refactor: 将多个方法修改为静态方法以提高代码可读性和一致性

src/plugins/memory_system/Hippocampus.py

@@ -250,7 +250,8 @@ class Hippocampus:
         """获取记忆图中所有节点的名字列表"""
         return list(self.memory_graph.G.nodes())
 
-    def calculate_node_hash(self, concept, memory_items) -> int:
+    @staticmethod
+    def calculate_node_hash(concept, memory_items) -> int:
         """计算节点的特征值"""
         if not isinstance(memory_items, list):
             memory_items = [memory_items] if memory_items else []
@@ -258,12 +259,14 @@ class Hippocampus:
         content = f"{concept}:{'|'.join(sorted_items)}"
         return hash(content)
 
-    def calculate_edge_hash(self, source, target) -> int:
+    @staticmethod
+    def calculate_edge_hash(source, target) -> int:
         """计算边的特征值"""
         nodes = sorted([source, target])
         return hash(f"{nodes[0]}:{nodes[1]}")
 
-    def find_topic_llm(self, text, topic_num):
+    @staticmethod
+    def find_topic_llm(text, topic_num):
         prompt = (
             f"这是一段文字：{text}。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"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。"
@@ -271,14 +274,16 @@ class Hippocampus:
         )
         return prompt
 
-    def topic_what(self, text, topic, time_info):
+    @staticmethod
+    def topic_what(text, topic, time_info):
         prompt = (
             f'这是一段文字，{time_info}：{text}。我想让你基于这段文字来概括"{topic}"这个概念，帮我总结成一句自然的话，'
             f"可以包含时间和人物，以及具体的观点。只输出这句话就好"
         )
         return prompt
 
-    def calculate_topic_num(self, text, compress_rate):
+    @staticmethod
+    def calculate_topic_num(text, compress_rate):
         """计算文本的话题数量"""
         information_content = calculate_information_content(text)
         topic_by_length = text.count("\n") * compress_rate
@@ -693,7 +698,8 @@ class EntorhinalCortex:
 
         return chat_samples
 
-    def random_get_msg_snippet(self, target_timestamp: float, chat_size: int, max_memorized_time_per_msg: int) -> list:
+    @staticmethod
+    def random_get_msg_snippet(target_timestamp: float, chat_size: int, max_memorized_time_per_msg: int) -> list:
         """从数据库中随机获取指定时间戳附近的消息片段"""
         try_count = 0
         while try_count < 3:
@@ -958,7 +964,8 @@ class Hippocampus:
         """获取记忆图中所有节点的名字列表"""
         return list(self.memory_graph.G.nodes())
 
-    def calculate_node_hash(self, concept, memory_items) -> int:
+    @staticmethod
+    def calculate_node_hash(concept, memory_items) -> int:
         """计算节点的特征值"""
         if not isinstance(memory_items, list):
             memory_items = [memory_items] if memory_items else []
@@ -966,12 +973,14 @@ class Hippocampus:
         content = f"{concept}:{'|'.join(sorted_items)}"
         return hash(content)
 
-    def calculate_edge_hash(self, source, target) -> int:
+    @staticmethod
+    def calculate_edge_hash(source, target) -> int:
         """计算边的特征值"""
         nodes = sorted([source, target])
         return hash(f"{nodes[0]}:{nodes[1]}")
 
-    def find_topic_llm(self, text, topic_num):
+    @staticmethod
+    def find_topic_llm(text, topic_num):
         prompt = (
             f"这是一段文字：{text}。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"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。"
@@ -979,14 +988,16 @@ class Hippocampus:
         )
         return prompt
 
-    def topic_what(self, text, topic, time_info):
+    @staticmethod
+    def topic_what(text, topic, time_info):
         prompt = (
             f'这是一段文字，{time_info}：{text}。我想让你基于这段文字来概括"{topic}"这个概念，帮我总结成一句自然的话，'
             f"可以包含时间和人物，以及具体的观点。只输出这句话就好"
         )
         return prompt
 
-    def calculate_topic_num(self, text, compress_rate):
+    @staticmethod
+    def calculate_topic_num(text, compress_rate):
         """计算文本的话题数量"""
         information_content = calculate_information_content(text)
         topic_by_length = text.count("\n") * compress_rate