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

fix：优化人格特点解析

Browse Source
This commit is contained in:
SengokuCola
2025-06-21 12:18:41 +08:00
parent 9359ee1e3b
commit df0e6192d0
1 changed files with 37 additions and 76 deletions
Download Patch File Download Diff File Expand all files Collapse all files

113
src/individuality/individuality.py
View File

@@ -8,6 +8,7 @@ import os
import hashlib
import traceback
from rich.traceback import install
from json_repair import repair_json
from src.chat.utils.prompt_builder import Prompt, global_prompt_manager
from src.manager.async_task_manager import AsyncTask
from src.llm_models.utils_model import LLMRequest
@@ -23,28 +24,27 @@ def init_prompt():
"""初始化用于关键词提取的prompts"""
extract_keywords_prompt = """
请分析以下对某人的描述，提取出其中的独立关键词。每个关键词应该是可以用来从某一角度概括的方面：性格，身高，喜好，外貌，身份，兴趣，爱好，习惯，等等。
请分析以下对{bot_name}的描述，提取出其中的独立关键词。每个关键词应该是可以用来从某一角度概括的方面，例如：
性格，身高，喜好，外貌，身份，兴趣，爱好，习惯，等等..........
描述内容：
{personality_sides}
要求：
1. 提取独立的关键词，不要使用句子或短语
2. 每个关键词用逗号分隔
3. 只输出关键词，不要输出任何解释或其他内容
1. 选择关键词，对{bot_name}的某一方面进行概括
2. 用json格式输出，以下是示例格式：
{{
"性格":"性格开朗",
"兴趣":"喜欢唱歌",
"身份":"大学生",
}}
以上是一个例子，你可以输出多个关键词，现在请你根据描述内容进行总结{bot_name}，输出json格式：
请输出关键词：
请输出json格式，不要输出任何解释或其他内容
"""
Prompt(extract_keywords_prompt, "extract_keywords_prompt")
fetch_info_prompt = """
{name_block}，你的性格的特征是：
{prompt_personality}
{indentify_block}
请从中提取有关你的有关"{keyword}"信息，请输出原始内容，如果{bot_name}没有涉及"{keyword}"相关信息，请输出none：
"""
Prompt(fetch_info_prompt, "fetch_info_prompt")
class Individuality:
@@ -317,12 +317,7 @@ class Individuality:
if os.path.exists(self.fetch_info_file_path):
try:
with open(self.fetch_info_file_path, "r", encoding="utf-8") as f:
data = json.load(f)
# 兼容旧格式：如果是字符串则转换为列表
for keyword, value in data.items():
if isinstance(value, str):
data[keyword] = [value]
return data
return json.load(f)
except Exception as e:
logger.error(f"读取fetch_info文件失败: {e}")
return {}
@@ -350,35 +345,7 @@ class Individuality:
fetch_info_data = self._load_fetch_info_from_file()
logger.info(f"加载已有数据，现有关键词数量: {len(fetch_info_data)}")
# 检查并清理错误分割的关键词（包含逗号的键）
keys_to_fix = []
for key in fetch_info_data.keys():
if "," in key:
keys_to_fix.append(key)
if keys_to_fix:
logger.info(f"发现 {len(keys_to_fix)} 个需要重新分割的关键词")
for bad_key in keys_to_fix:
logger.info(f"重新分割关键词: '{bad_key}'")
# 获取对应的信息
info_list = fetch_info_data[bad_key]
# 删除旧的错误键
del fetch_info_data[bad_key]
# 按逗号分割并重新添加
split_keywords = [k.strip() for k in bad_key.split(",") if k.strip()]
for split_keyword in split_keywords:
if split_keyword not in fetch_info_data:
fetch_info_data[split_keyword] = []
# 将信息添加到分割后的关键词中
for info in info_list:
if info not in fetch_info_data[split_keyword]:
fetch_info_data[split_keyword].append(info)
logger.info(f"已将信息分配给关键词: '{split_keyword}'")
# 保存清理后的数据
self._save_fetch_info_to_file(fetch_info_data)
logger.info(f"清理完成，现在共有 {len(fetch_info_data)} 个关键词")
# 构建完整描述（personality + identity）
personality_sides_str = ""
@@ -395,7 +362,8 @@ class Individuality:
# 提取关键词
extract_prompt = (await global_prompt_manager.get_prompt_async("extract_keywords_prompt")).format(
personality_sides=personality_sides_str
personality_sides=personality_sides_str,
bot_name=self.name
)
llm_model = LLMRequest(
@@ -410,22 +378,22 @@ class Individuality:
logger.info("未提取到有效关键词")
return
# 解析关键词
keyword_set = [k.strip() for k in keywords_result.split(",") if k.strip()]
logger.info(f"分割后的关键词列表: {keyword_set}")
# 使用json_repair修复并解析JSON
keyword_dict = json.loads(repair_json(keywords_result))
logger.info(f"成功解析JSON格式的关键词: {keyword_dict}")
# 从字典中提取关键词列表，跳过"keywords"键
keyword_set = []
for key, value in keyword_dict.items():
if key.lower() != "keywords" and key.strip():
keyword_set.append(key.strip())
logger.info(f"最终提取的关键词列表: {keyword_set}")
logger.info(f"共提取到 {len(keyword_set)} 个关键词")
# 构建名称块和身份信息
nickname_str = ""
for nickname in global_config.bot.alias_names:
nickname_str += f"{nickname},"
name_block = f"你的名字是{self.name},你的昵称有{nickname_str}，有人也会用这些昵称称呼你。"
identity_detail_str = "你"
for detail in identity_detail:
identity_detail_str += f"{detail},"
# 为每个关键词生成fetched_info，添加到现有数据中
# 处理每个关键词的信息
updated_count = 0
new_count = 0
@@ -442,20 +410,13 @@ class Individuality:
action_type = "新增"
fetch_info_data[keyword] = [] # 初始化为空列表
fetch_prompt = (await global_prompt_manager.get_prompt_async("fetch_info_prompt")).format(
name_block=name_block,
prompt_personality=personality_sides_str,
indentify_block=identity_detail_str,
keyword=keyword,
bot_name=self.name,
)
fetched_info, _ = await llm_model.generate_response_async(prompt=fetch_prompt)
if fetched_info and fetched_info.strip() != "none":
# 添加到列表中，避免重复
if fetched_info not in fetch_info_data[keyword]:
fetch_info_data[keyword].append(fetched_info)
# 从JSON结果中获取关键词的信息
existing_info_from_json = keyword_dict.get(keyword, "")
if existing_info_from_json and existing_info_from_json.strip() and existing_info_from_json != keyword:
# 如果JSON中有有效信息且不只是重复关键词本身，直接使用
logger.info(f"从JSON结果中获取到关键词 '{keyword}' 的信息: '{existing_info_from_json}'")
if existing_info_from_json not in fetch_info_data[keyword]:
fetch_info_data[keyword].append(existing_info_from_json)
if action_type == "追加":
updated_count += 1
else:
@@ -464,7 +425,7 @@ class Individuality:
else:
logger.info(f"关键词 '{keyword}' 的信息已存在，跳过重复添加")
else:
logger.info(f"关键词 '{keyword}' 没有相关信息")
logger.info(f"关键词 '{keyword}' 在JSON中没有有效信息，跳过")
except Exception as e:
logger.error(f"为关键词 '{keyword}' 生成信息时出错: {e}")