feat：修改统计，分离emoji动作

src/chat/focus_chat/hfc_performance_logger.py

@@ -42,7 +42,6 @@ class HFCPerformanceLogger:
                 "total_time": cycle_data.get("total_time", 0),
                 "step_times": cycle_data.get("step_times", {}),
                 "processor_time_costs": cycle_data.get("processor_time_costs", {}),  # 前处理器时间
-                "post_processor_time_costs": cycle_data.get("post_processor_time_costs", {}),  # 后处理器时间
                 "reasoning": cycle_data.get("reasoning", ""),
                 "success": cycle_data.get("success", False),
             }
@@ -60,12 +59,7 @@ class HFCPerformanceLogger:
                 f"time={record['total_time']:.2f}s",
             ]
 
-            # 添加后处理器时间信息到日志
+
-            if record["post_processor_time_costs"]:
-                post_processor_stats = ", ".join(
-                    [f"{name}: {time_cost:.3f}s" for name, time_cost in record["post_processor_time_costs"].items()]
-                )
-                log_parts.append(f"post_processors=({post_processor_stats})")
 
             logger.debug(f"记录HFC循环数据: {', '.join(log_parts)}")
 

src/chat/focus_chat/hfc_version_manager.py

@@ -20,7 +20,7 @@ class HFCVersionManager:
     """HFC版本号管理器"""
 
     # 默认版本号
-    DEFAULT_VERSION = "v4.0.0"
+    DEFAULT_VERSION = "v5.0.0"
 
     # 当前运行时版本号
     _current_version: Optional[str] = None

src/chat/focus_chat/memory_activator.py

@@ -46,9 +46,12 @@ def init_prompt():
     # --- Group Chat Prompt ---
     memory_activator_prompt = """
     你是一个记忆分析器，你需要根据以下信息来进行回忆
-    以下是一场聊天中的信息，请根据这些信息，总结出几个关键词作为记忆回忆的触发词
+    以下是一段聊天记录，请根据这些信息，总结出几个关键词作为记忆回忆的触发词
     
+    聊天记录:
     {obs_info_text}
+    你想要回复的消息:
+    {target_message}
     
     历史关键词（请避免重复提取这些关键词）：
     {cached_keywords}
@@ -69,12 +72,12 @@ class MemoryActivator:
         self.summary_model = LLMRequest(
             model=global_config.model.memory_summary,
             temperature=0.7,
-            request_type="focus.memory_activator",
+            request_type="memory_activator",
         )
         self.running_memory = []
         self.cached_keywords = set()  # 用于缓存历史关键词
 
-    async def activate_memory_with_chat_history(self, chat_id, target_message, chat_history_prompt) -> List[Dict]:
+    async def activate_memory_with_chat_history(self, target_message, chat_history_prompt) -> List[Dict]:
         """
         激活记忆
 
@@ -88,23 +91,13 @@ class MemoryActivator:
         if not global_config.memory.enable_memory:
             return []
 
-        # obs_info_text = ""
-        # for observation in observations:
-        #     if isinstance(observation, ChattingObservation):
-        #         obs_info_text += observation.talking_message_str_truncate_short
-        #     elif isinstance(observation, StructureObservation):
-        #         working_info = observation.get_observe_info()
-        #         for working_info_item in working_info:
-        #             obs_info_text += f"{working_info_item['type']}: {working_info_item['content']}\n"
-
-        # logger.info(f"回忆待检索内容：obs_info_text: {obs_info_text}")
-
         # 将缓存的关键词转换为字符串，用于prompt
         cached_keywords_str = ", ".join(self.cached_keywords) if self.cached_keywords else "暂无历史关键词"
 
         prompt = await global_prompt_manager.format_prompt(
             "memory_activator_prompt",
             obs_info_text=chat_history_prompt,
+            target_message=target_message,
             cached_keywords=cached_keywords_str,
         )
 
@@ -130,9 +123,6 @@ class MemoryActivator:
         related_memory = await hippocampus_manager.get_memory_from_topic(
             valid_keywords=keywords, max_memory_num=3, max_memory_length=2, max_depth=3
         )
-        # related_memory = await hippocampus_manager.get_memory_from_text(
-        #     text=obs_info_text, max_memory_num=5, max_memory_length=2, max_depth=3, fast_retrieval=False
-        # )
 
         logger.info(f"获取到的记忆: {related_memory}")
 

src/person_info/relationship_fetcher.py

@@ -23,7 +23,7 @@ def init_real_time_info_prompts():
 
 {name_block}
 现在，你想要回复{person_name}的消息，消息内容是：{target_message}。请根据聊天记录和你要回复的消息，从你对{person_name}的了解中提取有关的信息：
-1.你需要提供你想要提取的信息具体是哪方面的信息，例如：年龄，性别，对ta的印象，最近发生的事等等。
+1.你需要提供你想要提取的信息具体是哪方面的信息，例如：年龄，性别，你们之间的交流方式，最近发生的事等等。
 2.请注意，请不要重复调取相同的信息，已经调取的信息如下：
 {info_cache_block}
 3.如果当前聊天记录中没有需要查询的信息，或者现有信息已经足够回复，请返回{{"none": "不需要查询"}}
@@ -71,13 +71,13 @@ class RelationshipFetcher:
         # LLM模型配置
         self.llm_model = LLMRequest(
             model=global_config.model.relation,
-            request_type="focus.real_time_info",
+            request_type="relation",
         )
 
         # 小模型用于即时信息提取
         self.instant_llm_model = LLMRequest(
             model=global_config.model.utils_small,
-            request_type="focus.real_time_info.instant",
+            request_type="relation.instant",
         )
 
         name = get_chat_manager().get_stream_name(self.chat_id)

src/plugins/built_in/core_actions/emoji.py

@@ -0,0 +1,81 @@
+from typing import Tuple
+
+# 导入新插件系统
+from src.plugin_system import BaseAction, ActionActivationType, ChatMode
+
+# 导入依赖的系统组件
+from src.common.logger import get_logger
+
+# 导入API模块 - 标准Python包方式
+from src.plugin_system.apis import emoji_api
+from src.plugins.built_in.core_actions.no_reply import NoReplyAction
+
+
+logger = get_logger("core_actions")
+
+
+
+class EmojiAction(BaseAction):
+    """表情动作 - 发送表情包"""
+
+    # 激活设置
+    focus_activation_type = ActionActivationType.LLM_JUDGE
+    normal_activation_type = ActionActivationType.RANDOM
+    mode_enable = ChatMode.ALL
+    parallel_action = True
+    random_activation_probability = 0.2  # 默认值，可通过配置覆盖
+
+    # 动作基本信息
+    action_name = "emoji"
+    action_description = "发送表情包辅助表达情绪"
+
+    # LLM判断提示词
+    llm_judge_prompt = """
+    判定是否需要使用表情动作的条件：
+    1. 用户明确要求使用表情包
+    2. 这是一个适合表达强烈情绪的场合
+    3. 不要发送太多表情包，如果你已经发送过多个表情包则回答"否"
+    
+    请回答"是"或"否"。
+    """
+
+    # 动作参数定义
+    action_parameters = {"description": "文字描述你想要发送的表情包内容"}
+
+    # 动作使用场景
+    action_require = ["发送表情包辅助表达情绪","表达情绪时可以选择使用", "不要连续发送，如果你已经发过[表情包]，就不要选择此动作"]
+
+    # 关联类型
+    associated_types = ["emoji"]
+
+    async def execute(self) -> Tuple[bool, str]:
+        """执行表情动作"""
+        logger.info(f"{self.log_prefix} 决定发送表情")
+
+        try:
+            # 1. 根据描述选择表情包
+            description = self.action_data.get("description", "")
+            emoji_result = await emoji_api.get_by_description(description)
+
+            if not emoji_result:
+                logger.warning(f"{self.log_prefix} 未找到匹配描述 '{description}' 的表情包")
+                return False, f"未找到匹配 '{description}' 的表情包"
+
+            emoji_base64, emoji_description, matched_emotion = emoji_result
+            logger.info(f"{self.log_prefix} 找到表情包: {emoji_description}, 匹配情感: {matched_emotion}")
+
+            # 使用BaseAction的便捷方法发送表情包
+            success = await self.send_emoji(emoji_base64)
+
+            if not success:
+                logger.error(f"{self.log_prefix} 表情包发送失败")
+                return False, "表情包发送失败"
+
+            # 重置NoReplyAction的连续计数器
+            NoReplyAction.reset_consecutive_count()
+
+            return True, f"发送表情包: {emoji_description}"
+
+        except Exception as e:
+            logger.error(f"{self.log_prefix} 表情动作执行失败: {e}")
+            return False, f"表情发送失败: {str(e)}"

src/plugins/built_in/core_actions/plugin.py

@@ -18,8 +18,9 @@ from src.config.config import global_config
 from src.common.logger import get_logger
 
 # 导入API模块 - 标准Python包方式
-from src.plugin_system.apis import emoji_api, generator_api, message_api
+from src.plugin_system.apis import generator_api, message_api
 from src.plugins.built_in.core_actions.no_reply import NoReplyAction
+from src.plugins.built_in.core_actions.emoji import EmojiAction
 
 logger = get_logger("core_actions")
 
@@ -112,72 +113,6 @@ class ReplyAction(BaseAction):
             return False, f"回复失败: {str(e)}"
 
 
-class EmojiAction(BaseAction):
-    """表情动作 - 发送表情包"""
-
-    # 激活设置
-    focus_activation_type = ActionActivationType.LLM_JUDGE
-    normal_activation_type = ActionActivationType.RANDOM
-    mode_enable = ChatMode.ALL
-    parallel_action = True
-    random_activation_probability = 0.2  # 默认值，可通过配置覆盖
-
-    # 动作基本信息
-    action_name = "emoji"
-    action_description = "发送表情包辅助表达情绪"
-
-    # LLM判断提示词
-    llm_judge_prompt = """
-    判定是否需要使用表情动作的条件：
-    1. 用户明确要求使用表情包
-    2. 这是一个适合表达强烈情绪的场合
-    3. 不要发送太多表情包，如果你已经发送过多个表情包则回答"否"
-    
-    请回答"是"或"否"。
-    """
-
-    # 动作参数定义
-    action_parameters = {"description": "文字描述你想要发送的表情包内容"}
-
-    # 动作使用场景
-    action_require = ["表达情绪时可以选择使用", "重点：不要连续发，如果你已经发过[表情包]，就不要选择此动作"]
-
-    # 关联类型
-    associated_types = ["emoji"]
-
-    async def execute(self) -> Tuple[bool, str]:
-        """执行表情动作"""
-        logger.info(f"{self.log_prefix} 决定发送表情")
-
-        try:
-            # 1. 根据描述选择表情包
-            description = self.action_data.get("description", "")
-            emoji_result = await emoji_api.get_by_description(description)
-
-            if not emoji_result:
-                logger.warning(f"{self.log_prefix} 未找到匹配描述 '{description}' 的表情包")
-                return False, f"未找到匹配 '{description}' 的表情包"
-
-            emoji_base64, emoji_description, matched_emotion = emoji_result
-            logger.info(f"{self.log_prefix} 找到表情包: {emoji_description}, 匹配情感: {matched_emotion}")
-
-            # 使用BaseAction的便捷方法发送表情包
-            success = await self.send_emoji(emoji_base64)
-
-            if not success:
-                logger.error(f"{self.log_prefix} 表情包发送失败")
-                return False, "表情包发送失败"
-
-            # 重置NoReplyAction的连续计数器
-            NoReplyAction.reset_consecutive_count()
-
-            return True, f"发送表情包: {emoji_description}"
-
-        except Exception as e:
-            logger.error(f"{self.log_prefix} 表情动作执行失败: {e}")
-            return False, f"表情发送失败: {str(e)}"
-
-
 @register_plugin
 class CoreActionsPlugin(BasePlugin):
     """核心动作插件