feat(core): 实现消息异步处理并引入LLM驱动的智能表情回应

本次更新对系统核心处理流程和插件功能进行了重要升级，主要包含以下两方面：

1.  **消息处理异步化**:
    - 在 `main.py` 中引入了 `asyncio.create_task` 机制，将每条消息的处理过程包装成一个独立的后台任务。
    - 这解决了长时间运行的AI或插件操作可能阻塞主事件循环的问题，显著提升了机器人的响应速度和系统稳定性。
    - 为后台任务添加了完成回调，现在可以详细地记录每个消息处理任务的成功、失败或取消状态及其耗时，便于监控和调试。

2.  **`set_emoji_like` 插件智能化**:
    - 为 `set_emoji_like` 插件增加了LLM驱动的表情选择功能。当动作指令未指定具体表情时，插件会自动构建包含聊天上下文、情绪和人设的提示，请求LLM选择一个最合适的表情进行回应。
    - 为支持此功能，对AFC规划器的提示词进行了优化，为LLM提供了更清晰的参数示例和规则，提高了动作生成的准确性。

此外，为了统一日志规范，将 `[所见]` 消息接收日志集中到 `bot.py` 中，确保在任何过滤逻辑执行前记录所有收到的消息，并移除了插件中重复的日志。

plugins/set_emoji_like/plugin.py

@@ -13,11 +13,14 @@ from src.common.logger import get_logger
 from src.plugin_system.apis import send_api
 from .qq_emoji_list import qq_face
 from src.plugin_system.base.component_types import ChatType
+from src.plugin_system.apis import llm_api
+from src.config.config import model_config, global_config
+from src.chat.utils.chat_message_builder import build_readable_messages
 
 logger = get_logger("set_emoji_like_plugin")
 
 
-def get_emoji_id(emoji_input: str) -> str | None:
+async def get_emoji_id(emoji_input: str) -> str | None:
     """根据输入获取表情ID"""
     # 如果输入本身就是数字ID，直接返回
     if emoji_input.isdigit() or (isinstance(emoji_input, str) and emoji_input.startswith("😊")):
@@ -99,11 +102,19 @@ class SetEmojiLikeAction(BaseAction):
         set_like = self.action_data.get("set", True)
 
         if not emoji_input:
-            logger.error("未提供表情")
+            logger.info("未提供表情，将由LLM决定")
-            return False, "未提供表情"
+            try:
+                emoji_input = await self.ask_llm_for_emoji()
+                if not emoji_input:
+                    logger.error("LLM未能选择表情")
+                    return False, "LLM未能选择表情"
+            except Exception as e:
+                logger.error(f"请求LLM选择表情时出错: {e}")
+                return False, f"请求LLM选择表情时出错: {e}"
+
         logger.info(f"设置表情回应: {emoji_input}, 是否设置: {set_like}")
 
-        emoji_id = get_emoji_id(emoji_input)
+        emoji_id = await get_emoji_id(emoji_input)
         if not emoji_id:
             logger.error(f"找不到表情: '{emoji_input}'。请从可用列表中选择。")
             await self.store_action_info(
@@ -160,6 +171,71 @@ class SetEmojiLikeAction(BaseAction):
             )
             return False, f"设置表情回应失败: {e}"
 
+    async def ask_llm_for_emoji(self) -> str | None:
+        """构建Prompt并请求LLM选择一个表情"""
+        from src.mood.mood_manager import mood_manager
+        from src.individuality.individuality import get_individuality
+        from src.chat.message_manager.message_manager import message_manager
+
+        # 1. 获取上下文信息
+        stream_context = message_manager.stream_contexts.get(self.chat_stream.stream_id)
+        if not stream_context:
+            logger.error(f"无法为 stream_id '{self.chat_stream.stream_id}' 找到 StreamContext")
+            return None
+            
+        history_messages = stream_context.get_latest_messages(20)
+        chat_context = build_readable_messages(
+            [msg.flatten() for msg in history_messages],
+            replace_bot_name=True,
+            timestamp_mode="normal_no_YMD",
+            truncate=True,
+        )
+
+        target_message_content = self.action_message.get("processed_plain_text", "")
+        mood = mood_manager.get_mood_by_chat_id(self.chat_stream.stream_id).mood_state
+        identity = await get_individuality().get_personality_block()
+
+        # 2. 构建Prompt
+        emoji_options_str = ", ".join(self.emoji_options)
+        bot_name = global_config.bot.nickname or "爱莉希雅"
+        prompt = f"""
+# 指令：选择一个最合适的表情来回应消息
+
+## 场景描述
+你的名字是“{bot_name}”。
+{identity}
+你现在的心情是：{mood}
+
+## 聊天上下文
+下面是最近的聊天记录：
+{chat_context}
+
+## 你的任务
+你需要针对下面的这条消息，选择一个最合适的表情来“贴”在上面，以表达你的心情和回应。
+目标消息："{target_message_content}"
+
+## 表情选项
+请从以下表情中，选择一个最能代表你此刻心情的表情。你只能选择一个，并直接返回它的【名称】。
+{emoji_options_str}
+
+## 输出要求
+直接输出你选择的表情【名称】，不要添加任何多余的文字、解释或标点符号。
+
+你选择的表情名称是：
+"""
+
+        # 3. 调用LLM
+        success, response, _, _ = await llm_api.generate_with_model(
+            prompt, model_config.model_task_config.tool_executor
+        )
+
+        if success and response:
+            # 清理LLM返回的可能存在的额外字符
+            cleaned_response = re.sub(r"[\[\]\'\"]", "", response).strip()
+            logger.info(f"LLM选择了表情: '{cleaned_response}'")
+            return cleaned_response
+        
+        return None
 
 # ===== 插件注册 =====
 @register_plugin

src/chat/message_receive/bot.py

@@ -431,6 +431,9 @@ class ChatBot:
             # 处理消息内容，生成纯文本
             await message.process()
 
+            # 在这里打印[所见]日志，确保在所有处理和过滤之前记录
+            logger.info(f"\u001b[38;5;118m{message.message_info.user_info.user_nickname}:{message.processed_plain_text}\u001b[0m")
+
             # 过滤检查
             if _check_ban_words(message.processed_plain_text, chat, user_info) or _check_ban_regex(  # type: ignore
                 message.raw_message,  # type: ignore

src/main.py

@@ -3,6 +3,9 @@ import asyncio
 import time
 import signal
 import sys
+from functools import partial
+from typing import Dict, Any
+
 from maim_message import MessageServer
 
 from src.common.remote import TelemetryHeartBeatTask
@@ -86,6 +89,20 @@ install(extra_lines=3)
 logger = get_logger("main")
 
 
+def _task_done_callback(task: asyncio.Task, message_id: str, start_time: float):
+    """后台任务完成时的回调函数"""
+    end_time = time.time()
+    duration = end_time - start_time
+    try:
+        task.result()  # 如果任务有异常，这里会重新抛出
+        logger.info(f"消息 {message_id} 的后台任务 (ID: {id(task)}) 已成功完成, 耗时: {duration:.2f}s")
+    except asyncio.CancelledError:
+        logger.warning(f"消息 {message_id} 的后台任务 (ID: {id(task)}) 被取消, 耗时: {duration:.2f}s")
+    except Exception:
+        logger.error(f"处理消息 {message_id} 的后台任务 (ID: {id(task)}) 出现未捕获的异常, 耗时: {duration:.2f}s:")
+        logger.error(traceback.format_exc())
+
+
 class MainSystem:
     def __init__(self):
         self.hippocampus_manager = hippocampus_manager
@@ -165,6 +182,20 @@ class MainSystem:
         except Exception as e:
             logger.error(f"停止记忆管理器时出错: {e}")
 
+    async def _message_process_wrapper(self, message_data: Dict[str, Any]):
+        """并行处理消息的包装器"""
+        try:
+            start_time = time.time()
+            message_id = message_data.get("message_info", {}).get("message_id", "UNKNOWN")
+            # 创建后台任务
+            task = asyncio.create_task(chat_bot.message_process(message_data))
+            logger.info(f"已为消息 {message_id} 创建后台处理任务 (ID: {id(task)})")
+            # 添加一个回调函数，当任务完成时，它会被调用
+            task.add_done_callback(partial(_task_done_callback, message_id=message_id, start_time=start_time))
+        except Exception:
+            logger.error("在创建消息处理任务时发生严重错误:")
+            logger.error(traceback.format_exc())
+
     async def initialize(self):
         """初始化系统组件"""
         logger.info(f"正在唤醒{global_config.bot.nickname}......")
@@ -294,7 +325,7 @@ MoFox_Bot(第三方修改版)
         # await asyncio.sleep(0.5) #防止logger输出飞了
 
         # 将bot.py中的chat_bot.message_process消息处理函数注册到api.py的消息处理基类中
-        self.app.register_message_handler(chat_bot.message_process)
+        self.app.register_message_handler(self._message_process_wrapper)
 
         # 启动消息重组器的清理任务
         from src.utils.message_chunker import reassembler

src/plugins/built_in/affinity_flow_chatter/affinity_chatter.py

@@ -64,10 +64,6 @@ class AffinityChatter(BaseChatter):
         try:
             unread_messages = context.get_unread_messages()
 
-            # 像hfc一样，打印收到的消息
-            for msg in unread_messages:
-                logger.info(f"{SOFT_GREEN}[所见] {msg.user_info.user_nickname}:{msg.processed_plain_text}{RESET_COLOR}")
-
             # 使用增强版规划器处理消息
             actions, target_message = await self.planner.plan(context=context)
             self.stats["plans_created"] += 1

src/plugins/built_in/affinity_flow_chatter/plan_filter.py

@@ -5,6 +5,7 @@ PlanFilter: 接收 Plan 对象，根据不同模式的逻辑进行筛选，决
 import orjson
 import time
 import traceback
+import re
 from datetime import datetime
 from typing import Any, Dict, List, Optional
 
@@ -430,8 +431,12 @@ class ChatterPlanFilter:
                     continue
 
                 action = single_action_obj.get("action_type", "no_action")
-                reasoning = single_action_obj.get("reason", "未提供原因")
+                reasoning = single_action_obj.get("reasoning", "未提供原因") # 兼容旧的reason字段
-                action_data = {k: v for k, v in single_action_obj.items() if k not in ["action_type", "reason"]}
+                action_data = single_action_obj.get("action_data", {})
+                
+                # 为了向后兼容，如果action_data不存在，则从顶层字段获取
+                if not action_data:
+                    action_data = {k: v for k, v in single_action_obj.items() if k not in ["action_type", "reason", "reasoning", "thinking"]}
 
                 # 保留原始的thinking字段（如果有）
                 thinking = action_json.get("thinking", "")
@@ -536,6 +541,12 @@ class ChatterPlanFilter:
             if action_info.action_parameters:
                 for p_name, p_desc in action_info.action_parameters.items():
                     # 为参数描述添加一个通用示例值
+                    if action_name == "set_emoji_like" and p_name == "emoji":
+                        # 特殊处理set_emoji_like的emoji参数
+                        from plugins.set_emoji_like.qq_emoji_list import qq_face
+                        emoji_options = [re.search(r"\[表情：(.+?)\]", name).group(1) for name in qq_face.values() if re.search(r"\[表情：(.+?)\]", name)]
+                        example_value = f"<从'{', '.join(emoji_options[:10])}...'中选择一个>"
+                    else:
                         example_value = f"<{p_desc}>"
                     params_json_list.append(f'        "{p_name}": "{example_value}"')
             

src/plugins/built_in/affinity_flow_chatter/planner_prompts.py

@@ -88,6 +88,7 @@ def init_prompts():
 
 **强制规则**:
 - 对于每一个需要目标消息的动作（如`reply`, `poke_user`, `set_emoji_like`），你 **必须** 在`action_data`中提供准确的`target_message_id`，这个ID来源于`## 未读历史消息`中消息前的`<m...>`标签。
+- 当你选择的动作需要参数时（例如 `set_emoji_like` 需要 `emoji` 参数），你 **必须** 在 `action_data` 中提供所有必需的参数及其对应的值。
 
 如果没有合适的回复对象或不需要回复，输出空的 actions 数组：
 ```json