from .pfc_utils import retrieve_contextual_info # 可能用于旧知识库提取主题 (如果需要回退到旧方法) # import jieba # 如果报错说找不到 jieba，可能需要安装: pip install jieba # import re # 正则表达式库，通常 Python 自带 from typing import Tuple, List, Dict, Any # from src.common.logger import get_module_logger from src.common.logger_manager import get_logger from ..models.utils_model import LLMRequest from ...config.config import global_config from .chat_observer import ChatObserver from .reply_checker import ReplyChecker from src.individuality.individuality import Individuality from .observation_info import ObservationInfo from .conversation_info import ConversationInfo from src.plugins.utils.chat_message_builder import build_readable_messages logger = get_logger("reply_generator") # --- 定义 Prompt 模板 --- # Prompt for direct_reply (首次回复) PROMPT_DIRECT_REPLY = """ 当前时间：{current_time_str} {persona_text}。 你正在和{sender_name}在QQ上私聊。 你与对方的关系是：{relationship_text} 你现在的心情是：{current_emotion_text} 请根据以下信息生成一条回复： 当前对话目标：{goals_str} 你有以下这些知识： {retrieved_knowledge_str} 请你**记住上面的知识**，在回复中有可能会用到。 最近的聊天记录： {chat_history_text} {retrieved_memory_str} {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 3. 通俗易懂，自然流畅，像正常聊天一样，简短（通常20字以内，除非特殊情况） 4. 可以适当利用相关知识和回忆，但**不要生硬引用**，若无必要，也可以不利用 5. 自然、得体，结合聊天记录逻辑合理，没有重复表达同质内容，也没有复读你之前的发言 请注意把握聊天内容，不要回复的太有条理，可以有个性。请分清"你"和对方说的话，不要把"你"说的话当做对方说的话，这是你自己说的话。 可以回复得自然随意自然一些，就像真人一样，注意把握聊天内容，整体风格可以平和、简短，不要刻意突出自身学科背景，不要说你说过的话，可以简短，多简短都可以，但是避免冗长。 请你注意不要输出多余内容(包括前后缀，冒号和引号，括号，表情等)，只输出回复内容。 不要输出多余内容(包括前后缀，冒号和引号，括号，表情包，at或 @等 )。 请直接输出回复内容，不需要任何额外格式。""" # Prompt for send_new_message (追问/补充) PROMPT_SEND_NEW_MESSAGE = """ 当前时间：{current_time_str} {persona_text}。 你正在和{sender_name}在QQ上私聊，**并且刚刚你已经发送了一条或多条消息** 你与对方的关系是：{relationship_text} 你现在的心情是：{current_emotion_text} 现在请根据以下信息再发一条新消息： 当前对话目标：{goals_str} 你有以下这些知识： {retrieved_knowledge_str} 请你**记住上面的知识**，在发消息时有可能会用到。 最近的聊天记录： {chat_history_text} {retrieved_memory_str} {last_rejection_info} 请根据上述信息，结合聊天记录，继续发一条新消息（例如对之前消息的补充，深入话题，或追问等等）。该消息应该： 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 3. 通俗易懂，自然流畅，像正常聊天一样，简短（通常20字以内，除非特殊情况） 4. 可以适当利用相关知识和回忆，但**不要生硬引用**，若无必要，也可以不利用 5. 跟之前你发的消息自然的衔接，逻辑合理，没有重复表达同质内容或部分重叠内容，也没有复读你之前的发言 请注意把握聊天内容，不用太有条理，可以有个性。请分清"你"和对方说的话，不要把"你"说的话当做对方说的话，这是你自己说的话。 这条消息可以自然随意自然一些，就像真人一样，注意把握聊天内容，整体风格可以平和、简短，不要刻意突出自身学科背景，不要说你说过的话，可以简短，多简短都可以，但是避免冗长。 请你注意不要输出多余内容(包括前后缀，冒号和引号，括号，表情等)，只输出消息内容。 不要输出多余内容(包括前后缀，冒号和引号，括号，表情包，at或 @等 )。 请直接输出回复内容，不需要任何额外格式。""" # Prompt for say_goodbye (告别语生成) PROMPT_FAREWELL = """ 当前时间：{current_time_str} {persona_text}。 你正在和{sender_name}私聊，在QQ上私聊，现在你们的对话似乎已经结束。 你与对方的关系是：{relationship_text} 你现在的心情是：{current_emotion_text} 现在你决定再发一条最后的消息来圆满结束。 最近的聊天记录： {chat_history_text} 请根据上述信息，结合聊天记录，构思一条**简短、自然、符合你人设**的最后的消息。 这条消息应该： 1. 从你自己的角度发言。 2. 符合你的性格特征和身份细节。 3. 通俗易懂，自然流畅，通常很简短。 4. 自然地为这场对话画上句号，避免开启新话题或显得冗长、刻意。 请像真人一样随意自然，**简洁是关键**。 不要输出多余内容（包括前后缀、冒号、引号、括号、表情包、at或@等）。 请直接输出最终的告别消息内容，不需要任何额外格式。""" class ReplyGenerator: """回复生成器""" def __init__(self, stream_id: str, private_name: str): self.llm = LLMRequest( model=global_config.llm_PFC_chat, temperature=global_config.llm_PFC_chat["temp"], max_tokens=300, request_type="reply_generation", ) self.personality_info = Individuality.get_instance().get_prompt(x_person=2, level=3) self.name = global_config.BOT_NICKNAME self.private_name = private_name self.chat_observer = ChatObserver.get_instance(stream_id, private_name) self.reply_checker = ReplyChecker(stream_id, private_name) # 修改 generate 方法签名，增加 action_type 参数 async def generate( self, observation_info: ObservationInfo, conversation_info: ConversationInfo, action_type: str ) -> str: """生成回复 Args: observation_info: 观察信息 conversation_info: 对话信息 action_type: 当前执行的动作类型 ('direct_reply' 或 'send_new_message') Returns: str: 生成的回复 """ # 构建提示词 logger.debug( f"[私聊][{self.private_name}]开始生成回复 (动作类型: {action_type})：当前目标: {conversation_info.goal_list}" ) # --- 构建通用 Prompt 参数 --- # (这部分逻辑基本不变) # 构建对话目标 (goals_str) goals_str = "" if conversation_info.goal_list: for goal_reason in conversation_info.goal_list: if isinstance(goal_reason, dict): goal = goal_reason.get("goal", "目标内容缺失") reasoning = goal_reason.get("reasoning", "没有明确原因") else: goal = str(goal_reason) reasoning = "没有明确原因" goal = str(goal) if goal is not None else "目标内容缺失" reasoning = str(reasoning) if reasoning is not None else "没有明确原因" goals_str += f"- 目标：{goal}\n 原因：{reasoning}\n" else: goals_str = "- 目前没有明确对话目标\n" # 简化无目标情况 # 获取聊天历史记录 (chat_history_text) chat_history_text = observation_info.chat_history_str if observation_info.new_messages_count > 0 and observation_info.unprocessed_messages: new_messages_list = observation_info.unprocessed_messages new_messages_str = await build_readable_messages( new_messages_list, replace_bot_name=True, merge_messages=False, timestamp_mode="relative", read_mark=0.0, ) chat_history_text += f"\n--- 以下是 {observation_info.new_messages_count} 条新消息 ---\n{new_messages_str}" elif not chat_history_text: chat_history_text = "还没有聊天记录。" else: chat_history_text += ( f"\n--- 以上均为已读消息，未读消息均已处理完毕 ---\n" ) # 获取 sender_name, relationship_text, current_emotion_text sender_name_str = getattr(observation_info, 'sender_name', '对方') if not sender_name_str: sender_name_str = '对方' relationship_text_str = getattr(conversation_info, 'relationship_text', '你们还不熟悉。') current_emotion_text_str = getattr(conversation_info, 'current_emotion_text', '心情平静。') # 构建 Persona 文本 (persona_text) persona_text = f"你的名字是{self.name}，{self.personality_info}。" retrieval_context = chat_history_text # 使用前面构建好的 chat_history_text # 调用共享函数进行检索 retrieved_memory_str, retrieved_knowledge_str = await retrieve_contextual_info( retrieval_context, self.private_name ) 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'}" ) # --- 修改：构建上次回复失败原因和内容提示 --- last_rejection_info_str = "" # 检查 conversation_info 是否有上次拒绝的原因和内容，并且它们都不是 None last_reason = getattr(conversation_info, "last_reply_rejection_reason", None) last_content = getattr(conversation_info, "last_rejected_reply_content", None) if last_reason and last_content: last_rejection_info_str = ( f"\n------\n" f"【重要提示：你上一次尝试回复时失败了，以下是详细信息】\n" f"上次试图发送的消息内容： “{last_content}”\n" # <-- 显示上次内容 f"失败原因： “{last_reason}”\n" f"请根据【消息内容】和【失败原因】调整你的新回复，避免重复之前的错误。\n" f"------\n" ) logger.info( f"[私聊][{self.private_name}]检测到上次回复失败信息，将加入 Prompt:\n" f" 内容: {last_content}\n" f" 原因: {last_reason}" ) # --- 选择 Prompt --- if action_type == "send_new_message": prompt_template = PROMPT_SEND_NEW_MESSAGE logger.info(f"[私聊][{self.private_name}]使用 PROMPT_SEND_NEW_MESSAGE (追问生成)") elif action_type == "say_goodbye": # 处理告别动作 prompt_template = PROMPT_FAREWELL logger.info(f"[私聊][{self.private_name}]使用 PROMPT_FAREWELL (告别语生成)") else: # 默认使用 direct_reply 的 prompt (包括 'direct_reply' 或其他未明确处理的类型) prompt_template = PROMPT_DIRECT_REPLY logger.info(f"[私聊][{self.private_name}]使用 PROMPT_DIRECT_REPLY (首次/非连续回复生成)") # --- 格式化最终的 Prompt --- try: # <--- 增加 try-except 块处理可能的 format 错误 current_time_value = "获取时间失败" # 默认值 if observation_info and hasattr(observation_info, 'current_time_str') and observation_info.current_time_str: current_time_value = observation_info.current_time_str if action_type == "say_goodbye": prompt = prompt_template.format( persona_text=persona_text, chat_history_text=chat_history_text, current_time_str=current_time_value, # 添加时间 sender_name=sender_name_str, relationship_text=relationship_text_str, current_emotion_text=current_emotion_text_str ) else: prompt = prompt_template.format( 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。", retrieved_knowledge_str=retrieved_knowledge_str if retrieved_knowledge_str else "无相关知识。", last_rejection_info=last_rejection_info_str, # <--- 新增传递上次拒绝原因 current_time_str=current_time_value, # 新增：传入当前时间字符串 sender_name=sender_name_str, relationship_text=relationship_text_str, current_emotion_text=current_emotion_text_str ) except KeyError as e: logger.error( f"[私聊][{self.private_name}]格式化 Prompt 时出错，缺少键: {e}。请检查 Prompt 模板和传递的参数。" ) # 返回错误信息或默认回复 return "抱歉，准备回复时出了点问题，请检查一下我的代码..." except Exception as fmt_err: logger.error(f"[私聊][{self.private_name}]格式化 Prompt 时发生未知错误: {fmt_err}") return "抱歉，准备回复时出了点内部错误，请检查一下我的代码..." # --- 调用 LLM 生成 --- logger.debug(f"[私聊][{self.private_name}]发送到LLM的生成提示词:\n------\n{prompt}\n------") try: content, _ = await self.llm.generate_response_async(prompt) logger.debug(f"[私聊][{self.private_name}]生成的回复: {content}") # 移除旧的检查新消息逻辑，这应该由 conversation 控制流处理 return content except Exception as e: logger.error(f"[私聊][{self.private_name}]生成回复时出错: {e}") return "抱歉，我现在有点混乱，让我重新思考一下..." # check_reply 方法保持不变 async def check_reply( self, reply: str, goal: str, chat_history: List[Dict[str, Any]], chat_history_str: str, retry_count: int = 0 ) -> Tuple[bool, str, bool]: """检查回复是否合适 (此方法逻辑保持不变) """ return await self.reply_checker.check(reply, goal, chat_history, chat_history_str, retry_count)