diff --git a/src/plugins/built_in/proactive_thinker/proactive_thinker_executor.py b/src/plugins/built_in/proactive_thinker/proactive_thinker_executor.py index 1f83d75e3..4465f76e6 100644 --- a/src/plugins/built_in/proactive_thinker/proactive_thinker_executor.py +++ b/src/plugins/built_in/proactive_thinker/proactive_thinker_executor.py @@ -29,7 +29,10 @@ class ProactiveThinkerExecutor: """ def __init__(self): - # 可以在此初始化所需模块，例如LLM请求器等 + """ + 初始化 ProactiveThinkerExecutor 实例。 + 目前无需初始化操作。 + """ pass async def execute(self, stream_id: str, start_mode: str = "wake_up"): @@ -91,21 +94,37 @@ class ProactiveThinkerExecutor: logger.warning(f"无法发送消息，因为找不到 stream_id 为 {stream_id} 的聊天流") def _get_stream_from_id(self, stream_id: str): - """根据stream_id解析并获取stream对象""" + """ + 根据 stream_id 解析并获取对应的聊天流对象。 + + Args: + stream_id: 聊天流的唯一标识符，格式为 "platform:chat_id:stream_type"。 + + Returns: + 对应的 ChatStream 对象，如果解析失败或找不到则返回 None。 + """ try: platform, chat_id, stream_type = stream_id.split(":") if stream_type == "private": return chat_api.ChatManager.get_private_stream_by_user_id(platform=platform, user_id=chat_id) elif stream_type == "group": - return chat_api.ChatManager.get_group_stream_by_group_id(platform=platform,group_id=chat_id) + return chat_api.ChatManager.get_group_stream_by_group_id(platform=platform, group_id=chat_id) except Exception as e: logger.error(f"解析 stream_id ({stream_id}) 或获取 stream 失败: {e}") return None async def _gather_context(self, stream_id: str) -> dict[str, Any] | None: """ - 收集构建提示词所需的所有上下文信息. - 根据聊天流是私聊还是群聊, 收集不同的上下文. + 收集构建决策和规划提示词所需的所有上下文信息。 + + 此函数会根据聊天流是私聊还是群聊，收集不同的信息， + 包括但不限于日程、聊天历史、人设、关系信息等。 + + Args: + stream_id: 聊天流ID。 + + Returns: + 一个包含所有上下文信息的字典，如果找不到聊天流则返回 None。 """ stream = self._get_stream_from_id(stream_id) if not stream: @@ -114,18 +133,28 @@ class ProactiveThinkerExecutor: # 1. 收集通用信息 (日程, 聊天历史, 动作历史) schedules = await schedule_api.ScheduleAPI.get_today_schedule() - schedule_context = "\n".join([f"- {s.get('time_range', '未知时间')}: {s.get('activity', '未知活动')}" for s in schedules]) if schedules else "今天没有日程安排。" - + schedule_context = ( + "\n".join([f"- {s.get('time_range', '未知时间')}: {s.get('activity', '未知活动')}" for s in schedules]) + if schedules + else "今天没有日程安排。" + ) + recent_messages = await message_api.get_recent_messages(stream_id, limit=10) - recent_chat_history = await message_api.build_readable_messages_to_str(recent_messages) if recent_messages else "无" - + recent_chat_history = ( + await message_api.build_readable_messages_to_str(recent_messages) if recent_messages else "无" + ) + action_history_list = await database_api.db_query( database_api.MODEL_MAPPING["ActionRecords"], filters={"chat_id": stream_id, "action_name": "proactive_decision"}, limit=3, order_by=["-time"], ) - action_history_context = "\n".join([f"- {a['action_data']}" for a in action_history_list if isinstance(a, dict)]) if isinstance(action_history_list, list) else "无" + action_history_context = ( + "\n".join([f"- {a['action_data']}" for a in action_history_list if isinstance(a, dict)]) + if isinstance(action_history_list, list) + else "无" + ) # 2. 构建基础上下文 base_context = { @@ -142,13 +171,12 @@ class ProactiveThinkerExecutor: # 3. 根据聊天类型补充特定上下文 if stream.group_info: # 群聊场景 - base_context.update({ - "chat_type": "group", - "group_info": { - "group_name": stream.group_info.group_name, - "group_id": stream.group_info.group_id + base_context.update( + { + "chat_type": "group", + "group_info": {"group_name": stream.group_info.group_name, "group_id": stream.group_info.group_id}, } - }) + ) return base_context elif stream.user_info: # 私聊场景 user_info = stream.user_info @@ -164,23 +192,34 @@ class ProactiveThinkerExecutor: impression = await person_info_manager.get_value(person_id, "impression") or "无" attitude = await person_info_manager.get_value(person_id, "attitude") or 50 - base_context.update({ - "chat_type": "private", - "person_id": person_id, - "user_info": user_info, - "relationship": { - "short_impression": short_impression, - "impression": impression, - "attitude": attitude + base_context.update( + { + "chat_type": "private", + "person_id": person_id, + "user_info": user_info, + "relationship": { + "short_impression": short_impression, + "impression": impression, + "attitude": attitude, + }, } - }) + ) return base_context else: logger.warning(f"Stream {stream_id} 既没有 group_info 也没有 user_info") return None def _build_decision_prompt(self, context: dict[str, Any], start_mode: str) -> str: - """ 根据上下文构建决策prompt """ + """ + 根据收集到的上下文信息，构建用于决策的提示词。 + + Args: + context: 包含所有上下文信息的字典。 + start_mode: 启动模式 ('cold_start' 或 'wake_up')。 + + Returns: + 构建完成的决策提示词字符串。 + """ chat_type = context["chat_type"] persona = context["persona"] @@ -256,10 +295,18 @@ class ProactiveThinkerExecutor: async def _make_decision(self, context: dict[str, Any], start_mode: str) -> dict[str, Any] | None: """ - 决策模块：判断是否应该主动发起对话，以及聊什么话题 + 调用 LLM 进行决策，判断是否应该主动发起对话，以及聊什么话题。 + + Args: + context: 包含所有上下文信息的字典。 + start_mode: 启动模式。 + + Returns: + 一个包含决策结果的字典 (例如: {"should_reply": bool, "topic": str, "reason": str})， + 如果决策过程失败则返回 None 或包含错误信息的字典。 """ if context["chat_type"] not in ["private", "group"]: - return {"should_reply": False, "reason": "未知的聊天类型"} + return {"should_reply": False, "reason": "未知的聊天类型"} prompt = self._build_decision_prompt(context, start_mode) @@ -283,10 +330,20 @@ class ProactiveThinkerExecutor: return {"should_reply": False, "reason": "决策模型返回格式错误"} def _build_private_plan_prompt(self, context: dict[str, Any], start_mode: str, topic: str, reason: str) -> str: - """ 构建私聊的规划Prompt """ + """ + 为私聊场景构建生成对话内容的规划提示词。 + + Args: + context: 上下文信息字典。 + start_mode: 启动模式。 + topic: 决策模块决定的话题。 + reason: 决策模块给出的理由。 + + Returns: + 构建完成的私聊规划提示词字符串。 + """ user_info = context["user_info"] relationship = context["relationship"] - if start_mode == "cold_start": return f""" # 任务 @@ -330,7 +387,17 @@ class ProactiveThinkerExecutor: """ def _build_group_plan_prompt(self, context: dict[str, Any], topic: str, reason: str) -> str: - """ 构建群聊的规划Prompt """ + """ + 为群聊场景构建生成对话内容的规划提示词。 + + Args: + context: 上下文信息字典。 + topic: 决策模块决定的话题。 + reason: 决策模块给出的理由。 + + Returns: + 构建完成的群聊规划提示词字符串。 + """ group_info = context["group_info"] return f""" # 任务 @@ -357,7 +424,16 @@ class ProactiveThinkerExecutor: def _build_plan_prompt(self, context: dict[str, Any], start_mode: str, topic: str, reason: str) -> str: """ - 根据启动模式和决策话题，构建最终的规划提示词 + 根据聊天类型、启动模式和决策结果，构建最终生成对话内容的规划提示词。 + + Args: + context: 上下文信息字典。 + start_mode: 启动模式。 + topic: 决策模块决定的话题。 + reason: 决策模块给出的理由。 + + Returns: + 最终的规划提示词字符串。 """ persona = context["persona"] chat_type = context["chat_type"]