diff --git a/src/plugins/built_in/core_actions/emoji.py b/src/plugins/built_in/core_actions/emoji.py index b3f410a4b..820777b44 100644 --- a/src/plugins/built_in/core_actions/emoji.py +++ b/src/plugins/built_in/core_actions/emoji.py @@ -1,7 +1,5 @@ import random from typing import Tuple -from collections import deque -import json # 导入新插件系统 from src.plugin_system import BaseAction, ActionActivationType, ChatMode @@ -22,7 +20,6 @@ logger = get_logger("emoji") class EmojiAction(BaseAction): """表情动作 - 发送表情包""" - # --- 类级别属性 --- # 激活设置 if global_config.emoji.emoji_activate_type == "llm": activation_type = ActionActivationType.LLM_JUDGE @@ -36,9 +33,6 @@ class EmojiAction(BaseAction): # 动作基本信息 action_name = "emoji" action_description = "发送表情包辅助表达情绪" - - # 最近发送表情的历史记录 - _sent_emoji_history = deque(maxlen=4) # LLM判断提示词 llm_judge_prompt = """ @@ -80,99 +74,100 @@ class EmojiAction(BaseAction): logger.warning(f"{self.log_prefix} 无法获取任何带有描述的有效表情包") return False, "无法获取任何带有描述的有效表情包" - # 3. 根据新配置项决定抽样数量 - sample_size = global_config.emoji.max_context_emojis - if sample_size > 0 and len(all_emojis_obj) > sample_size: - sampled_emojis = random.sample(all_emojis_obj, sample_size) - else: - sampled_emojis = all_emojis_obj # 0表示全部 - - # 4. 为抽样的表情包创建带编号的描述列表 - prompt_emoji_list = [] - for i, emoji in enumerate(sampled_emojis): - prompt_emoji_list.append(f"{i + 1}. {emoji.description}") + # 3. 准备情感数据和后备列表 + emotion_map = {} + all_emojis_data = [] - prompt_emoji_str = "\n".join(prompt_emoji_list) - chosen_emoji_obj: MaiEmoji = None + for emoji in all_emojis_obj: + b64 = image_path_to_base64(emoji.full_path) + if not b64: + continue + + desc = emoji.description + emotions = emoji.emotion + all_emojis_data.append((b64, desc)) - # 5. 获取最近的5条消息内容用于判断 - recent_messages = message_api.get_recent_messages(chat_id=self.chat_id, limit=5) - messages_text = "" - if recent_messages: - messages_text = message_api.build_readable_messages( - messages=recent_messages, - timestamp_mode="normal_no_YMD", - truncate=False, - show_actions=False, + for emo in emotions: + if emo not in emotion_map: + emotion_map[emo] = [] + emotion_map[emo].append((b64, desc)) + + if not all_emojis_data: + logger.warning(f"{self.log_prefix} 无法加载任何有效的表情包数据") + return False, "无法加载任何有效的表情包数据" + + available_emotions = list(emotion_map.keys()) + emoji_base64, emoji_description = "", "" + + if not available_emotions: + logger.warning(f"{self.log_prefix} 获取到的表情包均无情感标签, 将随机发送") + emoji_base64, emoji_description = random.choice(all_emojis_data) + else: + # 获取最近的5条消息内容用于判断 + recent_messages = message_api.get_recent_messages(chat_id=self.chat_id, limit=5) + messages_text = "" + if recent_messages: + messages_text = message_api.build_readable_messages( + messages=recent_messages, + timestamp_mode="normal_no_YMD", + truncate=False, + show_actions=False, + ) + + # 4. 构建prompt让LLM选择情感 + prompt = f""" + 你是一个正在进行聊天的网友，你需要根据一个理由和最近的聊天记录，从一个情感标签列表中选择最匹配的一个。 + 这是最近的聊天记录： + {messages_text} + + 这是理由：“{reason}” + 这里是可用的情感标签：{available_emotions} + 请直接返回最匹配的那个情感标签，不要进行任何解释或添加其他多余的文字。 + """ + + if global_config.debug.show_prompt: + logger.info(f"{self.log_prefix} 生成的LLM Prompt: {prompt}") + else: + logger.debug(f"{self.log_prefix} 生成的LLM Prompt: {prompt}") + + # 5. 调用LLM + models = llm_api.get_available_models() + chat_model_config = models.get("planner") + if not chat_model_config: + logger.error(f"{self.log_prefix} 未找到'utils_small'模型配置，无法调用LLM") + return False, "未找到'utils_small'模型配置" + + success, chosen_emotion, _, _ = await llm_api.generate_with_model( + prompt, model_config=chat_model_config, request_type="emoji" ) - # 6. 构建prompt让LLM选择编号 - prompt = f""" - 你是一个正在进行聊天的网友，你需要根据一个理由和最近的聊天记录，从一个带编号的表情包描述列表中选择最匹配的 **3个** 表情包，并按匹配度从高到低返回它们的编号。 - 这是最近的聊天记录： - {messages_text} - - 这是理由：“{reason}” - 这里是可用的表情包详细描述列表： - {prompt_emoji_str} - 请直接返回一个包含3个最匹配表情包编号的有序JSON列表，例如：[10, 2, 5]，不要进行任何解释或添加其他多余的文字。 - """ - - # 7. 调用LLM - models = llm_api.get_available_models() - chat_model_config = models.get("planner") - if not chat_model_config: - logger.error(f"{self.log_prefix} 未找到 'planner' 模型配置，无法调用LLM") - return False, "未找到 'planner' 模型配置" - - success, chosen_indices_str, _, _ = await llm_api.generate_with_model( - prompt, model_config=chat_model_config, request_type="emoji_selection" - ) - - selected_emoji_obj = None - if success: - try: - chosen_indices = json.loads(chosen_indices_str) - if isinstance(chosen_indices, list): - logger.info(f"{self.log_prefix} LLM选择的表情编号候选项: {chosen_indices}") - for index in chosen_indices: - if isinstance(index, int) and 1 <= index <= len(sampled_emojis): - candidate_emoji = sampled_emojis[index - 1] - if candidate_emoji.hash not in self._sent_emoji_history: - selected_emoji_obj = candidate_emoji - break - else: - logger.warning(f"{self.log_prefix} LLM返回的不是一个列表: {chosen_indices_str}") - except (json.JSONDecodeError, TypeError): - logger.warning(f"{self.log_prefix} 解析LLM返回的编号列表失败: {chosen_indices_str}") - - if selected_emoji_obj: - chosen_emoji_obj = selected_emoji_obj - logger.info(f"{self.log_prefix} 从候选项中选择表情: {chosen_emoji_obj.description}") - else: if not success: - logger.warning(f"{self.log_prefix} LLM调用失败, 将随机选择一个表情包") + logger.warning(f"{self.log_prefix} LLM调用失败: {chosen_emotion}, 将随机选择一个表情包") + emoji_base64, emoji_description = random.choice(all_emojis_data) else: - logger.warning(f"{self.log_prefix} 所有候选项均在最近发送历史中, 将随机选择") - - selectable_emojis = [e for e in all_emojis_obj if e.hash not in self._sent_emoji_history] - if not selectable_emojis: - selectable_emojis = all_emojis_obj - chosen_emoji_obj = random.choice(selectable_emojis) + chosen_emotion = chosen_emotion.strip().replace('"', "").replace("'", "") + logger.info(f"{self.log_prefix} LLM选择的情感: {chosen_emotion}") - # 8. 发送表情包并更新历史记录 - if chosen_emoji_obj: - emoji_base64 = image_path_to_base64(chosen_emoji_obj.full_path) - if emoji_base64: - send_success = await self.send_emoji(emoji_base64) - if send_success: - self._sent_emoji_history.append(chosen_emoji_obj.hash) - logger.info(f"{self.log_prefix} 表情包发送成功: {chosen_emoji_obj.description}") - logger.debug(f"{self.log_prefix} 最近表情历史: {list(self._sent_emoji_history)}") - return True, f"发送表情包: {chosen_emoji_obj.description}" + # 使用模糊匹配来查找最相关的情感标签 + matched_key = next((key for key in emotion_map if chosen_emotion in key), None) + + if matched_key: + emoji_base64, emoji_description = random.choice(emotion_map[matched_key]) + logger.info(f"{self.log_prefix} 找到匹配情感 '{chosen_emotion}' (匹配到: '{matched_key}') 的表情包: {emoji_description}") + else: + logger.warning( + f"{self.log_prefix} LLM选择的情感 '{chosen_emotion}' 不在可用列表中, 将随机选择一个表情包" + ) + emoji_base64, emoji_description = random.choice(all_emojis_data) - logger.error(f"{self.log_prefix} 表情包发送失败") - return False, "表情包发送失败" + # 7. 发送表情包 + success = await self.send_emoji(emoji_base64) + + if not success: + logger.error(f"{self.log_prefix} 表情包发送失败") + return False, "表情包发送失败" + + return True, f"发送表情包: {emoji_description}" except Exception as e: logger.error(f"{self.log_prefix} 表情动作执行失败: {e}", exc_info=True)