refactor(emoji): 重构表情发送逻辑为基于情感标签选择

重构了`emoji`动作的实现，将原有的LLM选择表情描述的逻辑，改为先由LLM根据聊天内容和理由选择一个最匹配的“情感标签”，然后再从该标签下的表情库中随机选择一个进行发送。

主要变更：
- 移除原有的表情抽样、编号和LLM选择编号的复杂流程。
- 引入基于`emotion`元数据的情感标签映射。
- 更新LLM的Prompt，使其专注于选择情感标签而非具体表情。
- 简化了代码逻辑，移除了不再需要的历史记录队列和相关配置项。
- 如果表情没有情感标签或LLM调用失败，则回退到随机发送。

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
@@ -37,9 +34,6 @@ class EmojiAction(BaseAction):
     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 = """
     判定是否需要使用表情动作的条件：
@@ -80,22 +74,36 @@ 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
+            # 3. 准备情感数据和后备列表
-            sample_size = global_config.emoji.max_context_emojis
+            emotion_map = {}
-            if sample_size > 0 and len(all_emojis_obj) > sample_size:
+            all_emojis_data = [] 
-                sampled_emojis = random.sample(all_emojis_obj, sample_size)
+            
+            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))
+
+                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:
-                sampled_emojis = all_emojis_obj # 0表示全部
+                # 获取最近的5条消息内容用于判断
-
-            # 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}")
-            
-            prompt_emoji_str = "\n".join(prompt_emoji_list)
-            chosen_emoji_obj: MaiEmoji = None
-
-            # 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:
@@ -106,74 +114,61 @@ class EmojiAction(BaseAction):
                         show_actions=False,
                     )
 
-            # 6. 构建prompt让LLM选择编号
+                # 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。
+                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}”
-            这里是可用的表情包详细描述列表：
+                这里是可用的情感标签：{available_emotions}
-            {prompt_emoji_str}
+                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。
-            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
+                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 'planner' 模型配置，无法调用LLM")
+                    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 'planner' 模型配置"
+                    return False, "未找到'utils_small'模型配置"
 
-            success, chosen_indices_str, _, _ = await llm_api.generate_with_model(
+                success, chosen_emotion, _, _ = await llm_api.generate_with_model(
-                prompt, model_config=chat_model_config, request_type="emoji_selection"
+                    prompt, model_config=chat_model_config, request_type="emoji"
                 )
 
-            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")
+                    chosen_emotion = chosen_emotion.strip().replace('"', "").replace("'", "")
+                    logger.info(f"{self.log_prefix} LLM选择的情感: {chosen_emotion}")
 
-                selectable_emojis = [e for e in all_emojis_obj if e.hash not in self._sent_emoji_history]
+                    # 使用模糊匹配来查找最相关的情感标签
-                if not selectable_emojis:
+                    matched_key = next((key for key in emotion_map if chosen_emotion in key), None)
-                    selectable_emojis = all_emojis_obj
-                chosen_emoji_obj = random.choice(selectable_emojis)
                     
-            # 8. 发送表情包并更新历史记录
+                    if matched_key:
-            if chosen_emoji_obj:
+                        emoji_base64, emoji_description = random.choice(emotion_map[matched_key])
-                emoji_base64 = image_path_to_base64(chosen_emoji_obj.full_path)
+                        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}")
-                if emoji_base64:
+                    else:
-                    send_success = await self.send_emoji(emoji_base64)
+                        logger.warning(
-                    if send_success:
+                            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"
-                        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}")
+                        emoji_base64, emoji_description = random.choice(all_emojis_data)
-                        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}"
 
+            # 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)
             return False, f"表情发送失败: {str(e)}"