feat:添加了月度计划 # 我要混提交

src/schedule/plan_generator.py

@@ -0,0 +1,118 @@
+# mmc/src/schedule/plan_generator.py
+
+import json
+import random
+from typing import List
+from src.config.config import global_config, model_config
+from src.llm_models.model_client.base_client import client_registry
+from src.llm_models.payload_content.message import Message, RoleType
+from src.llm_models.payload_content.resp_format import RespFormat, RespFormatType
+from src.common.logger import get_logger
+
+logger = get_logger("plan_generator")
+
+class PlanGenerator:
+    """
+    负责生成月度计划。
+    """
+
+    def __init__(self):
+        self.bot_personality = self._get_bot_personality()
+
+    def _get_bot_personality(self) -> str:
+        """
+        从全局配置中获取Bot的人设描述。
+        """
+        core = global_config.personality.personality_core or ""
+        side = global_config.personality.personality_side or ""
+        identity = global_config.personality.identity or ""
+        return f"核心人设: {core}\n侧面人设: {side}\n身份设定: {identity}"
+
+    def _build_prompt(self, year: int, month: int, count: int) -> str:
+        """
+        构建用于生成月度计划的Prompt。
+        """
+        prompt_template = f"""
+        你是一个富有想象力的助手，你的任务是为一位虚拟角色生成月度计划。
+        
+        **角色设定:**
+        ---
+        {self.bot_personality}
+        ---
+
+        请为即将到来的 **{year}年{month}月** 设计 **{count}** 个符合该角色身份的、独立的、积极向上的月度计划或小目标。
+
+        **要求:**
+        1.  每个计划都应简短、清晰，用一两句话描述。
+        2.  语言风格必须自然、口语化，严格符合角色的性格设定。
+        3.  计划内容要具有创造性，避免陈词滥调。
+        4.  请以严格的JSON格式返回，格式为：{{"plans": ["计划一", "计划二", ...]}}
+        5.  除了JSON对象，不要包含任何额外的解释、注释或前后导语。
+        """
+        return prompt_template.strip()
+
+    async def generate_plans(self, year: int, month: int, count: int) -> List[str]:
+        """
+        调用LLM生成指定月份的计划。
+
+        :param year: 年份
+        :param month: 月份
+        :param count: 需要生成的计划数量
+        :return: 生成的计划文本列表
+        """
+        try:
+            # 1. 获取模型任务配置
+            task_config = model_config.model_task_config.get_task("monthly_plan_generator")
+            
+            # 2. 随机选择一个模型
+            model_name = random.choice(task_config.model_list)
+            model_info = model_config.get_model_info(model_name)
+            api_provider = model_config.get_provider(model_info.api_provider)
+            
+            # 3. 获取客户端实例
+            llm_client = client_registry.get_client_class_instance(api_provider)
+            
+            # 4. 构建Prompt和消息体
+            prompt = self._build_prompt(year, month, count)
+            message_list = [Message(role=RoleType.User, content=prompt)]
+            
+            logger.info(f"正在使用模型 '{model_name}' 为 {year}-{month} 生成 {count} 个月度计划...")
+            
+            # 5. 调用LLM
+            response = await llm_client.get_response(
+                model_info=model_info,
+                message_list=message_list,
+                temperature=task_config.temperature,
+                max_tokens=task_config.max_tokens,
+                response_format=RespFormat(format_type=RespFormatType.JSON_OBJ) # 请求JSON输出
+            )
+            
+            if not response or not response.content:
+                logger.error("LLM未能返回有效的计划内容。")
+                return []
+
+            # 6. 解析LLM返回的JSON
+            try:
+                # 移除可能的Markdown代码块标记
+                clean_content = response.content.strip()
+                if clean_content.startswith("```json"):
+                    clean_content = clean_content[7:]
+                if clean_content.endswith("```"):
+                    clean_content = clean_content[:-3]
+
+                data = json.loads(clean_content.strip())
+                plans = data.get("plans", [])
+                
+                if isinstance(plans, list) and all(isinstance(p, str) for p in plans):
+                    logger.info(f"成功生成并解析了 {len(plans)} 个月度计划。")
+                    return plans
+                else:
+                    logger.error(f"LLM返回的JSON格式不正确或'plans'键不是字符串列表: {response.content}")
+                    return []
+            except json.JSONDecodeError:
+                logger.error(f"无法解析LLM返回的JSON: {response.content}")
+                return []
+
+        except Exception as e:
+            logger.error(f"调用LLM生成月度计划时发生未知错误: {e}", exc_info=True)
+            return []