gardel/Mofox-Core
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

feat(emoji): 增强消息上下文下的表情选择并修复存储用户信息的问题

Browse Source 
该提交对表情操作及相关消息发送 API 进行了重大改进。

现在，表情选择逻辑更加具备上下文感知能力。LLM 提示现在包括机器人的待发送回复内容，使其能够根据对话历史和自身回复选择更合适的表情。用于上下文的近期聊天记录也有所增加。

此外，修复了插件发送 API (`send_api`) 中的一个错误。之前，当机器人发送消息时，消息在数据库中存储的是接收者的用户信息，而非机器人的信息。本次提交通过显式传递并使用机器人的用户信息进行存储，确保消息历史准确反映发送者。

其他更改包括：
- 重构表情操作的激活逻辑以提高清晰度。
- 改进 LLM 选择的表情描述匹配算法。- 为配置访问添加必要的类型安全检查。
This commit is contained in:
tt-P607
2025-11-28 15:24:08 +08:00
parent 876f20e847
commit 103a6edaf3
3 changed files with 72 additions and 59 deletions
Download Patch File Download Diff File Expand all files Collapse all files

22
src/chat/message_receive/uni_message_sender.py
View File

@@ -13,7 +13,7 @@ from mofox_wire import MessageEnvelope
from src.chat.message_receive.message_processor import process_message_from_dict
from src.chat.message_receive.storage import MessageStorage
from src.chat.utils.utils import calculate_typing_time, truncate_message
from src.common.data_models.database_data_model import DatabaseMessages
from src.common.data_models.database_data_model import DatabaseMessages, DatabaseUserInfo
from src.common.logger import get_logger
from src.config.config import global_config
@@ -27,13 +27,13 @@ logger = get_logger("sender")
async def send_envelope(
envelope: MessageEnvelope,
chat_stream: "ChatStream" | None = None,
chat_stream: ChatStream | None = None,
db_message: DatabaseMessages | None = None,
show_log: bool = True,
) -> bool:
"""发送消息"""
message_preview = truncate_message(
(db_message.processed_plain_text if db_message else str(envelope.get("message_segment", ""))),
(db_message.processed_plain_text or "" if db_message else str(envelope.get("message_segment", ""))),
max_length=120,
)
@@ -81,6 +81,7 @@ class HeartFCSender:
show_log: bool = True,
thinking_start_time: float = 0.0,
display_message: str | None = None,
storage_user_info: "DatabaseUserInfo | None" = None,
) -> bool:
if not chat_stream:
logger.error("消息缺少 chat_stream，无法发送")
@@ -93,6 +94,13 @@ class HeartFCSender:
platform=chat_stream.platform,
)
# 如果提供了用于存储的用户信息，则覆盖
if storage_message and storage_user_info:
db_message.user_info.user_id = storage_user_info.user_id
db_message.user_info.user_nickname = storage_user_info.user_nickname
db_message.user_info.user_cardname = storage_user_info.user_cardname
db_message.user_info.platform = storage_user_info.platform
# 使用调用方指定的展示文本
if display_message:
db_message.display_message = display_message
@@ -125,9 +133,13 @@ class HeartFCSender:
# 将发送的消息写入上下文历史
try:
if chat_stream.context:
if chat_stream and chat_stream.context and global_config.chat:
context = chat_stream.context
max_context_size = getattr(global_config.chat, "max_context_size", 40)
chat_config = global_config.chat
if chat_config:
max_context_size = getattr(chat_config, "max_context_size", 40)
else:
max_context_size = 40
if len(context.history_messages) >= max_context_size:
context.history_messages = context.history_messages[1:]

13
src/plugin_system/apis/send_api.py
View File

@@ -192,6 +192,7 @@ def _build_message_envelope(
timestamp: float,
) -> MessageEnvelope:
"""构建发送的 MessageEnvelope 数据结构"""
# 这里的 user_info 决定了消息要发给谁，所以在私聊场景下必须是目标用户
target_user_info = target_stream.user_info or bot_user_info
message_info: dict[str, Any] = {
"message_id": message_id,
@@ -212,7 +213,7 @@ def _build_message_envelope(
"platform": target_stream.group_info.platform,
}
return {
return { # type: ignore
"id": str(uuid.uuid4()),
"direction": "outgoing",
"platform": target_stream.platform,
@@ -257,9 +258,14 @@ async def _send_to_target(
current_time = time.time()
message_id = f"send_api_{int(current_time * 1000)}"
bot_config = global_config.bot
if not bot_config:
logger.error("机器人配置丢失，无法构建机器人用户信息")
return False
bot_user_info = DatabaseUserInfo(
user_id=str(global_config.bot.qq_account),
user_nickname=global_config.bot.nickname,
user_id=str(bot_config.qq_account),
user_nickname=bot_config.nickname,
platform=target_stream.platform,
)
@@ -328,6 +334,7 @@ async def _send_to_target(
show_log=show_log,
thinking_start_time=current_time,
display_message=display_message_for_db,
storage_user_info=bot_user_info,
)
if sent_msg:

94
src/plugins/built_in/core_actions/emoji.py
View File

@@ -49,14 +49,6 @@ class EmojiAction(BaseAction):
----------------------------------------
"""
# ========== 以下使用旧的激活配置（已废弃但兼容） ==========
# 激活设置
if global_config.emoji.emoji_activate_type == "llm":
activation_type = ActionActivationType.LLM_JUDGE
random_activation_probability = 0
else:
activation_type = ActionActivationType.RANDOM
random_activation_probability = global_config.emoji.emoji_chance
mode_enable = ChatMode.ALL
parallel_action = True
@@ -88,6 +80,15 @@ class EmojiAction(BaseAction):
# 关联类型
associated_types: ClassVar[list[str]] = ["emoji"]
async def go_activate(self, chat_content: str = "", llm_judge_model=None) -> bool:
"""根据配置选择激活方式"""
assert global_config is not None
if global_config.emoji.emoji_activate_type == "llm":
return await self._llm_judge_activation(
judge_prompt=self.llm_judge_prompt, llm_judge_model=llm_judge_model
)
return await self._random_activation(global_config.emoji.emoji_chance)
async def execute(self) -> tuple[bool, str]:
"""执行表情动作"""
logger.info(f"{self.log_prefix} 决定发送表情")
@@ -95,6 +96,7 @@ class EmojiAction(BaseAction):
try:
# 1. 获取发送表情的原因
reason = self.action_data.get("reason", "表达当前情绪")
main_reply_content = self.action_data.get("main_reply_content", "")
logger.info(f"{self.log_prefix} 发送表情原因: {reason}")
# 2. 获取所有有效的表情包对象
@@ -108,7 +110,7 @@ class EmojiAction(BaseAction):
# 3. 根据历史记录筛选表情
try:
recent_emojis_desc = get_recent_emojis(self.chat_id, limit=10)
recent_emojis_desc = get_recent_emojis(self.chat_id, limit=20)
if recent_emojis_desc:
filtered_emojis = [emoji for emoji in all_emojis_obj if emoji.description not in recent_emojis_desc]
if filtered_emojis:
@@ -120,8 +122,8 @@ class EmojiAction(BaseAction):
logger.error(f"{self.log_prefix} 获取或处理表情发送历史时出错: {e}")
# 4. 准备情感数据和后备列表
emotion_map: ClassVar = {}
all_emojis_data: ClassVar = []
emotion_map = {}
all_emojis_data = []
for emoji in all_emojis_obj:
b64 = image_path_to_base64(emoji.full_path)
@@ -146,14 +148,15 @@ class EmojiAction(BaseAction):
chosen_emotion = "表情包" # 默认描述，避免变量未定义错误
# 4. 根据配置选择不同的表情选择模式
assert global_config is not None
if global_config.emoji.emoji_selection_mode == "emotion":
# --- 情感标签选择模式 ---
if not available_emotions:
logger.warning(f"{self.log_prefix} 获取到的表情包均无情感标签, 将随机发送")
emoji_base64, emoji_description = random.choice(all_emojis_data)
else:
# 获取最近的5条消息内容用于判断
recent_messages = await message_api.get_recent_messages(chat_id=self.chat_id, limit=5)
# 获取最近的20条消息内容用于判断
recent_messages = await message_api.get_recent_messages(chat_id=self.chat_id, limit=20)
messages_text = ""
if recent_messages:
messages_text = await message_api.build_readable_messages(
@@ -164,8 +167,15 @@ class EmojiAction(BaseAction):
)
# 构建prompt让LLM选择情感
prompt_addition = ""
if main_reply_content:
prompt_addition = f"""
这是你刚刚生成、准备发送的消息：
"{main_reply_content}"
"""
prompt = f"""
你是一个正在进行聊天的网友，你需要根据一个理由和最近的聊天记录，从一个情感标签列表中选择最匹配的一个。
你是一个正在进行聊天的网友，你需要根据一个理由、最近的聊天记录以及你自己将要发送的消息，从一个情感标签列表中选择最匹配的一个。
{prompt_addition}
这是最近的聊天记录：
{messages_text}
@@ -174,9 +184,7 @@ class EmojiAction(BaseAction):
请直接返回最匹配的那个情感标签，不要进行任何解释或添加其他多余的文字。
"""
if global_config.debug.show_prompt:
logger.info(f"{self.log_prefix} 生成的LLM Prompt: {prompt}")
else:
assert global_config is not None
logger.debug(f"{self.log_prefix} 生成的LLM Prompt: {prompt}")
# 调用LLM
@@ -211,10 +219,11 @@ class EmojiAction(BaseAction):
)
emoji_base64, emoji_description = random.choice(all_emojis_data)
elif global_config.emoji.emoji_selection_mode == "description":
assert global_config is not None
if global_config.emoji.emoji_selection_mode == "description":
# --- 详细描述选择模式 ---
# 获取最近的5条消息内容用于判断
recent_messages = await message_api.get_recent_messages(chat_id=self.chat_id, limit=5)
recent_messages = await message_api.get_recent_messages(chat_id=self.chat_id, limit=20)
messages_text = ""
if recent_messages:
messages_text = await message_api.build_readable_messages(
@@ -234,8 +243,15 @@ class EmojiAction(BaseAction):
emoji_descriptions = [extract_refined_info(desc) for _, desc in all_emojis_data]
# 构建prompt让LLM选择描述
prompt_addition = ""
if main_reply_content:
prompt_addition = f"""
这是你刚刚生成、准备发送的消息：
"{main_reply_content}"
"""
prompt = f"""
你是一个正在进行聊天的网友，你需要根据一个理由和最近的聊天记录，从一个表情包描述列表中选择最匹配的一个。
你是一个正在进行聊天的网友，你需要根据一个理由、最近的聊天记录以及你自己将要发送的消息，从一个表情包描述列表中选择最匹配的一个。
{prompt_addition}
这是最近的聊天记录：
{messages_text}
@@ -264,44 +280,22 @@ class EmojiAction(BaseAction):
chosen_emotion = chosen_description # 在描述模式下，用描述作为情感标签
logger.info(f"{self.log_prefix} LLM选择的描述: {chosen_description}")
# 优化匹配逻辑：优先在精炼描述中精确匹配，然后进行关键词匹配
def extract_refined_info(full_desc: str) -> str:
return full_desc.split(" Desc:")[0].strip()
# 1. 尝试在精炼描述中找到最匹配的表情
# 我们假设LLM返回的是精炼描述的一部分或全部
# 使用更鲁棒的子字符串匹配逻辑
matched_emoji = None
best_match_score = 0
for item in all_emojis_data:
refined_info = extract_refined_info(item[1])
# 计算一个简单的匹配分数
score = 0
if chosen_description.lower() in refined_info.lower():
score += 2 # 包含匹配
if refined_info.lower() in chosen_description.lower():
score += 2 # 包含匹配
# 关键词匹配加分
chosen_keywords = re.findall(r"\w+", chosen_description.lower())
item_keywords = re.findall(r"\[(.*?)\]", refined_info)
if item_keywords:
item_keywords_set = {k.strip().lower() for k in item_keywords[0].split(",")}
for kw in chosen_keywords:
if kw in item_keywords_set:
score += 1
if score > best_match_score:
best_match_score = score
matched_emoji = item
for b64, desc in all_emojis_data:
# 检查LLM返回的描述是否是数据库中某个表情完整描述的一部分
if chosen_description in desc:
matched_emoji = (b64, desc)
break
if matched_emoji:
emoji_base64, emoji_description = matched_emoji
logger.info(f"{self.log_prefix} 找到匹配描述的表情包: {extract_refined_info(emoji_description)}")
logger.info(f"{self.log_prefix} 找到匹配描述的表情包: {emoji_description}")
else:
logger.warning(f"{self.log_prefix} LLM选择的描述无法匹配任何表情包, 将随机选择")
emoji_base64, emoji_description = random.choice(all_emojis_data)
else:
assert global_config is not None
logger.error(f"{self.log_prefix} 无效的表情选择模式: {global_config.emoji.emoji_selection_mode}")
return False, "无效的表情选择模式"