style: 代码格式化，修复缩进问题

🤖 Generated with [Claude Code](https://claude.ai/code)

Co-Authored-By: Claude <noreply@anthropic.com>

bot.py

@@ -221,7 +221,9 @@ def check_eula():
     # 如果EULA或隐私条款有更新，提示用户重新确认
     if eula_updated or privacy_updated:
         print("EULA或隐私条款内容已更新，请在阅读后重新确认，继续运行视为同意更新后的以上两款协议")
-        print(f'输入"同意"或"confirmed"或设置环境变量"EULA_AGREE={eula_new_hash}"和"PRIVACY_AGREE={privacy_new_hash}"继续运行')
+        print(
+            f'输入"同意"或"confirmed"或设置环境变量"EULA_AGREE={eula_new_hash}"和"PRIVACY_AGREE={privacy_new_hash}"继续运行'
+        )
         while True:
             user_input = input().strip().lower()
             if user_input in ["同意", "confirmed"]:

src/plugins/chat/__init__.py

@@ -92,12 +92,13 @@ async def _(bot: Bot):
 
 @msg_in.handle()
 async def _(bot: Bot, event: MessageEvent, state: T_State):
-    #处理合并转发消息
+    # 处理合并转发消息
     if "forward" in event.message:
-        await chat_bot.handle_forward_message(event , bot)
-    else :
+        await chat_bot.handle_forward_message(event, bot)
+    else:
         await chat_bot.handle_message(event, bot)
 
+
 @notice_matcher.handle()
 async def _(bot: Bot, event: NoticeEvent, state: T_State):
     logger.debug(f"收到通知：{event}")

src/plugins/chat/bot.py

@@ -424,7 +424,6 @@ class ChatBot:
                 if event.group_id not in global_config.talk_allowed_groups:
                     return
 
-
         # 获取合并转发消息的详细信息
         forward_info = await bot.get_forward_msg(message_id=event.message_id)
         messages = forward_info["messages"]
@@ -436,7 +435,7 @@ class ChatBot:
             nickname = node["sender"].get("nickname", "未知用户")
 
             # 递归处理消息内容
-            message_content = await self.process_message_segments(node["message"],layer=0)
+            message_content = await self.process_message_segments(node["message"], layer=0)
 
             # 拼接为【昵称】+ 内容
             processed_messages.append(f"【{nickname}】{message_content}")
@@ -456,11 +455,7 @@ class ChatBot:
         # 构建群聊信息（如果是群聊）
         group_info = None
         if isinstance(event, GroupMessageEvent):
-            group_info = GroupInfo(
-                group_id=event.group_id,
-                group_name=None,
-                platform="qq"
-            )
+            group_info = GroupInfo(group_id=event.group_id, group_name=None, platform="qq")
 
         # 创建消息对象
         message_cq = MessageRecvCQ(
@@ -475,19 +470,19 @@ class ChatBot:
         # 进入标准消息处理流程
         await self.message_process(message_cq)
 
-    async def process_message_segments(self, segments: list,layer:int) -> str:
+    async def process_message_segments(self, segments: list, layer: int) -> str:
         """递归处理消息段"""
         parts = []
         for seg in segments:
-            part = await self.process_segment(seg,layer+1)
+            part = await self.process_segment(seg, layer + 1)
             parts.append(part)
         return "".join(parts)
 
-    async def process_segment(self, seg: dict , layer:int) -> str:
+    async def process_segment(self, seg: dict, layer: int) -> str:
         """处理单个消息段"""
         seg_type = seg["type"]
-        if layer > 3 :
-            #防止有那种100层转发消息炸飞麦麦
+        if layer > 3:
+            # 防止有那种100层转发消息炸飞麦麦
             return "【转发消息】"
         if seg_type == "text":
             return seg["data"]["text"]
@@ -504,7 +499,7 @@ class ChatBot:
             nested_messages.append("合并转发消息内容：")
             for node in nested_nodes:
                 nickname = node["sender"].get("nickname", "未知用户")
-                content = await self.process_message_segments(node["message"],layer=layer)
+                content = await self.process_message_segments(node["message"], layer=layer)
                 # nested_messages.append('-' * layer)
                 nested_messages.append(f"{'--' * layer}【{nickname}】{content}")
             # nested_messages.append(f"{'--' * layer}合并转发第【{layer}】层结束")
@@ -512,5 +507,6 @@ class ChatBot:
         else:
             return f"[{seg_type}]"
 
+
 # 创建全局ChatBot实例
 chat_bot = ChatBot()

src/plugins/personality/big5_test.py

@@ -15,10 +15,7 @@ env_path = project_root / ".env.prod"
 root_path = os.path.abspath(os.path.join(os.path.dirname(__file__), "../../.."))
 sys.path.append(root_path)
 
-from src.plugins.personality.scene import get_scene_by_factor,get_all_scenes,PERSONALITY_SCENES
-from src.plugins.personality.questionnaire import PERSONALITY_QUESTIONS,FACTOR_DESCRIPTIONS
-from src.plugins.personality.offline_llm import LLMModel 
-
+from src.plugins.personality.questionnaire import PERSONALITY_QUESTIONS, FACTOR_DESCRIPTIONS  # noqa: E402
 
 
 class BigFiveTest:
@@ -39,7 +36,7 @@ class BigFiveTest:
         print("\n请认真阅读每个描述，选择最符合您实际情况的选项。\n")
 
         # 创建题目序号到题目的映射
-        questions_map = {q['id']: q for q in self.questions}
+        questions_map = {q["id"]: q for q in self.questions}
 
         # 获取所有题目ID并随机打乱顺序
         question_ids = list(questions_map.keys())
@@ -67,35 +64,25 @@ class BigFiveTest:
     def calculate_scores(self, answers):
         """计算各维度得分"""
         results = {}
-        factor_questions = {
-            "外向性": [],
-            "神经质": [],
-            "严谨性": [],
-            "开放性": [],
-            "宜人性": []
-        }
+        factor_questions = {"外向性": [], "神经质": [], "严谨性": [], "开放性": [], "宜人性": []}
 
         # 将题目按因子分类
         for q in self.questions:
-            factor_questions[q['factor']].append(q)
+            factor_questions[q["factor"]].append(q)
 
         # 计算每个维度的得分
         for factor, questions in factor_questions.items():
             total_score = 0
             for q in questions:
-                score = answers[q['id']]
+                score = answers[q["id"]]
                 # 处理反向计分题目
-                if q['reverse_scoring']:
+                if q["reverse_scoring"]:
                     score = 7 - score  # 6分量表反向计分为7减原始分
                 total_score += score
 
             # 计算平均分
             avg_score = round(total_score / len(questions), 2)
-            results[factor] = {
-                "得分": avg_score,
-                "题目数": len(questions),
-                "总分": total_score
-            }
+            results[factor] = {"得分": avg_score, "题目数": len(questions), "总分": total_score}
 
         return results
 
@@ -103,6 +90,7 @@ class BigFiveTest:
         """获取因子的详细描述"""
         return self.factors[factor]
 
+
 def main():
     test = BigFiveTest()
     results = test.run_test()
@@ -114,9 +102,10 @@ def main():
         print(f"平均分: {data['得分']} (总分: {data['总分']}, 题目数: {data['题目数']})")
         print("-" * 30)
         description = test.get_factor_description(factor)
-        print("维度说明:", description['description'][:100] + "...")
-        print("\n特征词:", ", ".join(description['trait_words']))
+        print("维度说明:", description["description"][:100] + "...")
+        print("\n特征词:", ", ".join(description["trait_words"]))
     print("=" * 50)
 
+
 if __name__ == "__main__":
     main()

src/plugins/personality/combined_test.py

@@ -1,4 +1,4 @@
-from typing import Dict, List
+from typing import Dict
 import json
 import os
 from pathlib import Path
@@ -14,9 +14,10 @@ env_path = project_root / ".env.prod"
 root_path = os.path.abspath(os.path.join(os.path.dirname(__file__), "../../.."))
 sys.path.append(root_path)
 
-from src.plugins.personality.big5_test import BigFiveTest
-from src.plugins.personality.renqingziji import PersonalityEvaluator_direct
-from src.plugins.personality.questionnaire import FACTOR_DESCRIPTIONS, PERSONALITY_QUESTIONS
+from src.plugins.personality.big5_test import BigFiveTest  # noqa: E402
+from src.plugins.personality.renqingziji import PersonalityEvaluator_direct  # noqa: E402
+from src.plugins.personality.questionnaire import FACTOR_DESCRIPTIONS, PERSONALITY_QUESTIONS  # noqa: E402
+
 
 class CombinedPersonalityTest:
     def __init__(self):
@@ -51,10 +52,7 @@ class CombinedPersonalityTest:
         questionnaire_results = self.run_questionnaire()
 
         # 转换问卷结果格式以便比较
-        questionnaire_scores = {
-            factor: data["得分"] 
-            for factor, data in questionnaire_results.items()
-        }
+        questionnaire_scores = {factor: data["得分"] for factor, data in questionnaire_results.items()}
 
         # 运行情景测试
         print("\n=== 第二部分：情景反应测评 ===")
@@ -74,7 +72,7 @@ class CombinedPersonalityTest:
     def run_questionnaire(self):
         """运行问卷测试部分"""
         # 创建题目序号到题目的映射
-        questions_map = {q['id']: q for q in PERSONALITY_QUESTIONS}
+        questions_map = {q["id"]: q for q in PERSONALITY_QUESTIONS}
 
         # 获取所有题目ID并随机打乱顺序
         question_ids = list(questions_map.keys())
@@ -100,42 +98,32 @@ class CombinedPersonalityTest:
 
             # 每10题显示一次进度
             if i % 10 == 0:
-                print(f"\n已完成 {i}/{total_questions} 题 ({int(i/total_questions*100)}%)")
+                print(f"\n已完成 {i}/{total_questions} 题 ({int(i / total_questions * 100)}%)")
 
         return self.calculate_questionnaire_scores(answers)
 
     def calculate_questionnaire_scores(self, answers):
         """计算问卷测试的维度得分"""
         results = {}
-        factor_questions = {
-            "外向性": [],
-            "神经质": [],
-            "严谨性": [],
-            "开放性": [],
-            "宜人性": []
-        }
+        factor_questions = {"外向性": [], "神经质": [], "严谨性": [], "开放性": [], "宜人性": []}
 
         # 将题目按因子分类
         for q in PERSONALITY_QUESTIONS:
-            factor_questions[q['factor']].append(q)
+            factor_questions[q["factor"]].append(q)
 
         # 计算每个维度的得分
         for factor, questions in factor_questions.items():
             total_score = 0
             for q in questions:
-                score = answers[q['id']]
+                score = answers[q["id"]]
                 # 处理反向计分题目
-                if q['reverse_scoring']:
+                if q["reverse_scoring"]:
                     score = 7 - score  # 6分量表反向计分为7减原始分
                 total_score += score
 
             # 计算平均分
             avg_score = round(total_score / len(questions), 2)
-            results[factor] = {
-                "得分": avg_score,
-                "题目数": len(questions),
-                "总分": total_score
-            }
+            results[factor] = {"得分": avg_score, "题目数": len(questions), "总分": total_score}
 
         return results
 
@@ -160,11 +148,7 @@ class CombinedPersonalityTest:
                 continue
 
             print("\n正在评估您的描述...")
-            scores = self.scenario_test.evaluate_response(
-                scenario_data["场景"], 
-                response, 
-                scenario_data["评估维度"]
-            )
+            scores = self.scenario_test.evaluate_response(scenario_data["场景"], response, scenario_data["评估维度"])
 
             # 更新分数
             for dimension, score in scores.items():
@@ -178,7 +162,7 @@ class CombinedPersonalityTest:
 
             # 每5个场景显示一次总进度
             if i % 5 == 0:
-                print(f"\n已完成 {i}/{len(scenarios)} 个场景 ({int(i/len(scenarios)*100)}%)")
+                print(f"\n已完成 {i}/{len(scenarios)} 个场景 ({int(i / len(scenarios) * 100)}%)")
 
             if i < len(scenarios):
                 input("\n按回车继续下一个场景...")
@@ -186,10 +170,7 @@ class CombinedPersonalityTest:
         # 计算平均分
         for dimension in final_scores:
             if dimension_counts[dimension] > 0:
-                final_scores[dimension] = round(
-                    final_scores[dimension] / dimension_counts[dimension], 
-                    2
-                )
+                final_scores[dimension] = round(final_scores[dimension] / dimension_counts[dimension], 2)
 
         return final_scores
 
@@ -225,9 +206,13 @@ class CombinedPersonalityTest:
         std_diff = (sum((x - mean_diff) ** 2 for x in diffs) / (len(diffs) - 1)) ** 0.5
 
         # 计算效应量 (Cohen's d)
-        pooled_std = ((sum((x - sum(questionnaire_values)/len(questionnaire_values))**2 for x in questionnaire_values) +
-                      sum((x - sum(scenario_values)/len(scenario_values))**2 for x in scenario_values)) /
-                     (2 * len(self.dimensions) - 2)) ** 0.5
+        pooled_std = (
+            (
+                sum((x - sum(questionnaire_values) / len(questionnaire_values)) ** 2 for x in questionnaire_values)
+                + sum((x - sum(scenario_values) / len(scenario_values)) ** 2 for x in scenario_values)
+            )
+            / (2 * len(self.dimensions) - 2)
+        ) ** 0.5
 
         if pooled_std != 0:
             cohens_d = abs(mean_diff / pooled_std)
@@ -244,7 +229,7 @@ class CombinedPersonalityTest:
 
         # 对所有维度进行整体t检验
         t_stat, p_value = stats.ttest_rel(questionnaire_values, scenario_values)
-        print(f"\n整体统计分析:")
+        print("\n整体统计分析:")
         print(f"平均差异: {mean_diff:.3f}")
         print(f"差异标准差: {std_diff:.3f}")
         print(f"效应量(Cohen's d): {cohens_d:.3f}")
@@ -269,12 +254,14 @@ class CombinedPersonalityTest:
         for dimension in self.dimensions:
             diff = abs(questionnaire_scores[dimension] - scenario_scores[dimension])
             if diff >= 1.0:  # 差异大于等于1分视为显著
-                significant_diffs.append({
+                significant_diffs.append(
+                    {
                         "dimension": dimension,
                         "diff": diff,
                         "questionnaire": questionnaire_scores[dimension],
-                    "scenario": scenario_scores[dimension]
-                })
+                        "scenario": scenario_scores[dimension],
+                    }
+                )
 
         if significant_diffs:
             print("\n\n显著差异分析：")
@@ -286,7 +273,7 @@ class CombinedPersonalityTest:
                 print(f"差异值：{diff['diff']:.2f}")
 
                 # 分析可能的原因
-                if diff['questionnaire'] > diff['scenario']:
+                if diff["questionnaire"] > diff["scenario"]:
                     print("可能原因：在问卷中的自我评价较高，但在具体情景中的表现较为保守。")
                 else:
                     print("可能原因：在具体情景中表现出更多该维度特征，而在问卷自评时较为保守。")
@@ -297,7 +284,7 @@ class CombinedPersonalityTest:
             "测试时间": datetime.now().strftime("%Y-%m-%d %H:%M:%S"),
             "问卷测评结果": questionnaire_scores,
             "情景测评结果": scenario_scores,
-            "维度说明": FACTOR_DESCRIPTIONS
+            "维度说明": FACTOR_DESCRIPTIONS,
         }
 
         # 确保目录存在
@@ -312,6 +299,7 @@ class CombinedPersonalityTest:
 
         print(f"\n完整的测评结果已保存到：{filename}")
 
+
 def load_existing_results():
     """检查并加载已有的测试结果"""
     results_dir = "results"
@@ -319,15 +307,13 @@ def load_existing_results():
         return None
 
     # 获取所有personality_combined开头的文件
-    result_files = [f for f in os.listdir(results_dir) 
-                   if f.startswith("personality_combined_") and f.endswith(".json")]
+    result_files = [f for f in os.listdir(results_dir) if f.startswith("personality_combined_") and f.endswith(".json")]
 
     if not result_files:
         return None
 
     # 按文件修改时间排序，获取最新的结果文件
-    latest_file = max(result_files, 
-                     key=lambda f: os.path.getmtime(os.path.join(results_dir, f)))
+    latest_file = max(result_files, key=lambda f: os.path.getmtime(os.path.join(results_dir, f)))
 
     print(f"\n发现已有的测试结果：{latest_file}")
     try:
@@ -338,6 +324,7 @@ def load_existing_results():
         print(f"读取结果文件时出错：{str(e)}")
         return None
 
+
 def main():
     test = CombinedPersonalityTest()
 
@@ -357,5 +344,6 @@ def main():
         print("\n未找到已有的测试结果，开始新的测试...")
         test.run_combined_test()
 
+
 if __name__ == "__main__":
     main()

src/plugins/personality/questionnaire.py

@@ -1,5 +1,9 @@
-# 人格测试问卷题目 王孟成, 戴晓阳, & 姚树桥. (2011). 中国大五人格问卷的初步编制Ⅲ:简式版的制定及信效度检验. 中国临床心理学杂志, 19(04), Article 04.
-# 王孟成, 戴晓阳, & 姚树桥. (2010). 中国大五人格问卷的初步编制Ⅰ:理论框架与信度分析. 中国临床心理学杂志, 18(05), Article 05.
+# 人格测试问卷题目
+# 王孟成, 戴晓阳, & 姚树桥. (2011).
+# 中国大五人格问卷的初步编制Ⅲ:简式版的制定及信效度检验. 中国临床心理学杂志, 19(04), Article 04.
+
+# 王孟成, 戴晓阳, & 姚树桥. (2010).
+# 中国大五人格问卷的初步编制Ⅰ:理论框架与信度分析. 中国临床心理学杂志, 18(05), Article 05.
 
 PERSONALITY_QUESTIONS = [
     # 神经质维度 (F1)
@@ -11,7 +15,6 @@ PERSONALITY_QUESTIONS = [
     {"id": 6, "content": "在面对压力时，我有种快要崩溃的感觉", "factor": "神经质", "reverse_scoring": False},
     {"id": 7, "content": "我常担忧一些无关紧要的事情", "factor": "神经质", "reverse_scoring": False},
     {"id": 8, "content": "我常常感到内心不踏实", "factor": "神经质", "reverse_scoring": False},
-    
     # 严谨性维度 (F2)
     {"id": 9, "content": "在工作上，我常只求能应付过去便可", "factor": "严谨性", "reverse_scoring": True},
     {"id": 10, "content": "一旦确定了目标，我会坚持努力地实现它", "factor": "严谨性", "reverse_scoring": False},
@@ -21,9 +24,13 @@ PERSONALITY_QUESTIONS = [
     {"id": 14, "content": "我喜欢一开头就把事情计划好", "factor": "严谨性", "reverse_scoring": False},
     {"id": 15, "content": "我工作或学习很勤奋", "factor": "严谨性", "reverse_scoring": False},
     {"id": 16, "content": "我是个倾尽全力做事的人", "factor": "严谨性", "reverse_scoring": False},
-    
     # 宜人性维度 (F3)
-    {"id": 17, "content": "尽管人类社会存在着一些阴暗的东西（如战争、罪恶、欺诈），我仍然相信人性总的来说是善良的", "factor": "宜人性", "reverse_scoring": False},
+    {
+        "id": 17,
+        "content": "尽管人类社会存在着一些阴暗的东西（如战争、罪恶、欺诈），我仍然相信人性总的来说是善良的",
+        "factor": "宜人性",
+        "reverse_scoring": False,
+    },
     {"id": 18, "content": "我觉得大部分人基本上是心怀善意的", "factor": "宜人性", "reverse_scoring": False},
     {"id": 19, "content": "虽然社会上有骗子，但我觉得大部分人还是可信的", "factor": "宜人性", "reverse_scoring": False},
     {"id": 20, "content": "我不太关心别人是否受到不公正的待遇", "factor": "宜人性", "reverse_scoring": True},
@@ -31,7 +38,6 @@ PERSONALITY_QUESTIONS = [
     {"id": 22, "content": "我常为那些遭遇不幸的人感到难过", "factor": "宜人性", "reverse_scoring": False},
     {"id": 23, "content": "我是那种只照顾好自己，不替别人担忧的人", "factor": "宜人性", "reverse_scoring": True},
     {"id": 24, "content": "当别人向我诉说不幸时，我常感到难过", "factor": "宜人性", "reverse_scoring": False},
-    
     # 开放性维度 (F4)
     {"id": 25, "content": "我的想象力相当丰富", "factor": "开放性", "reverse_scoring": False},
     {"id": 26, "content": "我头脑中经常充满生动的画面", "factor": "开放性", "reverse_scoring": False},
@@ -39,9 +45,18 @@ PERSONALITY_QUESTIONS = [
     {"id": 28, "content": "我喜欢冒险", "factor": "开放性", "reverse_scoring": False},
     {"id": 29, "content": "我是个勇于冒险，突破常规的人", "factor": "开放性", "reverse_scoring": False},
     {"id": 30, "content": "我身上具有别人没有的冒险精神", "factor": "开放性", "reverse_scoring": False},
-    {"id": 31, "content": "我渴望学习一些新东西，即使它们与我的日常生活无关", "factor": "开放性", "reverse_scoring": False},
-    {"id": 32, "content": "我很愿意也很容易接受那些新事物、新观点、新想法", "factor": "开放性", "reverse_scoring": False},
-    
+    {
+        "id": 31,
+        "content": "我渴望学习一些新东西，即使它们与我的日常生活无关",
+        "factor": "开放性",
+        "reverse_scoring": False,
+    },
+    {
+        "id": 32,
+        "content": "我很愿意也很容易接受那些新事物、新观点、新想法",
+        "factor": "开放性",
+        "reverse_scoring": False,
+    },
     # 外向性维度 (F5)
     {"id": 33, "content": "我喜欢参加社交与娱乐聚会", "factor": "外向性", "reverse_scoring": False},
     {"id": 34, "content": "我对人多的聚会感到乏味", "factor": "外向性", "reverse_scoring": True},
@@ -50,61 +65,78 @@ PERSONALITY_QUESTIONS = [
     {"id": 37, "content": "有我在的场合一般不会冷场", "factor": "外向性", "reverse_scoring": False},
     {"id": 38, "content": "我希望成为领导者而不是被领导者", "factor": "外向性", "reverse_scoring": False},
     {"id": 39, "content": "在一个团体中，我希望处于领导地位", "factor": "外向性", "reverse_scoring": False},
-    {"id": 40, "content": "别人多认为我是一个热情和友好的人", "factor": "外向性", "reverse_scoring": False}
+    {"id": 40, "content": "别人多认为我是一个热情和友好的人", "factor": "外向性", "reverse_scoring": False},
 ]
 
 # 因子维度说明
 FACTOR_DESCRIPTIONS = {
     "外向性": {
-        "description": "反映个体神经系统的强弱和动力特征。外向性主要表现为个体在人际交往和社交活动中的倾向性，包括对社交活动的兴趣、对人群的态度、社交互动中的主动程度以及在群体中的影响力。高分者倾向于积极参与社交活动，乐于与人交往，善于表达自我，并往往在群体中发挥领导作用；低分者则倾向于独处，不喜欢热闹的社交场合，表现出内向、安静的特征。",
+        "description": "反映个体神经系统的强弱和动力特征。外向性主要表现为个体在人际交往和社交活动中的倾向性，"
+        "包括对社交活动的兴趣、"
+        "对人群的态度、社交互动中的主动程度以及在群体中的影响力。高分者倾向于积极参与社交活动，乐于与人交往，善于表达自我，"
+        "并往往在群体中发挥领导作用；低分者则倾向于独处，不喜欢热闹的社交场合，表现出内向、安静的特征。",
         "trait_words": ["热情", "活力", "社交", "主动"],
         "subfactors": {
             "合群性": "个体愿意与他人聚在一起，即接近人群的倾向；高分表现乐群、好交际，低分表现封闭、独处",
             "热情": "个体对待别人时所表现出的态度；高分表现热情好客，低分表现冷淡",
             "支配性": "个体喜欢指使、操纵他人，倾向于领导别人的特点；高分表现好强、发号施令，低分表现顺从、低调",
-            "活跃": "个体精力充沛，活跃、主动性等特点；高分表现活跃，低分表现安静"
-        }
+            "活跃": "个体精力充沛，活跃、主动性等特点；高分表现活跃，低分表现安静",
+        },
     },
     "神经质": {
-        "description": "反映个体情绪的状态和体验内心苦恼的倾向性。这个维度主要关注个体在面对压力、挫折和日常生活挑战时的情绪稳定性和适应能力。它包含了对焦虑、抑郁、愤怒等负面情绪的敏感程度，以及个体对这些情绪的调节和控制能力。高分者容易体验负面情绪，对压力较为敏感，情绪波动较大；低分者则表现出较强的情绪稳定性，能够较好地应对压力和挫折。",
+        "description": "反映个体情绪的状态和体验内心苦恼的倾向性。这个维度主要关注个体在面对压力、"
+        "挫折和日常生活挑战时的情绪稳定性和适应能力。它包含了对焦虑、抑郁、愤怒等负面情绪的敏感程度，"
+        "以及个体对这些情绪的调节和控制能力。高分者容易体验负面情绪，对压力较为敏感，情绪波动较大；"
+        "低分者则表现出较强的情绪稳定性，能够较好地应对压力和挫折。",
         "trait_words": ["稳定", "沉着", "从容", "坚韧"],
         "subfactors": {
             "焦虑": "个体体验焦虑感的个体差异；高分表现坐立不安，低分表现平静",
             "抑郁": "个体体验抑郁情感的个体差异；高分表现郁郁寡欢，低分表现平静",
-            "敏感多疑": "个体常常关注自己的内心活动，行为和过于意识人对自己的看法、评价；高分表现敏感多疑，低分表现淡定、自信",
+            "敏感多疑": "个体常常关注自己的内心活动，行为和过于意识人对自己的看法、评价；高分表现敏感多疑，"
+            "低分表现淡定、自信",
             "脆弱性": "个体在危机或困难面前无力、脆弱的特点；高分表现无能、易受伤、逃避，低分表现坚强",
-            "愤怒-敌意": "个体准备体验愤怒，及相关情绪的状态；高分表现暴躁易怒，低分表现平静"
-        }
+            "愤怒-敌意": "个体准备体验愤怒，及相关情绪的状态；高分表现暴躁易怒，低分表现平静",
+        },
     },
     "严谨性": {
-        "description": "反映个体在目标导向行为上的组织、坚持和动机特征。这个维度体现了个体在工作、学习等目标性活动中的自我约束和行为管理能力。它涉及到个体的责任感、自律性、计划性、条理性以及完成任务的态度。高分者往往表现出强烈的责任心、良好的组织能力、谨慎的决策风格和持续的努力精神；低分者则可能表现出随意性强、缺乏规划、做事马虎或易放弃的特点。",
+        "description": "反映个体在目标导向行为上的组织、坚持和动机特征。这个维度体现了个体在工作、"
+        "学习等目标性活动中的自我约束和行为管理能力。它涉及到个体的责任感、自律性、计划性、条理性以及完成任务的态度。"
+        "高分者往往表现出强烈的责任心、良好的组织能力、谨慎的决策风格和持续的努力精神；低分者则可能表现出随意性强、"
+        "缺乏规划、做事马虎或易放弃的特点。",
         "trait_words": ["负责", "自律", "条理", "勤奋"],
         "subfactors": {
-            "责任心": "个体对待任务和他人认真负责，以及对自己承诺的信守；高分表现有责任心、负责任，低分表现推卸责任、逃避处罚",
+            "责任心": "个体对待任务和他人认真负责，以及对自己承诺的信守；高分表现有责任心、负责任，"
+            "低分表现推卸责任、逃避处罚",
             "自我控制": "个体约束自己的能力，及自始至终的坚持性；高分表现自制、有毅力，低分表现冲动、无毅力",
             "审慎性": "个体在采取具体行动前的心理状态；高分表现谨慎、小心，低分表现鲁莽、草率",
             "条理性": "个体处理事务和工作的秩序，条理和逻辑性；高分表现整洁、有秩序，低分表现混乱、遗漏",
-            "勤奋": "个体工作和学习的努力程度及为达到目标而表现出的进取精神；高分表现勤奋、刻苦，低分表现懒散"
-        }
+            "勤奋": "个体工作和学习的努力程度及为达到目标而表现出的进取精神；高分表现勤奋、刻苦，低分表现懒散",
+        },
     },
     "开放性": {
-        "description": "反映个体对新异事物、新观念和新经验的接受程度，以及在思维和行为方面的创新倾向。这个维度体现了个体在认知和体验方面的广度、深度和灵活性。它包括对艺术的欣赏能力、对知识的求知欲、想象力的丰富程度，以及对冒险和创新的态度。高分者往往具有丰富的想象力、广泛的兴趣、开放的思维方式和创新的倾向；低分者则倾向于保守、传统，喜欢熟悉和常规的事物。",
+        "description": "反映个体对新异事物、新观念和新经验的接受程度，以及在思维和行为方面的创新倾向。"
+        "这个维度体现了个体在认知和体验方面的广度、深度和灵活性。它包括对艺术的欣赏能力、对知识的求知欲、想象力的丰富程度，"
+        "以及对冒险和创新的态度。高分者往往具有丰富的想象力、广泛的兴趣、开放的思维方式和创新的倾向；低分者则倾向于保守、"
+        "传统，喜欢熟悉和常规的事物。",
         "trait_words": ["创新", "好奇", "艺术", "冒险"],
         "subfactors": {
             "幻想": "个体富于幻想和想象的水平；高分表现想象力丰富，低分表现想象力匮乏",
             "审美": "个体对于艺术和美的敏感与热爱程度；高分表现富有艺术气息，低分表现一般对艺术不敏感",
             "好奇心": "个体对未知事物的态度；高分表现兴趣广泛、好奇心浓，低分表现兴趣少、无好奇心",
             "冒险精神": "个体愿意尝试有风险活动的个体差异；高分表现好冒险，低分表现保守",
-            "价值观念": "个体对新事物、新观念、怪异想法的态度；高分表现开放、坦然接受新事物，低分则相反"
-        }
+            "价值观念": "个体对新事物、新观念、怪异想法的态度；高分表现开放、坦然接受新事物，低分则相反",
+        },
     },
     "宜人性": {
-        "description": "反映个体在人际关系中的亲和倾向，体现了对他人的关心、同情和合作意愿。这个维度主要关注个体与他人互动时的态度和行为特征，包括对他人的信任程度、同理心水平、助人意愿以及在人际冲突中的处理方式。高分者通常表现出友善、富有同情心、乐于助人的特质，善于与他人建立和谐关系；低分者则可能表现出较少的人际关注，在社交互动中更注重自身利益，较少考虑他人感受。",
+        "description": "反映个体在人际关系中的亲和倾向，体现了对他人的关心、同情和合作意愿。"
+        "这个维度主要关注个体与他人互动时的态度和行为特征，包括对他人的信任程度、同理心水平、"
+        "助人意愿以及在人际冲突中的处理方式。高分者通常表现出友善、富有同情心、乐于助人的特质，善于与他人建立和谐关系；"
+        "低分者则可能表现出较少的人际关注，在社交互动中更注重自身利益，较少考虑他人感受。",
         "trait_words": ["友善", "同理", "信任", "合作"],
         "subfactors": {
             "信任": "个体对他人和/或他人言论的相信程度；高分表现信任他人，低分表现怀疑",
             "体贴": "个体对别人的兴趣和需要的关注程度；高分表现体贴、温存，低分表现冷漠、不在乎",
-            "同情": "个体对处于不利地位的人或物的态度；高分表现富有同情心，低分表现冷漠"
-        }
-    }
+            "同情": "个体对处于不利地位的人或物的态度；高分表现富有同情心，低分表现冷漠",
+        },
+    },
 }

src/plugins/personality/renqingziji.py

@@ -1,10 +1,12 @@
-'''
-The definition of artificial personality in this paper follows the dispositional para-digm and adapts a definition of personality developed for humans [17]: 
+"""
+The definition of artificial personality in this paper follows the dispositional para-digm and adapts a definition of
+personality developed for humans [17]:
 Personality for a human is the "whole and organisation of relatively stable tendencies and patterns of experience and
-behaviour within one person (distinguishing it from other persons)". This definition is modified for artificial personality: 
+behaviour within one person (distinguishing it from other persons)". This definition is modified for artificial
+personality:
 Artificial personality describes the relatively stable tendencies and patterns of behav-iour of an AI-based machine that
 can be designed by developers and designers via different modalities, such as language, creating the impression
-of individuality of a humanized social agent when users interact with the machine.'''
+of individuality of a humanized social agent when users interact with the machine."""
 
 from typing import Dict, List
 import json
@@ -13,9 +15,9 @@ from pathlib import Path
 from dotenv import load_dotenv
 import sys
 
-'''
+"""
 第一种方案：基于情景评估的人格测定
-'''
+"""
 current_dir = Path(__file__).resolve().parent
 project_root = current_dir.parent.parent.parent
 env_path = project_root / ".env.prod"
@@ -23,9 +25,9 @@ env_path = project_root / ".env.prod"
 root_path = os.path.abspath(os.path.join(os.path.dirname(__file__), "../../.."))
 sys.path.append(root_path)
 
-from src.plugins.personality.scene import get_scene_by_factor,get_all_scenes,PERSONALITY_SCENES
-from src.plugins.personality.questionnaire import PERSONALITY_QUESTIONS,FACTOR_DESCRIPTIONS
-from src.plugins.personality.offline_llm import LLMModel 
+from src.plugins.personality.scene import get_scene_by_factor, PERSONALITY_SCENES  # noqa: E402
+from src.plugins.personality.questionnaire import FACTOR_DESCRIPTIONS  # noqa: E402
+from src.plugins.personality.offline_llm import LLMModel  # noqa: E402
 
 # 加载环境变量
 if env_path.exists():
@@ -49,6 +51,7 @@ class PersonalityEvaluator_direct:
 
             # 从每个维度选择3个场景
             import random
+
             scene_keys = list(scenes.keys())
             selected_scenes = random.sample(scene_keys, min(3, len(scene_keys)))
 
@@ -60,11 +63,9 @@ class PersonalityEvaluator_direct:
                 other_traits = [t for t in PERSONALITY_SCENES if t != trait]
                 secondary_trait = random.choice(other_traits)
 
-                self.scenarios.append({
-                    "场景": scene["scenario"],
-                    "评估维度": [trait, secondary_trait],
-                    "场景编号": scene_key
-                })
+                self.scenarios.append(
+                    {"场景": scene["scenario"], "评估维度": [trait, secondary_trait], "场景编号": scene_key}
+                )
 
         self.llm = LLMModel()
 
@@ -178,11 +179,7 @@ def main():
         print(f"测试场景数：{dimension_counts[trait]}")
 
     # 保存结果
-    result = {
-        "final_scores": final_scores, 
-        "dimension_counts": dimension_counts,
-        "scenarios": evaluator.scenarios
-    }
+    result = {"final_scores": final_scores, "dimension_counts": dimension_counts, "scenarios": evaluator.scenarios}
 
     # 确保目录存在
     os.makedirs("results", exist_ok=True)

src/plugins/personality/scene.py

@@ -1,4 +1,4 @@
-from typing import Dict, List
+from typing import Dict
 
 PERSONALITY_SCENES = {
     "外向性": {
@@ -8,7 +8,7 @@ PERSONALITY_SCENES = {
 同事：「嗨！你是新来的同事吧？我是市场部的小林。」
 
 同事看起来很友善，还主动介绍说：「待会午饭时间，我们部门有几个人准备一起去楼下新开的餐厅，你要一起来吗？可以认识一下其他同事。」""",
-            "explanation": "这个场景通过职场社交情境，观察个体对于新环境、新社交圈的态度和反应倾向。"
+            "explanation": "这个场景通过职场社交情境，观察个体对于新环境、新社交圈的态度和反应倾向。",
         },
         "场景2": {
             "scenario": """在大学班级群里，班长发起了一个组织班级联谊活动的投票：
@@ -16,7 +16,7 @@ PERSONALITY_SCENES = {
 班长：「大家好！下周末我们准备举办一次班级联谊活动，地点在学校附近的KTV。想请大家报名参加，也欢迎大家邀请其他班级的同学！」
 
 已经有几个同学在群里积极响应，有人@你问你要不要一起参加。""",
-            "explanation": "通过班级活动场景，观察个体对群体社交活动的参与意愿。"
+            "explanation": "通过班级活动场景，观察个体对群体社交活动的参与意愿。",
         },
         "场景3": {
             "scenario": """你在社交平台上发布了一条动态，收到了很多陌生网友的评论和私信：
@@ -24,13 +24,14 @@ PERSONALITY_SCENES = {
 网友A：「你说的这个观点很有意思！想和你多交流一下。」
 
 网友B：「我也对这个话题很感兴趣，要不要建个群一起讨论？」""",
-            "explanation": "通过网络社交场景，观察个体对线上社交的态度。"
+            "explanation": "通过网络社交场景，观察个体对线上社交的态度。",
         },
         "场景4": {
             "scenario": """你暗恋的对象今天主动来找你：
 
-对方：「那个...我最近在准备一个演讲比赛，听说你口才很好。能不能请你帮我看看演讲稿，顺便给我一些建议？如果你有时间的话，可以一起吃个饭聊聊。」""",
-            "explanation": "通过恋爱情境，观察个体在面对心仪对象时的社交表现。"
+对方：「那个...我最近在准备一个演讲比赛，听说你口才很好。能不能请你帮我看看演讲稿，顺便给我一些建议？"""
+            """如果你有时间的话，可以一起吃个饭聊聊。」""",
+            "explanation": "通过恋爱情境，观察个体在面对心仪对象时的社交表现。",
         },
         "场景5": {
             "scenario": """在一次线下读书会上，主持人突然点名让你分享读后感：
@@ -38,18 +39,18 @@ PERSONALITY_SCENES = {
 主持人：「听说你对这本书很有见解，能不能和大家分享一下你的想法？」
 
 现场有二十多个陌生的读书爱好者，都期待地看着你。""",
-            "explanation": "通过即兴发言场景，观察个体的社交表现欲和公众表达能力。"
-        }
+            "explanation": "通过即兴发言场景，观察个体的社交表现欲和公众表达能力。",
+        },
     },
-    
     "神经质": {
         "场景1": {
-            "scenario": """你正在准备一个重要的项目演示，这关系到你的晋升机会。就在演示前30分钟，你收到了主管发来的消息：
+            "scenario": """你正在准备一个重要的项目演示，这关系到你的晋升机会。"""
+            """就在演示前30分钟，你收到了主管发来的消息：
 
 主管：「临时有个变动，CEO也会来听你的演示。他对这个项目特别感兴趣。」
 
 正当你准备回复时，主管又发来一条：「对了，能不能把演示时间压缩到15分钟？CEO下午还有其他安排。你之前准备的是30分钟的版本对吧？」""",
-            "explanation": "这个场景通过突发的压力情境，观察个体在面对计划外变化时的情绪反应和调节能力。"
+            "explanation": "这个场景通过突发的压力情境，观察个体在面对计划外变化时的情绪反应和调节能力。",
         },
         "场景2": {
             "scenario": """期末考试前一天晚上，你收到了好朋友发来的消息：
@@ -57,7 +58,7 @@ PERSONALITY_SCENES = {
 好朋友：「不好意思这么晚打扰你...我看你平时成绩很好，能不能帮我解答几个问题？我真的很担心明天的考试。」
 
 你看了看时间，已经是晚上11点，而你原本计划的复习还没完成。""",
-            "explanation": "通过考试压力场景，观察个体在时间紧张时的情绪管理。"
+            "explanation": "通过考试压力场景，观察个体在时间紧张时的情绪管理。",
         },
         "场景3": {
             "scenario": """你在社交媒体上发表的一个观点引发了争议，有不少人开始批评你：
@@ -67,7 +68,7 @@ PERSONALITY_SCENES = {
 网友B：「建议楼主先去补补课再来发言。」
 
 评论区里的负面评论越来越多，还有人开始人身攻击。""",
-            "explanation": "通过网络争议场景，观察个体面对批评时的心理承受能力。"
+            "explanation": "通过网络争议场景，观察个体面对批评时的心理承受能力。",
         },
         "场景4": {
             "scenario": """你和恋人约好今天一起看电影，但在约定时间前半小时，对方发来消息：
@@ -77,7 +78,7 @@ PERSONALITY_SCENES = {
 二十分钟后，对方又发来消息：「可能要再等等，抱歉！」
 
 电影快要开始了，但对方还是没有出现。""",
-            "explanation": "通过恋爱情境，观察个体对不确定性的忍耐程度。"
+            "explanation": "通过恋爱情境，观察个体对不确定性的忍耐程度。",
         },
         "场景5": {
             "scenario": """在一次重要的小组展示中，你的组员在演示途中突然卡壳了：
@@ -85,10 +86,9 @@ PERSONALITY_SCENES = {
 组员小声对你说：「我忘词了，接下来的部分是什么来着...」
 
 台下的老师和同学都在等待，气氛有些尴尬。""",
-            "explanation": "通过公开场合的突发状况，观察个体的应急反应和压力处理能力。"
-        }
+            "explanation": "通过公开场合的突发状况，观察个体的应急反应和压力处理能力。",
+        },
     },
-    
     "严谨性": {
         "场景1": {
             "scenario": """你是团队的项目负责人，刚刚接手了一个为期两个月的重要项目。在第一次团队会议上：
@@ -98,7 +98,7 @@ PERSONALITY_SCENES = {
 小张：「要不要先列个时间表？不过感觉太详细的计划也没必要，点到为止就行。」
 
 小李：「客户那边说如果能提前完成有奖励，我觉得我们可以先做快一点的部分。」""",
-            "explanation": "这个场景通过项目管理情境，体现个体在工作方法、计划性和责任心方面的特征。"
+            "explanation": "这个场景通过项目管理情境，体现个体在工作方法、计划性和责任心方面的特征。",
         },
         "场景2": {
             "scenario": """期末小组作业，组长让大家分工完成一份研究报告。在截止日期前三天：
@@ -108,7 +108,7 @@ PERSONALITY_SCENES = {
 组员B：「我这边可能还要一天才能完成，最近太忙了。」
 
 组员C发来一份没有任何引用出处、可能存在抄袭的内容：「我写完了，你们看看怎么样？」""",
-            "explanation": "通过学习场景，观察个体对学术规范和质量要求的重视程度。"
+            "explanation": "通过学习场景，观察个体对学术规范和质量要求的重视程度。",
         },
         "场景3": {
             "scenario": """你在一个兴趣小组的群聊中，大家正在讨论举办一次线下活动：
@@ -118,7 +118,7 @@ PERSONALITY_SCENES = {
 成员B：「对啊，随意一点挺好的。」
 
 成员C：「人来了自然就热闹了。」""",
-            "explanation": "通过活动组织场景，观察个体对活动计划的态度。"
+            "explanation": "通过活动组织场景，观察个体对活动计划的态度。",
         },
         "场景4": {
             "scenario": """你和恋人计划一起去旅游，对方说：
@@ -126,7 +126,7 @@ PERSONALITY_SCENES = {
 恋人：「我们就随心而行吧！订个目的地，其他的到了再说，这样更有意思。」
 
 距离出发还有一周时间，但机票、住宿和具体行程都还没有确定。""",
-            "explanation": "通过旅行规划场景，观察个体的计划性和对不确定性的接受程度。"
+            "explanation": "通过旅行规划场景，观察个体的计划性和对不确定性的接受程度。",
         },
         "场景5": {
             "scenario": """在一个重要的团队项目中，你发现一个同事的工作存在明显错误：
@@ -134,18 +134,19 @@ PERSONALITY_SCENES = {
 同事：「差不多就行了，反正领导也看不出来。」
 
 这个错误可能不会立即造成问题，但长期来看可能会影响项目质量。""",
-            "explanation": "通过工作质量场景，观察个体对细节和标准的坚持程度。"
-        }
+            "explanation": "通过工作质量场景，观察个体对细节和标准的坚持程度。",
+        },
     },
-    
     "开放性": {
         "场景1": {
             "scenario": """周末下午，你的好友小美兴致勃勃地给你打电话：
 
-小美：「我刚发现一个特别有意思的沉浸式艺术展！不是传统那种挂画的展览，而是把整个空间都变成了艺术品。观众要穿特制的服装，还要带上VR眼镜，好像还有AI实时互动！」
+小美：「我刚发现一个特别有意思的沉浸式艺术展！不是传统那种挂画的展览，而是把整个空间都变成了艺术品。"""
+            """观众要穿特制的服装，还要带上VR眼镜，好像还有AI实时互动！」
 
-小美继续说：「虽然票价不便宜，但听说体验很独特。网上评价两极分化，有人说是前所未有的艺术革新，也有人说是哗众取宠。要不要周末一起去体验一下？」""",
-            "explanation": "这个场景通过新型艺术体验，反映个体对创新事物的接受程度和尝试意愿。"
+小美继续说：「虽然票价不便宜，但听说体验很独特。网上评价两极分化，有人说是前所未有的艺术革新，也有人说是哗众取宠。"""
+            """要不要周末一起去体验一下？」""",
+            "explanation": "这个场景通过新型艺术体验，反映个体对创新事物的接受程度和尝试意愿。",
         },
         "场景2": {
             "scenario": """在一节创意写作课上，老师提出了一个特别的作业：
@@ -153,15 +154,16 @@ PERSONALITY_SCENES = {
 老师：「下周的作业是用AI写作工具协助创作一篇小说。你们可以自由探索如何与AI合作，打破传统写作方式。」
 
 班上随即展开了激烈讨论，有人认为这是对创作的亵渎，也有人对这种新形式感到兴奋。""",
-            "explanation": "通过新技术应用场景，观察个体对创新学习方式的态度。"
+            "explanation": "通过新技术应用场景，观察个体对创新学习方式的态度。",
         },
         "场景3": {
             "scenario": """在社交媒体上，你看到一个朋友分享了一种新的生活方式：
 
-「最近我在尝试'数字游牧'生活，就是一边远程工作一边环游世界。没有固定住所，住青旅或短租，认识来自世界各地的朋友。虽然有时会很不稳定，但这种自由的生活方式真的很棒！」
+「最近我在尝试'数字游牧'生活，就是一边远程工作一边环游世界。"""
+            """没有固定住所，住青旅或短租，认识来自世界各地的朋友。虽然有时会很不稳定，但这种自由的生活方式真的很棒！」
 
 评论区里争论不断，有人向往这种生活，也有人觉得太冒险。""",
-            "explanation": "通过另类生活方式，观察个体对非传统选择的态度。"
+            "explanation": "通过另类生活方式，观察个体对非传统选择的态度。",
         },
         "场景4": {
             "scenario": """你的恋人突然提出了一个想法：
@@ -169,7 +171,7 @@ PERSONALITY_SCENES = {
 恋人：「我们要不要尝试一下开放式关系？就是在保持彼此关系的同时，也允许和其他人发展感情。现在国外很多年轻人都这样。」
 
 这个提议让你感到意外，你之前从未考虑过这种可能性。""",
-            "explanation": "通过感情观念场景，观察个体对非传统关系模式的接受度。"
+            "explanation": "通过感情观念场景，观察个体对非传统关系模式的接受度。",
         },
         "场景5": {
             "scenario": """在一次朋友聚会上，大家正在讨论未来职业规划：
@@ -179,10 +181,9 @@ PERSONALITY_SCENES = {
 朋友B：「我想去学习生物科技，准备转行做人造肉研发。」
 
 朋友C：「我在考虑加入一个区块链创业项目，虽然风险很大。」""",
-            "explanation": "通过职业选择场景，观察个体对新兴领域的探索意愿。"
-        }
+            "explanation": "通过职业选择场景，观察个体对新兴领域的探索意愿。",
+        },
     },
-    
     "宜人性": {
         "场景1": {
             "scenario": """在回家的公交车上，你遇到这样一幕：
@@ -194,7 +195,7 @@ PERSONALITY_SCENES = {
 年轻人B：「现在的老年人真是...我看她包里还有菜，肯定是去菜市场买完菜回来的，这么多人都不知道叫子女开车接送。」
 
 就在这时，老奶奶一个趔趄，差点摔倒。她扶住了扶手，但包里的东西洒了一些出来。""",
-            "explanation": "这个场景通过公共场合的助人情境，体现个体的同理心和对他人需求的关注程度。"
+            "explanation": "这个场景通过公共场合的助人情境，体现个体的同理心和对他人需求的关注程度。",
         },
         "场景2": {
             "scenario": """在班级群里，有同学发起为生病住院的同学捐款：
@@ -204,7 +205,7 @@ PERSONALITY_SCENES = {
 同学B：「我觉得这是他家里的事，我们不方便参与吧。」
 
 同学C：「但是都是同学一场，帮帮忙也是应该的。」""",
-            "explanation": "通过同学互助场景，观察个体的助人意愿和同理心。"
+            "explanation": "通过同学互助场景，观察个体的助人意愿和同理心。",
         },
         "场景3": {
             "scenario": """在一个网络讨论组里，有人发布了求助信息：
@@ -215,7 +216,7 @@ PERSONALITY_SCENES = {
 「生活本来就是这样，想开点！」
 「你这样子太消极了，要积极面对。」
 「谁还没点烦心事啊，过段时间就好了。」""",
-            "explanation": "通过网络互助场景，观察个体的共情能力和安慰方式。"
+            "explanation": "通过网络互助场景，观察个体的共情能力和安慰方式。",
         },
         "场景4": {
             "scenario": """你的恋人向你倾诉工作压力：
@@ -223,7 +224,7 @@ PERSONALITY_SCENES = {
 恋人：「最近工作真的好累，感觉快坚持不下去了...」
 
 但今天你也遇到了很多烦心事，心情也不太好。""",
-            "explanation": "通过感情关系场景，观察个体在自身状态不佳时的关怀能力。"
+            "explanation": "通过感情关系场景，观察个体在自身状态不佳时的关怀能力。",
         },
         "场景5": {
             "scenario": """在一次团队项目中，新来的同事小王因为经验不足，造成了一个严重的错误。在部门会议上：
@@ -231,11 +232,12 @@ PERSONALITY_SCENES = {
 主管：「这个错误造成了很大的损失，是谁负责的这部分？」
 
 小王看起来很紧张，欲言又止。你知道是他造成的错误，同时你也是这个项目的共同负责人。""",
-            "explanation": "通过职场情境，观察个体在面对他人过错时的态度和处理方式。"
-        }
-    }
+            "explanation": "通过职场情境，观察个体在面对他人过错时的态度和处理方式。",
+        },
+    },
 }
 
+
 def get_scene_by_factor(factor: str) -> Dict:
     """
     根据人格因子获取对应的情景测试
@@ -248,6 +250,7 @@ def get_scene_by_factor(factor: str) -> Dict:
     """
     return PERSONALITY_SCENES.get(factor, None)
 
+
 def get_all_scenes() -> Dict:
     """
     获取所有情景测试

webui.py

@@ -4,11 +4,14 @@ import toml
 import signal
 import sys
 import requests
+
 try:
     from src.common.logger import get_module_logger
+
     logger = get_module_logger("webui")
 except ImportError:
     from loguru import logger
+
     # 检查并创建日志目录
     log_dir = "logs/webui"
     if not os.path.exists(log_dir):
@@ -24,11 +27,13 @@ import ast
 from packaging import version
 from decimal import Decimal
 
+
 def signal_handler(signum, frame):
     """处理 Ctrl+C 信号"""
     logger.info("收到终止信号，正在关闭 Gradio 服务器...")
     sys.exit(0)
 
+
 # 注册信号处理器
 signal.signal(signal.SIGINT, signal_handler)
 
@@ -44,10 +49,10 @@ if not os.path.exists(".env.prod"):
     raise FileNotFoundError("环境配置文件 .env.prod 不存在，请检查配置文件路径")
 
 config_data = toml.load("config/bot_config.toml")
-#增加对老版本配置文件支持
+# 增加对老版本配置文件支持
 LEGACY_CONFIG_VERSION = version.parse("0.0.1")
 
-#增加最低支持版本
+# 增加最低支持版本
 MIN_SUPPORT_VERSION = version.parse("0.0.8")
 MIN_SUPPORT_MAIMAI_VERSION = version.parse("0.5.13")
 
@@ -66,7 +71,7 @@ else:
 
 HAVE_ONLINE_STATUS_VERSION = version.parse("0.0.9")
 
-#定义意愿模式可选项
+# 定义意愿模式可选项
 WILLING_MODE_CHOICES = [
     "classical",
     "dynamic",
@@ -74,11 +79,10 @@ WILLING_MODE_CHOICES = [
 ]
 
 
-
-
-#添加WebUI配置文件版本
+# 添加WebUI配置文件版本
 WEBUI_VERSION = version.parse("0.0.9")
 
+
 # ==============================================
 # env环境配置文件读取部分
 def parse_env_config(config_file):
@@ -204,7 +208,7 @@ MODEL_PROVIDER_LIST = parse_model_providers(env_config_data)
 # env读取保存结束
 # ==============================================
 
-#获取在线麦麦数量
+# 获取在线麦麦数量
 
 
 def get_online_maimbot(url="http://hyybuth.xyz:10058/api/clients/details", timeout=10):
@@ -445,9 +449,7 @@ def adjust_personality_less_probabilities(
 
 def adjust_model_greater_probabilities(t_model_1_probability, t_model_2_probability, t_model_3_probability):
     total = (
-            Decimal(str(t_model_1_probability)) +
-            Decimal(str(t_model_2_probability)) +
-            Decimal(str(t_model_3_probability))
+        Decimal(str(t_model_1_probability)) + Decimal(str(t_model_2_probability)) + Decimal(str(t_model_3_probability))
     )
     if total > Decimal("1.0"):
         warning_message = (
@@ -459,9 +461,7 @@ def adjust_model_greater_probabilities(t_model_1_probability, t_model_2_probabil
 
 def adjust_model_less_probabilities(t_model_1_probability, t_model_2_probability, t_model_3_probability):
     total = (
-            Decimal(str(t_model_1_probability))
-            + Decimal(str(t_model_2_probability))
-            + Decimal(str(t_model_3_probability))
+        Decimal(str(t_model_1_probability)) + Decimal(str(t_model_2_probability)) + Decimal(str(t_model_3_probability))
     )
     if total < Decimal("1.0"):
         warning_message = (
@@ -1212,10 +1212,10 @@ with gr.Blocks(title="MaimBot配置文件编辑") as app:
                             willing_mode = gr.Dropdown(
                                 choices=WILLING_MODE_CHOICES,
                                 value=config_data["willing"]["willing_mode"],
-                                label="回复意愿模式"
+                                label="回复意愿模式",
                             )
                     else:
-                        willing_mode = gr.Textbox(visible=False,value="disabled")
+                        willing_mode = gr.Textbox(visible=False, value="disabled")
                     with gr.Row():
                         model_r1_probability = gr.Slider(
                             minimum=0,