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

fix：移动一些文件

Browse Source
This commit is contained in:
SengokuCola
2025-05-13 18:42:25 +08:00
parent fed71bccad
commit 334211cba1
5 changed files with 2 additions and 170 deletions
Download Patch File Download Diff File Expand all files Collapse all files

170
src/chat/focus_chat/cycle_viewer.py
View File

@@ -1,170 +0,0 @@
import os
import argparse
from src.chat.focus_chat.cycle_analyzer import CycleAnalyzer
def print_section(title: str, width: int = 80):
"""打印分隔线和标题"""
print("\n" + "=" * width)
print(f" {title} ".center(width, "="))
print("=" * width)
def list_streams_cmd(analyzer: CycleAnalyzer, args: argparse.Namespace):
"""列出所有聊天流"""
print_section("所有聊天流")
streams = analyzer.list_streams()
if not streams:
print("没有找到任何聊天流记录。")
return
for i, stream_id in enumerate(streams):
count = analyzer.get_stream_cycle_count(stream_id)
print(f"[{i + 1}] {stream_id} - {count} 个循环")
def analyze_stream_cmd(analyzer: CycleAnalyzer, args: argparse.Namespace):
"""分析指定聊天流的循环信息"""
stream_id = args.stream_id
print_section(f"聊天流 {stream_id} 分析")
stats = analyzer.analyze_stream_cycles(stream_id)
if "error" in stats:
print(f"错误: {stats['error']}")
return
print("基本统计:")
print(f" 总循环数: {stats['总循环数']}")
print(f" 总耗时: {stats['总耗时']}")
print(f" 平均耗时: {stats['平均耗时']}")
print("\n动作统计:")
for action, count in stats["动作统计"].items():
if count > 0:
percent = (count / stats["总循环数"]) * 100
print(f" {action}: {count} ({percent:.1f}%)")
if stats.get("工具使用次数"):
print("\n工具使用次数:")
for tool, count in stats["工具使用次数"].items():
print(f" {tool}: {count}")
def list_cycles_cmd(analyzer: CycleAnalyzer, args: argparse.Namespace):
"""列出指定聊天流的循环"""
stream_id = args.stream_id
limit = args.limit if args.limit > 0 else -1
print_section(f"聊天流 {stream_id} 的循环列表")
cycles = analyzer.get_stream_cycles(stream_id)
if not cycles:
print("没有找到任何循环记录。")
return
if limit > 0:
cycles = cycles[-limit:] # 取最新的limit个
print(f"显示最新的 {limit} 个循环 (共 {len(cycles)} 个):")
else:
print(f"共找到 {len(cycles)} 个循环:")
for i, filepath in enumerate(cycles):
filename = os.path.basename(filepath)
cycle_id = filename.split("_")[1]
timestamp = filename.split("_", 2)[2].split(".")[0]
print(f"[{i + 1}] 循环ID: {cycle_id}, 时间: {timestamp}, 文件: {filename}")
def view_cycle_cmd(analyzer: CycleAnalyzer, args: argparse.Namespace):
"""查看指定循环的详细信息"""
stream_id = args.stream_id
cycle_index = args.cycle_index - 1 # 转换为0-based索引
cycles = analyzer.get_stream_cycles(stream_id)
if not cycles:
print(f"错误: 聊天流 {stream_id} 没有找到任何循环记录。")
return
if cycle_index < 0 or cycle_index >= len(cycles):
print(f"错误: 循环索引 {args.cycle_index} 超出范围 (1-{len(cycles)})。")
return
filepath = cycles[cycle_index]
filename = os.path.basename(filepath)
print_section(f"循环详情: {filename}")
content = analyzer.get_cycle_content(filepath)
print(content)
def latest_cycles_cmd(analyzer: CycleAnalyzer, args: argparse.Namespace):
"""查看所有聊天流中最新的几个循环"""
count = args.count if args.count > 0 else 10
print_section(f"最新的 {count} 个循环")
latest_cycles = analyzer.get_latest_cycles(count)
if not latest_cycles:
print("没有找到任何循环记录。")
return
for i, (stream_id, filepath) in enumerate(latest_cycles):
filename = os.path.basename(filepath)
cycle_id = filename.split("_")[1]
timestamp = filename.split("_", 2)[2].split(".")[0]
print(f"[{i + 1}] 聊天流: {stream_id}, 循环ID: {cycle_id}, 时间: {timestamp}")
# 可以选择性添加提取基本信息的功能
with open(filepath, "r", encoding="utf-8") as f:
for line in f:
if line.startswith("动作:"):
action = line.strip()
print(f" {action}")
break
print()
def main():
parser = argparse.ArgumentParser(description="HeartFC循环信息查看工具")
subparsers = parser.add_subparsers(dest="command", help="子命令")
# 分析聊天流
analyze_parser = subparsers.add_parser("analyze", help="分析指定聊天流的循环信息")
analyze_parser.add_argument("stream_id", help="聊天流ID")
# 列出聊天流的循环
list_cycles_parser = subparsers.add_parser("list-cycles", help="列出指定聊天流的循环")
list_cycles_parser.add_argument("stream_id", help="聊天流ID")
list_cycles_parser.add_argument("-l", "--limit", type=int, default=-1, help="显示最新的N个循环")
# 查看指定循环
view_parser = subparsers.add_parser("view", help="查看指定循环的详细信息")
view_parser.add_argument("stream_id", help="聊天流ID")
view_parser.add_argument("cycle_index", type=int, help="循环索引（从1开始）")
# 查看最新循环
latest_parser = subparsers.add_parser("latest", help="查看所有聊天流中最新的几个循环")
latest_parser.add_argument("-c", "--count", type=int, default=10, help="显示的数量")
args = parser.parse_args()
analyzer = CycleAnalyzer()
if args.command == "list-streams":
list_streams_cmd(analyzer, args)
elif args.command == "analyze":
analyze_stream_cmd(analyzer, args)
elif args.command == "list-cycles":
list_cycles_cmd(analyzer, args)
elif args.command == "view":
view_cycle_cmd(analyzer, args)
elif args.command == "latest":
latest_cycles_cmd(analyzer, args)
else:
parser.print_help()
if __name__ == "__main__":
main()

159
src/chat/focus_chat/heartFC_readme.md
View File

@@ -1,159 +0,0 @@
# HeartFC_chat 工作原理文档
HeartFC_chat 是一个基于心流理论的聊天系统，通过模拟人类的思维过程和情感变化来实现自然的对话交互。系统采用Plan-Replier-Sender循环机制，实现了智能化的对话决策和生成。
## 核心工作流程
### 1. 消息处理与存储 (HeartFCProcessor)
[代码位置: src/plugins/focus_chat/heartflow_processor.py]
消息处理器负责接收和预处理消息，主要完成以下工作：
```mermaid
graph TD
A[接收原始消息] --> B[解析为MessageRecv对象]
B --> C[消息缓冲处理]
C --> D[过滤检查]
D --> E[存储到数据库]
```
核心实现：
- 消息处理入口：`process_message()` [行号: 38-215]
- 消息解析和缓冲：`message_buffer.start_caching_messages()` [行号: 63]
- 过滤检查：`_check_ban_words()`, `_check_ban_regex()` [行号: 196-215]
- 消息存储：`storage.store_message()` [行号: 108]
### 2. 对话管理循环 (HeartFChatting)
[代码位置: src/plugins/focus_chat/focus_chat.py]
HeartFChatting是系统的核心组件，实现了完整的对话管理循环：
```mermaid
graph TD
A[Plan阶段] -->|决策是否回复| B[Replier阶段]
B -->|生成回复内容| C[Sender阶段]
C -->|发送消息| D[等待新消息]
D --> A
```
#### Plan阶段 [行号: 282-386]
- 主要函数：`_planner()`
- 功能实现：
* 获取观察信息：`observation.observe()` [行号: 297]
* 思维处理：`sub_mind.do_thinking_before_reply()` [行号: 301]
* LLM决策：使用`PLANNER_TOOL_DEFINITION`进行动作规划 [行号: 13-42]
#### Replier阶段 [行号: 388-416]
- 主要函数：`_replier_work()`
- 调用生成器：`gpt_instance.generate_response()` [行号: 394]
- 处理生成结果和错误情况
#### Sender阶段 [行号: 418-450]
- 主要函数：`_sender()`
- 发送实现：
* 创建消息：`_create_thinking_message()` [行号: 452-477]
* 发送回复：`_send_response_messages()` [行号: 479-525]
* 处理表情：`_handle_emoji()` [行号: 527-567]
### 3. 回复生成机制 (HeartFCGenerator)
[代码位置: src/plugins/focus_chat/heartFC_generator.py]
回复生成器负责产生高质量的回复内容：
```mermaid
graph TD
A[获取上下文信息] --> B[构建提示词]
B --> C[调用LLM生成]
C --> D[后处理优化]
D --> E[返回回复集]
```
核心实现：
- 生成入口：`generate_response()` [行号: 39-67]
* 情感调节：`arousal_multiplier = MoodManager.get_instance().get_arousal_multiplier()` [行号: 47]
* 模型生成：`_generate_response_with_model()` [行号: 69-95]
* 响应处理：`_process_response()` [行号: 97-106]
### 4. 提示词构建系统 (HeartFlowPromptBuilder)
[代码位置: src/plugins/focus_chat/heartflow_prompt_builder.py]
提示词构建器支持两种工作模式，HeartFC_chat专门使用Focus模式，而Normal模式是为normal_chat设计的：
#### 专注模式 (Focus Mode) - HeartFC_chat专用
- 实现函数：`_build_prompt_focus()` [行号: 116-141]
- 特点：
* 专注于当前对话状态和思维
* 更强的目标导向性
* 用于HeartFC_chat的Plan-Replier-Sender循环
* 简化的上下文处理，专注于决策
#### 普通模式 (Normal Mode) - Normal_chat专用
- 实现函数：`_build_prompt_normal()` [行号: 143-215]
- 特点：
* 用于normal_chat的常规对话
* 完整的个性化处理
* 关系系统集成
* 知识库检索：`get_prompt_info()` [行号: 217-591]
HeartFC_chat的Focus模式工作流程：
```mermaid
graph TD
A[获取结构化信息] --> B[获取当前思维状态]
B --> C[构建专注模式提示词]
C --> D[用于Plan阶段决策]
D --> E[用于Replier阶段生成]
```
## 智能特性
### 1. 对话决策机制
- LLM决策工具定义：`PLANNER_TOOL_DEFINITION` [focus_chat.py 行号: 13-42]
- 决策执行：`_planner()` [focus_chat.py 行号: 282-386]
- 考虑因素：
* 上下文相关性
* 情感状态
* 兴趣程度
* 对话时机
### 2. 状态管理
[代码位置: src/plugins/focus_chat/focus_chat.py]
- 状态机实现：`HeartFChatting`类 [行号: 44-567]
- 核心功能：
* 初始化：`_initialize()` [行号: 89-112]
* 循环控制：`_run_pf_loop()` [行号: 192-281]
* 状态转换：`_handle_loop_completion()` [行号: 166-190]
### 3. 回复生成策略
[代码位置: src/plugins/focus_chat/heartFC_generator.py]
- 温度调节：`current_model.temperature = global_config.llm_normal["temp"] * arousal_multiplier` [行号: 48]
- 生成控制：`_generate_response_with_model()` [行号: 69-95]
- 响应处理：`_process_response()` [行号: 97-106]
## 系统配置
### 关键参数
- LLM配置：`model_normal` [heartFC_generator.py 行号: 32-37]
- 过滤规则：`_check_ban_words()`, `_check_ban_regex()` [heartflow_processor.py 行号: 196-215]
- 状态控制：`INITIAL_DURATION = 60.0` [focus_chat.py 行号: 11]
### 优化建议
1. 调整LLM参数：`temperature`和`max_tokens`
2. 优化提示词模板：`init_prompt()` [heartflow_prompt_builder.py 行号: 8-115]
3. 配置状态转换条件
4. 维护过滤规则
## 注意事项
1. 系统稳定性
- 异常处理：各主要函数都包含try-except块
- 状态检查：`_processing_lock`确保并发安全
- 循环控制：`_loop_active`和`_loop_task`管理
2. 性能优化
- 缓存使用：`message_buffer`系统
- LLM调用优化：批量处理和复用
- 异步处理：使用`asyncio`
3. 质量控制
- 日志记录：使用`get_module_logger()`
- 错误追踪：详细的异常记录
- 响应监控：完整的状态跟踪

2
src/chat/focus_chat/heartflow_prompt_builder.py
View File

@@ -310,6 +310,7 @@ class PromptBuilder:
message_txt=None,
sender_name="某人",
in_mind_reply=None,
target_message=None,
) -> Optional[str]:
if build_mode == "normal":
return await self._build_prompt_normal(chat_stream, message_txt or "", sender_name)
@@ -322,6 +323,7 @@ class PromptBuilder:
chat_stream,
sender_name,
in_mind_reply,
target_message,
)
return None