refactor(chat): 移除旧的聊天频率分析器模块(原来我还有个测试性功能没写啊,那删了吧())
整个 `frequency_analyzer` 模块已被移除。此模块的功能（如主动聊天触发）已被弃用或计划在未来通过更通用的机制重新实现，例如基于事件总线和插件系统的交互策略。 移除此模块可以简化代码库，并消除对已移动或重构的旧组件（如 AFC 管理器）的依赖。
This commit is contained in:
minecraft1024a
@@ -1,147 +0,0 @@
|
|||||||
"""
|
|
||||||
Chat Frequency Analyzer
|
|
||||||
=======================
|
|
||||||
|
|
||||||
本模块负责分析用户的聊天时间戳，以识别出他们最活跃的聊天时段（高峰时段）。
|
|
||||||
|
|
||||||
核心功能:
|
|
||||||
- 使用滑动窗口算法来检测时间戳集中的区域。
|
|
||||||
- 提供接口查询指定用户当前是否处于其聊天高峰时段内。
|
|
||||||
- 结果会被缓存以提高性能。
|
|
||||||
|
|
||||||
可配置参数:
|
|
||||||
- ANALYSIS_WINDOW_HOURS: 用于分析的时间窗口大小（小时）。
|
|
||||||
- MIN_CHATS_FOR_PEAK: 在一个窗口内需要多少次聊天才能被认为是高峰时段。
|
|
||||||
- MIN_GAP_BETWEEN_PEAKS_HOURS: 两个独立高峰时段之间的最小间隔（小时）。
|
|
||||||
"""
|
|
||||||
|
|
||||||
import time as time_module
|
|
||||||
from datetime import datetime, time, timedelta
|
|
||||||
|
|
||||||
from .tracker import chat_frequency_tracker
|
|
||||||
|
|
||||||
# --- 可配置参数 ---
|
|
||||||
# 用于分析的时间窗口大小（小时）
|
|
||||||
ANALYSIS_WINDOW_HOURS = 2
|
|
||||||
# 触发高峰时段所需的最小聊天次数
|
|
||||||
MIN_CHATS_FOR_PEAK = 4
|
|
||||||
# 两个独立高峰时段之间的最小间隔（小时）
|
|
||||||
MIN_GAP_BETWEEN_PEAKS_HOURS = 1
|
|
||||||
|
|
||||||
|
|
||||||
class ChatFrequencyAnalyzer:
|
|
||||||
"""
|
|
||||||
分析聊天时间戳，以识别用户的高频聊天时段。
|
|
||||||
"""
|
|
||||||
|
|
||||||
def __init__(self):
|
|
||||||
# 缓存分析结果，避免重复计算
|
|
||||||
# 格式: { "chat_id": (timestamp_of_analysis, [peak_windows]) }
|
|
||||||
self._analysis_cache: dict[str, tuple[float, list[tuple[time, time]]]] = {}
|
|
||||||
self._cache_ttl_seconds = 60 * 30 # 缓存30分钟
|
|
||||||
|
|
||||||
@staticmethod
|
|
||||||
def _find_peak_windows(timestamps: list[float]) -> list[tuple[datetime, datetime]]:
|
|
||||||
"""
|
|
||||||
使用滑动窗口算法来识别时间戳列表中的高峰时段。
|
|
||||||
|
|
||||||
Args:
|
|
||||||
timestamps (List[float]): 按时间排序的聊天时间戳。
|
|
||||||
|
|
||||||
Returns:
|
|
||||||
List[Tuple[datetime, datetime]]: 识别出的高峰时段列表，每个元组代表一个时间窗口的开始和结束。
|
|
||||||
"""
|
|
||||||
if len(timestamps) < MIN_CHATS_FOR_PEAK:
|
|
||||||
return []
|
|
||||||
|
|
||||||
# 将时间戳转换为 datetime 对象
|
|
||||||
datetimes = [datetime.fromtimestamp(ts) for ts in timestamps]
|
|
||||||
datetimes.sort()
|
|
||||||
|
|
||||||
peak_windows: list[tuple[datetime, datetime]] = []
|
|
||||||
window_start_idx = 0
|
|
||||||
|
|
||||||
for i in range(len(datetimes)):
|
|
||||||
# 移动窗口的起始点
|
|
||||||
while datetimes[i] - datetimes[window_start_idx] > timedelta(hours=ANALYSIS_WINDOW_HOURS):
|
|
||||||
window_start_idx += 1
|
|
||||||
|
|
||||||
# 检查当前窗口是否满足高峰条件
|
|
||||||
if i - window_start_idx + 1 >= MIN_CHATS_FOR_PEAK:
|
|
||||||
current_window_start = datetimes[window_start_idx]
|
|
||||||
current_window_end = datetimes[i]
|
|
||||||
|
|
||||||
# 合并重叠或相邻的高峰时段
|
|
||||||
if peak_windows and current_window_start - peak_windows[-1][1] < timedelta(
|
|
||||||
hours=MIN_GAP_BETWEEN_PEAKS_HOURS
|
|
||||||
):
|
|
||||||
# 扩展上一个窗口的结束时间
|
|
||||||
peak_windows[-1] = (peak_windows[-1][0], current_window_end)
|
|
||||||
else:
|
|
||||||
peak_windows.append((current_window_start, current_window_end))
|
|
||||||
|
|
||||||
return peak_windows
|
|
||||||
|
|
||||||
def get_peak_chat_times(self, chat_id: str) -> list[tuple[time, time]]:
|
|
||||||
"""
|
|
||||||
获取指定用户的高峰聊天时间段。
|
|
||||||
|
|
||||||
Args:
|
|
||||||
chat_id (str): 聊天标识符。
|
|
||||||
|
|
||||||
Returns:
|
|
||||||
List[Tuple[time, time]]: 高峰时段的列表，每个元组包含开始和结束时间 (time 对象)。
|
|
||||||
"""
|
|
||||||
# 检查缓存
|
|
||||||
cached_timestamp, cached_windows = self._analysis_cache.get(chat_id, (0, []))
|
|
||||||
if time_module.time() - cached_timestamp < self._cache_ttl_seconds:
|
|
||||||
return cached_windows
|
|
||||||
|
|
||||||
timestamps = chat_frequency_tracker.get_timestamps_for_chat(chat_id)
|
|
||||||
if not timestamps:
|
|
||||||
return []
|
|
||||||
|
|
||||||
peak_datetime_windows = self._find_peak_windows(timestamps)
|
|
||||||
|
|
||||||
# 将 datetime 窗口转换为 time 窗口，并进行归一化处理
|
|
||||||
peak_time_windows = []
|
|
||||||
for start_dt, end_dt in peak_datetime_windows:
|
|
||||||
# TODO:这里可以添加更复杂的逻辑来处理跨天的平均时间
|
|
||||||
# 为简化，我们直接使用窗口的起止时间
|
|
||||||
peak_time_windows.append((start_dt.time(), end_dt.time()))
|
|
||||||
|
|
||||||
# 更新缓存
|
|
||||||
self._analysis_cache[chat_id] = (time_module.time(), peak_time_windows)
|
|
||||||
|
|
||||||
return peak_time_windows
|
|
||||||
|
|
||||||
def is_in_peak_time(self, chat_id: str, now: datetime | None = None) -> bool:
|
|
||||||
"""
|
|
||||||
检查当前时间是否处于用户的高峰聊天时段内。
|
|
||||||
|
|
||||||
Args:
|
|
||||||
chat_id (str): 聊天标识符。
|
|
||||||
now (Optional[datetime]): 要检查的时间，默认为当前时间。
|
|
||||||
|
|
||||||
Returns:
|
|
||||||
bool: 如果处于高峰时段则返回 True，否则返回 False。
|
|
||||||
"""
|
|
||||||
if now is None:
|
|
||||||
now = datetime.now()
|
|
||||||
|
|
||||||
now_time = now.time()
|
|
||||||
peak_times = self.get_peak_chat_times(chat_id)
|
|
||||||
|
|
||||||
for start_time, end_time in peak_times:
|
|
||||||
if start_time <= end_time: # 同一天
|
|
||||||
if start_time <= now_time <= end_time:
|
|
||||||
return True
|
|
||||||
else: # 跨天
|
|
||||||
if now_time >= start_time or now_time <= end_time:
|
|
||||||
return True
|
|
||||||
|
|
||||||
return False
|
|
||||||
|
|
||||||
|
|
||||||
# 创建一个全局单例
|
|
||||||
chat_frequency_analyzer = ChatFrequencyAnalyzer()
|
|
||||||
@@ -1,78 +0,0 @@
|
|||||||
import time
|
|
||||||
from pathlib import Path
|
|
||||||
|
|
||||||
import orjson
|
|
||||||
|
|
||||||
from src.common.logger import get_logger
|
|
||||||
|
|
||||||
# 数据存储路径
|
|
||||||
DATA_DIR = Path("data/frequency_analyzer")
|
|
||||||
DATA_DIR.mkdir(parents=True, exist_ok=True)
|
|
||||||
TRACKER_FILE = DATA_DIR / "chat_timestamps.json"
|
|
||||||
|
|
||||||
logger = get_logger("ChatFrequencyTracker")
|
|
||||||
|
|
||||||
|
|
||||||
class ChatFrequencyTracker:
|
|
||||||
"""
|
|
||||||
负责跟踪和存储用户聊天启动时间戳。
|
|
||||||
"""
|
|
||||||
|
|
||||||
def __init__(self):
|
|
||||||
self._timestamps: dict[str, list[float]] = self._load_timestamps()
|
|
||||||
|
|
||||||
@staticmethod
|
|
||||||
def _load_timestamps() -> dict[str, list[float]]:
|
|
||||||
"""从本地文件加载时间戳数据。"""
|
|
||||||
if not TRACKER_FILE.exists():
|
|
||||||
return {}
|
|
||||||
try:
|
|
||||||
with open(TRACKER_FILE, "rb") as f:
|
|
||||||
data = orjson.loads(f.read())
|
|
||||||
logger.info(f"成功从 {TRACKER_FILE} 加载了聊天时间戳数据。")
|
|
||||||
return data
|
|
||||||
except orjson.JSONDecodeError:
|
|
||||||
logger.warning(f"无法解析 {TRACKER_FILE}，将创建一个新的空数据文件。")
|
|
||||||
return {}
|
|
||||||
except Exception as e:
|
|
||||||
logger.error(f"加载聊天时间戳数据时发生未知错误: {e}")
|
|
||||||
return {}
|
|
||||||
|
|
||||||
def _save_timestamps(self):
|
|
||||||
"""将当前的时间戳数据保存到本地文件。"""
|
|
||||||
try:
|
|
||||||
with open(TRACKER_FILE, "wb") as f:
|
|
||||||
f.write(orjson.dumps(self._timestamps))
|
|
||||||
except Exception as e:
|
|
||||||
logger.error(f"保存聊天时间戳数据到 {TRACKER_FILE} 时失败: {e}")
|
|
||||||
|
|
||||||
def record_chat_start(self, chat_id: str):
|
|
||||||
"""
|
|
||||||
记录一次聊天会话的开始。
|
|
||||||
|
|
||||||
Args:
|
|
||||||
chat_id (str): 唯一的聊天标识符 (例如，用户ID)。
|
|
||||||
"""
|
|
||||||
now = time.time()
|
|
||||||
if chat_id not in self._timestamps:
|
|
||||||
self._timestamps[chat_id] = []
|
|
||||||
|
|
||||||
self._timestamps[chat_id].append(now)
|
|
||||||
logger.debug(f"为 chat_id '{chat_id}' 记录了新的聊天时间: {now}")
|
|
||||||
self._save_timestamps()
|
|
||||||
|
|
||||||
def get_timestamps_for_chat(self, chat_id: str) -> list[float] | None:
|
|
||||||
"""
|
|
||||||
获取指定聊天的所有时间戳记录。
|
|
||||||
|
|
||||||
Args:
|
|
||||||
chat_id (str): 聊天标识符。
|
|
||||||
|
|
||||||
Returns:
|
|
||||||
Optional[List[float]]: 时间戳列表，如果不存在则返回 None。
|
|
||||||
"""
|
|
||||||
return self._timestamps.get(chat_id)
|
|
||||||
|
|
||||||
|
|
||||||
# 创建一个全局单例
|
|
||||||
chat_frequency_tracker = ChatFrequencyTracker()
|
|
||||||
@@ -1,103 +0,0 @@
|
|||||||
"""
|
|
||||||
Frequency-Based Proactive Trigger
|
|
||||||
=================================
|
|
||||||
|
|
||||||
本模块实现了一个周期性任务，用于根据用户的聊天频率来智能地触发主动思考。
|
|
||||||
|
|
||||||
核心功能:
|
|
||||||
- 定期运行，检查所有已知的私聊用户。
|
|
||||||
- 调用 ChatFrequencyAnalyzer 判断当前是否处于用户的高峰聊天时段。
|
|
||||||
- 如果满足条件（高峰时段、角色清醒、聊天循环空闲），则触发一次主动思考。
|
|
||||||
- 包含冷却机制，以避免在同一个高峰时段内重复打扰用户。
|
|
||||||
|
|
||||||
可配置参数:
|
|
||||||
- TRIGGER_CHECK_INTERVAL_SECONDS: 触发器检查的周期（秒）。
|
|
||||||
- COOLDOWN_HOURS: 在同一个高峰时段内触发一次后的冷却时间（小时）。
|
|
||||||
"""
|
|
||||||
|
|
||||||
import asyncio
|
|
||||||
import time
|
|
||||||
from datetime import datetime
|
|
||||||
|
|
||||||
from src.common.logger import get_logger
|
|
||||||
|
|
||||||
# AFC manager has been moved to chatter plugin
|
|
||||||
# TODO: 需要重新实现主动思考和睡眠管理功能
|
|
||||||
from .analyzer import chat_frequency_analyzer
|
|
||||||
|
|
||||||
logger = get_logger("FrequencyBasedTrigger")
|
|
||||||
|
|
||||||
# --- 可配置参数 ---
|
|
||||||
# 触发器检查周期（秒）
|
|
||||||
TRIGGER_CHECK_INTERVAL_SECONDS = 60 * 5 # 5分钟
|
|
||||||
# 冷却时间（小时），确保在一个高峰时段只触发一次
|
|
||||||
COOLDOWN_HOURS = 3
|
|
||||||
|
|
||||||
|
|
||||||
class FrequencyBasedTrigger:
|
|
||||||
"""
|
|
||||||
一个周期性任务，根据聊天频率分析结果来触发主动思考。
|
|
||||||
"""
|
|
||||||
|
|
||||||
def __init__(self):
|
|
||||||
# TODO: 需要重新实现睡眠管理器
|
|
||||||
self._task: asyncio.Task | None = None
|
|
||||||
# 记录上次为用户触发的时间，用于冷却控制
|
|
||||||
# 格式: { "chat_id": timestamp }
|
|
||||||
self._last_triggered: dict[str, float] = {}
|
|
||||||
|
|
||||||
async def _run_trigger_cycle(self):
|
|
||||||
"""触发器的主要循环逻辑。"""
|
|
||||||
while True:
|
|
||||||
try:
|
|
||||||
await asyncio.sleep(TRIGGER_CHECK_INTERVAL_SECONDS)
|
|
||||||
logger.debug("开始执行频率触发器检查...")
|
|
||||||
|
|
||||||
# 1. TODO: 检查角色是否清醒 - 需要重新实现睡眠状态检查
|
|
||||||
# 暂时跳过睡眠检查
|
|
||||||
# if self._sleep_manager.is_sleeping():
|
|
||||||
# logger.debug("角色正在睡眠，跳过本次频率触发检查。")
|
|
||||||
# continue
|
|
||||||
|
|
||||||
# 2. 获取所有已知的聊天ID
|
|
||||||
# 注意：AFC管理器已移至chatter插件，此功能暂时禁用
|
|
||||||
# all_chat_ids = list(afc_manager.affinity_flow_chatters.keys())
|
|
||||||
all_chat_ids = [] # 暂时禁用此功能
|
|
||||||
if not all_chat_ids:
|
|
||||||
continue
|
|
||||||
|
|
||||||
now = datetime.now()
|
|
||||||
|
|
||||||
for chat_id in all_chat_ids:
|
|
||||||
# 3. 检查是否处于冷却时间内
|
|
||||||
last_triggered_time = self._last_triggered.get(chat_id, 0)
|
|
||||||
if time.time() - last_triggered_time < COOLDOWN_HOURS * 3600:
|
|
||||||
continue
|
|
||||||
|
|
||||||
# 4. 检查当前是否是该用户的高峰聊天时间
|
|
||||||
if chat_frequency_analyzer.is_in_peak_time(chat_id, now):
|
|
||||||
# 5. 检查用户当前是否已有活跃的处理任务
|
|
||||||
# 注意：AFC管理器已移至chatter插件，此功能暂时禁用
|
|
||||||
# chatter = afc_manager.get_or_create_chatter(chat_id)
|
|
||||||
logger.info(f"检测到用户 {chat_id} 处于聊天高峰期，但AFC功能已移至chatter插件")
|
|
||||||
continue
|
|
||||||
|
|
||||||
except asyncio.CancelledError:
|
|
||||||
logger.info("频率触发器任务被取消。")
|
|
||||||
break
|
|
||||||
except Exception as e:
|
|
||||||
logger.error(f"频率触发器循环发生未知错误: {e}", exc_info=True)
|
|
||||||
# 发生错误后，等待更长时间再重试，避免刷屏
|
|
||||||
await asyncio.sleep(TRIGGER_CHECK_INTERVAL_SECONDS * 2)
|
|
||||||
|
|
||||||
def start(self):
|
|
||||||
"""启动触发器任务。"""
|
|
||||||
if self._task is None or self._task.done():
|
|
||||||
self._task = asyncio.create_task(self._run_trigger_cycle())
|
|
||||||
logger.info("基于聊天频率的主动思考触发器已启动。")
|
|
||||||
|
|
||||||
def stop(self):
|
|
||||||
"""停止触发器任务。"""
|
|
||||||
if self._task and not self._task.done():
|
|
||||||
self._task.cancel()
|
|
||||||
logger.info("基于聊天频率的主动思考触发器已停止。")
|
|
||||||
Reference in New Issue
Block a user