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

better：调整激活深度

Browse Source
This commit is contained in:
SengokuCola
2025-07-25 16:14:41 +08:00
parent 49898e3cd4
commit c53dc6cb69
2 changed files with 14 additions and 7 deletions
Download Patch File Download Diff File Expand all files Collapse all files

1
src/chat/heart_flow/heartflow_message_processor.py
View File

@@ -56,6 +56,7 @@ async def _calculate_interest(message: MessageRecv) -> Tuple[float, bool]:
with Timer("记忆激活"): with Timer("记忆激活"):
interested_rate = await hippocampus_manager.get_activate_from_text( interested_rate = await hippocampus_manager.get_activate_from_text(
message.processed_plain_text, message.processed_plain_text,
max_depth= 5,
fast_retrieval=False, fast_retrieval=False,
) )
logger.debug(f"记忆激活率: {interested_rate:.2f}") logger.debug(f"记忆激活率: {interested_rate:.2f}")

20
src/chat/memory_system/Hippocampus.py
View File

@@ -224,10 +224,15 @@ class Hippocampus:
return hash((source, target)) return hash((source, target))
@staticmethod @staticmethod
def find_topic_llm(text, topic_num): def find_topic_llm(text:str, topic_num:int|list[int]):
# sourcery skip: inline-immediately-returned-variable topic_num_str = ""
if isinstance(topic_num, list):
topic_num_str = f"{topic_num[0]}-{topic_num[1]}"
else:
topic_num_str = topic_num
prompt = ( prompt = (
f"这是一段文字：\n{text}\n\n请你从这段话中总结出最多{topic_num}个关键的概念，可以是名词，动词，或者特定人物，帮我列出来，" f"这是一段文字：\n{text}\n\n请你从这段话中总结出最多{topic_num_str}个关键的概念，可以是名词，动词，或者特定人物，帮我列出来，"
f"将主题用逗号隔开，并加上<>,例如<主题1>,<主题2>......尽可能精简。只需要列举最多{topic_num}个话题就好，不要有序号，不要告诉我其他内容。" f"将主题用逗号隔开，并加上<>,例如<主题1>,<主题2>......尽可能精简。只需要列举最多{topic_num}个话题就好，不要有序号，不要告诉我其他内容。"
f"如果确定找不出主题或者没有明显主题，返回<none>。" f"如果确定找不出主题或者没有明显主题，返回<none>。"
) )
@@ -325,12 +330,13 @@ class Hippocampus:
else: else:
# 使用LLM提取关键词 - 根据详细文本长度分布优化topic_num计算 # 使用LLM提取关键词 - 根据详细文本长度分布优化topic_num计算
text_length = len(text) text_length = len(text)
topic_num:str|list[int] = None
if text_length <= 5: if text_length <= 5:
topic_num = 1 # 1-5字符: 1个关键词 (26.57%的文本) topic_num = [1,2] # 1-5字符: 1个关键词 (26.57%的文本)
elif text_length <= 10: elif text_length <= 10:
topic_num = 1 # 6-10字符: 1个关键词 (27.18%的文本) topic_num = 2 # 6-10字符: 1个关键词 (27.18%的文本)
elif text_length <= 20: elif text_length <= 20:
topic_num = 2 # 11-20字符: 2个关键词 (22.76%的文本) topic_num = [2,3] # 11-20字符: 2个关键词 (22.76%的文本)
elif text_length <= 30: elif text_length <= 30:
topic_num = 3 # 21-30字符: 3个关键词 (10.33%的文本) topic_num = 3 # 21-30字符: 3个关键词 (10.33%的文本)
elif text_length <= 50: elif text_length <= 50:
@@ -721,7 +727,7 @@ class Hippocampus:
for keyword in valid_keywords: for keyword in valid_keywords:
logger.debug(f"开始以关键词 '{keyword}' 为中心进行扩散检索 (最大深度: {max_depth}):") logger.debug(f"开始以关键词 '{keyword}' 为中心进行扩散检索 (最大深度: {max_depth}):")
# 初始化激活值 # 初始化激活值
activation_values = {keyword: 1.0} activation_values = {keyword: 1.5}
# 记录已访问的节点 # 记录已访问的节点
visited_nodes = {keyword} visited_nodes = {keyword}
# 待处理的节点队列，每个元素是(节点, 激活值, 当前深度) # 待处理的节点队列，每个元素是(节点, 激活值, 当前深度)