gardel/Mofox-Core
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

Merge branch 'dev' into dev

Browse Source
This commit is contained in:
SengokuCola
2025-06-02 23:09:11 +08:00
committed by GitHub
parent 243d5184e6 258512e11f
commit b72dd531b5
13 changed files with 144 additions and 192 deletions
Download Patch File Download Diff File Expand all files Collapse all files

3
changelogs/changelog.md
View File

@@ -3,6 +3,9 @@
## [0.7.1] -2025-6-2
- 修复关键词功能，并且在focus中可用
- 更新planner架构，大大加快速度和表现效果，建议使用simple规划器
- 为normal加入使用action的能力
- 修复emoji配置项无效问题
- 修复log出错问题
- 修复focus吞第一条消息问题

1
src/api/config_api.py
View File

@@ -71,7 +71,6 @@ class APIBotConfig:
max_emoji_num: int # 最大表情符号数量
max_reach_deletion: bool # 达到最大数量时是否删除
check_interval: int # 检查表情包的时间间隔(分钟)
save_pic: bool # 是否保存图片
save_emoji: bool # 是否保存表情包
steal_emoji: bool # 是否偷取表情包
enable_check: bool # 是否启用表情包过滤

4
src/chat/emoji_system/emoji_manager.py
View File

@@ -602,9 +602,9 @@ class EmojiManager:
continue
# 检查是否需要处理表情包(数量超过最大值或不足)
if (self.emoji_num > self.emoji_num_max and global_config.emoji.do_replace) or (
if global_config.emoji.steal_emoji and ((self.emoji_num > self.emoji_num_max and global_config.emoji.do_replace) or (
self.emoji_num < self.emoji_num_max
):
)):
try:
# 获取目录下所有图片文件
files_to_process = [

27
src/chat/focus_chat/info/workingmemory_info.py
View File

@@ -18,30 +18,28 @@ class WorkingMemoryInfo(InfoBase):
self.data["talking_message"] = message
def set_working_memory(self, working_memory: List[str]) -> None:
"""设置工作记忆
"""设置工作记忆列表
Args:
working_memory (str): 工作记忆内容
working_memory (List[str]): 工作记忆内容列表
"""
self.data["working_memory"] = working_memory
def add_working_memory(self, working_memory: str) -> None:
"""添加工作记忆
"""添加一条工作记忆
Args:
working_memory (str): 工作记忆内容
working_memory (str): 工作记忆内容，格式为"记忆要点:xxx"
"""
working_memory_list = self.data.get("working_memory", [])
# print(f"working_memory_list: {working_memory_list}")
working_memory_list.append(working_memory)
# print(f"working_memory_list: {working_memory_list}")
self.data["working_memory"] = working_memory_list
def get_working_memory(self) -> List[str]:
"""获取工作记忆
"""获取所有工作记忆
Returns:
List[str]: 工作记忆内容
List[str]: 工作记忆内容列表，每条记忆格式为"记忆要点:xxx"
"""
return self.data.get("working_memory", [])
@@ -53,33 +51,32 @@ class WorkingMemoryInfo(InfoBase):
"""
return self.type
def get_data(self) -> Dict[str, str]:
def get_data(self) -> Dict[str, List[str]]:
"""获取所有信息数据
Returns:
Dict[str, str]: 包含所有信息数据的字典
Dict[str, List[str]]: 包含所有信息数据的字典
"""
return self.data
def get_info(self, key: str) -> Optional[str]:
def get_info(self, key: str) -> Optional[List[str]]:
"""获取特定属性的信息
Args:
key: 要获取的属性键名
Returns:
Optional[str]: 属性值，如果键不存在则返回 None
Optional[List[str]]: 属性值，如果键不存在则返回 None
"""
return self.data.get(key)
def get_processed_info(self) -> Dict[str, str]:
def get_processed_info(self) -> str:
"""获取处理后的信息
Returns:
Dict[str, str]: 处理后的信息数据
str: 处理后的信息数据，所有记忆要点按行拼接
"""
all_memory = self.get_working_memory()
# print(f"all_memory: {all_memory}")
memory_str = ""
for memory in all_memory:
memory_str += f"{memory}\n"

19
src/chat/focus_chat/info_processors/working_memory_processor.py
View File

@@ -45,7 +45,6 @@ def init_prompt():
"selected_memory_ids": ["id1", "id2", ...],
"new_memory": "true" or "false",
"merge_memory": [["id1", "id2"], ["id3", "id4"],...]
}}
```
"""
@@ -104,11 +103,10 @@ class WorkingMemoryProcessor(BaseProcessor):
all_memory = working_memory.get_all_memories()
memory_prompts = []
for memory in all_memory:
# memory_content = memory.data
memory_summary = memory.summary
memory_id = memory.id
memory_brief = memory_summary.get("brief")
memory_keypoints = memory_summary.get("key_points", [])
memory_points = memory_summary.get("points", [])
memory_single_prompt = f"记忆id:{memory_id},记忆摘要:{memory_brief}\n"
memory_prompts.append(memory_single_prompt)
@@ -122,11 +120,11 @@ class WorkingMemoryProcessor(BaseProcessor):
memory_str=memory_choose_str,
)
print(f"prompt: {prompt}")
# 调用LLM处理记忆
content = ""
try:
# logger.debug(f"{self.log_prefix} 处理工作记忆的prompt: {prompt}")
content, _ = await self.llm_model.generate_response_async(prompt=prompt)
if not content:
logger.warning(f"{self.log_prefix} LLM返回空结果，处理工作记忆失败。")
@@ -159,13 +157,12 @@ class WorkingMemoryProcessor(BaseProcessor):
for memory_id in selected_memory_ids:
memory = await working_memory.retrieve_memory(memory_id)
if memory:
# memory_content = memory.data
memory_summary = memory.summary
memory_id = memory.id
memory_brief = memory_summary.get("brief")
memory_keypoints = memory_summary.get("key_points", [])
for keypoint in memory_keypoints:
memory_str += f"记忆要点:{keypoint}\n"
memory_points = memory_summary.get("points", [])
for point in memory_points:
memory_str += f"记忆要点:{point}\n"
working_memory_info = WorkingMemoryInfo()
if memory_str:
@@ -216,9 +213,7 @@ class WorkingMemoryProcessor(BaseProcessor):
merged_memory = await working_memory.merge_memory(memory_id1, memory_id2)
logger.debug(f"{self.log_prefix} 异步合并记忆成功: {memory_id1} 和 {memory_id2}...")
logger.debug(f"{self.log_prefix} 合并后的记忆梗概: {merged_memory.summary.get('brief')}")
logger.debug(f"{self.log_prefix} 合并后的记忆详情: {merged_memory.summary.get('detailed')}")
logger.debug(f"{self.log_prefix} 合并后的记忆要点: {merged_memory.summary.get('key_points')}")
logger.debug(f"{self.log_prefix} 合并后的记忆事件: {merged_memory.summary.get('events')}")
logger.debug(f"{self.log_prefix} 合并后的记忆要点: {merged_memory.summary.get('points')}")
except Exception as e:
logger.error(f"{self.log_prefix} 异步合并记忆失败: {e}")

18
src/chat/focus_chat/planners/planner_simple.py
View File

@@ -136,7 +136,8 @@ class ActionPlanner(BasePlanner):
self_info = info.get_processed_info()
elif isinstance(info, StructuredInfo):
structured_info = info.get_processed_info()
# print(f"structured_info: {structured_info}")
else:
extra_info.append(info.get_processed_info())
# elif not isinstance(info, ActionInfo): # 跳过已处理的ActionInfo
# extra_info.append(info.get_processed_info())
@@ -217,6 +218,15 @@ class ActionPlanner(BasePlanner):
action_data["identity"] = self_info
extra_info_block = "\n".join(extra_info)
extra_info_block += f"\n{structured_info}"
if extra_info or structured_info:
extra_info_block = f"以下是一些额外的信息，现在请你阅读以下内容，进行决策\n{extra_info_block}\n以上是一些额外的信息，现在请你阅读以下内容，进行决策"
else:
extra_info_block = ""
action_data["extra_info_block"] = extra_info_block
# 对于reply动作不需要额外处理，因为相关字段已经在上面的循环中添加到action_data
if extracted_action not in current_available_actions:
@@ -254,8 +264,12 @@ class ActionPlanner(BasePlanner):
action_result = {"action_type": action, "action_data": action_data, "reasoning": reasoning}
plan_result = {
"action_result": action_result,
# "extra_info_block": extra_info_block,
"current_mind": current_mind,
"observed_messages": observed_messages,
"action_prompt": prompt,
@@ -284,7 +298,7 @@ class ActionPlanner(BasePlanner):
if running_memorys:
memory_str = "以下是当前在聊天中，你回忆起的记忆：\n"
for running_memory in running_memorys:
memory_str += f"{running_memory['topic']}: {running_memory['content']}\n"
memory_str += f"{running_memory['content']}\n"
chat_context_description = "你现在正在一个群聊中"
chat_target_name = None # Only relevant for private

20
src/chat/focus_chat/replyer/default_replyer.py
View File

@@ -32,6 +32,10 @@ def init_prompt():
"""
你可以参考以下的语言习惯，如果情景合适就使用，不要盲目使用,不要生硬使用，而是结合到表达中：
{style_habbits}
请你根据情景使用以下句法：
{grammar_habbits}
{extra_info_block}
{time_block}
你现在正在群里聊天，以下是群里正在进行的聊天内容：
@@ -41,9 +45,7 @@ def init_prompt():
{chat_target}
{identity}，在这聊天中，"{target_message}"引起了你的注意，你想要在群里发言或者回复这条消息。
你需要使用合适的语法和句法，参考聊天内容，组织一条日常且口语化的回复。注意不要复读你说过的话。
请你根据情景使用以下句法：
{grammar_habbits}
你需要使用合适的语言习惯和句法，参考聊天内容，组织一条日常且口语化的回复。注意不要复读你说过的话。
{config_expression_style}，请注意不要输出多余内容(包括前后缀，冒号和引号，括号()，表情包，at或 @等 )。只输出回复内容。
{keywords_reaction_prompt}
请不要输出违法违规内容，不要输出色情，暴力，政治相关内容，如有敏感内容，请规避。
@@ -55,8 +57,7 @@ def init_prompt():
Prompt(
"""
你可以参考以下的语言习惯，如果情景合适就使用，不要盲目使用,不要生硬使用，而是结合到表达中：
{style_habbits}
{extra_info_block}
{time_block}
你现在正在聊天，以下是你和对方正在进行的聊天内容：
@@ -67,8 +68,10 @@ def init_prompt():
{chat_target}
{identity}，在这聊天中，"{target_message}"引起了你的注意，你想要发言或者回复这条消息。
你需要使用合适的语法和句法，参考聊天内容，组织一条日常且口语化的回复。注意不要复读你说过的话。
请你根据情景使用以下句法：
你可以参考以下的语言习惯和句法，如果情景合适就使用，不要盲目使用,不要生硬使用，而是结合到表达中：
{style_habbits}
{grammar_habbits}
{config_expression_style}，请注意不要输出多余内容(包括前后缀，冒号和引号，括号()，表情包，at或 @等 )。只输出回复内容。
{keywords_reaction_prompt}
请不要输出违法违规内容，不要输出色情，暴力，政治相关内容，如有敏感内容，请规避。
@@ -263,6 +266,7 @@ class DefaultReplyer:
target_message = action_data.get("target", "")
identity = action_data.get("identity", "")
extra_info_block = action_data.get("extra_info_block", "")
# 3. 构建 Prompt
with Timer("构建Prompt", {}): # 内部计时器，可选保留
@@ -270,6 +274,7 @@ class DefaultReplyer:
chat_stream=self.chat_stream, # Pass the stream object
# in_mind_reply=in_mind_reply,
identity=identity,
extra_info_block=extra_info_block,
reason=reason,
sender_name=sender_name_for_prompt, # Pass determined name
target_message=target_message,
@@ -330,6 +335,7 @@ class DefaultReplyer:
chat_stream,
sender_name,
# in_mind_reply,
extra_info_block,
identity,
target_message,
config_expression_style,
@@ -425,6 +431,7 @@ class DefaultReplyer:
grammar_habbits=grammar_habbits_str,
chat_target=chat_target_1,
chat_info=chat_talking_prompt,
extra_info_block=extra_info_block,
time_block=time_block,
# bot_name=global_config.bot.nickname,
# prompt_personality="",
@@ -444,6 +451,7 @@ class DefaultReplyer:
grammar_habbits=grammar_habbits_str,
chat_target=chat_target_1,
chat_info=chat_talking_prompt,
extra_info_block=extra_info_block,
time_block=time_block,
# bot_name=global_config.bot.nickname,
# prompt_personality="",

28
src/chat/focus_chat/working_memory/memory_item.py
View File

@@ -7,14 +7,14 @@ import string
class MemoryItem:
"""记忆项类，用于存储单个记忆的所有相关信息"""
def __init__(self, data: Any, from_source: str = "", tags: Optional[List[str]] = None):
def __init__(self, data: Any, from_source: str = "", brief: str = ""):
"""
初始化记忆项
Args:
data: 记忆数据
from_source: 数据来源
tags: 数据标签列表
brief: 记忆内容主题
"""
# 生成可读ID：时间戳_随机字符串
timestamp = int(time.time())
@@ -23,11 +23,10 @@ class MemoryItem:
self.data = data
self.data_type = type(data)
self.from_source = from_source
self.tags = set(tags) if tags else set()
self.brief = brief
self.timestamp = time.time()
# 修改summary的结构说明，用于存储可能的总结信息
# summary结构：{
# "brief": "记忆内容主题",
# "detailed": "记忆内容概括",
# "keypoints": ["关键概念1", "关键概念2"],
# "events": ["事件1", "事件2"]
@@ -47,23 +46,6 @@ class MemoryItem:
# 格式: [(操作类型, 时间戳, 当时精简次数, 当时强度), ...]
self.history = [("create", self.timestamp, self.compress_count, self.memory_strength)]
def add_tag(self, tag: str) -> None:
"""添加标签"""
self.tags.add(tag)
def remove_tag(self, tag: str) -> None:
"""移除标签"""
if tag in self.tags:
self.tags.remove(tag)
def has_tag(self, tag: str) -> bool:
"""检查是否有特定标签"""
return tag in self.tags
def has_all_tags(self, tags: List[str]) -> bool:
"""检查是否有所有指定的标签"""
return all(tag in self.tags for tag in tags)
def matches_source(self, source: str) -> bool:
"""检查来源是否匹配"""
return self.from_source == source
@@ -103,9 +85,9 @@ class MemoryItem:
current_time = time.time()
self.history.append((operation_type, current_time, self.compress_count, self.memory_strength))
def to_tuple(self) -> Tuple[Any, str, Set[str], float, str]:
def to_tuple(self) -> Tuple[Any, str, float, str]:
"""转换为元组格式（为了兼容性）"""
return (self.data, self.from_source, self.tags, self.timestamp, self.id)
return (self.data, self.from_source, self.timestamp, self.id)
def is_memory_valid(self) -> bool:
"""检查记忆是否有效（强度是否大于等于1）"""

138
src/chat/focus_chat/working_memory/memory_manager.py
View File

@@ -71,14 +71,13 @@ class MemoryManager:
return memory_item.id
async def push_with_summary(self, data: T, from_source: str = "", tags: Optional[List[str]] = None) -> MemoryItem:
async def push_with_summary(self, data: T, from_source: str = "") -> MemoryItem:
"""
推送一段有类型的信息到工作记忆中，并自动生成总结
Args:
data: 要存储的数据
from_source: 数据来源
tags: 数据标签列表
Returns:
包含原始数据和总结信息的字典
@@ -88,11 +87,8 @@ class MemoryManager:
# 先生成总结
summary = await self.summarize_memory_item(data)
# 准备标签
memory_tags = list(tags) if tags else []
# 创建记忆项
memory_item = MemoryItem(data, from_source, memory_tags)
memory_item = MemoryItem(data, from_source, brief=summary.get("brief", ""))
# 将总结信息保存到记忆项中
memory_item.set_summary(summary)
@@ -103,7 +99,7 @@ class MemoryManager:
return memory_item
else:
# 非字符串类型，直接创建并推送记忆项
memory_item = MemoryItem(data, from_source, tags)
memory_item = MemoryItem(data, from_source)
self.push_item(memory_item)
return memory_item
@@ -136,7 +132,6 @@ class MemoryManager:
self,
data_type: Optional[Type] = None,
source: Optional[str] = None,
tags: Optional[List[str]] = None,
start_time: Optional[float] = None,
end_time: Optional[float] = None,
memory_id: Optional[str] = None,
@@ -150,7 +145,6 @@ class MemoryManager:
Args:
data_type: 要查找的数据类型
source: 数据来源
tags: 必须包含的标签列表
start_time: 开始时间戳
end_time: 结束时间戳
memory_id: 特定记忆项ID
@@ -191,10 +185,6 @@ class MemoryManager:
if source is not None and not item.matches_source(source):
continue
# 检查标签是否匹配
if tags is not None and not item.has_all_tags(tags):
continue
# 检查时间范围
if start_time is not None and item.timestamp < start_time:
continue
@@ -226,25 +216,24 @@ class MemoryManager:
"""
prompt = f"""请对以下内容进行总结，总结成记忆，输出两部分：
1. 记忆内容主题（精简，20字以内）：让用户可以一眼看出记忆内容是什么
2. key_points：多条，包含关键的概念、事件，每条都要包含解释或描述，谁在什么时候干了什么
2. content：一到三条，包含关键的概念、事件，每条都要包含解释或描述，谁在什么时候干了什么
内容：
{content}
请按以下JSON格式输出：
{{
"brief": "记忆内容主题（20字以内）",
"key_points": [
"要点1：解释或描述",
"要点2：解释或描述",
...
"brief": "记忆内容主题",
"points": [
"内容",
"内容"
]
}}
请确保输出是有效的JSON格式，不要添加任何额外的说明或解释。
"""
default_summary = {
"brief": "主题未知的记忆",
"key_points": ["未知的要点"],
"points": ["未知的要点"],
}
try:
@@ -277,13 +266,13 @@ class MemoryManager:
json_result["brief"] = "主题未知的记忆"
# 处理关键要点
if "key_points" not in json_result or not isinstance(json_result["key_points"], list):
json_result["key_points"] = ["未知的要点"]
if "points" not in json_result or not isinstance(json_result["points"], list):
json_result["points"] = ["未知的要点"]
else:
# 确保key_points中的每个项目都是字符串
json_result["key_points"] = [str(point) for point in json_result["key_points"] if point is not None]
if not json_result["key_points"]:
json_result["key_points"] = ["未知的要点"]
# 确保points中的每个项目都是字符串
json_result["points"] = [str(point) for point in json_result["points"] if point is not None]
if not json_result["points"]:
json_result["points"] = ["未知的要点"]
return json_result
@@ -328,15 +317,15 @@ class MemoryManager:
目前主题：{summary["brief"]}
目前关键要点：
{chr(10).join([f"- {point}" for point in summary.get("key_points", [])])}
{chr(10).join([f"- {point}" for point in summary.get("points", [])])}
请生成修改后的主题和关键要点，遵循以下格式：
```json
{{
"brief": "修改后的主题（20字以内）",
"key_points": [
"修改后的要点1：解释或描述",
"修改后的要点2：解释或描述"
"points": [
"修改后的要点",
"修改后的要点"
]
}}
```
@@ -345,7 +334,7 @@ class MemoryManager:
# 定义默认的精简结果
default_refined = {
"brief": summary["brief"],
"key_points": summary.get("key_points", ["未知的要点"])[:1], # 默认只保留第一个要点
"points": summary.get("points", ["未知的要点"])[:1], # 默认只保留第一个要点
}
try:
@@ -377,13 +366,13 @@ class MemoryManager:
summary["brief"] = refined_data.get("brief", "主题未知的记忆")
# 更新关键要点
key_points = refined_data.get("key_points", [])
if isinstance(key_points, list) and key_points:
points = refined_data.get("points", [])
if isinstance(points, list) and points:
# 确保所有要点都是字符串
summary["key_points"] = [str(point) for point in key_points if point is not None]
summary["points"] = [str(point) for point in points if point is not None]
else:
# 如果key_points不是列表或为空，使用默认值
summary["key_points"] = ["主要要点已遗忘"]
# 如果points不是列表或为空，使用默认值
summary["points"] = ["主要要点已遗忘"]
except Exception as e:
logger.error(f"精简记忆出错: {str(e)}")
@@ -391,7 +380,7 @@ class MemoryManager:
# 出错时使用简化的默认精简
summary["brief"] = summary["brief"] + " (已简化)"
summary["key_points"] = summary.get("key_points", ["未知的要点"])[:1]
summary["points"] = summary.get("points", ["未知的要点"])[:1]
except Exception as e:
logger.error(f"精简记忆调用LLM出错: {str(e)}")
@@ -492,9 +481,6 @@ class MemoryManager:
if not memory_item1 or not memory_item2:
raise ValueError("无法找到指定的记忆项")
content1 = memory_item1.data
content2 = memory_item2.data
# 获取记忆的摘要信息（如果有）
summary1 = memory_item1.summary
summary2 = memory_item2.summary
@@ -510,55 +496,42 @@ class MemoryManager:
# 如果有摘要信息，添加到提示中
if summary1:
prompt += f"记忆1主题：{summary1['brief']}\n"
prompt += (
"记忆1关键要点：\n" + "\n".join([f"- {point}" for point in summary1.get("key_points", [])]) + "\n\n"
)
prompt += "记忆1关键要点：\n" + "\n".join([f"- {point}" for point in summary1.get("points", [])]) + "\n\n"
if summary2:
prompt += f"记忆2主题：{summary2['brief']}\n"
prompt += (
"记忆2关键要点：\n" + "\n".join([f"- {point}" for point in summary2.get("key_points", [])]) + "\n\n"
)
# 添加记忆原始内容
prompt += f"""
记忆1原始内容：
{content1}
记忆2原始内容：
{content2}
prompt += "记忆2关键要点：\n" + "\n".join([f"- {point}" for point in summary2.get("points", [])]) + "\n\n"
prompt += """
请按以下JSON格式输出合并结果：
```json
{{
"content": "合并后的记忆内容文本（尽可能保留原信息，但去除重复）",
{
"brief": "合并后的主题（20字以内）",
"key_points": [
"合并后的要点1：解释或描述",
"合并后的要点2：解释或描述",
"合并后的要点3：解释或描述"
"points": [
"合并后的要点",
"合并后的要点"
]
}}
}
```
请确保输出是有效的JSON格式，不要添加任何额外的说明或解释。
"""
# 默认合并结果
default_merged = {
"content": f"{content1}\n\n{content2}",
"brief": f"合并：{summary1['brief']} + {summary2['brief']}",
"key_points": [],
"points": [],
}
# 合并key_points
if "key_points" in summary1:
default_merged["key_points"].extend(summary1["key_points"])
if "key_points" in summary2:
default_merged["key_points"].extend(summary2["key_points"])
# 合并points
if "points" in summary1:
default_merged["points"].extend(summary1["points"])
if "points" in summary2:
default_merged["points"].extend(summary2["points"])
# 确保列表不为空
if not default_merged["key_points"]:
default_merged["key_points"] = ["合并的要点"]
if not default_merged["points"]:
default_merged["points"] = ["合并的要点"]
try:
# 调用LLM合并记忆
@@ -585,21 +558,17 @@ class MemoryManager:
logger.error(f"修复后的JSON不是字典类型: {type(merged_data)}")
merged_data = default_merged
# 确保所有必要字段都存在且类型正确
if "content" not in merged_data or not isinstance(merged_data["content"], str):
merged_data["content"] = default_merged["content"]
if "brief" not in merged_data or not isinstance(merged_data["brief"], str):
merged_data["brief"] = default_merged["brief"]
# 处理关键要点
if "key_points" not in merged_data or not isinstance(merged_data["key_points"], list):
merged_data["key_points"] = default_merged["key_points"]
if "points" not in merged_data or not isinstance(merged_data["points"], list):
merged_data["points"] = default_merged["points"]
else:
# 确保key_points中的每个项目都是字符串
merged_data["key_points"] = [str(point) for point in merged_data["key_points"] if point is not None]
if not merged_data["key_points"]:
merged_data["key_points"] = ["合并的要点"]
# 确保points中的每个项目都是字符串
merged_data["points"] = [str(point) for point in merged_data["points"] if point is not None]
if not merged_data["points"]:
merged_data["points"] = ["合并的要点"]
except Exception as e:
logger.error(f"合并记忆时处理JSON出错: {str(e)}")
@@ -611,9 +580,6 @@ class MemoryManager:
merged_data = default_merged
# 创建新的记忆项
# 合并记忆项的标签
merged_tags = memory_item1.tags.union(memory_item2.tags)
# 取两个记忆项中更强的来源
merged_source = (
memory_item1.from_source
@@ -621,13 +587,13 @@ class MemoryManager:
else memory_item2.from_source
)
# 创建新的记忆项
merged_memory = MemoryItem(data=merged_data["content"], from_source=merged_source, tags=list(merged_tags))
# 创建新的记忆项，使用空字符串作为data
merged_memory = MemoryItem(data="", from_source=merged_source, brief=merged_data["brief"])
# 设置合并后的摘要
summary = {
"brief": merged_data["brief"],
"key_points": merged_data["key_points"],
"points": merged_data["points"],
}
merged_memory.set_summary(summary)

5
src/chat/focus_chat/working_memory/working_memory.py
View File

@@ -51,19 +51,18 @@ class WorkingMemory:
except Exception as e:
print(f"自动衰减记忆时出错: {str(e)}")
async def add_memory(self, content: Any, from_source: str = "", tags: Optional[List[str]] = None):
async def add_memory(self, content: Any, from_source: str = ""):
"""
添加一段记忆到指定聊天
Args:
content: 记忆内容
from_source: 数据来源
tags: 数据标签列表
Returns:
包含记忆信息的字典
"""
memory = await self.memory_manager.push_with_summary(content, from_source, tags)
memory = await self.memory_manager.push_with_summary(content, from_source)
if len(self.memory_manager.get_all_items()) > self.max_memories_per_chat:
self.remove_earliest_memory()

2
src/chat/utils/utils_image.py
View File

@@ -200,7 +200,7 @@ class ImageManager:
logger.debug(f"描述是{description}")
# 根据配置决定是否保存图片
if global_config.emoji.save_pic:
# 生成文件名和路径
current_timestamp = time.time()
filename = f"{int(current_timestamp)}_{image_hash[:8]}.{image_format}"

9
src/config/official_configs.py
View File

@@ -208,15 +208,6 @@ class EmojiConfig(ConfigBase):
check_interval: int = 120
"""表情包检查间隔（分钟）"""
save_pic: bool = True
"""是否保存图片"""
save_emoji: bool = True
"""是否保存表情包"""
cache_emoji: bool = True
"""是否缓存表情包"""
steal_emoji: bool = True
"""是否偷取表情包，让麦麦可以发送她保存的这些表情包"""

6
template/bot_config_template.toml
View File

@@ -1,5 +1,5 @@
[inner]
version = "2.9.1"
version = "2.10.0"
#----以下是给开发人员阅读的，如果你只是部署了麦麦，不需要阅读----
#如果你想要修改配置文件，请在修改后将version的值进行变更
@@ -116,9 +116,7 @@ working_memory_processor = false # 是否启用工作记忆处理器，不稳定
max_reg_num = 40 # 表情包最大注册数量
do_replace = true # 开启则在达到最大数量时删除（替换）表情包，关闭则达到最大数量时不会继续收集表情包
check_interval = 120 # 检查表情包（注册，破损，删除）的时间间隔(分钟)
save_pic = true # 是否保存图片
cache_emoji = true # 是否缓存表情包
steal_emoji = true # 是否偷取表情包，让麦麦可以发送她保存的这些表情包
steal_emoji = true # 是否偷取表情包，让麦麦可以将一些表情包据为己有
content_filtration = false # 是否启用表情包过滤，只有符合该要求的表情包才会被保存
filtration_prompt = "符合公序良俗" # 表情包过滤要求，只有符合该要求的表情包才会被保存