From 2e6c628cb91da61ff69eaf978b194c43eb385374 Mon Sep 17 00:00:00 2001 From: tt-P607 <68868379+tt-P607@users.noreply.github.com> Date: Wed, 10 Sep 2025 17:10:24 +0800 Subject: [PATCH] =?UTF-8?q?feat(reminder):=20=E5=A2=9E=E5=BC=BA=E6=8F=90?= =?UTF-8?q?=E9=86=92=E5=8A=9F=E8=83=BD=EF=BC=8C=E5=8F=AF=E5=B0=86=E2=80=9C?= =?UTF-8?q?=E6=88=91=E2=80=9D=E8=AF=86=E5=88=AB=E4=B8=BA=E7=9B=AE=E6=A0=87?= =?UTF-8?q?=E7=94=A8=E6=88=B7?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit 通过向LLM提示词中传递消息发送者昵称，系统现在能够正确解析包含第一人称代词（如“我”）的提醒任务。这解决了之前无法为用户设置“提醒我”这类个人提醒的问题，使其交互更加自然。 此外，还优化了`@user`插件中生成提醒内容的提示词，明确指示LLM不要在回复中包含`@`或用户名，以避免系统自动@后出现重复的用户名，提升了提醒消息的质量。 --- .../chat_loop/proactive/proactive_thinker.py | 21 ++++++++++++------- .../heart_flow/heartflow_message_processor.py | 1 + src/plugins/built_in/at_user_plugin/plugin.py | 8 ++++++- 3 files changed, 21 insertions(+), 9 deletions(-) diff --git a/src/chat/chat_loop/proactive/proactive_thinker.py b/src/chat/chat_loop/proactive/proactive_thinker.py index 0a28c6e98..432d96844 100644 --- a/src/chat/chat_loop/proactive/proactive_thinker.py +++ b/src/chat/chat_loop/proactive/proactive_thinker.py @@ -133,7 +133,8 @@ class ProactiveThinker: full_content = trigger_event.reason logger.info(f"{self.context.log_prefix} 解析提醒内容: '{full_content}'") - target_user_name = await self._extract_target_user_with_llm(full_content) + sender_name = metadata.get("sender_name") + target_user_name = await self._extract_target_user_with_llm(full_content, sender_name) if not target_user_name: logger.warning(f"无法从提醒 '{reminder_content}' 中确定目标用户，回退") @@ -198,12 +199,13 @@ class ProactiveThinker: except Exception as e: logger.error(f"{self.context.log_prefix} 主动思考执行异常: {e}") logger.error(traceback.format_exc()) - async def _extract_target_user_with_llm(self, reminder_content: str) -> str: + async def _extract_target_user_with_llm(self, reminder_content: str, sender_name: str) -> str: """ 使用LLM从提醒内容中提取目标用户名 Args: reminder_content: 完整的提醒内容 + sender_name: 消息发送者的昵称 Returns: 提取出的用户名，如果找不到则返回None @@ -216,20 +218,23 @@ class ProactiveThinker: user_extraction_prompt = f''' 从以下提醒消息中提取需要被提醒的目标用户名。 -**重要认知**：你的名字是"{bot_name}"。当消息中提到"{bot_name}"时，通常是在称呼你，而不是要提醒的目标。你需要找出除了你自己之外的那个目标用户。 +**重要认知**: +- 你的名字是"{bot_name}"。当消息中提到"{bot_name}"时，通常是在称呼你。 +- 消息的发送者是"{sender_name}"。当消息中出现"我"、"咱"等第一人称代词时，指代的就是"{sender_name}"。 提醒消息: "{reminder_content}" 规则: -1. 用户名通常在"提醒"、"艾特"、"叫"等动词后面。 -2. **绝对不能**提取你自己的名字("{bot_name}")作为目标。 -3. 只提取最关键的人名，不要包含多余的词语（比如时间、动作）。 -4. 如果消息中除了你自己的名字外，没有明确提到其他目标用户名，请回答"无"。 +1. 分析消息，找出真正需要被提醒的人。 +2. 如果提醒目标是第一人称（如"我"），那么目标就是发送者"{sender_name}"。 +3. **绝对不能**提取你自己的名字("{bot_name}")作为目标。 +4. 只提取最关键的人名，不要包含多余的词语。 +5. 如果没有明确的提醒目标（既不是其他人，也不是发送者自己），请回答"无"。 示例: +- 消息: "定时提醒：{bot_name}，10分钟后提醒我去打深渊" -> "{sender_name}" - 消息: "定时提醒：{bot_name}，提醒阿范一分钟后去写模组" -> "阿范" - 消息: "定时提醒：一分钟后提醒一闪喝水" -> "一闪" -- 消息: "定时提醒：艾特绿皮" -> "绿皮" - 消息: "定时提醒：喝水" -> "无" - 消息: "定时提醒：{bot_name}，记得休息" -> "无" diff --git a/src/chat/heart_flow/heartflow_message_processor.py b/src/chat/heart_flow/heartflow_message_processor.py index ca7e787b8..734f6a301 100644 --- a/src/chat/heart_flow/heartflow_message_processor.py +++ b/src/chat/heart_flow/heartflow_message_processor.py @@ -199,6 +199,7 @@ class HeartFCMessageReceiver: metadata = { "type": "reminder", "user_id": reminder_event.user_id, + "sender_name": userinfo.user_nickname, # 添加发送者昵称 "platform": chat.platform, "chat_id": chat.stream_id, "content": reminder_event.content, diff --git a/src/plugins/built_in/at_user_plugin/plugin.py b/src/plugins/built_in/at_user_plugin/plugin.py index f05de7672..6d67b994c 100644 --- a/src/plugins/built_in/at_user_plugin/plugin.py +++ b/src/plugins/built_in/at_user_plugin/plugin.py @@ -131,7 +131,13 @@ class AtAction(BaseAction): reminder_task = at_message.replace("定时提醒：", "").strip() extra_info = f"""你之前记下了一个提醒任务：'{reminder_task}' 现在时间到了，你需要去提醒用户 '{user_name}'。 -请像一个朋友一样，自然地完成这个提醒，而不是生硬地复述任务。""" + +**重要规则**： +- 你的任务**只**是生成提醒的**内容**。 +- **绝对不要**在你的回复中包含任何`@`符号或者目标用户的名字。真正的@操作会由系统自动完成。 +- 像一个朋友一样，自然地完成这个提醒，而不是生硬地复述任务。 + +请直接输出提醒的**内容**。""" success, llm_response, _ = await replyer.generate_reply_with_context( reply_to=f"是时候提醒'{user_name}'了", # 内部上下文，更符合执行任务的语境