加入一个还没有完成的测试性功能,我要先跑路了

2025-09-07 14:02:28 +08:00
parent e374ed7166
commit 41d5152c57
3 changed files with 340 additions and 0 deletions
--- a/src/chat/frequency_analyzer/analyzer.py
+++ b/src/chat/frequency_analyzer/analyzer.py
@@ -0,0 +1,144 @@
+"""
+Chat Frequency Analyzer
+=======================
+
+本模块负责分析用户的聊天时间戳，以识别出他们最活跃的聊天时段（高峰时段）。
+
+核心功能:
+- 使用滑动窗口算法来检测时间戳集中的区域。
+- 提供接口查询指定用户当前是否处于其聊天高峰时段内。
+- 结果会被缓存以提高性能。
+
+可配置参数:
+- ANALYSIS_WINDOW_HOURS: 用于分析的时间窗口大小（小时）。
+- MIN_CHATS_FOR_PEAK: 在一个窗口内需要多少次聊天才能被认为是高峰时段。
+- MIN_GAP_BETWEEN_PEAKS_HOURS: 两个独立高峰时段之间的最小间隔（小时）。
+"""
+import time as time_module
+from datetime import datetime, timedelta, time
+from typing import List, Tuple, Optional
+
+from .tracker import chat_frequency_tracker
+
+# --- 可配置参数 ---
+# 用于分析的时间窗口大小（小时）
+ANALYSIS_WINDOW_HOURS = 2
+# 触发高峰时段所需的最小聊天次数
+MIN_CHATS_FOR_PEAK = 4
+# 两个独立高峰时段之间的最小间隔（小时）
+MIN_GAP_BETWEEN_PEAKS_HOURS = 1
+
+
+class ChatFrequencyAnalyzer:
+    """
+    分析聊天时间戳，以识别用户的高频聊天时段。
+    """
+
+    def __init__(self):
+        # 缓存分析结果，避免重复计算
+        # 格式: { "chat_id": (timestamp_of_analysis, [peak_windows]) }
+        self._analysis_cache: dict[str, tuple[float, list[tuple[time, time]]]] = {}
+        self._cache_ttl_seconds = 60 * 30  # 缓存30分钟
+
+    def _find_peak_windows(self, timestamps: List[float]) -> List[Tuple[datetime, datetime]]:
+        """
+        使用滑动窗口算法来识别时间戳列表中的高峰时段。
+
+        Args:
+            timestamps (List[float]): 按时间排序的聊天时间戳。
+
+        Returns:
+            List[Tuple[datetime, datetime]]: 识别出的高峰时段列表，每个元组代表一个时间窗口的开始和结束。
+        """
+        if len(timestamps) < MIN_CHATS_FOR_PEAK:
+            return []
+
+        # 将时间戳转换为 datetime 对象
+        datetimes = [datetime.fromtimestamp(ts) for ts in timestamps]
+        datetimes.sort()
+
+        peak_windows: List[Tuple[datetime, datetime]] = []
+        window_start_idx = 0
+
+        for i in range(len(datetimes)):
+            # 移动窗口的起始点
+            while datetimes[i] - datetimes[window_start_idx] > timedelta(hours=ANALYSIS_WINDOW_HOURS):
+                window_start_idx += 1
+
+            # 检查当前窗口是否满足高峰条件
+            if i - window_start_idx + 1 >= MIN_CHATS_FOR_PEAK:
+                current_window_start = datetimes[window_start_idx]
+                current_window_end = datetimes[i]
+
+                # 合并重叠或相邻的高峰时段
+                if peak_windows and current_window_start - peak_windows[-1][1] < timedelta(hours=MIN_GAP_BETWEEN_PEAKS_HOURS):
+                    # 扩展上一个窗口的结束时间
+                    peak_windows[-1] = (peak_windows[-1][0], current_window_end)
+                else:
+                    peak_windows.append((current_window_start, current_window_end))
+        
+        return peak_windows
+
+    def get_peak_chat_times(self, chat_id: str) -> List[Tuple[time, time]]:
+        """
+        获取指定用户的高峰聊天时间段。
+
+        Args:
+            chat_id (str): 聊天标识符。
+
+        Returns:
+            List[Tuple[time, time]]: 高峰时段的列表，每个元组包含开始和结束时间 (time 对象)。
+        """
+        # 检查缓存
+        cached_timestamp, cached_windows = self._analysis_cache.get(chat_id, (0, []))
+        if time_module.time() - cached_timestamp < self._cache_ttl_seconds:
+            return cached_windows
+
+        timestamps = chat_frequency_tracker.get_timestamps_for_chat(chat_id)
+        if not timestamps:
+            return []
+
+        peak_datetime_windows = self._find_peak_windows(timestamps)
+        
+        # 将 datetime 窗口转换为 time 窗口，并进行归一化处理
+        peak_time_windows = []
+        for start_dt, end_dt in peak_datetime_windows:
+            # TODO:这里可以添加更复杂的逻辑来处理跨天的平均时间
+            # 为简化，我们直接使用窗口的起止时间
+            peak_time_windows.append((start_dt.time(), end_dt.time()))
+
+        # 更新缓存
+        self._analysis_cache[chat_id] = (time_module.time(), peak_time_windows)
+        
+        return peak_time_windows
+
+    def is_in_peak_time(self, chat_id: str, now: Optional[datetime] = None) -> bool:
+        """
+        检查当前时间是否处于用户的高峰聊天时段内。
+
+        Args:
+            chat_id (str): 聊天标识符。
+            now (Optional[datetime]): 要检查的时间，默认为当前时间。
+
+        Returns:
+            bool: 如果处于高峰时段则返回 True，否则返回 False。
+        """
+        if now is None:
+            now = datetime.now()
+        
+        now_time = now.time()
+        peak_times = self.get_peak_chat_times(chat_id)
+
+        for start_time, end_time in peak_times:
+            if start_time <= end_time:  # 同一天
+                if start_time <= now_time <= end_time:
+                    return True
+            else:  # 跨天
+                if now_time >= start_time or now_time <= end_time:
+                    return True
+        
+        return False
+
+
+# 创建一个全局单例
+chat_frequency_analyzer = ChatFrequencyAnalyzer()
--- a/src/chat/frequency_analyzer/tracker.py
+++ b/src/chat/frequency_analyzer/tracker.py
@@ -0,0 +1,77 @@
+import orjson
+import time
+from typing import Dict, List, Optional
+from pathlib import Path
+
+from src.common.logger import get_logger
+
+# 数据存储路径
+DATA_DIR = Path("data/frequency_analyzer")
+DATA_DIR.mkdir(parents=True, exist_ok=True)
+TRACKER_FILE = DATA_DIR / "chat_timestamps.json"
+
+logger = get_logger("ChatFrequencyTracker")
+
+
+class ChatFrequencyTracker:
+    """
+    负责跟踪和存储用户聊天启动时间戳。
+    """
+
+    def __init__(self):
+        self._timestamps: Dict[str, List[float]] = self._load_timestamps()
+
+    def _load_timestamps(self) -> Dict[str, List[float]]:
+        """从本地文件加载时间戳数据。"""
+        if not TRACKER_FILE.exists():
+            return {}
+        try:
+            with open(TRACKER_FILE, "rb") as f:
+                data = orjson.loads(f.read())
+            logger.info(f"成功从 {TRACKER_FILE} 加载了聊天时间戳数据。")
+            return data
+        except orjson.JSONDecodeError:
+            logger.warning(f"无法解析 {TRACKER_FILE}，将创建一个新的空数据文件。")
+            return {}
+        except Exception as e:
+            logger.error(f"加载聊天时间戳数据时发生未知错误: {e}")
+            return {}
+
+    def _save_timestamps(self):
+        """将当前的时间戳数据保存到本地文件。"""
+        try:
+            with open(TRACKER_FILE, "wb") as f:
+                f.write(orjson.dumps(self._timestamps))
+        except Exception as e:
+            logger.error(f"保存聊天时间戳数据到 {TRACKER_FILE} 时失败: {e}")
+
+    def record_chat_start(self, chat_id: str):
+        """
+        记录一次聊天会话的开始。
+
+        Args:
+            chat_id (str): 唯一的聊天标识符 (例如，用户ID)。
+        """
+        now = time.time()
+        if chat_id not in self._timestamps:
+            self._timestamps[chat_id] = []
+        
+        self._timestamps[chat_id].append(now)
+        logger.debug(f"为 chat_id '{chat_id}' 记录了新的聊天时间: {now}")
+        self._save_timestamps()
+
+    def get_timestamps_for_chat(self, chat_id: str) -> Optional[List[float]]:
+        """
+        获取指定聊天的所有时间戳记录。
+
+        Args:
+            chat_id (str): 聊天标识符。
+
+        Returns:
+            Optional[List[float]]: 时间戳列表，如果不存在则返回 None。
+        """
+        return self._timestamps.get(chat_id)
+
+
+# 创建一个全局单例
+chat_frequency_tracker = ChatFrequencyTracker()
--- a/src/chat/frequency_analyzer/trigger.py
+++ b/src/chat/frequency_analyzer/trigger.py
@@ -0,0 +1,119 @@
+"""
+Frequency-Based Proactive Trigger
+=================================
+
+本模块实现了一个周期性任务，用于根据用户的聊天频率来智能地触发主动思考。
+
+核心功能:
+- 定期运行，检查所有已知的私聊用户。
+- 调用 ChatFrequencyAnalyzer 判断当前是否处于用户的高峰聊天时段。
+- 如果满足条件（高峰时段、角色清醒、聊天循环空闲），则触发一次主动思考。
+- 包含冷却机制，以避免在同一个高峰时段内重复打扰用户。
+
+可配置参数:
+- TRIGGER_CHECK_INTERVAL_SECONDS: 触发器检查的周期（秒）。
+- COOLDOWN_HOURS: 在同一个高峰时段内触发一次后的冷却时间（小时）。
+"""
+import asyncio
+import time
+from datetime import datetime
+from typing import Dict, Optional
+
+from src.common.logger import get_logger
+from src.chat.chat_loop.proactive.events import ProactiveTriggerEvent
+from src.chat.heart_flow.heartflow import heartflow
+from src.chat.chat_loop.sleep_manager.sleep_manager import SleepManager
+from .analyzer import chat_frequency_analyzer
+
+logger = get_logger("FrequencyBasedTrigger")
+
+# --- 可配置参数 ---
+# 触发器检查周期（秒）
+TRIGGER_CHECK_INTERVAL_SECONDS = 60 * 5  # 5分钟
+# 冷却时间（小时），确保在一个高峰时段只触发一次
+COOLDOWN_HOURS = 3
+
+
+class FrequencyBasedTrigger:
+    """
+    一个周期性任务，根据聊天频率分析结果来触发主动思考。
+    """
+
+    def __init__(self, sleep_manager: SleepManager):
+        self._sleep_manager = sleep_manager
+        self._task: Optional[asyncio.Task] = None
+        # 记录上次为用户触发的时间，用于冷却控制
+        # 格式: { "chat_id": timestamp }
+        self._last_triggered: Dict[str, float] = {}
+
+    async def _run_trigger_cycle(self):
+        """触发器的主要循环逻辑。"""
+        while True:
+            try:
+                await asyncio.sleep(TRIGGER_CHECK_INTERVAL_SECONDS)
+                logger.debug("开始执行频率触发器检查...")
+
+                # 1. 检查角色是否清醒
+                if self._sleep_manager.is_sleeping():
+                    logger.debug("角色正在睡眠，跳过本次频率触发检查。")
+                    continue
+
+                # 2. 获取所有已知的聊天ID
+                #    【注意】这里我们假设所有 subheartflow 的 ID 就是 chat_id
+                all_chat_ids = list(heartflow.subheartflows.keys())
+                if not all_chat_ids:
+                    continue
+
+                now = datetime.now()
+                
+                for chat_id in all_chat_ids:
+                    # 3. 检查是否处于冷却时间内
+                    last_triggered_time = self._last_triggered.get(chat_id, 0)
+                    if time.time() - last_triggered_time < COOLDOWN_HOURS * 3600:
+                        continue
+
+                    # 4. 检查当前是否是该用户的高峰聊天时间
+                    if chat_frequency_analyzer.is_in_peak_time(chat_id, now):
+                        
+                        sub_heartflow = await heartflow.get_or_create_subheartflow(chat_id)
+                        if not sub_heartflow:
+                            logger.warning(f"无法为 {chat_id} 获取或创建 sub_heartflow。")
+                            continue
+
+                        # 5. 检查用户当前是否已有活跃的思考或回复任务
+                        cycle_detail = sub_heartflow.heart_fc_instance.context.current_cycle_detail
+                        if cycle_detail and not cycle_detail.end_time:
+                            logger.debug(f"用户 {chat_id} 的聊天循环正忙（仍在周期 {cycle_detail.cycle_id} 中），本次不触发。")
+                            continue
+                         
+                        logger.info(f"检测到用户 {chat_id} 处于聊天高峰期，且聊天循环空闲，准备触发主动思考。")
+                        
+                        # 6. 直接调用 proactive_thinker
+                        event = ProactiveTriggerEvent(
+                            source="frequency_analyzer",
+                            reason=f"User is in a high-frequency chat period."
+                        )
+                        await sub_heartflow.heart_fc_instance.proactive_thinker.think(event)
+                        
+                        # 7. 更新触发时间，进入冷却
+                        self._last_triggered[chat_id] = time.time()
+
+            except asyncio.CancelledError:
+                logger.info("频率触发器任务被取消。")
+                break
+            except Exception as e:
+                logger.error(f"频率触发器循环发生未知错误: {e}", exc_info=True)
+                # 发生错误后，等待更长时间再重试，避免刷屏
+                await asyncio.sleep(TRIGGER_CHECK_INTERVAL_SECONDS * 2)
+
+    def start(self):
+        """启动触发器任务。"""
+        if self._task is None or self._task.done():
+            self._task = asyncio.create_task(self._run_trigger_cycle())
+            logger.info("基于聊天频率的主动思考触发器已启动。")
+
+    def stop(self):
+        """停止触发器任务。"""
+        if self._task and not self._task.done():
+            self._task.cancel()
+            logger.info("基于聊天频率的主动思考触发器已停止。")