better：进一步拆分模型配置

src/chat/emoji_system/emoji_manager.py

@@ -374,7 +374,7 @@ class EmojiManager:
 
         self.vlm = LLMRequest(model=global_config.model.vlm, temperature=0.3, max_tokens=1000, request_type="emoji")
         self.llm_emotion_judge = LLMRequest(
-            model=global_config.model.normal, max_tokens=600, request_type="emoji"
+            model=global_config.model.utils, max_tokens=600, request_type="emoji"
         )  # 更高的温度，更少的token（后续可以根据情绪来调整温度）
 
         self.emoji_num = 0

src/chat/focus_chat/expressors/default_expressor.py

@@ -192,9 +192,9 @@ class DefaultExpressor:
         """
         try:
             # 1. 获取情绪影响因子并调整模型温度
-            arousal_multiplier = mood_manager.get_arousal_multiplier()
+            # arousal_multiplier = mood_manager.get_arousal_multiplier()
-            current_temp = float(global_config.model.normal["temp"]) * arousal_multiplier
+            # current_temp = float(global_config.model.normal["temp"]) * arousal_multiplier
-            self.express_model.params["temperature"] = current_temp  # 动态调整温度
+            # self.express_model.params["temperature"] = current_temp  # 动态调整温度
 
             # 2. 获取信息捕捉器
             info_catcher = info_catcher_manager.get_info_catcher(thinking_id)

src/chat/focus_chat/info_processors/chattinginfo_processor.py

@@ -28,7 +28,7 @@ class ChattingInfoProcessor(BaseProcessor):
         super().__init__()
         # TODO: API-Adapter修改标记
         self.model_summary = LLMRequest(
-            model=global_config.model.observation, temperature=0.7, max_tokens=300, request_type="chat_observation"
+            model=global_config.model.utils_small, temperature=0.7, max_tokens=300, request_type="chat_observation"
         )
 
     async def process_info(

src/chat/normal_chat/normal_chat_generator.py

@@ -20,13 +20,13 @@ class NormalChatGenerator:
             model=global_config.model.normal_chat_1,
             temperature=0.7,
             max_tokens=3000,
-            request_type="response_reasoning",
+            request_type="normal_chat_1",
         )
         self.model_normal = LLMRequest(
-            model=global_config.model.normal,
+            model=global_config.model.normal_chat_2,
-            temperature=global_config.model.normal["temp"],
+            temperature=global_config.model.normal_chat_2["temp"],
             max_tokens=256,
-            request_type="response_reasoning",
+            request_type="normal_chat_2",
         )
 
         self.model_sum = LLMRequest(

src/config/official_configs.py

@@ -378,11 +378,18 @@ class ModelConfig(ConfigBase):
 
     model_max_output_length: int = 800  # 最大回复长度
     
-    reasoning: dict[str, Any] = field(default_factory=lambda: {})
-    """推理模型配置"""
     
-    normal: dict[str, Any] = field(default_factory=lambda: {})
+    utils: dict[str, Any] = field(default_factory=lambda: {})
-    """普通模型配置"""
+    """组件模型配置"""
+    
+    utils_small: dict[str, Any] = field(default_factory=lambda: {})
+    """组件小模型配置"""
+
+    normal_chat_1: dict[str, Any] = field(default_factory=lambda: {})
+    """normal_chat首要回复模型模型配置"""
+    
+    normal_chat_2: dict[str, Any] = field(default_factory=lambda: {})
+    """normal_chat次要回复模型配置"""
 
     memory_summary: dict[str, Any] = field(default_factory=lambda: {})
     """记忆的概括模型配置"""
@@ -390,9 +397,6 @@ class ModelConfig(ConfigBase):
     vlm: dict[str, Any] = field(default_factory=lambda: {})
     """视觉语言模型配置"""
 
-    observation: dict[str, Any] = field(default_factory=lambda: {})
-    """观察模型配置"""
-
     focus_working_memory: dict[str, Any] = field(default_factory=lambda: {})
     """专注工作记忆模型配置"""
     

src/experimental/PFC/pfc.py

@@ -44,7 +44,7 @@ class GoalAnalyzer:
     def __init__(self, stream_id: str, private_name: str):
         # TODO: API-Adapter修改标记
         self.llm = LLMRequest(
-            model=global_config.model.normal, temperature=0.7, max_tokens=1000, request_type="conversation_goal"
+            model=global_config.model.utils, temperature=0.7, max_tokens=1000, request_type="conversation_goal"
         )
 
         self.personality_info = individuality.get_prompt(x_person=2, level=3)

src/experimental/PFC/pfc_KnowledgeFetcher.py

@@ -16,8 +16,8 @@ class KnowledgeFetcher:
     def __init__(self, private_name: str):
         # TODO: API-Adapter修改标记
         self.llm = LLMRequest(
-            model=global_config.model.normal,
+            model=global_config.model.utils,
-            temperature=global_config.model.normal["temp"],
+            temperature=global_config.model.utils["temp"],
             max_tokens=1000,
             request_type="knowledge_fetch",
         )

src/llm_models/utils_model.py

@@ -497,8 +497,8 @@ class LLMRequest:
                 logger.warning(f"检测到403错误，模型从 {old_model_name} 降级为 {self.model_name}")
 
                 # 对全局配置进行更新
-                if global_config.model.normal.get("name") == old_model_name:
+                if global_config.model.normal_chat_2.get("name") == old_model_name:
-                    global_config.model.normal["name"] = self.model_name
+                    global_config.model.normal_chat_2["name"] = self.model_name
                     logger.warning(f"将全局配置中的 llm_normal 模型临时降级至{self.model_name}")
                 if global_config.model.normal_chat_1.get("name") == old_model_name:
                     global_config.model.normal_chat_1["name"] = self.model_name

src/person_info/person_info.py

@@ -58,7 +58,7 @@ class PersonInfoManager:
         self.person_name_list = {}
         # TODO: API-Adapter修改标记
         self.qv_name_llm = LLMRequest(
-            model=global_config.model.normal,
+            model=global_config.model.utils,
             max_tokens=256,
             request_type="qv_name",
         )

template/bot_config_template.toml

@@ -133,7 +133,7 @@ mood_update_interval = 1.0 # 情绪更新间隔 单位秒
 mood_decay_rate = 0.95 # 情绪衰减率
 mood_intensity_factor = 1.0 # 情绪强度因子
 
-[keyword_reaction] # 针对某个关键词作出反应
+[keyword_reaction] # 针对某个关键词作出反应，仅在 普通聊天 有效
 enable = true  # 关键词反应功能的总开关
 
 [[keyword_reaction.rules]] # 如果想要新增多个关键词，直接复制本条，修改keywords和reaction即可
@@ -181,10 +181,9 @@ enable = true
 
 [experimental] #实验性功能
 enable_friend_chat = false # 是否启用好友聊天
-pfc_chatting = false # 是否启用PFC聊天，该功能仅作用于私聊，与回复模式独立
+pfc_chatting = false # 是否启用PFC聊天，该功能仅作用于私聊，与回复模式独立，在0.7.0暂时无效
 
 #下面的模型若使用硅基流动则不需要更改，使用ds官方则改成.env自定义的宏，使用自定义模型则选择定位相似的模型自己填写
-#推理模型
 
 # 额外字段
 # 下面的模型有以下额外字段可以添加：
@@ -195,14 +194,9 @@ pfc_chatting = false # 是否启用PFC聊天，该功能仅作用于私聊，与
 [model]
 model_max_output_length = 800 # 模型单次返回的最大token数
 
-#这个模型必须是推理模型
+#------------必填：组件模型------------
-[model.normal_chat_1] # 一般聊天模式的首要回复模型，推荐使用 推理模型
-name = "Pro/deepseek-ai/DeepSeek-R1"
-provider = "SILICONFLOW"
-pri_in = 1.0 #模型的输入价格（非必填，可以记录消耗）
-pri_out = 4.0 #模型的输出价格（非必填，可以记录消耗）
 
-[model.normal] #V3 回复模型 专注和一般聊天模式共用的回复模型
+[model.utils] # 在麦麦的一些组件中使用的模型，例如表情包模块，取名模块，消耗量不大
 name = "Pro/deepseek-ai/DeepSeek-V3"
 provider = "SILICONFLOW"
 pri_in = 2 #模型的输入价格（非必填，可以记录消耗）
@@ -210,6 +204,13 @@ pri_out = 8 #模型的输出价格（非必填，可以记录消耗）
 #默认temp 0.2 如果你使用的是老V3或者其他模型，请自己修改temp参数
 temp = 0.2 #模型的温度，新V3建议0.1-0.3
 
+[model.utils_small] # 在麦麦的一些组件中使用的小模型，消耗量较大
+# 强烈建议使用免费的小模型
+name = "Qwen/Qwen2.5-7B-Instruct"
+provider = "SILICONFLOW"
+pri_in = 0
+pri_out = 0
+
 [model.memory_summary] # 记忆的概括模型，建议使用qwen2.5 32b 及以上
 name = "Qwen/Qwen2.5-32B-Instruct"
 provider = "SILICONFLOW"
@@ -222,15 +223,32 @@ provider = "SILICONFLOW"
 pri_in = 0.35
 pri_out = 0.35
 
-[model.observation] #观察模型，压缩聊天内容，建议用免费的
+#嵌入模型
-# name = "Pro/Qwen/Qwen2.5-7B-Instruct"
+[model.embedding]
-name = "Qwen/Qwen2.5-7B-Instruct"
+name = "BAAI/bge-m3"
 provider = "SILICONFLOW"
 pri_in = 0
 pri_out = 0
 
-[model.focus_working_memory] #工作记忆模型，建议使用qwen2.5 32b
+#------------普通聊天必填模型------------
-# name = "Pro/Qwen/Qwen2.5-7B-Instruct"
+
+[model.normal_chat_1] # 一般聊天模式的首要回复模型，推荐使用 推理模型
+name = "Pro/deepseek-ai/DeepSeek-R1"
+provider = "SILICONFLOW"
+pri_in = 1.0 #模型的输入价格（非必填，可以记录消耗）
+pri_out = 4.0 #模型的输出价格（非必填，可以记录消耗）
+
+[model.normal_chat_2] # 一般聊天模式的次要回复模型，推荐使用 非推理模型
+name = "Pro/deepseek-ai/DeepSeek-V3"
+provider = "SILICONFLOW"
+pri_in = 2 #模型的输入价格（非必填，可以记录消耗）
+pri_out = 8 #模型的输出价格（非必填，可以记录消耗）
+#默认temp 0.2 如果你使用的是老V3或者其他模型，请自己修改temp参数
+temp = 0.2 #模型的温度，新V3建议0.1-0.3
+
+#------------专注聊天必填模型------------
+
+[model.focus_working_memory] #工作记忆模型
 name = "Qwen/Qwen2.5-32B-Instruct"
 provider = "SILICONFLOW"
 pri_in = 1.26
@@ -243,7 +261,7 @@ pri_in = 2
 pri_out = 8
 temp = 0.3 #模型的温度，新V3建议0.1-0.3
 
-[model.focus_tool_use] #工具调用模型，需要使用支持工具调用的模型，建议使用qwen2.5 32b
+[model.focus_tool_use] #工具调用模型，需要使用支持工具调用的模型
 name = "Qwen/Qwen2.5-32B-Instruct"
 provider = "SILICONFLOW"
 pri_in = 1.26
@@ -272,16 +290,6 @@ pri_in = 2
 pri_out = 8
 temp = 0.3
 
-#嵌入模型
-
-[model.embedding] #嵌入
-name = "BAAI/bge-m3"
-provider = "SILICONFLOW"
-pri_in = 0
-pri_out = 0
-
-
-
 
 
 #私聊PFC：需要开启PFC功能，默认三个模型均为硅基流动v3，如果需要支持多人同时私聊或频繁调用，建议把其中的一个或两个换成官方v3或其它模型，以免撞到429