feat(kfc):独立私聊回复模型配置

- 在 ModelTaskConfig 中为私聊场景添加 `replyer_private` 字段
- 更新 KFC 回复器和统一模块以使用新的私聊配置
- 配置模板版本升级至 1.4.2，并更新 DeepSeek 模型名称
- 增强 KokoroFlowChatter 的执行日志

src/config/api_ada_configs.py

@@ -130,7 +130,8 @@ class ModelTaskConfig(ValidatedConfigBase):
     # 必需配置项
     utils: TaskConfig = Field(..., description="组件模型配置")
     utils_small: TaskConfig = Field(..., description="组件小模型配置")
-    replyer: TaskConfig = Field(..., description="normal_chat首要回复模型模型配置")
+    replyer: TaskConfig = Field(..., description="normal_chat首要回复模型模型配置（群聊使用）")
+    replyer_private: TaskConfig = Field(..., description="normal_chat首要回复模型模型配置（私聊使用）")
     maizone: TaskConfig = Field(..., description="maizone专用模型")
     emotion: TaskConfig = Field(..., description="情绪模型配置")
     vlm: TaskConfig = Field(..., description="视觉语言模型配置")

src/plugins/built_in/kokoro_flow_chatter/chatter.py

@@ -206,7 +206,8 @@ class KokoroFlowChatter(BaseChatter):
                 exec_results = []
                 has_reply = False
 
-                for action in plan_response.actions:
+                for idx, action in enumerate(plan_response.actions, 1):
+                    logger.debug(f"[KFC] 执行第 {idx}/{len(plan_response.actions)} 个动作: {action.type}")
                     action_data = action.params.copy()
 
                     result = await self.action_manager.execute_action(
@@ -218,6 +219,7 @@ class KokoroFlowChatter(BaseChatter):
                         thinking_id=None,
                         log_prefix="[KFC]",
                     )
+                    logger.debug(f"[KFC] 动作 {action.type} 执行结果: success={result.get('success')}, reply_text={result.get('reply_text', '')[:50]}")
                     exec_results.append(result)
                     if result.get("success") and action.type in ("kfc_reply", "respond"):
                         has_reply = True

src/plugins/built_in/kokoro_flow_chatter/replyer.py

@@ -61,12 +61,12 @@ async def generate_reply_text(
         if global_config and global_config.debug.show_prompt:
             logger.info(f"[KFC Replyer] 生成的回复提示词:\n{prompt}")
 
-        # 2. 获取 replyer 模型配置并调用 LLM
+        # 2. 获取 replyer_private 模型配置并调用 LLM（KFC私聊专用）
         models = llm_api.get_available_models()
-        replyer_config = models.get("replyer")
+        replyer_config = models.get("replyer_private")
 
         if not replyer_config:
-            logger.error("[KFC Replyer] 未找到 replyer 模型配置")
+            logger.error("[KFC Replyer] 未找到 replyer_private 模型配置")
             return False, "（回复生成失败：未找到模型配置）"
 
         success, raw_response, _reasoning, _model_name = await llm_api.generate_with_model(

src/plugins/built_in/kokoro_flow_chatter/unified.py

@@ -389,13 +389,13 @@ async def generate_unified_response(
                 f"--- PROMPT END ---"
             )
 
-        # 获取 replyer 模型配置并调用 LLM
+        # 获取 replyer_private 模型配置并调用 LLM（KFC私聊专用）
         models = llm_api.get_available_models()
-        replyer_config = models.get("replyer")
+        replyer_config = models.get("replyer_private")
 
         if not replyer_config:
-            logger.error("[KFC Unified] 未找到 replyer 模型配置")
+            logger.error("[KFC Unified] 未找到 replyer_private 模型配置")
-            return LLMResponse.create_error_response("未找到 replyer 模型配置")
+            return LLMResponse.create_error_response("未找到 replyer_private 模型配置")
 
         # 调用 LLM（使用合并后的提示词）
         success, raw_response, _reasoning, _model_name = await llm_api.generate_with_model(

template/model_config_template.toml

@@ -1,5 +1,5 @@
 [inner]
-version = "1.4.1"
+version = "1.4.2"
 
 # 配置文件版本号迭代规则同bot_config.toml
 
@@ -68,8 +68,8 @@ price_out = 8.0                    # 输出价格（用于API调用统计，单
 #enable_semantic_variants = false # [可选] 启用语义变体。作为一种扰动策略，生成语义上相似但表达不同的提示。默认为 false。
 
 [[models]]
-model_identifier = "deepseek-ai/DeepSeek-V3.2-Exp"
+model_identifier = "deepseek-ai/DeepSeek-V3."
-name = "siliconflow-deepseek-ai/DeepSeek-V3.2-Exp"
+name = "siliconflow-deepseek-ai/DeepSeek-V3.2"
 api_provider = "SiliconFlow"
 price_in = 2.0
 price_out = 8.0
@@ -170,7 +170,7 @@ thinking_budget = 256       # Gemini2.5系列旧版参数，不同模型范围
 #price_out = 0.0
 
 [model_task_config.utils] # 在麦麦的一些组件中使用的模型，例如表情包模块，取名模块，关系模块，是麦麦必须的模型
-model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2-Exp"] # 使用的模型列表，每个子项对应上面的模型名称(name)
+model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2"] # 使用的模型列表，每个子项对应上面的模型名称(name)
 temperature = 0.2                        # 模型温度，新V3建议0.1-0.3
 max_tokens = 800                         # 最大输出token数
 #concurrency_count = 2                   # 并发请求数量，默认为1（不并发），设置为2或更高启用并发
@@ -180,29 +180,34 @@ model_list = ["qwen3-8b"]
 temperature = 0.7
 max_tokens = 800
 
-[model_task_config.replyer] # 首要回复模型，还用于表达器和表达方式学习
+[model_task_config.replyer] # 首要回复模型（群聊使用），还用于表达器和表达方式学习
-model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2-Exp"]
+model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2"]
+temperature = 0.2                        # 模型温度，新V3建议0.1-0.3
+max_tokens = 800
+
+[model_task_config.replyer_private] # 私聊回复模型（KFC私聊专用）
+model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2"]  # 可以配置不同的模型用于私聊
 temperature = 0.2                        # 模型温度，新V3建议0.1-0.3
 max_tokens = 800
 
 [model_task_config.planner] #决策：负责决定麦麦该做什么的模型
-model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2-Exp"]
+model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2"]
 temperature = 0.3
 max_tokens = 800
 
 
 [model_task_config.emotion] #负责麦麦的情绪变化
-model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2-Exp"]
+model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2"]
 temperature = 0.3
 max_tokens = 800
 
 [model_task_config.mood] #负责麦麦的心情变化
-model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2-Exp"]
+model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2"]
 temperature = 0.3
 max_tokens = 800
 
 [model_task_config.maizone] # maizone模型
-model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2-Exp"]
+model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2"]
 temperature = 0.7
 max_tokens = 800
 
@@ -229,22 +234,22 @@ temperature = 0.7
 max_tokens = 800
 
 [model_task_config.schedule_generator]#日程表生成模型
-model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2-Exp"]
+model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2"]
 temperature = 0.7
 max_tokens = 1000
 
 [model_task_config.anti_injection] # 反注入检测专用模型
-model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2-Exp"]           # 使用快速的小模型进行检测
+model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2"]           # 使用快速的小模型进行检测
 temperature = 0.1                   # 低温度确保检测结果稳定
 max_tokens = 200                    # 检测结果不需要太长的输出
 
 [model_task_config.monthly_plan_generator] # 月层计划生成模型
-model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2-Exp"]
+model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2"]
 temperature = 0.7
 max_tokens = 1000
 
 [model_task_config.relationship_tracker] # 用户关系追踪模型
-model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2-Exp"]
+model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2"]
 temperature = 0.7
 max_tokens = 1000
 
@@ -258,12 +263,12 @@ embedding_dimension = 1024
 #------------LPMM知识库模型------------
 
 [model_task_config.lpmm_entity_extract] # 实体提取模型
-model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2-Exp"]
+model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2"]
 temperature = 0.2
 max_tokens = 800
 
 [model_task_config.lpmm_rdf_build] # RDF构建模型
-model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2-Exp"]
+model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2"]
 temperature = 0.2
 max_tokens = 800
 
@@ -285,7 +290,7 @@ temperature = 0.2
 max_tokens = 1000
 
 [model_task_config.memory_long_term_builder] # 长期记忆构建模型（短期→长期图结构）
-model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2-Exp"]
+model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2"]
 temperature = 0.2
 max_tokens = 1500