refactor(chat): 重构主动思考模块以提升回复质量和逻辑清晰度（哪个大聪明把我联网搜索烦了）

将主动思考流程拆分为两个主要阶段：规划和内容生成。在规划阶段（`ActionPlanner`），模型现在会结合最新的聊天上下文来决定是否发起主动对话，并确定一个合适的主题。这使得决策更加贴近当前对话氛围。在内容生成阶段（`ProactiveThinker`），系统会围绕规划好的主题，主动搜集相关实时信息（如日程、网络资讯），并结合角色设定、心情和聊天历史，构建一个更丰富、更具上下文情境的提示词，从而生成更自然、更有趣的主动回复。主要变更： - `ActionPlanner` 在主动模式下增加对近期聊天记录的分析，决策更精准。 - `ProactiveThinker` 新增 `_generate_proactive_content_and_send` 方法，负责整合多源信息（日程、搜索、上下文）生成最终回复。 - 简化了 `ProactiveThinker` 的主逻辑，使其专注于执行 `proactive_reply` 动作，而非处理多种动作类型。 - 优化了相关提示词，使其更专注于生成高质量的主动对话内容。
2025-09-06 19:42:48 +08:00
parent 5f1fd4305e
commit 667be49a95
17 changed files with 1432 additions and 28 deletions
--- a/src/chat/chat_loop/proactive/proactive_thinker.py
+++ b/src/chat/chat_loop/proactive/proactive_thinker.py
@@ -1,12 +1,19 @@
 import time
 import traceback
-from typing import TYPE_CHECKING
+import orjson
+from typing import TYPE_CHECKING, Dict, Any

 from src.common.logger import get_logger
 from src.plugin_system.base.component_types import ChatMode
 from ..hfc_context import HfcContext
 from .events import ProactiveTriggerEvent
 from src.plugin_system.apis import generator_api
+from src.schedule.schedule_manager import schedule_manager
+from src.plugin_system import tool_api
+from src.plugin_system.base.component_types import ComponentType
+from src.config.config import global_config
+from src.chat.utils.chat_message_builder import get_raw_msg_before_timestamp_with_chat, build_readable_messages_with_id
+from src.mood.mood_manager import mood_manager

 if TYPE_CHECKING:
    from ..cycle_processor import CycleProcessor
@@ -20,6 +27,7 @@ class ProactiveThinker:
    当接收到 ProactiveTriggerEvent 时，它会根据事件内容进行一系列决策和操作，
    例如调整情绪、调用规划器生成行动，并最终可能产生一个主动的回复。
    """
+
    def __init__(self, context: HfcContext, cycle_processor: "CycleProcessor"):
        """
        初始化主动思考器。
@@ -75,9 +83,6 @@ class ProactiveThinker:
            return

        try:
-            # 动态导入情绪管理器，避免循环依赖
-            from src.mood.mood_manager import mood_manager
-
            # 获取当前聊天的情绪对象
            mood_obj = mood_manager.get_mood_by_chat_id(self.context.stream_id)
            new_mood = None
@@ -112,29 +117,17 @@ class ProactiveThinker:
        """
        try:
            # 调用规划器的 PROACTIVE 模式，让其决定下一步的行动
-            actions, target_message = await self.cycle_processor.action_planner.plan(mode=ChatMode.PROACTIVE)
+            actions, _ = await self.cycle_processor.action_planner.plan(mode=ChatMode.PROACTIVE)

            # 通常只关心规划出的第一个动作
            action_result = actions[0] if actions else {}

-            # 检查规划出的动作是否是“什么都不做”
-            if action_result and action_result.get("action_type") != "do_nothing":
-                # 如果动作是“回复”
-                if action_result.get("action_type") == "reply":
-                    # 调用生成器API来创建回复内容
-                    success, response_set, _ = await generator_api.generate_reply(
-                        chat_stream=self.context.chat_stream,
-                        reply_message=action_result["action_message"],
-                        available_actions={},  # 主动回复不考虑工具使用
-                        enable_tool=False,
-                        request_type="chat.replyer.proactive", # 标记请求类型
-                        from_plugin=False,
-                    )
-                    # 如果成功生成回复，则发送出去
-                    if success and response_set:
-                        await self.cycle_processor.response_handler.send_response(
-                            response_set, time.time(), action_result["action_message"]
-                        )
+            action_type = action_result.get("action_type")
+
+            if action_type == "proactive_reply":
+                await self._generate_proactive_content_and_send(action_result)
+            elif action_type != "do_nothing":
+                logger.warning(f"{self.context.log_prefix} 主动思考返回了未知的动作类型: {action_type}")
            else:
                # 如果规划结果是“什么都不做”，则记录日志
                logger.info(f"{self.context.log_prefix} 主动思考决策: 保持沉默")
@@ -142,3 +135,98 @@ class ProactiveThinker:
        except Exception as e:
            logger.error(f"{self.context.log_prefix} 主动思考执行异常: {e}")
            logger.error(traceback.format_exc())
+
+    async def _generate_proactive_content_and_send(self, action_result: Dict[str, Any]):
+        """
+        获取实时信息，构建最终的生成提示词，并生成和发送主动回复。
+
+        Args:
+            action_result (Dict[str, Any]): 规划器返回的动作结果。
+        """
+        try:
+            topic = action_result.get("action_data", {}).get("topic", "随便聊聊")
+            logger.info(f"{self.context.log_prefix} 主动思考确定主题: '{topic}'")
+
+            # 1. 获取日程信息
+            schedule_block = "你今天没有日程安排。"
+            if global_config.planning_system.schedule_enable:
+                if current_activity := schedule_manager.get_current_activity():
+                    schedule_block = f"你当前正在：{current_activity}。"
+
+            # 2. 网络搜索
+            news_block = "暂时没有获取到最新资讯。"
+            try:
+                web_search_tool = tool_api.get_tool_instance("web_search")
+                if web_search_tool:
+                    tool_args = {"query": topic, "max_results": 10}
+                    # 调用工具，并传递参数
+                    search_result_dict = await web_search_tool.execute(**tool_args)
+                    if search_result_dict and not search_result_dict.get("error"):
+                        news_block = search_result_dict.get("content", "未能提取有效资讯。")
+                    else:
+                        logger.warning(f"{self.context.log_prefix} 网络搜索返回错误: {search_result_dict.get('error')}")
+                else:
+                    logger.warning(f"{self.context.log_prefix} 未找到 web_search 工具实例。")
+            except Exception as e:
+                logger.error(f"{self.context.log_prefix} 主动思考时网络搜索失败: {e}")
+
+            # 3. 获取最新的聊天上下文
+            message_list = get_raw_msg_before_timestamp_with_chat(
+                chat_id=self.context.stream_id,
+                timestamp=time.time(),
+                limit=int(global_config.chat.max_context_size * 0.3),
+            )
+            chat_context_block, _ = build_readable_messages_with_id(messages=message_list)
+
+            # 4. 构建最终的生成提示词
+            bot_name = global_config.bot.nickname
+            identity_block = f"你的名字是{bot_name}，你{global_config.personality.personality_core}："
+            mood_block = f"你现在的心情是：{mood_manager.get_mood_by_chat_id(self.context.stream_id).mood_state}"
+
+            final_prompt = f"""
+# 主动对话生成
+
+## 你的角色
+{identity_block}
+
+## 你的心情
+{mood_block}
+
+## 你今天的日程安排
+{schedule_block}
+
+## 关于你准备讨论的话题“{topic}”的最新信息
+{news_block}
+
+## 最近的聊天内容
+{chat_context_block}
+
+## 任务
+你之前决定要发起一个关于“{topic}”的对话。现在，请结合以上所有信息，自然地开启这个话题。
+
+## 要求
+- 你的发言要听起来像是自发的，而不是在念报告。
+- 巧妙地将日程安排或最新信息融入到你的开场白中。
+- 风格要符合你的角色设定。
+- 直接输出你想要说的内容，不要包含其他额外信息。
+"""
+
+            # 5. 调用生成器API并发送
+            response_text = await generator_api.generate_response_custom(
+                chat_stream=self.context.chat_stream,
+                prompt=final_prompt,
+                request_type="chat.replyer.proactive",
+            )
+
+            if response_text:
+                # 将纯文本包装成 ResponseSet 格式
+                response_set = [{"type": "text", "data": {"text": response_text}}]
+                await self.cycle_processor.response_handler.send_response(
+                    response_set, time.time(), action_result.get("action_message")
+                )
+            else:
+                logger.error(f"{self.context.log_prefix} 主动思考生成回复失败。")
+
+        except Exception as e:
+            logger.error(f"{self.context.log_prefix} 生成主动回复内容时异常: {e}")
+            logger.error(traceback.format_exc())
--- a/src/chat/planner_actions/planner.py
+++ b/src/chat/planner_actions/planner.py
@@ -90,12 +90,31 @@ def init_prompt():
 ## 长期记忆摘要
 {long_term_memory_block}

+## 最近的聊天内容
+{chat_content_block}
+
 ## 任务
-基于以上所有信息，分析当前情况，决定是否需要主动做些什么。
-如果你认为不需要，就选择 'do_nothing'。
+基于以上所有信息（特别是最近的聊天内容），分析当前情况，决定是否适合主动开启一个**新的、但又与当前氛围相关**的话题。

 ## 可用动作
-{action_options_text}
+动作：proactive_reply
+动作描述：在当前对话的基础上，主动发起一个新的对话，分享一个有趣的想法、见闻或者对未来的计划。
+- 当你觉得可以说些什么来活跃气氛，并且内容与当前聊天氛围不冲突时
+- 当你有一些新的想法或计划想要分享，并且可以自然地衔接当前话题时
+{{
+    "action": "proactive_reply",
+    "reason": "决定主动发起对话的具体原因",
+    "topic": "你想要发起对话的主题或内容（需要简洁）"
+}}
+
+动作：do_nothing
+动作描述：保持沉默，不主动发起任何动作或对话。
+- 当你分析了所有信息后，觉得当前不是一个发起互动的好时机时
+- 当最近的聊天内容很连贯，你的插入会打断别人时
+{{
+    "action": "do_nothing",
+    "reason":"决定保持沉默的具体原因"
+}}

 你必须从上面列出的可用action中选择一个。
 请以严格的 JSON 格式输出，且仅包含 JSON 内容：
@@ -643,7 +662,19 @@ class ActionPlanner:
            # --- 根据模式构建不同的Prompt ---
            if mode == ChatMode.PROACTIVE:
                long_term_memory_block = await self._get_long_term_memory_context()
-                action_options_text = await self._build_action_options(current_available_actions, mode)
+                
+                # 获取最近的聊天记录用于主动思考决策
+                message_list_short = get_raw_msg_before_timestamp_with_chat(
+                    chat_id=self.chat_id,
+                    timestamp=time.time(),
+                    limit=int(global_config.chat.max_context_size * 0.2), # 主动思考时只看少量最近消息
+                )
+                chat_content_block, _ = build_readable_messages_with_id(
+                    messages=message_list_short,
+                    timestamp_mode="normal",
+                    truncate=False,
+                    show_actions=False,
+                )

                prompt_template = await global_prompt_manager.get_prompt_async("proactive_planner_prompt")
                prompt = prompt_template.format(
@@ -652,7 +683,7 @@ class ActionPlanner:
                    schedule_block=schedule_block,
                    mood_block=mood_block,
                    long_term_memory_block=long_term_memory_block,
-                    action_options_text=action_options_text,
+                    chat_content_block=chat_content_block or "最近没有聊天内容。",
                )
                return prompt, []