🤖 自动格式化代码 [skip ci]

src/do_tool/tool_can_use/get_memory.py

@@ -33,7 +33,7 @@ class GetMemoryTool(BaseTool):
         try:
             topic = function_args.get("topic", message_txt)
             max_memory_num = function_args.get("max_memory_num", 2)
-            
+
             # 将主题字符串转换为列表
             topic_list = topic.split(",")
 

src/do_tool/tool_use.py

@@ -50,11 +50,10 @@ class ToolUser:
         # prompt += f"你注意到{sender_name}刚刚说：{message_txt}\n"
         prompt += f"注意你就是{bot_name}，{bot_name}是你的名字。根据之前的聊天记录补充问题信息，搜索时避开你的名字。\n"
         prompt += "你现在需要对群里的聊天内容进行回复，现在选择工具来对消息和你的回复进行处理，你是否需要额外的信息，比如回忆或者搜寻已有的知识，改变关系和情感，或者了解你现在正在做什么。"
-        
+
         prompt = await relationship_manager.convert_all_person_sign_to_person_name(prompt)
         prompt = parse_text_timestamps(prompt, mode="lite")
-        
+
-        
         return prompt
 
     @staticmethod

src/heart_flow/observation.py

@@ -49,9 +49,8 @@ class ChattingObservation(Observation):
         initial_messages = list(initial_messages_cursor)
         initial_messages.reverse()  # 恢复时间正序
 
-        self.talking_message = initial_messages # 将这些消息设为初始上下文
+        self.talking_message = initial_messages  # 将这些消息设为初始上下文
-        self.now_message_info = self.translate_message_list_to_str(self.talking_message) # 更新初始的 now_message_info
+        self.now_message_info = self.translate_message_list_to_str(self.talking_message)  # 更新初始的 now_message_info
-
 
         self.llm_summary = LLMRequest(
             model=global_config.llm_observation, temperature=0.7, max_tokens=300, request_type="chat_observation"
@@ -100,9 +99,7 @@ class ChattingObservation(Observation):
             # 检查是否有任何新消息（即使超出限制），以决定是否更新 last_observe_time
             # 注意：这里的查询也可能与其他并发 observe 冲突，但锁保护了状态更新
             # 由于外部已加锁，此处的并发冲突担忧不再需要
-            any_new_message = db.messages.find_one(
+            any_new_message = db.messages.find_one({"chat_id": self.chat_id, "time": {"$gt": self.last_observe_time}})
-                {"chat_id": self.chat_id, "time": {"$gt": self.last_observe_time}}
-            )
             if not any_new_message:
                 return  # 确实没有新消息
 
@@ -120,11 +117,9 @@ class ChattingObservation(Observation):
                     self.last_observe_time = latest_time_doc["time"]
             return  # 返回，因为我们只关心限制内的最新消息
 
-
         self.last_observe_time = new_messages[-1]["time"]
         self.talking_message.extend(new_messages)
 
-
         if len(self.talking_message) > self.max_now_obs_len:
             try:  # 使用 try...finally 仅用于可能的LLM调用错误处理
                 # 计算需要移除的消息数量，保留最新的 max_now_obs_len 条
@@ -164,7 +159,9 @@ class ChattingObservation(Observation):
                 mid_memory_str = "之前聊天的内容概述是：\n"
                 for mid_memory_item in self.mid_memorys:  # 重命名循环变量以示区分
                     time_diff = int((datetime.now().timestamp() - mid_memory_item["created_at"]) / 60)
-                    mid_memory_str += f"距离现在{time_diff}分钟前(聊天记录id:{mid_memory_item['id']})：{mid_memory_item['theme']}\n"
+                    mid_memory_str += (
+                        f"距离现在{time_diff}分钟前(聊天记录id:{mid_memory_item['id']})：{mid_memory_item['theme']}\n"
+                    )
                 self.mid_memory_info = mid_memory_str
             except Exception as e:  # 将异常处理移至此处以覆盖整个总结过程
                 logger.error(f"处理和总结旧消息时出错 for chat {self.chat_id}: {e}")

src/heart_flow/sub_heartflow.py

@@ -43,9 +43,13 @@ def init_prompt():
     prompt += "你现在{mood_info}\n"
     # prompt += "你注意到{sender_name}刚刚说：{message_txt}\n"
     prompt += "现在请你根据刚刚的想法继续思考，思考时可以想想如何对群聊内容进行回复，关注新话题，可以适当转换话题，大家正在说的话才是聊天的主题。\n"
-    prompt += "回复的要求是：平淡一些，简短一些，说中文，尽量不要说你说过的话。如果你要回复，最好只回复一个人的一个话题\n"
+    prompt += (
+        "回复的要求是：平淡一些，简短一些，说中文，尽量不要说你说过的话。如果你要回复，最好只回复一个人的一个话题\n"
+    )
     prompt += "请注意不要输出多余内容(包括前后缀，冒号和引号，括号， 表情，等)，不要带有括号和动作描写"
-    prompt += "现在请你继续生成你在这个聊天中的想法，不要分点输出,生成内心想法，文字不要浮夸，注意{bot_name}指的就是你。"
+    prompt += (
+        "现在请你继续生成你在这个聊天中的想法，不要分点输出,生成内心想法，文字不要浮夸，注意{bot_name}指的就是你。"
+    )
     Prompt(prompt, "sub_heartflow_prompt_before")
 
 
@@ -241,9 +245,9 @@ class SubHeartflow:
 
             try:
                 response, reasoning_content = await self.llm_model.generate_response_async(prompt)
-                
+
                 logger.debug(f"[{self.subheartflow_id}] 心流思考结果:\n{response}\n")
-                
+
                 if not response:  # 如果 LLM 返回空，给一个默认想法
                     response = "(不知道该想些什么...)"
                     logger.warning(f"[{self.subheartflow_id}] LLM 返回空结果，思考失败。")
@@ -258,7 +262,6 @@ class SubHeartflow:
             # logger.info(f"[{self.subheartflow_id}] 思考前脑内状态：{self.current_mind}")
             return self.current_mind, self.past_mind
 
-
     def update_current_mind(self, response):
         self.past_mind.append(self.current_mind)
         self.current_mind = response

src/plugins/chat/bot.py

@@ -32,7 +32,7 @@ class ChatBot:
         self.think_flow_chat = ThinkFlowChat()
         self.reasoning_chat = ReasoningChat()
         self.heartFC_processor = HeartFC_Processor()  # 新增
-        
+
         # 创建初始化PFC管理器的任务，会在_ensure_started时执行
         self.only_process_chat = MessageProcessor()
         self.pfc_manager = PFCManager.get_instance()

src/plugins/chat_module/heartFC_chat/heartFC_chat.py

@@ -276,9 +276,7 @@ class HeartFC_Chat:
         )
         self.mood_manager.update_mood_from_emotion(emotion, global_config.mood_intensity_factor)
 
-
+    # 暂不使用
-
-    #暂不使用
     async def trigger_reply_generation(self, stream_id: str, observed_messages: List[dict]):
         """根据 SubHeartflow 的触发信号生成回复 (基于观察)"""
         stream_name = chat_manager.get_stream_name(stream_id) or stream_id  # <--- 在开始时获取名称
@@ -534,4 +532,3 @@ class HeartFC_Chat:
         finally:
             # 可以在这里添加清理逻辑，如果有的话
             pass
-

src/plugins/chat_module/heartFC_chat/heartFC_processor.py

@@ -27,9 +27,7 @@ logger = get_module_logger("heartFC_processor", config=processor_config)
 class HeartFC_Processor:
     def __init__(self):
         self.storage = MessageStorage()
-        self.interest_manager = (
+        self.interest_manager = InterestManager()
-            InterestManager()
-        ) 
         # self.chat_instance = chat_instance  # 持有 HeartFC_Chat 实例
 
     async def process_message(self, message_data: str) -> None:
@@ -44,7 +42,7 @@ class HeartFC_Processor:
         5. 应用全局配置中的过滤词和正则表达式，过滤不符合规则的消息。
         6. 查询消息缓冲结果，如果消息被缓冲器拦截（例如，判断为消息轰炸的一部分），则中止后续处理。
         7. 对于通过缓冲的消息，将其存储到 `MessageStorage` 中。
-        
+
         8. 调用海马体（`HippocampusManager`）计算消息内容的记忆激活率。（这部分算法后续会进行优化）
         9. 根据是否被提及（@）和记忆激活率，计算最终的兴趣度增量。(提及的额外兴趣增幅)
         10. 使用计算出的增量更新 `InterestManager` 中对应会话的兴趣度。

src/plugins/chat_module/heartFC_chat/interest.py

@@ -130,7 +130,7 @@ class InterestChatting:
             # 限制概率不超过最大值
             self.current_reply_probability = min(self.current_reply_probability, self.max_reply_probability)
 
-        else:  
+        else:
             if 0 < self.probability_decay_factor < 1:
                 decay_multiplier = math.pow(self.probability_decay_factor, time_delta)
                 # old_prob = self.current_reply_probability

src/plugins/chat_module/heartFC_chat/pf_chatting.py

@@ -45,7 +45,7 @@ PLANNER_TOOL_DEFINITION = [
                     "reasoning": {"type": "string", "description": "做出此决定的简要理由。"},
                     "emoji_query": {
                         "type": "string",
-                        "description": '如果行动是\'emoji_reply\'，指定表情的主题或概念。如果行动是\'text_reply\'且希望在文本后追加表情，也在此指定表情主题。',
+                        "description": "如果行动是'emoji_reply'，指定表情的主题或概念。如果行动是'text_reply'且希望在文本后追加表情，也在此指定表情主题。",
                     },
                 },
                 "required": ["action", "reasoning"],
@@ -386,9 +386,9 @@ class PFChatting:
 
         # --- 获取最新的观察信息 ---
         try:
-            observation = self.sub_hf._get_primary_observation() # Call only once
+            observation = self.sub_hf._get_primary_observation()  # Call only once
 
-            if observation: # Now check if the result is truthy
+            if observation:  # Now check if the result is truthy
                 # logger.debug(f"{log_prefix}[Planner] 调用 observation.observe()...")
                 await observation.observe()  # 主动观察以获取最新消息
                 observed_messages = observation.talking_message  # 获取更新后的消息列表
@@ -409,7 +409,7 @@ class PFChatting:
                 ]
                 observation_context_text = " ".join(context_texts)
                 # logger.debug(f"{log_prefix}[Planner] Context for tools: {observation_context_text[:100]}...")
-            
+
             tool_result = await self.heartfc_chat.tool_user.use_tool(
                 message_txt=observation_context_text, chat_stream=self.chat_stream, sub_heartflow=self.sub_hf
             )
@@ -417,15 +417,12 @@ class PFChatting:
                 tool_result_info = tool_result.get("structured_info", {})
                 logger.debug(f"{log_prefix}[Planner] 规划前工具结果: {tool_result_info}")
                 if "mid_chat_mem" in tool_result_info:
-                    get_mid_memory_id = [
+                    get_mid_memory_id = [mem["content"] for mem in tool_result_info["mid_chat_mem"] if "content" in mem]
-                        mem["content"] for mem in tool_result_info["mid_chat_mem"] if "content" in mem
-                    ]
 
         except Exception as e_tool:
             logger.error(f"{log_prefix}[Planner] 规划前工具使用失败: {e_tool}")
         # --- 结束工具使用 ---
 
-
         current_mind, _past_mind = await self.sub_hf.do_thinking_before_reply(
             chat_stream=self.chat_stream,
             extra_info=tool_result_info,
@@ -713,7 +710,6 @@ class PFChatting:
         prompt = f"你的名字是 {global_config.BOT_NICKNAME}。是一个女大二学生，正在QQ聊天，正在决定是否以及如何回应当前的聊天。\n"
 
         # Add current mind state if available
-        
 
         if observed_messages:
             context_text = " ".join(
@@ -724,15 +720,14 @@ class PFChatting:
             prompt += "\n---\n"
         else:
             prompt += "当前没有观察到新的聊天内容。\n"
-            
+
         prompt += "\n看了这些内容，你的想法是："
-        
+
         if current_mind:
             prompt += f"\n---\n{current_mind}\n---\n\n"
 
-
         prompt += (
-            "\n请结合你的内部想法和观察到的聊天内容，分析情况并使用 \'decide_reply_action\' 工具来决定你的最终行动。\n"
+            "\n请结合你的内部想法和观察到的聊天内容，分析情况并使用 'decide_reply_action' 工具来决定你的最终行动。\n"
         )
         prompt += "决策依据：\n"
         prompt += "1. 如果聊天内容无聊、与你无关、或者你的内部想法认为不适合回复，选择 'no_reply'。\n"
@@ -742,8 +737,7 @@ class PFChatting:
         )
         prompt += "4. 如果你已经回复过消息，也没有人又回复你，选择'no_reply'。\n"
         prompt += "5. 除非大家都在这么做，否则不要重复聊相同的内容。\n"
-        prompt += "必须调用 \'decide_reply_action\' 工具并提供 \'action\' 和 \'reasoning\'。如果选择了 'emoji_reply' 或者选择了 'text_reply' 并想追加表情，则必须提供 \'emoji_query\'。"
+        prompt += "必须调用 'decide_reply_action' 工具并提供 'action' 和 'reasoning'。如果选择了 'emoji_reply' 或者选择了 'text_reply' 并想追加表情，则必须提供 'emoji_query'。"
-
 
         prompt = await relationship_manager.convert_all_person_sign_to_person_name(prompt)
         prompt = parse_text_timestamps(prompt, mode="lite")

src/plugins/memory_system/Hippocampus.py

@@ -1257,7 +1257,7 @@ class Hippocampus:
             logger.info(f"选中记忆: {memory} (来自节点: {topic})")
 
         return result
-    
+
     async def get_memory_from_topic(
         self,
         keywords: list[str],
@@ -1343,7 +1343,6 @@ class Hippocampus:
                     else:
                         activate_map[node] = activation_value
 
-
         # 基于激活值平方的独立概率选择
         remember_map = {}
         # logger.info("基于激活值平方的归一化选择:")
@@ -1941,7 +1940,7 @@ class HippocampusManager:
             logger.error(f"文本激活记忆失败: {e}")
             response = []
         return response
-    
+
     async def get_memory_from_topic(
         self,
         valid_keywords: list[str],