fix: ruff

src/heart_flow/mai_state_manager.py

@@ -8,8 +8,8 @@ from src.plugins.moods.moods import MoodManager
 logger = get_logger("mai_state")
 
 
-enable_unlimited_hfc_chat = True
+# enable_unlimited_hfc_chat = True
-# enable_unlimited_hfc_chat = False
+enable_unlimited_hfc_chat = False
 
 
 class MaiState(enum.Enum):

src/heart_flow/sub_mind.py

@@ -22,6 +22,7 @@ def init_prompt():
     prompt += "{extra_info}\n"
     prompt += "{prompt_personality}\n"
     prompt += "{last_loop_prompt}\n"
+    prompt += "{cycle_info_block}\n"
     prompt += "现在是{time_now}，你正在上网，和qq群里的网友们聊天，以下是正在进行的聊天内容：\n{chat_observe_info}\n"
     prompt += "\n你现在{mood_info}\n"
     prompt += (
@@ -66,7 +67,7 @@ class SubMind:
         self.past_mind = []
         self.structured_info = {}
 
-    async def do_thinking_before_reply(self, last_cycle: CycleInfo = None):
+    async def do_thinking_before_reply(self, history_cycle: list[CycleInfo] = None):
         """
         在回复前进行思考，生成内心想法并收集工具调用结果
 
@@ -130,6 +131,7 @@ class SubMind:
             ("进行深入思考", 0.2),
         ]
 
+        last_cycle = history_cycle[-1] if history_cycle else None
         # 上一次决策信息
         if last_cycle != None:
             last_action = last_cycle.action_type
@@ -151,6 +153,49 @@ class SubMind:
         else:
             last_loop_prompt = ""
 
+        # 准备循环信息块 (分析最近的活动循环)
+        recent_active_cycles = []
+        for cycle in reversed(history_cycle):
+            # 只关心实际执行了动作的循环
+            if cycle.action_taken:
+                recent_active_cycles.append(cycle)
+                # 最多找最近的3个活动循环
+                if len(recent_active_cycles) == 3:
+                    break
+
+        cycle_info_block = ""
+        consecutive_text_replies = 0
+        responses_for_prompt = []
+
+        # 检查这最近的活动循环中有多少是连续的文本回复 (从最近的开始看)
+        for cycle in recent_active_cycles:
+            if cycle.action_type == "text_reply":
+                consecutive_text_replies += 1
+                # 获取回复内容，如果不存在则返回'[空回复]'
+                response_text = cycle.response_info.get("response_text", [])
+                # 使用简单的 join 来格式化回复内容列表
+                formatted_response = "[空回复]" if not response_text else " ".join(response_text)
+                responses_for_prompt.append(formatted_response)
+            else:
+                # 一旦遇到非文本回复，连续性中断
+                break
+
+        # 根据连续文本回复的数量构建提示信息
+        # 注意: responses_for_prompt 列表是从最近到最远排序的
+        if consecutive_text_replies >= 3:  # 如果最近的三个活动都是文本回复
+            cycle_info_block = f'你已经连续回复了三条消息（最近: "{responses_for_prompt[0]}"，第二近: "{responses_for_prompt[1]}"，第三近: "{responses_for_prompt[2]}"）。你回复的有点多了，请注意'
+        elif consecutive_text_replies == 2:  # 如果最近的两个活动是文本回复
+            cycle_info_block = f'你已经连续回复了两条消息（最近: "{responses_for_prompt[0]}"，第二近: "{responses_for_prompt[1]}"），请注意'
+        elif consecutive_text_replies == 1:  # 如果最近的一个活动是文本回复
+            cycle_info_block = f'你刚刚已经回复一条消息（内容: "{responses_for_prompt[0]}"）'
+
+        # 包装提示块，增加可读性，即使没有连续回复也给个标记
+        if cycle_info_block:
+            cycle_info_block = f"\n【近期回复历史】\n{cycle_info_block}\n"
+        else:
+            # 如果最近的活动循环不是文本回复，或者没有活动循环
+            cycle_info_block = "\n【近期回复历史】\n(最近没有连续文本回复)\n"
+
         # 加权随机选择思考指导
         hf_do_next = local_random.choices(
             [option[0] for option in hf_options], weights=[option[1] for option in hf_options], k=1
@@ -167,6 +212,7 @@ class SubMind:
             mood_info=mood_info,
             hf_do_next=hf_do_next,
             last_loop_prompt=last_loop_prompt,
+            cycle_info_block=cycle_info_block,
         )
 
         # logger.debug(f"[{self.subheartflow_id}] 心流思考提示词构建完成")

src/plugins/heartFC_chat/heartFC_chat.py

@@ -705,12 +705,14 @@ class HeartFChatting:
                 await observation.observe()
 
             # 获取上一个循环的信息
-            last_cycle = self._cycle_history[-1] if self._cycle_history else None
+            # last_cycle = self._cycle_history[-1] if self._cycle_history else None
 
             with Timer("思考", cycle_timers):
                 # 获取上一个循环的动作
                 # 传递上一个循环的信息给 do_thinking_before_reply
-                current_mind, _past_mind = await self.sub_mind.do_thinking_before_reply(last_cycle=last_cycle)
+                current_mind, _past_mind = await self.sub_mind.do_thinking_before_reply(
+                    history_cycle=self._cycle_history
+                )
                 return current_mind
         except Exception as e:
             logger.error(f"{self.log_prefix}[SubMind] 思考失败: {e}")
@@ -787,7 +789,7 @@ class HeartFChatting:
                 # 使用辅助函数处理工具调用响应
                 print(1111122222222222)
                 print(response)
-                
+
                 success, arguments, error_msg = process_llm_tool_response(
                     response, expected_tool_name="decide_reply_action", log_prefix=f"{self.log_prefix}[Planner] "
                 )
@@ -998,7 +1000,7 @@ class HeartFChatting:
                 current_mind_block = f"{current_mind}"
             else:
                 current_mind_block = "[没有特别的想法]"
-                
+
             # 准备循环信息块 (分析最近的活动循环)
             recent_active_cycles = []
             for cycle in reversed(self._cycle_history):
@@ -1028,19 +1030,19 @@ class HeartFChatting:
 
             # 根据连续文本回复的数量构建提示信息
             # 注意: responses_for_prompt 列表是从最近到最远排序的
-            if consecutive_text_replies >= 3: # 如果最近的三个活动都是文本回复
+            if consecutive_text_replies >= 3:  # 如果最近的三个活动都是文本回复
                 cycle_info_block = f'你已经连续回复了三条消息（最近: "{responses_for_prompt[0]}"，第二近: "{responses_for_prompt[1]}"，第三近: "{responses_for_prompt[2]}"）。你回复的有点多了，请注意'
-            elif consecutive_text_replies == 2: # 如果最近的两个活动是文本回复
+            elif consecutive_text_replies == 2:  # 如果最近的两个活动是文本回复
                 cycle_info_block = f'你已经连续回复了两条消息（最近: "{responses_for_prompt[0]}"，第二近: "{responses_for_prompt[1]}"），请注意'
-            elif consecutive_text_replies == 1: # 如果最近的一个活动是文本回复
+            elif consecutive_text_replies == 1:  # 如果最近的一个活动是文本回复
                 cycle_info_block = f'你刚刚已经回复一条消息（内容: "{responses_for_prompt[0]}"）'
 
             # 包装提示块，增加可读性，即使没有连续回复也给个标记
             if cycle_info_block:
-                cycle_info_block = f'\n【近期回复历史】\n{cycle_info_block}\n'
+                cycle_info_block = f"\n【近期回复历史】\n{cycle_info_block}\n"
             else:
                 # 如果最近的活动循环不是文本回复，或者没有活动循环
-                cycle_info_block = '\n【近期回复历史】\n(最近没有连续文本回复)\n'
+                cycle_info_block = "\n【近期回复历史】\n(最近没有连续文本回复)\n"
 
             # 获取提示词模板并填充数据
             prompt = (await global_prompt_manager.get_prompt_async("planner_prompt")).format(

src/plugins/utils/json_utils.py

@@ -215,7 +215,7 @@ def process_llm_tool_calls(response: List[Any], log_prefix: str = "") -> Tuple[b
     # 确保响应格式正确
     print(response)
     print(11111111111111111)
-    
+
     if len(response) != 3:
         return False, [], f"LLM响应元素数量不正确: 预期3个元素，实际{len(response)}个"
 
@@ -280,7 +280,9 @@ def process_llm_tool_response(
     # 新增检查：确保响应包含预期的工具调用部分
     if len(normalized_response) != 3:
         # 如果长度不为3，说明LLM响应不包含工具调用部分，这在期望工具调用的上下文中是错误的
-        error_msg = f"LLM响应未包含预期的工具调用部分: 元素数量{len(normalized_response)}，响应内容：{normalized_response}"
+        error_msg = (
+            f"LLM响应未包含预期的工具调用部分: 元素数量{len(normalized_response)}，响应内容：{normalized_response}"
+        )
         logger.warning(f"{log_prefix}{error_msg}")
         return False, {}, error_msg