mirror of https://github.com/Mai-with-u/MaiBot.git
284 lines
15 KiB
Python
284 lines
15 KiB
Python
# 用于访问记忆系统
|
||
from src.plugins.memory_system.Hippocampus import HippocampusManager
|
||
|
||
# --- NEW IMPORT ---
|
||
# 从 heartflow 导入知识检索和数据库查询函数/实例
|
||
from src.plugins.heartFC_chat.heartflow_prompt_builder import prompt_builder
|
||
# --- END NEW IMPORT ---
|
||
# 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 ..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_module_logger("reply_generator")
|
||
|
||
# --- 定义 Prompt 模板 ---
|
||
|
||
# Prompt for direct_reply (首次回复)
|
||
PROMPT_DIRECT_REPLY = """{persona_text}。现在你在参与一场QQ私聊，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}
|
||
|
||
|
||
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，且没有重复表达同质内容
|
||
|
||
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 = """{persona_text}。现在你在参与一场QQ私聊，**刚刚你已经发送了一条或多条消息**，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}
|
||
|
||
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，且没有重复表达同质内容或部分重叠内容
|
||
|
||
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 = """{persona_text}。你在参与一场 QQ 私聊，现在对话似乎已经结束，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)
|
||
|
||
# _get_memory_info 保持不变，因为它不是与 heartflow 重复的部分
|
||
async def _get_memory_info(self, text: str) -> str:
|
||
"""根据文本自动检索相关记忆"""
|
||
memory_prompt = ""
|
||
related_memory_info = ""
|
||
try:
|
||
related_memory = await HippocampusManager.get_instance().get_memory_from_text(
|
||
text=text,
|
||
max_memory_num=2, # 最多获取 2 条记忆
|
||
max_memory_length=2, # 每条记忆长度限制（这个参数含义可能需确认）
|
||
max_depth=3, # 搜索深度
|
||
fast_retrieval=False, # 是否快速检索
|
||
)
|
||
if related_memory:
|
||
for memory in related_memory:
|
||
# memory[0] 是记忆ID, memory[1] 是记忆内容
|
||
related_memory_info += memory[1] + "\n" # 将记忆内容拼接起来
|
||
if related_memory_info:
|
||
memory_prompt = f"你回忆起：\n{related_memory_info.strip()}\n(以上是你的回忆，不一定是目前聊天里的人说的，回忆中别人说的事情也不一定是准确的，请记住)\n"
|
||
logger.debug(f"[私聊][{self.private_name}]自动检索到记忆: {related_memory_info.strip()[:100]}...")
|
||
else:
|
||
logger.debug(f"[私聊][{self.private_name}]自动检索记忆返回为空。")
|
||
else:
|
||
logger.debug(f"[私聊][{self.private_name}]未自动检索到相关记忆。")
|
||
except Exception as e:
|
||
logger.error(f"[私聊][{self.private_name}]自动检索记忆时出错: {e}")
|
||
# memory_prompt = "检索记忆时出错。\n" # 可以选择是否提示错误
|
||
return memory_prompt
|
||
|
||
# --- REMOVED _get_prompt_info_old ---
|
||
|
||
# --- REMOVED _get_prompt_info ---
|
||
|
||
# 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。"
|
||
|
||
# 构建 Persona 文本 (persona_text)
|
||
persona_text = f"你的名字是{self.name}，{self.personality_info}。"
|
||
retrieved_memory_str = ""
|
||
retrieved_knowledge_str = ""
|
||
# 使用 chat_history_text 作为检索的上下文，因为它包含了最近的对话和新消息
|
||
retrieval_context = chat_history_text
|
||
if retrieval_context and retrieval_context != "还没有聊天记录。" and retrieval_context != "[构建聊天记录出错]":
|
||
try:
|
||
# 提取记忆 (调用本地的 _get_memory_info)
|
||
logger.debug(f"[私聊][{self.private_name}]开始自动检索记忆...")
|
||
retrieved_memory_str = await self._get_memory_info(text=retrieval_context)
|
||
if retrieved_memory_str:
|
||
logger.info(f"[私聊][{self.private_name}]自动检索到记忆片段。")
|
||
else:
|
||
logger.info(f"[私聊][{self.private_name}]未自动检索到相关记忆。")
|
||
|
||
# --- MODIFIED KNOWLEDGE RETRIEVAL ---
|
||
# 提取知识 (调用导入的 prompt_builder.get_prompt_info)
|
||
logger.debug(f"[私聊][{self.private_name}]开始自动检索知识 (使用导入函数)...")
|
||
# 使用导入的 prompt_builder 实例及其方法
|
||
retrieved_knowledge_str = await prompt_builder.get_prompt_info(message=retrieval_context, threshold=0.38)
|
||
# --- END MODIFIED KNOWLEDGE RETRIEVAL ---
|
||
|
||
if retrieved_knowledge_str:
|
||
logger.info(f"[私聊][{self.private_name}]自动检索到相关知识。")
|
||
else:
|
||
logger.info(f"[私聊][{self.private_name}]未自动检索到相关知识。")
|
||
|
||
except Exception as retrieval_err:
|
||
logger.error(f"[私聊][{self.private_name}]在自动检索记忆/知识时发生错误: {retrieval_err}")
|
||
retrieved_memory_str = "检索记忆时出错。\n"
|
||
retrieved_knowledge_str = "检索知识时出错。\n"
|
||
else:
|
||
logger.debug(f"[私聊][{self.private_name}]聊天记录为空或无效，跳过自动记忆/知识检索。")
|
||
retrieved_memory_str = "无聊天记录，无法自动检索记忆。\n"
|
||
retrieved_knowledge_str = "无聊天记录，无法自动检索知识。\n"
|
||
|
||
# --- 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 ---
|
||
prompt = prompt_template.format(
|
||
persona_text=persona_text,
|
||
goals_str=goals_str,
|
||
chat_history_text=chat_history_text,
|
||
# knowledge_info_str=knowledge_info_str, # 移除了这个旧的知识展示方式
|
||
retrieved_memory_str=retrieved_memory_str if retrieved_memory_str else "无相关记忆。", # 如果为空则提示无
|
||
retrieved_knowledge_str=retrieved_knowledge_str if retrieved_knowledge_str else "无相关知识。" # 如果为空则提示无
|
||
)
|
||
|
||
# --- 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)
|