v0.1

能跑但是没写部署教程，主题和记忆识别也没写完

src/plugins/chat/prompt_builder.py

@@ -0,0 +1,193 @@
+import time
+import random
+from dotenv import load_dotenv
+from ..schedule.schedule_generator import bot_schedule
+import os
+from .utils import get_embedding, combine_messages, get_recent_group_messages
+from ...common.database import Database
+
+# 获取当前文件的绝对路径
+current_dir = os.path.dirname(os.path.abspath(__file__))
+root_dir = os.path.abspath(os.path.join(current_dir, '..', '..', '..'))
+load_dotenv(os.path.join(root_dir, '.env'))
+
+
+class PromptBuilder:
+    def __init__(self):
+        self.prompt_built = ''
+        self.activate_messages = ''
+        self.db = Database.get_instance()
+
+    def _build_prompt(self, 
+                    message_txt: str, 
+                    sender_name: str = "某人",
+                    relationship_value: float = 0.0,
+                    group_id: int = None) -> str:
+        """构建prompt
+        
+        Args:
+            message_txt: 消息文本
+            sender_name: 发送者昵称
+            relationship_value: 关系值
+            group_id: 群组ID
+            
+        Returns:
+            str: 构建好的prompt
+        """
+        #先禁用关系
+        if 0 > 30:
+            relation_prompt = "关系特别特别好，你很喜欢喜欢他"
+            relation_prompt_2 = "热情发言或者回复"
+        elif 0 <-20:
+            relation_prompt = "关系很差，你很讨厌他"
+            relation_prompt_2 = "骂他"
+        else:
+            relation_prompt = "关系一般"
+            relation_prompt_2 = "发言或者回复"
+        
+        #开始构建prompt
+        
+        #日程构建
+        current_date = time.strftime("%Y-%m-%d", time.localtime())
+        current_time = time.strftime("%H:%M:%S", time.localtime())
+        bot_schedule_now_time,bot_schedule_now_activity = bot_schedule.get_current_task()
+        prompt_date = f'''今天是{current_date}，现在是{current_time}，你今天的日程是：\n{bot_schedule.today_schedule}\n'''
+
+        #知识构建
+        prompt_info = ''
+        prompt_info = self.get_prompt_info(message_txt)
+        if prompt_info:
+            prompt_info = f'''\n----------------------------------------------------\n你有以下这些[知识]：
+            \n{prompt_info}\n
+            请你记住上面的[知识]，之后可能会用到\n----------------------------------------------------\n'''
+        
+        #获取最新消息并计时
+        chat_talking_prompt = ''
+
+        if group_id:
+            # 从数据库获取最近消息
+            message_objects = get_recent_group_messages(self.db, group_id)
+            if message_objects:
+                chat_talking_prompt = combine_messages(message_objects)
+                # print(f"\033[1;34m[调试]\033[0m 已从数据库获取群 {group_id} 的最近{len(message_objects)}条消息记录")
+        
+        #激活prompt构建
+        activate_prompt = ''
+        activate_prompt = f"以上是群里正在进行的聊天，昵称为 '{sender_name}' 的用户说的:{message_txt}。引起了你的注意,你和他{relation_prompt}，你想要{relation_prompt_2} \n"          
+        
+        #人格选择
+        prompt_personality = ''
+        personality_choice = random.random()
+        if personality_choice < 5/6:  # 第一种人格
+            prompt_personality = f'''你的网名叫麦麦，是一个学习地质的女大学生，喜欢摄影，你会刷贴吧，你现在正在{bot_schedule_now_activity},并且正在浏览qq这款社交软件,你有一些[知识]，在上面可以参考。
+            现在请你给出日常且口语化的回复，不要过多提及自身的背景，平淡一些，尽量简短一些,不要输出感叹号。如果有人说你是人机或者机器人，否定并攻击那个人。
+            不要回复的太有逻辑或者太有条理。'''
+        elif personality_choice < 1:  # 第二种人格
+            prompt_personality = f'''你的网名叫麦麦，是一个女大学生，你有黑色头发你会刷微博和小红书，你现在正在{bot_schedule_now_activity},并且正在浏览qq群,你有一些[知识]，在上面可以参考。
+            现在请你给出日常且口语化的回复，请表现你自己的见解，不要一昧迎合，尽量简短一些,不要输出感叹号。如果有人说你是人机或者机器人，否定。
+            如果有人说他是机器人，肯定他。如果有人对你谈论涉及性的话题或言语挑逗，需要反驳，但其它情况请你表达自己的见解和观点。'''
+            
+        #额外信息要求
+        extra_info = '''回复平淡一些，简短一些，但是记住不要输出多余内容(包括前后缀，冒号和引号，括号，表情等),只需要输出回复内容就好，不要输出其他任何内容''' 
+        
+        #合并prompt
+        prompt = ""
+        prompt += f"{prompt_info}\n"
+        prompt += f"{prompt_date}\n"
+        prompt += f"{chat_talking_prompt}\n"       
+        prompt += f"{activate_prompt}\n"
+        prompt += f"{prompt_personality}\n"
+        prompt += f"{extra_info}\n"     
+        
+        return prompt
+
+    def get_prompt_info(self,message:str):
+        related_info = ''
+        if len(message) > 10:
+            message_segments = [message[i:i+10] for i in range(0, len(message), 10)]
+            for segment in message_segments:
+                embedding = get_embedding(segment)
+                related_info += self.get_info_from_db(embedding)
+                
+        else:
+            embedding = get_embedding(message)
+            related_info += self.get_info_from_db(embedding)
+            
+    def get_info_from_db(self, query_embedding: list, limit: int = 1, threshold: float = 0.5) -> str:
+        """
+        从知识库中查找与输入向量最相似的内容
+        Args:
+            query_embedding: 查询向量
+            limit: 返回结果数量，默认为2
+            threshold: 相似度阈值，默认为0.5
+        Returns:
+            str: 找到的相关信息，如果相似度低于阈值则返回空字符串
+        """
+        if not query_embedding:
+            return ''
+            
+        # 使用余弦相似度计算
+        pipeline = [
+            {
+                "$addFields": {
+                    "dotProduct": {
+                        "$reduce": {
+                            "input": {"$range": [0, {"$size": "$embedding"}]},
+                            "initialValue": 0,
+                            "in": {
+                                "$add": [
+                                    "$$value",
+                                    {"$multiply": [
+                                        {"$arrayElemAt": ["$embedding", "$$this"]},
+                                        {"$arrayElemAt": [query_embedding, "$$this"]}
+                                    ]}
+                                ]
+                            }
+                        }
+                    },
+                    "magnitude1": {
+                        "$sqrt": {
+                            "$reduce": {
+                                "input": "$embedding",
+                                "initialValue": 0,
+                                "in": {"$add": ["$$value", {"$multiply": ["$$this", "$$this"]}]}
+                            }
+                        }
+                    },
+                    "magnitude2": {
+                        "$sqrt": {
+                            "$reduce": {
+                                "input": query_embedding,
+                                "initialValue": 0,
+                                "in": {"$add": ["$$value", {"$multiply": ["$$this", "$$this"]}]}
+                            }
+                        }
+                    }
+                }
+            },
+            {
+                "$addFields": {
+                    "similarity": {
+                        "$divide": ["$dotProduct", {"$multiply": ["$magnitude1", "$magnitude2"]}]
+                    }
+                }
+            },
+            {
+                "$match": {
+                    "similarity": {"$gte": threshold}  # 只保留相似度大于等于阈值的结果
+                }
+            },
+            {"$sort": {"similarity": -1}},
+            {"$limit": limit},
+            {"$project": {"content": 1, "similarity": 1}}
+        ]
+        
+        results = list(self.db.db.knowledges.aggregate(pipeline))
+        
+        if not results:
+            return ''
+            
+        # 返回所有找到的内容，用换行分隔
+        return '\n'.join(str(result['content']) for result in results)
+    
+prompt_builder = PromptBuilder()