better：优化基于V3的心流效果，优化温度和prompt

src/plugins/chat_module/think_flow_chat/think_flow_chat.py

@@ -298,7 +298,9 @@ class ThinkFlowChat:
                 try:
                     timer1 = time.time()
                     current_mind,past_mind = await heartflow.get_subheartflow(chat.stream_id).do_thinking_before_reply(
-                        message.processed_plain_text
+                        message_txt = message.processed_plain_text,
+                        sender_name = message.message_info.user_info.user_nickname,
+                        chat_stream = chat
                     )
                     timer2 = time.time()
                     timing_results["思考前脑内状态"] = timer2 - timer1

src/plugins/chat_module/think_flow_chat/think_flow_generator.py

@@ -25,7 +25,7 @@ logger = get_module_logger("llm_generator", config=llm_config)
 class ResponseGenerator:
     def __init__(self):
         self.model_normal = LLM_request(
-            model=global_config.llm_normal, temperature=0.8, max_tokens=256, request_type="response_heartflow"
+            model=global_config.llm_normal, temperature=0.6, max_tokens=256, request_type="response_heartflow"
         )
 
         self.model_sum = LLM_request(

src/plugins/chat_module/think_flow_chat/think_flow_prompt_builder.py

@@ -26,30 +26,7 @@ class PromptBuilder:
         individuality = Individuality.get_instance()
         prompt_personality = individuality.get_prompt(type="personality", x_person=2, level=1)
         prompt_identity = individuality.get_prompt(type="identity", x_person=2, level=1)
-        # 关系
-        who_chat_in_group = [
-            (chat_stream.user_info.platform, chat_stream.user_info.user_id, chat_stream.user_info.user_nickname)
-        ]
-        who_chat_in_group += get_recent_group_speaker(
-            stream_id,
-            (chat_stream.user_info.platform, chat_stream.user_info.user_id),
-            limit=global_config.MAX_CONTEXT_SIZE,
-        )
 
-        relation_prompt = ""
-        for person in who_chat_in_group:
-            relation_prompt += await relationship_manager.build_relationship_info(person)
-
-        relation_prompt_all = (
-            f"{relation_prompt}关系等级越大，关系越好，请分析聊天记录，"
-            f"根据你和说话者{sender_name}的关系和态度进行回复，明确你的立场和情感。"
-        )
-
-        # 心情
-        mood_manager = MoodManager.get_instance()
-        mood_prompt = mood_manager.get_prompt()
-
-        logger.info(f"心情prompt: {mood_prompt}")
 
         # 日程构建
         # schedule_prompt = f'''你现在正在做的事情是：{bot_schedule.get_current_num_task(num = 1,time_info = False)}'''
@@ -101,18 +78,16 @@ class PromptBuilder:
         logger.info("开始构建prompt")
 
         prompt = f"""
-        {relation_prompt_all}\n
 {chat_target}
 {chat_talking_prompt}
-你刚刚脑子里在想：
-{current_mind_info}
 现在"{sender_name}"说的:{message_txt}。引起了你的注意，你想要在群里发言发言或者回复这条消息。\n
 你的网名叫{global_config.BOT_NICKNAME}，有人也叫你{"/".join(global_config.BOT_ALIAS_NAMES)}，{prompt_personality} {prompt_identity}。
 你正在{chat_target_2},现在请你读读之前的聊天记录，然后给出日常且口语化的回复，平淡一些，
-尽量简短一些。{keywords_reaction_prompt}请注意把握聊天内容，不要回复的太有条理，可以有个性。{prompt_ger}
-请回复的平淡一些，简短一些，说中文，不要刻意突出自身学科背景，尽量不要说你说过的话 
-请注意不要输出多余内容(包括前后缀，冒号和引号，括号，表情等)，只输出回复内容。
-{moderation_prompt}不要输出多余内容(包括前后缀，冒号和引号，括号，表情包，at或 @等 )。"""
+你刚刚脑子里在想：
+{current_mind_info}
+回复尽量简短一些。{keywords_reaction_prompt}请注意把握聊天内容，不要回复的太有条理，可以有个性。{prompt_ger}
+请回复的平淡一些，简短一些，说中文，不要刻意突出自身学科背景，尽量不要说你说过的话 ，注意只输出回复内容。
+{moderation_prompt}。注意：不要输出多余内容(包括前后缀，冒号和引号，括号，表情包，at或 @等 )。"""
 
         return prompt
 

src/plugins/schedule/schedule_generator.py

@@ -32,7 +32,7 @@ class ScheduleGenerator:
         # 使用离线LLM模型
         self.llm_scheduler_all = LLM_request(
             model=global_config.llm_reasoning,
-            temperature=global_config.SCHEDULE_TEMPERATURE,
+            temperature=global_config.SCHEDULE_TEMPERATURE+0.3,
             max_tokens=7000,
             request_type="schedule",
         )