feat: 现在使用工具调用来更新关系和心情而不是固定更新

src/do_tool/tool_use.py

@@ -21,7 +21,7 @@ class ToolUser:
             model=global_config.llm_heartflow, temperature=0.2, max_tokens=1000, request_type="tool_use"
         )
 
-    async def _build_tool_prompt(self, message_txt: str, sender_name: str, chat_stream: ChatStream):
+    async def _build_tool_prompt(self, message_txt: str, sender_name: str, chat_stream: ChatStream, reply_message:str = ""):
         """构建工具使用的提示词
 
         Args:
@@ -45,9 +45,11 @@ class ToolUser:
         prompt = ""
         prompt += "你正在思考如何回复群里的消息。\n"
         prompt += f"你注意到{sender_name}刚刚说：{message_txt}\n"
+        if reply_message:
+            prompt += f"你刚刚回复的内容是：{reply_message}\n"
         prompt += f"注意你就是{bot_name}，{bot_name}指的就是你。"
 
-        prompt += "你现在需要对群里的聊天内容进行回复，现在请你思考，你是否需要额外的信息，或者一些工具来帮你回复，不要使用危险功能（比如文件操作或者系统操作爬虫），比如回忆或者搜寻已有的知识，或者了解你现在正在做什么，请输出你需要的工具，或者你需要的额外信息。"
+        prompt += "你现在需要对群里的聊天内容进行回复，现在选择工具来对消息和你的回复进行处理，你是否需要额外的信息，或者进行一些动作，比如回忆或者搜寻已有的知识，改变关系和情感，或者了解你现在正在做什么，请输出你需要的工具，或者你需要的额外信息。"
         return prompt
 
     def _define_tools(self):
@@ -81,10 +83,26 @@ class ToolUser:
             # 执行工具
             result = await tool_instance.execute(function_args, message_txt)
             if result:
+                # 根据工具名称确定类型标签
+                tool_type = ""
+                if "memory" in function_name.lower():
+                    tool_type = "memory"
+                elif "schedule" in function_name.lower() or "task" in function_name.lower():
+                    tool_type = "schedule"
+                elif "knowledge" in function_name.lower():
+                    tool_type = "knowledge"
+                elif "change_relationship" in function_name.lower():
+                    tool_type = "change_relationship"
+                elif "change_mood" in function_name.lower():
+                    tool_type = "change_mood"
+                else:
+                    tool_type = "other"
+
                 return {
                     "tool_call_id": tool_call["id"],
                     "role": "tool",
                     "name": function_name,
+                    "type": tool_type,
                     "content": result["content"],
                 }
             return None
@@ -101,7 +119,7 @@ class ToolUser:
             chat_stream: 聊天流对象
 
         Returns:
-            dict: 工具使用结果
+            dict: 工具使用结果，包含结构化的信息
         """
         try:
             # 构建提示词
@@ -109,6 +127,7 @@ class ToolUser:
 
             # 定义可用工具
             tools = self._define_tools()
+            logger.trace(f"工具定义: {tools}")
 
             # 使用llm_model_tool发送带工具定义的请求
             payload = {
@@ -119,7 +138,7 @@ class ToolUser:
                 "temperature": 0.2,
             }
 
-            logger.debug(f"发送工具调用请求，模型: {self.llm_model_tool.model_name}")
+            logger.trace(f"发送工具调用请求，模型: {self.llm_model_tool.model_name}")
             # 发送请求获取模型是否需要调用工具
             response = await self.llm_model_tool._execute_request(
                 endpoint="/chat/completions", payload=payload, prompt=prompt
@@ -128,36 +147,50 @@ class ToolUser:
             # 根据返回值数量判断是否有工具调用
             if len(response) == 3:
                 content, reasoning_content, tool_calls = response
-                logger.info(f"工具思考: {tool_calls}")
+                # logger.info(f"工具思考: {tool_calls}")
+                # logger.debug(f"工具思考: {content}")
 
                 # 检查响应中工具调用是否有效
                 if not tool_calls:
-                    logger.info("模型返回了空的tool_calls列表")
+                    logger.debug("模型返回了空的tool_calls列表")
                     return {"used_tools": False}
 
-                logger.info(f"模型请求调用{len(tool_calls)}个工具")
+                tool_calls_str = "" 
+                for tool_call in tool_calls:
+                    tool_calls_str += f"{tool_call['function']['name']}\n"
+                logger.info(f"模型请求调用{len(tool_calls)}个工具: {tool_calls_str}")
                 tool_results = []
-                collected_info = ""
+                structured_info = {
+                    "memory": [],
+                    "schedule": [],
+                    "knowledge": [],
+                    "change_relationship": [],
+                    "change_mood": [],
+                    "other": []
+                }
 
                 # 执行所有工具调用
                 for tool_call in tool_calls:
                     result = await self._execute_tool_call(tool_call, message_txt)
                     if result:
                         tool_results.append(result)
-                        # 将工具结果添加到收集的信息中
-                        collected_info += f"\n{result['name']}返回结果: {result['content']}\n"
+                        # 将工具结果添加到对应类型的列表中
+                        structured_info[result["type"]].append({
+                            "name": result["name"],
+                            "content": result["content"]
+                        })
 
-                # 如果有工具结果，直接返回收集的信息
-                if collected_info:
-                    logger.info(f"工具调用收集到信息: {collected_info}")
+                # 如果有工具结果，返回结构化的信息
+                if any(structured_info.values()):
+                    logger.info(f"工具调用收集到结构化信息: {json.dumps(structured_info, ensure_ascii=False)}")
                     return {
                         "used_tools": True,
-                        "collected_info": collected_info,
+                        "structured_info": structured_info
                     }
             else:
                 # 没有工具调用
                 content, reasoning_content = response
-                logger.info("模型没有请求调用任何工具")
+                logger.debug("模型没有请求调用任何工具")
 
             # 如果没有工具调用或处理失败，直接返回原始思考
             return {