieve_contextual_info(
+ text: str, # 用于全局记忆和知识检索的主查询文本 (通常是短期聊天记录)
+ private_name: str, # 用于日志
+ chat_id: str, # 用于特定私聊历史的检索
+ historical_chat_query_text: Optional[str] = None # 专门为私聊历史检索准备的查询文本 (例如最新的N条消息合并)
+) -> Tuple[str, str, str]: # 返回: 全局记忆, 知识, 私聊历史回忆
+ """
+ 检索三种类型的上下文信息：全局压缩记忆、知识库知识、当前私聊的特定历史对话。
+ """
+ # 初始化返回值
+ retrieved_global_memory_str = "无相关全局记忆。"
retrieved_knowledge_str = "无相关知识。"
- memory_log_msg = "未自动检索到相关记忆。"
- knowledge_log_msg = "未自动检索到相关知识。"
+ retrieved_historical_chat_str = "无相关私聊历史回忆。"
- if not text or text == "还没有聊天记录。" or text == "[构建聊天记录出错]":
- logger.debug(f"[私聊][{private_name}] (retrieve_contextual_info) 无有效上下文，跳过检索。")
- return retrieved_memory_str, retrieved_knowledge_str
-
- # 1. 检索记忆 (逻辑来自原 _get_memory_info)
- try:
- related_memory = await HippocampusManager.get_instance().get_memory_from_text(
- text=text,
- max_memory_num=2,
- max_memory_length=2,
- max_depth=3,
- fast_retrieval=False,
- )
- if related_memory:
- related_memory_info = ""
- for memory in related_memory:
- related_memory_info += memory[1] + "\n"
- if related_memory_info:
- # 注意：原版提示信息可以根据需要调整
- retrieved_memory_str = f"你回忆起：\n{related_memory_info.strip()}\n(以上是你的回忆，供参考)\n"
- memory_log_msg = f"自动检索到记忆: {related_memory_info.strip()[:100]}..."
+ # --- 1. 全局压缩记忆检索 (来自 HippocampusManager) ---
+ # (保持你原始 pfc_utils.py 中这部分的逻辑基本不变)
+ global_memory_log_msg = f"开始全局压缩记忆检索 (基于文本: '{text[:30]}...')"
+ if text and text.strip() and text != "还没有聊天记录。" and text != "[构建聊天记录出错]":
+ try:
+ related_memory = await HippocampusManager.get_instance().get_memory_from_text(
+ text=text,
+ max_memory_num=2,
+ max_memory_length=2, # 你原始代码中这里是2，不是200
+ max_depth=3,
+ fast_retrieval=False, # 你原始代码中这里是False
+ )
+ if related_memory:
+ temp_global_memory_info = ""
+ for memory_item in related_memory:
+ if isinstance(memory_item, (list, tuple)) and len(memory_item) > 1:
+ temp_global_memory_info += str(memory_item[1]) + "\n"
+ elif isinstance(memory_item, str):
+ temp_global_memory_info += memory_item + "\n"
+
+ if temp_global_memory_info.strip():
+ retrieved_global_memory_str = f"你回忆起一些相关的全局记忆：\n{temp_global_memory_info.strip()}\n(以上是你的全局记忆，供参考)\n"
+ global_memory_log_msg = f"自动检索到全局压缩记忆: {temp_global_memory_info.strip()[:100]}..."
+ else:
+ global_memory_log_msg = "全局压缩记忆检索返回为空或格式不符。"
else:
- memory_log_msg = "自动检索记忆返回为空。"
- logger.debug(f"[私聊][{private_name}] (retrieve_contextual_info) 记忆检索: {memory_log_msg}")
-
- except Exception as e:
- logger.error(
- f"[私聊][{private_name}] (retrieve_contextual_info) 自动检索记忆时出错: {e}\n{traceback.format_exc()}"
- )
- retrieved_memory_str = "检索记忆时出错。\n"
-
- # 2. 检索知识 (逻辑来自原 action_planner 和 reply_generator)
- try:
- # 使用导入的 prompt_builder 实例及其方法
- knowledge_result = await prompt_builder.get_prompt_info(
- message=text,
- threshold=0.38, # threshold 可以根据需要调整
- )
- if knowledge_result:
- retrieved_knowledge_str = knowledge_result # 直接使用返回结果
- knowledge_log_msg = "自动检索到相关知识。"
- logger.debug(f"[私聊][{private_name}] (retrieve_contextual_info) 知识检索: {knowledge_log_msg}")
-
- except Exception as e:
- logger.error(
- f"[私聊][{private_name}] (retrieve_contextual_info) 自动检索知识时出错: {e}\n{traceback.format_exc()}"
- )
- retrieved_knowledge_str = "检索知识时出错。\n"
-
- return retrieved_memory_str, retrieved_knowledge_str
+ global_memory_log_msg = "全局压缩记忆检索返回为空列表。"
+ logger.debug(f"[私聊][{private_name}] (retrieve_contextual_info) 全局压缩记忆检索: {global_memory_log_msg}")
+ except Exception as e:
+ logger.error(
+ f"[私聊][{private_name}] (retrieve_contextual_info) 检索全局压缩记忆时出错: {e}\n{traceback.format_exc()}"
+ )
+ retrieved_global_memory_str = "[检索全局压缩记忆时出错]\n"
+ else:
+ logger.debug(f"[私聊][{private_name}] (retrieve_contextual_info) 无有效主查询文本，跳过全局压缩记忆检索。")
+ # --- 2. 相关知识检索 (来自 prompt_builder) ---
+ # (保持你原始 pfc_utils.py 中这部分的逻辑基本不变)
+ knowledge_log_msg = f"开始知识检索 (基于文本: '{text[:30]}...')"
+ if text and text.strip() and text != "还没有聊天记录。" and text != "[构建聊天记录出错]":
+ try:
+ knowledge_result = await prompt_builder.get_prompt_info(
+ message=text,
+ threshold=0.38,
+ )
+ if knowledge_result and knowledge_result.strip(): # 确保结果不为空
+ retrieved_knowledge_str = knowledge_result # 直接使用返回结果，如果需要也可以包装
+ knowledge_log_msg = f"自动检索到相关知识: {knowledge_result[:100]}..."
+ else:
+ knowledge_log_msg = "知识检索返回为空。"
+ logger.debug(f"[私聊][{private_name}] (retrieve_contextual_info) 知识检索: {knowledge_log_msg}")
+ except Exception as e:
+ logger.error(
+ f"[私聊][{private_name}] (retrieve_contextual_info) 自动检索知识时出错: {e}\n{traceback.format_exc()}"
+ )
+ retrieved_knowledge_str = "[检索知识时出错]\n"
+ else:
+ logger.debug(f"[私聊][{private_name}] (retrieve_contextual_info) 无有效主查询文本，跳过知识检索。")
+
+
+ # --- 3. 当前私聊的特定历史对话上下文检索 (新增逻辑) ---
+ query_for_historical_chat = historical_chat_query_text if historical_chat_query_text and historical_chat_query_text.strip() else None
+ historical_chat_log_msg = f"开始私聊历史检索 (查询文本: '{str(query_for_historical_chat)[:30]}...')"
+
+ if query_for_historical_chat:
+ try:
+ most_relevant_message_doc = await find_most_relevant_historical_message(
+ chat_id=chat_id,
+ query_text=query_for_historical_chat,
+ similarity_threshold=0.5 # 你可以根据需要调整这个阈值
+ )
+ if most_relevant_message_doc:
+ anchor_id = most_relevant_message_doc.get("message_id")
+ anchor_time = most_relevant_message_doc.get("time")
+ if anchor_id and anchor_time is not None:
+ context_window_messages = await retrieve_chat_context_window(
+ chat_id=chat_id,
+ anchor_message_id=anchor_id,
+ anchor_message_time=anchor_time,
+ window_size_before=7, # 我们的目标：上7条
+ window_size_after=7 # 我们的目标：下7条 (共15条，包括锚点)
+ )
+ if context_window_messages:
+ formatted_window_str = await build_readable_messages(
+ context_window_messages,
+ replace_bot_name=False, # 在回忆中，保留原始发送者名称
+ merge_messages=False,
+ timestamp_mode="relative", # 可以选择 'absolute' 或 'none'
+ read_mark=0.0
+ )
+ if formatted_window_str and formatted_window_str.strip():
+ retrieved_historical_chat_str = f"你回忆起一段与当前对话相关的历史聊天：\n------\n{formatted_window_str.strip()}\n------\n(以上是针对本次私聊的回忆，供参考)\n"
+ historical_chat_log_msg = f"自动检索到相关私聊历史片段 (锚点ID: {anchor_id}, 相似度: {most_relevant_message_doc.get('similarity'):.3f})"
+ else:
+ historical_chat_log_msg = "检索到的私聊历史对话窗口格式化后为空。"
+ else:
+ historical_chat_log_msg = f"找到了相关锚点消息 (ID: {anchor_id})，但未能构建其上下文窗口。"
+ else:
+ historical_chat_log_msg = "检索到的最相关私聊历史消息文档缺少 message_id 或 time。"
+ else:
+ historical_chat_log_msg = "未找到足够相关的私聊历史对话消息。"
+ logger.debug(f"[私聊][{private_name}] (retrieve_contextual_info) 私聊历史对话检索: {historical_chat_log_msg}")
+ except Exception as e:
+ logger.error(
+ f"[私聊][{private_name}] (retrieve_contextual_info) 检索私聊历史对话时出错: {e}\n{traceback.format_exc()}"
+ )
+ retrieved_historical_chat_str = "[检索私聊历史对话时出错]\n"
+ else:
+ logger.debug(f"[私聊][{private_name}] (retrieve_contextual_info) 无专门的私聊历史查询文本，跳过私聊历史对话检索。")
+
+ return retrieved_global_memory_str, retrieved_knowledge_str, retrieved_historical_chat_str
+
+
+# ==============================================================================
+# 你原始 pfc_utils.py 中的其他函数保持不变
+# ==============================================================================
def get_items_from_json(
content: str,
private_name: str,
@@ -92,121 +289,66 @@ def get_items_from_json(
allow_array: bool = True,
) -> Tuple[bool, Union[Dict[str, Any], List[Dict[str, Any]]]]:
"""从文本中提取JSON内容并获取指定字段
-
- Args:
- content: 包含JSON的文本
- private_name: 私聊名称
- *items: 要提取的字段名
- default_values: 字段的默认值，格式为 {字段名: 默认值}
- required_types: 字段的必需类型，格式为 {字段名: 类型}
- allow_array: 是否允许解析JSON数组
-
- Returns:
- Tuple[bool, Union[Dict[str, Any], List[Dict[str, Any]]]]: (是否成功, 提取的字段字典或字典列表)
+ (保持你原始 pfc_utils.py 中的此函数代码不变)
"""
cleaned_content = content.strip()
- result: Union[Dict[str, Any], List[Dict[str, Any]]] = {} # 初始化类型
- # 匹配 ```json ... ``` 或 ``` ... ```
+ result: Union[Dict[str, Any], List[Dict[str, Any]]] = {}
markdown_match = re.search(r"```(?:json)?\s*([\s\S]*?)\s*```", cleaned_content, re.IGNORECASE)
if markdown_match:
cleaned_content = markdown_match.group(1).strip()
logger.debug(f"[私聊][{private_name}] 已去除 Markdown 标记，剩余内容: {cleaned_content[:100]}...")
- # --- 新增结束 ---
-
- # 设置默认值
- default_result: Dict[str, Any] = {} # 用于单对象时的默认值
+ default_result: Dict[str, Any] = {}
if default_values:
default_result.update(default_values)
- result = default_result.copy() # 先用默认值初始化
-
- # 首先尝试解析为JSON数组
+ result = default_result.copy()
if allow_array:
try:
- # 尝试直接解析清理后的内容为列表
json_array = json.loads(cleaned_content)
-
if isinstance(json_array, list):
valid_items_list: List[Dict[str, Any]] = []
- for item in json_array:
- if not isinstance(item, dict):
- logger.warning(f"[私聊][{private_name}] JSON数组中的元素不是字典: {item}")
+ for item_json in json_array: # Renamed item to item_json to avoid conflict
+ if not isinstance(item_json, dict):
+ logger.warning(f"[私聊][{private_name}] JSON数组中的元素不是字典: {item_json}")
continue
-
- current_item_result = default_result.copy() # 每个元素都用默认值初始化
+ current_item_result = default_result.copy()
valid_item = True
-
- # 提取并验证字段
- for field in items:
- if field in item:
- current_item_result[field] = item[field]
- elif field not in default_result: # 如果字段不存在且没有默认值
- logger.warning(f"[私聊][{private_name}] JSON数组元素缺少必要字段 '{field}': {item}")
- valid_item = False
- break # 这个元素无效
-
- if not valid_item:
- continue
-
- # 验证类型
+ for field in items: # items is args from function signature
+ if field in item_json:
+ current_item_result[field] = item_json[field]
+ elif field not in default_result:
+ logger.warning(f"[私聊][{private_name}] JSON数组元素缺少必要字段 '{field}': {item_json}")
+ valid_item = False; break
+ if not valid_item: continue
if required_types:
for field, expected_type in required_types.items():
- # 检查 current_item_result 中是否存在该字段 (可能来自 item 或 default_values)
- if field in current_item_result and not isinstance(
- current_item_result[field], expected_type
- ):
- logger.warning(
- f"[私聊][{private_name}] JSON数组元素字段 '{field}' 类型错误 (应为 {expected_type.__name__}, 实际为 {type(current_item_result[field]).__name__}): {item}"
- )
- valid_item = False
- break
-
- if not valid_item:
- continue
-
- # 验证字符串不为空 (只检查 items 中要求的字段)
+ if field in current_item_result and not isinstance(current_item_result[field], expected_type):
+ logger.warning(f"[私聊][{private_name}] JSON数组元素字段 '{field}' 类型错误 (应为 {expected_type.__name__}, 实际为 {type(current_item_result[field]).__name__}): {item_json}")
+ valid_item = False; break
+ if not valid_item: continue
for field in items:
- if (
- field in current_item_result
- and isinstance(current_item_result[field], str)
- and not current_item_result[field].strip()
- ):
- logger.warning(f"[私聊][{private_name}] JSON数组元素字段 '{field}' 不能为空字符串: {item}")
- valid_item = False
- break
-
- if valid_item:
- valid_items_list.append(current_item_result) # 只添加完全有效的项
-
- if valid_items_list: # 只有当列表不为空时才认为是成功
+ if field in current_item_result and isinstance(current_item_result[field], str) and not current_item_result[field].strip():
+ logger.warning(f"[私聊][{private_name}] JSON数组元素字段 '{field}' 不能为空字符串: {item_json}")
+ valid_item = False; break
+ if valid_item: valid_items_list.append(current_item_result)
+ if valid_items_list:
logger.debug(f"[私聊][{private_name}] 成功解析JSON数组，包含 {len(valid_items_list)} 个有效项目。")
return True, valid_items_list
else:
- # 如果列表为空（可能所有项都无效），则继续尝试解析为单个对象
logger.debug(f"[私聊][{private_name}] 解析为JSON数组，但未找到有效项目，尝试解析单个JSON对象。")
- # result 重置回单个对象的默认值
result = default_result.copy()
-
except json.JSONDecodeError:
logger.debug(f"[私聊][{private_name}] JSON数组直接解析失败，尝试解析单个JSON对象")
- # result 重置回单个对象的默认值
result = default_result.copy()
except Exception as e:
logger.error(f"[私聊][{private_name}] 尝试解析JSON数组时发生未知错误: {str(e)}")
- # result 重置回单个对象的默认值
result = default_result.copy()
-
- # 尝试解析为单个JSON对象
try:
- # 尝试直接解析清理后的内容
json_data = json.loads(cleaned_content)
if not isinstance(json_data, dict):
logger.error(f"[私聊][{private_name}] 解析为单个对象，但结果不是字典类型: {type(json_data)}")
- return False, default_result # 返回失败和默认值
-
+ return False, default_result
except json.JSONDecodeError:
- # 如果直接解析失败，尝试用正则表达式查找 JSON 对象部分 (作为后备)
- # 这个正则比较简单，可能无法处理嵌套或复杂的 JSON
- json_pattern = r"\{[\s\S]*?\}" # 使用非贪婪匹配
+ json_pattern = r"\{[\s\S]*?\}"
json_match = re.search(json_pattern, cleaned_content)
if json_match:
try:
@@ -220,133 +362,97 @@ def get_items_from_json(
logger.error(f"[私聊][{private_name}] 正则提取的部分 '{potential_json_str[:100]}...' 无法解析为JSON。")
return False, default_result
else:
- logger.error(
- f"[私聊][{private_name}] 无法在返回内容中找到有效的JSON对象部分。原始内容: {cleaned_content[:100]}..."
- )
+ logger.error(f"[私聊][{private_name}] 无法在返回内容中找到有效的JSON对象部分。原始内容: {cleaned_content[:100]}...")
return False, default_result
-
- # 提取并验证字段 (适用于单个JSON对象)
- # 确保 result 是字典类型用于更新
- if not isinstance(result, dict):
- result = default_result.copy() # 如果之前是列表，重置为字典
-
+ if not isinstance(result, dict): result = default_result.copy()
valid_single_object = True
- for item in items:
- if item in json_data:
- result[item] = json_data[item]
- elif item not in default_result: # 如果字段不存在且没有默认值
- logger.error(f"[私聊][{private_name}] JSON对象缺少必要字段 '{item}'。JSON内容: {json_data}")
- valid_single_object = False
- break # 这个对象无效
-
- if not valid_single_object:
- return False, default_result
-
- # 验证类型
+ for item_field in items: # Renamed item to item_field
+ if item_field in json_data: result[item_field] = json_data[item_field]
+ elif item_field not in default_result:
+ logger.error(f"[私聊][{private_name}] JSON对象缺少必要字段 '{item_field}'。JSON内容: {json_data}")
+ valid_single_object = False; break
+ if not valid_single_object: return False, default_result
if required_types:
for field, expected_type in required_types.items():
if field in result and not isinstance(result[field], expected_type):
- logger.error(
- f"[私聊][{private_name}] JSON对象字段 '{field}' 类型错误 (应为 {expected_type.__name__}, 实际为 {type(result[field]).__name__})"
- )
- valid_single_object = False
- break
-
- if not valid_single_object:
- return False, default_result
-
- # 验证字符串不为空 (只检查 items 中要求的字段)
+ logger.error(f"[私聊][{private_name}] JSON对象字段 '{field}' 类型错误 (应为 {expected_type.__name__}, 实际为 {type(result[field]).__name__})")
+ valid_single_object = False; break
+ if not valid_single_object: return False, default_result
for field in items:
if field in result and isinstance(result[field], str) and not result[field].strip():
logger.error(f"[私聊][{private_name}] JSON对象字段 '{field}' 不能为空字符串")
- valid_single_object = False
- break
-
+ valid_single_object = False; break
if valid_single_object:
logger.debug(f"[私聊][{private_name}] 成功解析并验证了单个JSON对象。")
- return True, result # 返回提取并验证后的字典
+ return True, result
else:
- return False, default_result # 验证失败
+ return False, default_result
async def get_person_id(private_name: str, chat_stream: ChatStream):
+ """ (保持你原始 pfc_utils.py 中的此函数代码不变) """
private_user_id_str: Optional[str] = None
private_platform_str: Optional[str] = None
- private_nickname_str = private_name
+ # private_nickname_str = private_name # 这行在你提供的代码中没有被使用，可以考虑移除
if chat_stream.user_info:
private_user_id_str = str(chat_stream.user_info.user_id)
private_platform_str = chat_stream.user_info.platform
logger.debug(
- f"[私聊][{private_name}] 从 ChatStream 获取到私聊对象信息: ID={private_user_id_str}, Platform={private_platform_str}, Name={private_nickname_str}"
+ f"[私聊][{private_name}] 从 ChatStream 获取到私聊对象信息: ID={private_user_id_str}, Platform={private_platform_str}, Name={private_name}" # 使用 private_name
)
- elif chat_stream.group_info is None and private_name:
- pass
+ # elif chat_stream.group_info is None and private_name: # 这个 elif 条件体为空，可以移除
+ # pass
if private_user_id_str and private_platform_str:
try:
private_user_id_int = int(private_user_id_str)
- # person_id = person_info_manager.get_person_id( # get_person_id 可能只查询，不创建
- # private_platform_str,
- # private_user_id_int
- # )
- # 使用 get_or_create_person 确保用户存在
person_id = await person_info_manager.get_or_create_person(
platform=private_platform_str,
user_id=private_user_id_int,
- nickname=private_name, # 使用传入的 private_name 作为昵称
+ nickname=private_name,
)
- if person_id is None: # 如果 get_or_create_person 返回 None，说明创建失败
+ if person_id is None:
logger.error(f"[私聊][{private_name}] get_or_create_person 未能获取或创建 person_id。")
- return None # 返回 None 表示失败
-
- return person_id, private_platform_str, private_user_id_str # 返回获取或创建的 person_id
+ return None
+ return person_id, private_platform_str, private_user_id_str
except ValueError:
logger.error(f"[私聊][{private_name}] 无法将 private_user_id_str ('{private_user_id_str}') 转换为整数。")
- return None # 返回 None 表示失败
+ return None
except Exception as e_pid:
logger.error(f"[私聊][{private_name}] 获取或创建 person_id 时出错: {e_pid}")
- return None # 返回 None 表示失败
+ return None
else:
logger.warning(
f"[私聊][{private_name}] 未能确定私聊对象的 user_id 或 platform，无法获取 person_id。将在收到消息后尝试。"
)
- return None # 返回 None 表示失败
+ return None
async def adjust_relationship_value_nonlinear(old_value: float, raw_adjustment: float) -> float:
- # 限制 old_value 范围
+ """ (保持你原始 pfc_utils.py 中的此函数代码不变) """
old_value = max(-1000, min(1000, old_value))
value = raw_adjustment
-
if old_value >= 0:
if value >= 0:
value = value * math.cos(math.pi * old_value / 2000)
if old_value > 500:
- rdict = await person_info_manager.get_specific_value_list("relationship_value", lambda x: x > 700)
+ # 确保 person_info_manager.get_specific_value_list 是异步的，如果是同步则需要调整
+ rdict = await person_info_manager.get_specific_value_list("relationship_value", lambda x: x > 700 if isinstance(x, (int, float)) else False)
high_value_count = len(rdict)
- if old_value > 700:
- value *= 3 / (high_value_count + 2)
- else:
- value *= 3 / (high_value_count + 3)
- elif value < 0:
- value = value * math.exp(old_value / 2000)
- else:
- value = 0
- else:
- if value >= 0:
- value = value * math.exp(old_value / 2000)
- elif value < 0:
- value = value * math.cos(math.pi * old_value / 2000)
- else:
- value = 0
-
+ if old_value > 700: value *= 3 / (high_value_count + 2)
+ else: value *= 3 / (high_value_count + 3)
+ elif value < 0: value = value * math.exp(old_value / 2000)
+ # else: value = 0 # 你原始代码中没有这句，如果value为0，保持为0
+ else: # old_value < 0
+ if value >= 0: value = value * math.exp(old_value / 2000)
+ elif value < 0: value = value * math.cos(math.pi * old_value / 2000)
+ # else: value = 0 # 你原始代码中没有这句
return value
async def build_chat_history_text(observation_info: ObservationInfo, private_name: str) -> str:
- """构建聊天历史记录文本 (包含未处理消息)"""
-
+ """ (保持你原始 pfc_utils.py 中的此函数代码不变) """
chat_history_text = ""
try:
if hasattr(observation_info, "chat_history_str") and observation_info.chat_history_str:
@@ -358,27 +464,32 @@ async def build_chat_history_text(observation_info: ObservationInfo, private_nam
)
else:
chat_history_text = "还没有聊天记录。\n"
+
unread_count = getattr(observation_info, "new_messages_count", 0)
unread_messages = getattr(observation_info, "unprocessed_messages", [])
if unread_count > 0 and unread_messages:
- bot_qq_str = str(global_config.BOT_QQ)
- other_unread_messages = [
- msg for msg in unread_messages if msg.get("user_info", {}).get("user_id") != bot_qq_str
- ]
- other_unread_count = len(other_unread_messages)
- if other_unread_count > 0:
- new_messages_str = await build_readable_messages(
- other_unread_messages,
- replace_bot_name=True,
- merge_messages=False,
- timestamp_mode="relative",
- read_mark=0.0,
- )
- chat_history_text += f"\n{new_messages_str}\n------\n"
+ bot_qq_str = str(global_config.BOT_QQ) if global_config.BOT_QQ else None # 安全获取
+ if bot_qq_str: # 仅当 bot_qq_str 有效时进行过滤
+ other_unread_messages = [
+ msg for msg in unread_messages if msg.get("user_info", {}).get("user_id") != bot_qq_str
+ ]
+ other_unread_count = len(other_unread_messages)
+ if other_unread_count > 0:
+ new_messages_str = await build_readable_messages(
+ other_unread_messages,
+ replace_bot_name=True, # 这里是未处理消息，可能不需要替换机器人名字
+ merge_messages=False,
+ timestamp_mode="relative",
+ read_mark=0.0,
+ )
+ chat_history_text += f"\n{new_messages_str}\n------\n" # 原始代码是加在末尾的
+ else:
+ logger.warning(f"[私聊][{private_name}] BOT_QQ 未配置，无法准确过滤未读消息中的机器人自身消息。")
+
except AttributeError as e:
logger.warning(f"[私聊][{private_name}] 构建聊天记录文本时属性错误: {e}")
chat_history_text = "[获取聊天记录时出错]\n"
except Exception as e:
logger.error(f"[私聊][{private_name}] 处理聊天记录时发生未知错误: {e}")
chat_history_text = "[处理聊天记录时出错]\n"
- return chat_history_text
+ return chat_history_text
\ No newline at end of file
diff --git a/src/plugins/PFC/reply_generator.py b/src/plugins/PFC/reply_generator.py
index 174e3ba0..f2f925d6 100644
--- a/src/plugins/PFC/reply_generator.py
+++ b/src/plugins/PFC/reply_generator.py
@@ -1,5 +1,5 @@
import random
-
+import asyncio
from .pfc_utils import retrieve_contextual_info
from src.common.logger_manager import get_logger
@@ -60,6 +60,9 @@ PROMPT_DIRECT_REPLY = """
{retrieved_knowledge_str}
请你**记住上面的知识**，在回复中有可能会用到。
+你还想到了一些你们之前的聊天记录：
+{retrieved_historical_chat_str}
+
最近的聊天记录：
{chat_history_text}
@@ -68,6 +71,8 @@ PROMPT_DIRECT_REPLY = """
{last_rejection_info}
+
+
请根据上述信息，结合聊天记录，回复对方。该回复应该：
1. 符合对话目标，以"你"的角度发言（不要自己与自己对话！）
2. 符合你的性格特征和身份细节
@@ -97,6 +102,9 @@ PROMPT_SEND_NEW_MESSAGE = """
{retrieved_knowledge_str}
请你**记住上面的知识**，在发消息时有可能会用到。
+你还想到了一些你们之前的聊天记录：
+{retrieved_historical_chat_str}
+
最近的聊天记录：
{chat_history_text}
@@ -223,12 +231,59 @@ class ReplyGenerator:
current_emotion_text_str = getattr(conversation_info, "current_emotion_text", "心情平静。")
persona_text = f"你的名字是{self.name}，{self.personality_info}。"
- retrieval_context = chat_history_text
- retrieved_memory_str, retrieved_knowledge_str = await retrieve_contextual_info(
- retrieval_context, self.private_name
- )
+ historical_chat_query = ""
+ num_recent_messages_for_query = 3 # 例如，取最近3条作为查询引子
+ if observation_info.chat_history and len(observation_info.chat_history) > 0:
+ # 从 chat_history (已处理并存入 ObservationInfo 的历史) 中取最新N条
+ # 或者，如果 observation_info.unprocessed_messages 更能代表“当前上下文”，也可以考虑用它
+ # 我们先用 chat_history，因为它包含了双方的对话历史，可能更稳定
+ recent_messages_for_query_list = observation_info.chat_history[-num_recent_messages_for_query:]
+
+ # 将这些消息的文本内容合并
+ query_texts_list = []
+ for msg_dict in recent_messages_for_query_list:
+ text_content = msg_dict.get("processed_plain_text", "")
+ if text_content.strip(): # 只添加有内容的文本
+ # 可以选择是否添加发送者信息到查询文本中，例如：
+ # sender_nickname = msg_dict.get("user_info", {}).get("user_nickname", "用户")
+ # query_texts_list.append(f"{sender_nickname}: {text_content}")
+ query_texts_list.append(text_content) # 简单合并文本内容
+
+ if query_texts_list:
+ historical_chat_query = " ".join(query_texts_list).strip()
+ logger.debug(f"[私聊][{self.private_name}] (ReplyGenerator) 生成的私聊历史查询文本 (最近{num_recent_messages_for_query}条): '{historical_chat_query[:100]}...'")
+ else:
+ logger.debug(f"[私聊][{self.private_name}] (ReplyGenerator) 最近{num_recent_messages_for_query}条消息无有效文本内容，不进行私聊历史查询。")
+ else:
+ logger.debug(f"[私聊][{self.private_name}] (ReplyGenerator) 无聊天历史可用于生成私聊历史查询文本。")
+
+ current_chat_id = self.chat_observer.stream_id if self.chat_observer else None
+ if not current_chat_id:
+ logger.error(f"[私聊][{self.private_name}] (ReplyGenerator) 无法获取 current_chat_id，跳过所有上下文检索！")
+ retrieved_global_memory_str = "[获取全局记忆出错：chat_id 未知]"
+ retrieved_knowledge_str = "[获取知识出错：chat_id 未知]"
+ retrieved_historical_chat_str = "[获取私聊历史回忆出错：chat_id 未知]"
+ else:
+ # retrieval_context 之前是用 chat_history_text，现在也用它作为全局记忆和知识的检索上下文
+ retrieval_context_for_global_and_knowledge = chat_history_text
+
+ (
+ retrieved_global_memory_str,
+ retrieved_knowledge_str,
+ retrieved_historical_chat_str # << 新增接收私聊历史回忆
+ ) = await retrieve_contextual_info(
+ text=retrieval_context_for_global_and_knowledge, # 用于全局记忆和知识
+ private_name=self.private_name,
+ chat_id=current_chat_id, # << 传递 chat_id
+ historical_chat_query_text=historical_chat_query # << 传递专门的查询文本
+ )
+ # === 调用修改结束 ===
+
logger.info(
- f"[私聊][{self.private_name}] (ReplyGenerator) 统一检索完成。记忆: {'有' if '回忆起' in retrieved_memory_str else '无'} / 知识: {'有' if '出错' not in retrieved_knowledge_str and '无相关知识' not in retrieved_knowledge_str else '无'}"
+ f"[私聊][{self.private_name}] (ReplyGenerator) 上下文检索完成。\n"
+ f" 全局记忆: {'有内容' if '回忆起' in retrieved_global_memory_str else '无或出错'}\n"
+ f" 知识: {'有内容' if '出错' not in retrieved_knowledge_str and '无相关知识' not in retrieved_knowledge_str and retrieved_knowledge_str.strip() else '无或出错'}\n"
+ f" 私聊历史回忆: {'有内容' if '回忆起一段相关的历史聊天' in retrieved_historical_chat_str else '无或出错'}"
)
last_rejection_info_str = ""
@@ -292,11 +347,10 @@ class ReplyGenerator:
base_format_params = {
"persona_text": persona_text,
"goals_str": goals_str,
- "chat_history_text": chat_history_text,
- "retrieved_memory_str": retrieved_memory_str if retrieved_memory_str else "无相关记忆。", # 确保已定义
- "retrieved_knowledge_str": retrieved_knowledge_str
- if retrieved_knowledge_str
- else "无相关知识。", # 确保已定义
+ "chat_history_text": chat_history_text if chat_history_text.strip() else "还没有聊天记录。", # 当前短期历史
+ "retrieved_global_memory_str": retrieved_global_memory_str if retrieved_global_memory_str.strip() else "无相关全局记忆。",
+ "retrieved_knowledge_str": retrieved_knowledge_str if retrieved_knowledge_str.strip() else "无相关知识。",
+ "retrieved_historical_chat_str": retrieved_historical_chat_str if retrieved_historical_chat_str.strip() else "无相关私聊历史回忆。", # << 新增
"last_rejection_info": last_rejection_info_str,
"current_time_str": current_time_value,
"sender_name": sender_name_str,