fix：更名和小bug修复

src/heart_flow/README.md

@@ -1,7 +1,5 @@
 # 心流系统 (Heart Flow System)
 
-心流系统是一个模拟AI机器人内心思考和情感流动的核心系统。它通过多层次的心流结构，使AI能够对外界信息进行观察、思考和情感反应，从而产生更自然的对话和行为。
-
 ## 系统架构
 
 ### 1. 主心流 (Heartflow)
@@ -24,22 +22,6 @@
 - 支持多种观察类型（如聊天观察）
 - 对信息进行实时总结和更新
 
-## 主要功能
-
-### 思维系统
-- 定期进行思维更新
-- 维护短期记忆和思维连续性
-- 支持多层次的思维处理
-
-### 情感系统
-- 情绪状态管理
-- 回复意愿判断
-- 情感因素影响决策
-
-### 交互系统
-- 群聊消息处理
-- 多场景并行处理
-- 智能回复生成
 
 ## 工作流程
 
@@ -63,11 +45,6 @@ observation = ChattingObservation(chat_id)
 subheartflow.add_observation(observation)
 ```
 
-### 启动心流系统
-```python
-await heartflow.heartflow_start_working()
-```
-
 ## 配置说明
 
 系统的主要配置参数：
@@ -81,14 +58,100 @@ await heartflow.heartflow_start_working()
 2. 需要合理配置更新间隔以平衡性能和响应速度
 3. 观察系统会限制消息处理数量以避免过载 
 
+# PFChatting 与主动回复流程说明 (V2)
 
-更新：
-把聊天控制移动到心流下吧
-首先心流要根据日程以及当前状况判定总体状态MaiStateInfo
+本文档描述了 `PFChatting` 类及其在 `heartFC_controler` 模块中实现的主动、基于兴趣的回复流程。
 
-然后根据每个子心流的运行情况，给子心流分配聊天资源（ChatStateInfo：ABSENT CHAT 或者 FOCUS）
+## 1. `PFChatting` 类概述
 
-子心流负责根据状态进行执行
+*   **目标**: 管理特定聊天流 (`stream_id`) 的主动回复逻辑，使其行为更像人类的自然交流。
+*   **创建时机**: 当 `HeartFC_Chat` 的兴趣监控任务 (`_interest_monitor_loop`) 检测到某个聊天流的兴趣度 (`InterestChatting`) 达到了触发回复评估的条件 (`should_evaluate_reply`) 时，会为该 `stream_id` 获取或创建唯一的 `PFChatting` 实例 (`_get_or_create_heartFC_chat`)。
+*   **持有**:
+    *   对应的 `sub_heartflow` 实例引用 (通过 `heartflow.get_subheartflow(stream_id)`)。
+    *   对应的 `chat_stream` 实例引用。
+    *   对 `HeartFC_Chat` 单例的引用 (用于调用发送消息、处理表情等辅助方法)。
+*   **初始化**: `PFChatting` 实例在创建后会执行异步初始化 (`_initialize`)，这可能包括加载必要的上下文或历史信息（*待确认是否实现了读取历史消息*）。
 
-1.将interest.py进行拆分，class InterestChatting 将会在 sub_heartflow中声明，每个sub_heartflow都会所属一个InterestChatting
-class InterestManager 将会在heartflow中声明，成为heartflow的一个组件，伴随heartflow产生
+## 2. 核心回复流程 (由 `HeartFC_Chat` 触发)
+
+当 `HeartFC_Chat` 调用 `PFChatting` 实例的方法 (例如 `add_time`) 时，会启动内部的回复决策与执行流程：
+
+1.  **规划 (Planner):**
+    *   **输入**: 从关联的 `sub_heartflow` 获取观察结果、思考链、记忆片段等上下文信息。
+    *   **决策**:
+        *   判断当前是否适合进行回复。
+        *   决定回复的形式（纯文本、带表情包等）。
+        *   选择合适的回复时机和策略。
+    *   **实现**: *此部分逻辑待详细实现，可能利用 LLM 的工具调用能力来增强决策的灵活性和智能性。需要考虑机器人的个性化设定。*
+
+2.  **回复生成 (Replier):**
+    *   **输入**: Planner 的决策结果和必要的上下文。
+    *   **执行**:
+        *   调用 `ResponseGenerator` (`self.gpt`) 或类似组件生成具体的回复文本内容。
+        *   可能根据 Planner 的策略生成多个候选回复。
+    *   **并发**: 系统支持同时存在多个思考/生成任务（上限由 `global_config.max_concurrent_thinking_messages` 控制）。
+
+3.  **检查 (Checker):**
+    *   **时机**: 在回复生成过程中或生成后、发送前执行。
+    *   **目的**:
+        *   检查自开始生成回复以来，聊天流中是否出现了新的消息。
+        *   评估已生成的候选回复在新的上下文下是否仍然合适、相关。
+        *   *需要实现相似度比较逻辑，防止发送与近期消息内容相近或重复的回复。*
+    *   **处理**: 如果检查结果认为回复不合适，则该回复将被**抛弃**。
+
+4.  **发送协调:**
+    *   **执行**: 如果 Checker 通过，`PFChatting` 会调用 `HeartFC_Chat` 实例提供的发送接口：
+        *   `_create_thinking_message`: 通知 `MessageManager` 显示"正在思考"状态。
+        *   `_send_response_messages`: 将最终的回复文本交给 `MessageManager` 进行排队和发送。
+        *   `_handle_emoji`: 如果需要发送表情包，调用此方法处理表情包的获取和发送。
+    *   **细节**: 实际的消息发送、排队、间隔控制由 `MessageManager` 和 `MessageSender` 负责。
+
+## 3. 与其他模块的交互
+
+*   **`HeartFC_Chat`**:
+    *   创建、管理和触发 `PFChatting` 实例。
+    *   提供发送消息 (`_send_response_messages`)、处理表情 (`_handle_emoji`)、创建思考消息 (`_create_thinking_message`) 的接口给 `PFChatting` 调用。
+    *   运行兴趣监控循环 (`_interest_monitor_loop`)。
+*   **`InterestManager` / `InterestChatting`**:
+    *   `InterestManager` 存储每个 `stream_id` 的 `InterestChatting` 实例。
+    *   `InterestChatting` 负责计算兴趣衰减和回复概率。
+    *   `HeartFC_Chat` 查询 `InterestChatting.should_evaluate_reply()` 来决定是否触发 `PFChatting`。
+*   **`heartflow` / `sub_heartflow`**:
+    *   `PFChatting` 从对应的 `sub_heartflow` 获取进行规划所需的核心上下文信息 (观察、思考链等)。
+*   **`MessageManager` / `MessageSender`**:
+    *   接收来自 `HeartFC_Chat` 的发送请求 (思考消息、文本消息、表情包消息)。
+    *   管理消息队列 (`MessageContainer`)，处理消息发送间隔和实际发送 (`MessageSender`)。
+*   **`ResponseGenerator` (`gpt`)**:
+    *   被 `PFChatting` 的 Replier 部分调用，用于生成回复文本。
+*   **`MessageStorage`**:
+    *   存储所有接收和发送的消息。
+*   **`HippocampusManager`**:
+    *   `HeartFC_Processor` 使用它计算传入消息的记忆激活率，作为兴趣度计算的输入之一。
+
+## 4. 原有问题与状态更新
+
+1.  **每个 `pfchating` 是否对应一个 `chat_stream`，是否是唯一的？**
+    *   **是**。`HeartFC_Chat._get_or_create_heartFC_chat` 确保了每个 `stream_id` 只有一个 `PFChatting` 实例。 (已确认)
+2.  **`observe_text` 传入进来是纯 str，是不是应该传进来 message 构成的 list?**
+    *   **机制已改变**。当前的触发机制是基于 `InterestManager` 的概率判断。`PFChatting` 启动后，应从其关联的 `sub_heartflow` 获取更丰富的上下文信息，而非简单的 `observe_text`。
+3.  **检查失败的回复应该怎么处理？**
+    *   **暂定：抛弃**。这是当前 Checker 逻辑的基础设定。
+4.  **如何比较相似度？**
+    *   **待实现**。Checker 需要具体的算法来比较候选回复与新消息的相似度。
+5.  **Planner 怎么写？**
+    *   **待实现**。这是 `PFChatting` 的核心决策逻辑，需要结合 `sub_heartflow` 的输出、LLM 工具调用和个性化配置来设计。
+
+
+## 6. 未来优化点
+
+*   实现 Checker 中的相似度比较算法。
+*   详细设计并实现 Planner 的决策逻辑，包括 LLM 工具调用和个性化。
+*   确认并完善 `PFChatting._initialize()` 中的历史消息加载逻辑。
+*   探索更优的检查失败回复处理策略（例如：重新规划、修改回复等）。
+*   优化 `PFChatting` 与 `sub_heartflow` 的信息交互。
+
+
+
+BUG:
+2.复读，可能是planner还未校准好
+3.planner还未个性化，需要加入bot个性信息，且获取的聊天内容有问题