gardel/Mofox-Core
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

feat(context_builder): 更新记忆块构建逻辑，添加查询文本获取策略以提升记忆检索效果

Browse Source 
feat(prompt_builder): 扩展上下文数据构建，支持会话和情况类型参数以优化提示词生成
This commit is contained in:
Windpicker-owo
2025-12-03 14:30:40 +08:00
parent a36e2fdf92
commit 55919f90db
4 changed files with 168 additions and 14 deletions
Download Patch File Download Diff File Expand all files Collapse all files

4
src/plugins/built_in/kokoro_flow_chatter/chatter.py
View File

@@ -325,6 +325,10 @@ class KokoroFlowChatter(BaseChatter):
"""
if session.status == SessionStatus.WAITING:
# 之前在等待
# 如果 max_wait_seconds <= 0，说明不是有效的等待状态，视为新消息
if session.waiting_config.max_wait_seconds <= 0:
return "new_message"
if session.waiting_config.is_timeout():
# 超时了才收到回复
return "reply_late"

19
src/plugins/built_in/kokoro_flow_chatter/context_builder.py
View File

@@ -177,7 +177,12 @@ class KFCContextBuilder:
return f"你与{sender_name}是普通朋友关系。"
async def _build_memory_block(self, chat_history: str, target_message: str) -> str:
"""构建记忆块（使用三层记忆系统）"""
"""构建记忆块（使用三层记忆系统）
Args:
chat_history: 聊天历史文本
target_message: 目标消息/查询文本。如果为空，将使用 chat_history 的前 200 字符作为查询
"""
config = _get_config()
if not (config.memory and config.memory.enable):
@@ -192,8 +197,18 @@ class KFCContextBuilder:
logger.debug("[三层记忆] 管理器未初始化")
return ""
# 如果 target_message 为空，使用 chat_history 的前 200 字符作为查询
query_text = target_message.strip() if target_message else ""
if not query_text and chat_history:
query_text = chat_history[:200].strip()
logger.debug(f"[三层记忆] target_message 为空，使用 chat_history 前 200 字符作为查询")
if not query_text:
logger.debug("[三层记忆] 没有可用的查询文本，跳过记忆搜索")
return ""
search_result = await unified_manager.search_memories(
query_text=target_message,
query_text=query_text,
use_judge=True,
recent_chat_history=chat_history,
)

151
src/plugins/built_in/kokoro_flow_chatter/prompt/builder.py
View File

@@ -73,7 +73,10 @@ class PromptBuilder:
safety_guidelines_block = self._build_safety_guidelines_block()
# 2. 使用 context_builder 获取关系、记忆、表达习惯等
context_data = await self._build_context_data(user_name, chat_stream, user_id)
context_data = await self._build_context_data(
user_name, chat_stream, user_id,
session=session, situation_type=situation_type
)
relation_block = context_data.get("relation_info", f"你与 {user_name} 还不太熟悉，这是早期的交流阶段。")
memory_block = context_data.get("memory_block", "")
expression_habits = self._build_combined_expression_block(context_data.get("expression_habits", ""))
@@ -148,7 +151,10 @@ class PromptBuilder:
safety_guidelines_block = self._build_safety_guidelines_block()
# 2. 使用 context_builder 获取关系、记忆、表达习惯等
context_data = await self._build_context_data(user_name, chat_stream, user_id)
context_data = await self._build_context_data(
user_name, chat_stream, user_id,
session=session, situation_type=situation_type
)
relation_block = context_data.get("relation_info", f"你与 {user_name} 还不太熟悉，这是早期的交流阶段。")
memory_block = context_data.get("memory_block", "")
expression_habits = self._build_combined_expression_block(context_data.get("expression_habits", ""))
@@ -259,11 +265,20 @@ class PromptBuilder:
user_name: str,
chat_stream: Optional["ChatStream"],
user_id: Optional[str] = None,
session: Optional[KokoroSession] = None,
situation_type: str = "new_message",
) -> dict[str, str]:
"""
使用 KFCContextBuilder 构建完整的上下文数据
包括：关系信息、记忆、表达习惯等
Args:
user_name: 用户名称
chat_stream: 聊天流对象
user_id: 用户ID
session: KokoroSession 会话对象（用于超时/主动思考场景）
situation_type: 情况类型（用于判断记忆搜索策略）
"""
if not chat_stream:
return {
@@ -280,12 +295,13 @@ class PromptBuilder:
builder = self._context_builder(chat_stream)
# 获取最近的消息作为 target_message（用于记忆检索）
target_message = ""
if chat_stream.context:
unread = chat_stream.context.get_unread_messages()
if unread:
target_message = unread[-1].processed_plain_text or unread[-1].display_message or ""
# 获取用于记忆检索的查询文本
target_message = await self._get_memory_search_query(
chat_stream=chat_stream,
session=session,
situation_type=situation_type,
user_name=user_name,
)
context_data = await builder.build_all_context(
sender_name=user_name,
@@ -304,6 +320,113 @@ class PromptBuilder:
"expression_habits": "",
}
async def _get_memory_search_query(
self,
chat_stream: Optional["ChatStream"],
session: Optional[KokoroSession],
situation_type: str,
user_name: str,
) -> str:
"""
根据场景类型获取合适的记忆搜索查询文本
策略：
1. 优先使用未读消息（new_message/reply_in_time/reply_late）
2. 如果没有未读消息（timeout/proactive），使用最近的历史消息
3. 如果历史消息也为空，从 session 的 mental_log 中提取
4. 最后回退到用户名作为查询
Args:
chat_stream: 聊天流对象
session: KokoroSession 会话对象
situation_type: 情况类型
user_name: 用户名称
Returns:
用于记忆搜索的查询文本
"""
target_message = ""
# 策略1: 优先从未读消息获取（适用于 new_message/reply_in_time/reply_late）
if chat_stream and chat_stream.context:
unread = chat_stream.context.get_unread_messages()
if unread:
target_message = unread[-1].processed_plain_text or unread[-1].display_message or ""
if target_message:
logger.debug(f"[记忆搜索] 使用未读消息作为查询: {target_message[:50]}...")
return target_message
# 策略2: 从最近的历史消息获取（适用于 timeout/proactive）
if chat_stream and chat_stream.context:
history_messages = chat_stream.context.history_messages
if history_messages:
# 获取最近的几条非通知消息，组合成查询
recent_texts = []
for msg in reversed(history_messages[-5:]):
content = getattr(msg, "processed_plain_text", "") or getattr(msg, "display_message", "")
if content and not getattr(msg, "is_notify", False):
recent_texts.append(content)
if len(recent_texts) >= 3:
break
if recent_texts:
target_message = " ".join(reversed(recent_texts))
logger.debug(f"[记忆搜索] 使用历史消息作为查询 (situation={situation_type}): {target_message[:80]}...")
return target_message
# 策略3: 从 session 的 mental_log 中提取（超时/主动思考场景的最后手段）
if session and situation_type in ("timeout", "proactive"):
entries = session.get_recent_entries(limit=10)
recent_texts = []
for entry in reversed(entries):
# 从用户消息中提取
if entry.event_type == EventType.USER_MESSAGE and entry.content:
recent_texts.append(entry.content)
# 从 bot 的预期反应中提取（可能包含相关话题）
elif entry.event_type == EventType.BOT_PLANNING and entry.expected_reaction:
recent_texts.append(entry.expected_reaction)
if len(recent_texts) >= 3:
break
if recent_texts:
target_message = " ".join(reversed(recent_texts))
logger.debug(f"[记忆搜索] 使用 mental_log 作为查询 (situation={situation_type}): {target_message[:80]}...")
return target_message
# 策略4: 最后回退 - 使用用户名 + 场景描述
if situation_type == "timeout":
target_message = f"与 {user_name} 的对话 等待回复"
elif situation_type == "proactive":
target_message = f"与 {user_name} 的对话 主动发起聊天"
else:
target_message = f"与 {user_name} 的对话"
logger.debug(f"[记忆搜索] 使用回退查询 (situation={situation_type}): {target_message}")
return target_message
def _get_latest_user_message(self, session: Optional[KokoroSession]) -> str:
"""
获取最新的用户消息内容
Args:
session: KokoroSession 会话对象
Returns:
最新用户消息的内容，如果没有则返回提示文本
"""
if not session:
return "（未知消息）"
# 从 mental_log 中获取最新的用户消息
entries = session.get_recent_entries(limit=10)
for entry in reversed(entries):
if entry.event_type == EventType.USER_MESSAGE and entry.content:
return entry.content
return "（消息内容不可用）"
async def _build_chat_history_block(
self,
chat_stream: Optional["ChatStream"],
@@ -525,32 +648,39 @@ class PromptBuilder:
situation_type = "new_message"
if situation_type == "new_message":
# 获取最新消息内容
latest_message = self._get_latest_user_message(session)
return await global_prompt_manager.format_prompt(
PROMPT_NAMES["situation_new_message"],
current_time=current_time,
user_name=user_name,
latest_message=latest_message,
)
elif situation_type == "reply_in_time":
elapsed = session.waiting_config.get_elapsed_seconds()
max_wait = session.waiting_config.max_wait_seconds
latest_message = self._get_latest_user_message(session)
return await global_prompt_manager.format_prompt(
PROMPT_NAMES["situation_reply_in_time"],
current_time=current_time,
user_name=user_name,
elapsed_minutes=elapsed / 60,
max_wait_minutes=max_wait / 60,
latest_message=latest_message,
)
elif situation_type == "reply_late":
elapsed = session.waiting_config.get_elapsed_seconds()
max_wait = session.waiting_config.max_wait_seconds
latest_message = self._get_latest_user_message(session)
return await global_prompt_manager.format_prompt(
PROMPT_NAMES["situation_reply_late"],
current_time=current_time,
user_name=user_name,
elapsed_minutes=elapsed / 60,
max_wait_minutes=max_wait / 60,
latest_message=latest_message,
)
elif situation_type == "timeout":
@@ -911,7 +1041,10 @@ class PromptBuilder:
safety_guidelines_block = self._build_safety_guidelines_block()
# 2. 使用 context_builder 获取关系、记忆、表达习惯等
context_data = await self._build_context_data(user_name, chat_stream, user_id)
context_data = await self._build_context_data(
user_name, chat_stream, user_id,
session=session, situation_type=situation_type
)
relation_block = context_data.get("relation_info", f"你与 {user_name} 还不太熟悉，这是早期的交流阶段。")
memory_block = context_data.get("memory_block", "")
expression_habits = self._build_combined_expression_block(context_data.get("expression_habits", ""))

8
src/plugins/built_in/kokoro_flow_chatter/prompt/prompts.py
View File

@@ -88,7 +88,9 @@ kfc_SITUATION_NEW_MESSAGE = Prompt(
name="kfc_situation_new_message",
template="""现在是 {current_time}。
{user_name} 刚刚给你发了消息。这是一次新的对话发起（不是对你之前消息的回复）。
{user_name} 刚刚给你发了消息：「{latest_message}」
这是一次新的对话发起（不是对你之前消息的回复）。
请决定你要怎么回应。你可以：
- 发送文字消息回复
@@ -103,7 +105,7 @@ kfc_SITUATION_REPLY_IN_TIME = Prompt(
你之前发了消息后一直在等 {user_name} 的回复。
等了大约 {elapsed_minutes:.1f} 分钟（你原本打算最多等 {max_wait_minutes:.1f} 分钟）。
现在 {user_name} 回复了！
现在 {user_name} 回复了：「{latest_message}」
请决定你接下来要怎么回应。""",
)
@@ -114,7 +116,7 @@ kfc_SITUATION_REPLY_LATE = Prompt(
你之前发了消息后在等 {user_name} 的回复。
你原本打算最多等 {max_wait_minutes:.1f} 分钟，但实际等了 {elapsed_minutes:.1f} 分钟才收到回复。
虽然有点迟，但 {user_name} 终于回复了。
虽然有点迟，但 {user_name} 终于回复了：「{latest_message}」
请决定你接下来要怎么回应。（可以选择轻轻抱怨一下迟到，也可以装作没在意）""",
)