From ff56bd043c42fd6233e001f41f38150baf380d12 Mon Sep 17 00:00:00 2001 From: SengokuCola <1026294844@qq.com> Date: Fri, 14 Nov 2025 23:14:20 +0800 Subject: [PATCH] =?UTF-8?q?feat=EF=BC=9A=E5=8A=A0=E5=85=A5=E4=BA=BA?= =?UTF-8?q?=E7=89=A9=E4=BF=A1=E6=81=AF=E6=A3=80=E7=B4=A2?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- src/memory_system/memory_retrieval.py | 100 ++++++-- src/memory_system/retrieval_tools/__init__.py | 2 + .../retrieval_tools/query_person_info.py | 233 ++++++++++++++++++ 3 files changed, 316 insertions(+), 19 deletions(-) create mode 100644 src/memory_system/retrieval_tools/query_person_info.py diff --git a/src/memory_system/memory_retrieval.py b/src/memory_system/memory_retrieval.py index 173ad197..53489ff3 100644 --- a/src/memory_system/memory_retrieval.py +++ b/src/memory_system/memory_retrieval.py @@ -34,8 +34,9 @@ def init_memory_retrieval_prompt(): 1. 对话中是否提到了过去发生的事情、人物、事件或信息 2. 是否有需要回忆的内容（比如"之前说过"、"上次"、"以前"等） 3. 是否有需要查找历史信息的问题 -4. 是否有问题可以搜集信息帮助你聊天 -5. 对话中是否包含黑话、俚语、缩写等可能需要查询的概念 +4. 是否需要查找某人的信息（person: 如果对话中提到人名、昵称、用户ID等，需要查询该人物的详细信息） +5. 是否有问题可以搜集信息帮助你聊天 +6. 对话中是否包含黑话、俚语、缩写等可能需要查询的概念 重要提示： - **每次只能提出一个问题**，选择最需要查询的关键问题 @@ -44,8 +45,9 @@ def init_memory_retrieval_prompt(): - 如果之前已经查询过某个问题并找到了答案，可以直接参考已有结果，不需要重复查询 如果你认为需要从记忆中检索信息来回答，请： -1. 先识别对话中可能需要查询的概念（黑话/俚语/缩写/人名/专有名词等关键词） -2. 然后根据上下文提出**一个**最关键的问题来帮助你回复目标消息 +1. 先识别对话中可能需要查询的概念（黑话/俚语/缩写/专有名词等关键词），放入"concepts"字段 +2. 识别对话中提到的人物名称（人名、昵称等），放入"person"字段 +3. 然后根据上下文提出**一个**最关键的问题来帮助你回复目标消息，放入"questions"字段 问题格式示例： - "xxx在前几天干了什么" @@ -53,14 +55,16 @@ def init_memory_retrieval_prompt(): - "xxxx和xxx的关系是什么" - "xxx在某个时间点发生了什么" -请输出JSON格式，包含两个字段： +请输出JSON格式，包含三个字段： - "concepts": 需要检索的概念列表（字符串数组），如果不需要检索概念则输出空数组[] +- "person": 需要查询的人物名称列表（字符串数组），如果不需要查询人物信息则输出空数组[] - "questions": 问题数组（字符串数组），如果不需要检索记忆则输出空数组[]，如果需要检索则只输出包含一个问题的数组 输出格式示例（需要检索时）： ```json {{ "concepts": ["AAA", "BBB", "CCC"], + "person": ["张三", "李四"], "questions": ["张三在前几天干了什么"] }} ``` @@ -69,6 +73,7 @@ def init_memory_retrieval_prompt(): ```json {{ "concepts": [], + "person": [], "questions": [] }} ``` @@ -305,6 +310,47 @@ async def _retrieve_concepts_with_jargon( return "" +async def _retrieve_persons_info( + persons: List[str], + chat_id: str +) -> str: + """对人物列表进行信息检索 + + Args: + persons: 人物名称列表 + chat_id: 聊天ID + + Returns: + str: 检索结果字符串 + """ + if not persons: + return "" + + from src.memory_system.retrieval_tools.query_person_info import query_person_info + + results = [] + for person in persons: + person = person.strip() + if not person: + continue + + try: + person_info = await query_person_info(person) + if person_info and "未找到" not in person_info: + results.append(f"【{person}】\n{person_info}") + logger.info(f"查询到人物信息: {person}") + else: + results.append(f"未找到人物'{person}'的信息") + logger.info(f"未找到人物信息: {person}") + except Exception as e: + logger.error(f"查询人物信息失败: {person}, 错误: {e}") + results.append(f"查询人物'{person}'信息时发生错误: {str(e)}") + + if results: + return "【人物信息检索结果】\n" + "\n\n".join(results) + "\n" + return "" + + async def _react_agent_solve_question( question: str, chat_id: str, @@ -972,27 +1018,39 @@ async def build_memory_retrieval_prompt( logger.error(f"LLM生成问题失败: {response}") return "" - # 解析概念列表和问题列表 - concepts, questions = _parse_questions_json(response) + # 解析概念列表、人物列表和问题列表 + concepts, persons, questions = _parse_questions_json(response) logger.info(f"解析到 {len(concepts)} 个概念: {concepts}") + logger.info(f"解析到 {len(persons)} 个人物: {persons}") logger.info(f"解析到 {len(questions)} 个问题: {questions}") # 对概念进行jargon检索，作为初始信息 initial_info = "" if concepts: logger.info(f"开始对 {len(concepts)} 个概念进行jargon检索") - initial_info = await _retrieve_concepts_with_jargon(concepts, chat_id) - if initial_info: - logger.info(f"概念检索完成，结果: {initial_info[:200]}...") + concept_info = await _retrieve_concepts_with_jargon(concepts, chat_id) + if concept_info: + initial_info += concept_info + logger.info(f"概念检索完成，结果: {concept_info[:200]}...") else: logger.info("概念检索未找到任何结果") + # 对人物进行信息检索，添加到初始信息 + if persons: + logger.info(f"开始对 {len(persons)} 个人物进行信息检索") + person_info = await _retrieve_persons_info(persons, chat_id) + if person_info: + initial_info += person_info + logger.info(f"人物信息检索完成，结果: {person_info[:200]}...") + else: + logger.info("人物信息检索未找到任何结果") + # 获取缓存的记忆（与question时使用相同的时间窗口和数量限制） cached_memories = _get_cached_memories(chat_id, time_window_seconds=300.0) if not questions: logger.debug("模型认为不需要检索记忆或解析失败") - # 即使没有当次查询，也返回缓存的记忆和概念检索结果 + # 即使没有当次查询，也返回缓存的记忆、概念检索结果和人物信息检索结果 all_results = [] if initial_info: all_results.append(initial_info.strip()) @@ -1002,7 +1060,7 @@ async def build_memory_retrieval_prompt( if all_results: retrieved_memory = "\n\n".join(all_results) end_time = time.time() - logger.info(f"无当次查询，返回缓存记忆和概念检索结果，耗时: {(end_time - start_time):.3f}秒") + logger.info(f"无当次查询，返回缓存记忆、概念检索和人物信息检索结果，耗时: {(end_time - start_time):.3f}秒") return f"你回忆起了以下信息：\n{retrieved_memory}\n如果与回复内容相关，可以参考这些回忆的信息。\n" else: return "" @@ -1063,14 +1121,14 @@ async def build_memory_retrieval_prompt( return "" -def _parse_questions_json(response: str) -> Tuple[List[str], List[str]]: - """解析问题JSON，返回概念列表和问题列表 +def _parse_questions_json(response: str) -> Tuple[List[str], List[str], List[str]]: + """解析问题JSON，返回概念列表、人物列表和问题列表 Args: response: LLM返回的响应 Returns: - Tuple[List[str], List[str]]: (概念列表, 问题列表) + Tuple[List[str], List[str], List[str]]: (概念列表, 人物列表, 问题列表) """ try: # 尝试提取JSON（可能包含在```json代码块中） @@ -1089,26 +1147,30 @@ def _parse_questions_json(response: str) -> Tuple[List[str], List[str]]: # 解析JSON parsed = json.loads(repaired_json) - # 只支持新格式：包含concepts和questions的对象 + # 只支持新格式：包含concepts、person和questions的对象 if not isinstance(parsed, dict): logger.warning(f"解析的JSON不是对象格式: {parsed}") - return [], [] + return [], [], [] concepts_raw = parsed.get("concepts", []) + persons_raw = parsed.get("person", []) questions_raw = parsed.get("questions", []) # 确保是列表 if not isinstance(concepts_raw, list): concepts_raw = [] + if not isinstance(persons_raw, list): + persons_raw = [] if not isinstance(questions_raw, list): questions_raw = [] # 确保所有元素都是字符串 concepts = [c for c in concepts_raw if isinstance(c, str) and c.strip()] + persons = [p for p in persons_raw if isinstance(p, str) and p.strip()] questions = [q for q in questions_raw if isinstance(q, str) and q.strip()] - return concepts, questions + return concepts, persons, questions except Exception as e: logger.error(f"解析问题JSON失败: {e}, 响应内容: {response[:200]}...") - return [], [] + return [], [], [] diff --git a/src/memory_system/retrieval_tools/__init__.py b/src/memory_system/retrieval_tools/__init__.py index 0651db48..e02875be 100644 --- a/src/memory_system/retrieval_tools/__init__.py +++ b/src/memory_system/retrieval_tools/__init__.py @@ -14,12 +14,14 @@ from .tool_registry import ( from .query_jargon import register_tool as register_query_jargon from .query_chat_history import register_tool as register_query_chat_history from .query_lpmm_knowledge import register_tool as register_lpmm_knowledge +from .query_person_info import register_tool as register_query_person_info from src.config.config import global_config def init_all_tools(): """初始化并注册所有记忆检索工具""" register_query_jargon() register_query_chat_history() + register_query_person_info() if global_config.lpmm_knowledge.lpmm_mode == "agent": register_lpmm_knowledge() diff --git a/src/memory_system/retrieval_tools/query_person_info.py b/src/memory_system/retrieval_tools/query_person_info.py new file mode 100644 index 00000000..3417b7c1 --- /dev/null +++ b/src/memory_system/retrieval_tools/query_person_info.py @@ -0,0 +1,233 @@ +""" +根据person_name查询用户信息 - 工具实现 +支持模糊查询，可以查询某个用户的所有信息 +""" + +import json +from datetime import datetime +from src.common.logger import get_logger +from src.common.database.database_model import PersonInfo +from .tool_registry import register_memory_retrieval_tool + +logger = get_logger("memory_retrieval_tools") + + +async def query_person_info(person_name: str) -> str: + """根据person_name查询用户信息，使用模糊查询 + + Args: + person_name: 用户名称（person_name字段） + + Returns: + str: 查询结果，包含用户的所有信息 + """ + try: + person_name = str(person_name).strip() + if not person_name: + return "用户名称为空" + + # 构建查询条件（使用模糊查询） + query = PersonInfo.select().where( + PersonInfo.person_name.contains(person_name) + ) + + # 执行查询 + records = list(query.limit(20)) # 最多返回20条记录 + + if not records: + return f"未找到模糊匹配'{person_name}'的用户信息" + + # 区分精确匹配和模糊匹配的结果 + exact_matches = [] + fuzzy_matches = [] + + for record in records: + # 检查是否是精确匹配 + if record.person_name and record.person_name.strip() == person_name: + exact_matches.append(record) + else: + fuzzy_matches.append(record) + + # 构建结果文本 + results = [] + + # 先处理精确匹配的结果 + for record in exact_matches: + result_parts = [] + result_parts.append("【精确匹配】") # 标注为精确匹配 + + # 基本信息 + if record.person_name: + result_parts.append(f"用户名称：{record.person_name}") + if record.nickname: + result_parts.append(f"昵称：{record.nickname}") + if record.person_id: + result_parts.append(f"用户ID：{record.person_id}") + if record.platform: + result_parts.append(f"平台：{record.platform}") + if record.user_id: + result_parts.append(f"平台用户ID：{record.user_id}") + + # 名称设定原因 + if record.name_reason: + result_parts.append(f"名称设定原因：{record.name_reason}") + + # 认识状态 + result_parts.append(f"是否已认识：{'是' if record.is_known else '否'}") + + # 时间信息 + if record.know_since: + know_since_str = datetime.fromtimestamp(record.know_since).strftime("%Y-%m-%d %H:%M:%S") + result_parts.append(f"首次认识时间：{know_since_str}") + if record.last_know: + last_know_str = datetime.fromtimestamp(record.last_know).strftime("%Y-%m-%d %H:%M:%S") + result_parts.append(f"最后认识时间：{last_know_str}") + if record.know_times: + result_parts.append(f"认识次数：{int(record.know_times)}") + + # 记忆点（memory_points） + if record.memory_points: + try: + memory_points_data = json.loads(record.memory_points) if isinstance(record.memory_points, str) else record.memory_points + if isinstance(memory_points_data, list) and memory_points_data: + # 解析记忆点格式：category:content:weight + memory_list = [] + for memory_point in memory_points_data: + if memory_point and isinstance(memory_point, str): + parts = memory_point.split(":", 2) + if len(parts) >= 3: + category = parts[0].strip() + content = parts[1].strip() + weight = parts[2].strip() + memory_list.append(f" - [{category}] {content} (权重: {weight})") + else: + memory_list.append(f" - {memory_point}") + + if memory_list: + result_parts.append("记忆点：\n" + "\n".join(memory_list)) + except (json.JSONDecodeError, TypeError, ValueError) as e: + logger.warning(f"解析用户 {record.person_id} 的memory_points失败: {e}") + # 如果解析失败，直接显示原始内容（截断） + memory_preview = str(record.memory_points)[:200] + if len(str(record.memory_points)) > 200: + memory_preview += "..." + result_parts.append(f"记忆点（原始数据）：{memory_preview}") + + results.append("\n".join(result_parts)) + + # 再处理模糊匹配的结果 + for record in fuzzy_matches: + result_parts = [] + result_parts.append("【模糊匹配】") # 标注为模糊匹配 + + # 基本信息 + if record.person_name: + result_parts.append(f"用户名称：{record.person_name}") + if record.nickname: + result_parts.append(f"昵称：{record.nickname}") + if record.person_id: + result_parts.append(f"用户ID：{record.person_id}") + if record.platform: + result_parts.append(f"平台：{record.platform}") + if record.user_id: + result_parts.append(f"平台用户ID：{record.user_id}") + + # 名称设定原因 + if record.name_reason: + result_parts.append(f"名称设定原因：{record.name_reason}") + + # 认识状态 + result_parts.append(f"是否已认识：{'是' if record.is_known else '否'}") + + # 时间信息 + if record.know_since: + know_since_str = datetime.fromtimestamp(record.know_since).strftime("%Y-%m-%d %H:%M:%S") + result_parts.append(f"首次认识时间：{know_since_str}") + if record.last_know: + last_know_str = datetime.fromtimestamp(record.last_know).strftime("%Y-%m-%d %H:%M:%S") + result_parts.append(f"最后认识时间：{last_know_str}") + if record.know_times: + result_parts.append(f"认识次数：{int(record.know_times)}") + + # 记忆点（memory_points） + if record.memory_points: + try: + memory_points_data = json.loads(record.memory_points) if isinstance(record.memory_points, str) else record.memory_points + if isinstance(memory_points_data, list) and memory_points_data: + # 解析记忆点格式：category:content:weight + memory_list = [] + for memory_point in memory_points_data: + if memory_point and isinstance(memory_point, str): + parts = memory_point.split(":", 2) + if len(parts) >= 3: + category = parts[0].strip() + content = parts[1].strip() + weight = parts[2].strip() + memory_list.append(f" - [{category}] {content} (权重: {weight})") + else: + memory_list.append(f" - {memory_point}") + + if memory_list: + result_parts.append("记忆点：\n" + "\n".join(memory_list)) + except (json.JSONDecodeError, TypeError, ValueError) as e: + logger.warning(f"解析用户 {record.person_id} 的memory_points失败: {e}") + # 如果解析失败，直接显示原始内容（截断） + memory_preview = str(record.memory_points)[:200] + if len(str(record.memory_points)) > 200: + memory_preview += "..." + result_parts.append(f"记忆点（原始数据）：{memory_preview}") + + results.append("\n".join(result_parts)) + + # 组合所有结果 + if not results: + return f"未找到匹配'{person_name}'的用户信息" + + response_text = "\n\n---\n\n".join(results) + + # 添加统计信息 + total_count = len(records) + exact_count = len(exact_matches) + fuzzy_count = len(fuzzy_matches) + + # 显示精确匹配和模糊匹配的统计 + if exact_count > 0 or fuzzy_count > 0: + stats_parts = [] + if exact_count > 0: + stats_parts.append(f"精确匹配：{exact_count} 条") + if fuzzy_count > 0: + stats_parts.append(f"模糊匹配：{fuzzy_count} 条") + stats_text = "，".join(stats_parts) + response_text = f"找到 {total_count} 条匹配的用户信息（{stats_text}）：\n\n{response_text}" + elif total_count > 1: + response_text = f"找到 {total_count} 条匹配的用户信息：\n\n{response_text}" + else: + response_text = f"找到用户信息：\n\n{response_text}" + + # 如果结果数量达到限制，添加提示 + if total_count >= 20: + response_text += "\n\n(已显示前20条结果，可能还有更多匹配记录)" + + return response_text + + except Exception as e: + logger.error(f"查询用户信息失败: {e}") + return f"查询失败: {str(e)}" + + +def register_tool(): + """注册工具""" + register_memory_retrieval_tool( + name="query_person_info", + description="根据查询某个用户的所有信息。名称、昵称、平台、用户ID、qq号等", + parameters=[ + { + "name": "person_name", + "type": "string", + "description": "用户名称，用于查询用户信息", + "required": True + } + ], + execute_func=query_person_info + ) +