# Todo: 重构Action,这里现在只剩下了报错。 import asyncio import random import time from abc import ABC, abstractmethod from typing import TYPE_CHECKING from src.chat.message_receive.chat_stream import ChatStream from src.common.logger import get_logger from src.plugin_system.apis import database_api, message_api, send_api from src.plugin_system.base.component_types import ActionActivationType, ActionInfo, ChatMode, ChatType, ComponentType if TYPE_CHECKING: from src.llm_models.utils_model import LLMRequest logger = get_logger("base_action") class BaseAction(ABC): """Action组件基类 Action是插件的一种组件类型，用于处理聊天中的动作逻辑 ================================================================================== 新的激活机制 (推荐使用) ================================================================================== 推荐通过重写 go_activate() 方法来自定义激活逻辑： 示例 1 - 关键词激活： async def go_activate(self, llm_judge_model=None) -> bool: return await self._keyword_match(["你好", "hello"]) 示例 2 - LLM 判断激活： async def go_activate(self, llm_judge_model=None) -> bool: return await self._llm_judge_activation( "当用户询问天气信息时激活", llm_judge_model ) 示例 3 - 组合多种条件： async def go_activate(self, llm_judge_model=None) -> bool: # 30% 随机概率，或者匹配关键词 if await self._random_activation(0.3): return True return await self._keyword_match(["表情", "emoji"]) 提供的工具函数： - _random_activation(probability): 随机激活 - _keyword_match(keywords, case_sensitive): 关键词匹配（自动获取聊天内容） - _llm_judge_activation(judge_prompt, llm_judge_model): LLM 判断（自动获取聊天内容） 注意：聊天内容会自动从实例属性中获取，无需手动传入。 ================================================================================== 旧的激活机制 (已废弃，但仍然兼容) ================================================================================== 子类可以通过类属性定义激活条件（已废弃，但 go_activate() 的默认实现会使用这些）： - focus_activation_type: 专注模式激活类型 - normal_activation_type: 普通模式激活类型 - activation_keywords: 激活关键词列表 - keyword_case_sensitive: 关键词是否区分大小写 - random_activation_probability: 随机激活概率 - llm_judge_prompt: LLM判断提示词 ================================================================================== 其他类属性 ================================================================================== - mode_enable: 启用的聊天模式 - parallel_action: 是否允许并行执行 二步Action相关属性： - is_two_step_action: 是否为二步Action - step_one_description: 第一步的描述 - sub_actions: 子Action列表 """ # 二步Action相关类属性 is_two_step_action: bool = False """是否为二步Action。如果为True，Action将分两步执行：第一步选择操作，第二步执行具体操作""" step_one_description: str = "" """第一步的描述，用于向LLM展示Action的基本功能""" sub_actions: list[tuple[str, str, dict[str, str]]] = [] """子Action列表，格式为[(子Action名, 子Action描述, 子Action参数)]。仅在二步Action中使用""" def __init__( self, action_data: dict, reasoning: str, cycle_timers: dict, thinking_id: str, chat_stream: ChatStream, log_prefix: str = "", plugin_config: dict | None = None, action_message: dict | None = None, **kwargs, ): # sourcery skip: hoist-similar-statement-from-if, merge-else-if-into-elif, move-assign-in-block, swap-if-else-branches, swap-nested-ifs """初始化Action组件 Args: action_data: 动作数据 reasoning: 执行该动作的理由 cycle_timers: 计时器字典 thinking_id: 思考ID chat_stream: 聊天流对象 log_prefix: 日志前缀 plugin_config: 插件配置字典 action_message: 消息数据 **kwargs: 其他参数 """ if plugin_config is None: plugin_config = {} self.action_data = action_data self.reasoning = reasoning self.cycle_timers = cycle_timers self.thinking_id = thinking_id self.log_prefix = log_prefix self.plugin_config = plugin_config or {} """对应的插件配置""" # 设置动作基本信息实例属性 self.action_name: str = getattr(self, "action_name", self.__class__.__name__.lower().replace("action", "")) """Action的名字""" self.action_description: str = getattr(self, "action_description", self.__doc__ or "Action组件") """Action的描述""" self.action_parameters: dict = getattr(self.__class__, "action_parameters", {}).copy() self.action_require: list[str] = getattr(self.__class__, "action_require", []).copy() # 设置激活类型实例属性（从类属性复制，提供默认值） self.focus_activation_type = getattr(self.__class__, "focus_activation_type", ActionActivationType.ALWAYS) """FOCUS模式下的激活类型""" self.normal_activation_type = getattr(self.__class__, "normal_activation_type", ActionActivationType.ALWAYS) """NORMAL模式下的激活类型""" self.activation_type = getattr(self.__class__, "activation_type", self.focus_activation_type) """激活类型""" self.random_activation_probability: float = getattr(self.__class__, "random_activation_probability", 0.0) """当激活类型为RANDOM时的概率""" self.llm_judge_prompt: str = getattr(self.__class__, "llm_judge_prompt", "") """协助LLM进行判断的Prompt""" self.activation_keywords: list[str] = getattr(self.__class__, "activation_keywords", []).copy() """激活类型为KEYWORD时的KEYWORDS列表""" self.keyword_case_sensitive: bool = getattr(self.__class__, "keyword_case_sensitive", False) self.mode_enable: ChatMode = getattr(self.__class__, "mode_enable", ChatMode.ALL) self.parallel_action: bool = getattr(self.__class__, "parallel_action", True) self.associated_types: list[str] = getattr(self.__class__, "associated_types", []).copy() self.chat_type_allow: ChatType = getattr(self.__class__, "chat_type_allow", ChatType.ALL) # 二步Action相关实例属性 self.is_two_step_action: bool = getattr(self.__class__, "is_two_step_action", False) self.step_one_description: str = getattr(self.__class__, "step_one_description", "") self.sub_actions: list[tuple[str, str, dict[str, str]]] = getattr(self.__class__, "sub_actions", []).copy() self._selected_sub_action: str | None = None """当前选择的子Action名称，用于二步Action的状态管理""" # ============================================================================= # 便捷属性 - 直接在初始化时获取常用聊天信息（带类型注解） # ============================================================================= # 获取聊天流对象 self.chat_stream = chat_stream or kwargs.get("chat_stream") self.chat_id = self.chat_stream.stream_id self.platform = getattr(self.chat_stream, "platform", None) # 初始化基础信息（带类型注解） self.action_message = action_message self.group_id = None self.group_name = None self.user_id = None self.user_nickname = None self.is_group = False self.target_id = None self.has_action_message = False if self.action_message: self.has_action_message = True else: self.action_message = {} if self.has_action_message: if self.action_name != "no_reply": self.group_id = str(self.action_message.get("chat_info_group_id", None)) self.group_name = self.action_message.get("chat_info_group_name", None) self.user_id = str(self.action_message.get("user_id", None)) self.user_nickname = self.action_message.get("user_nickname", None) if self.group_id: self.is_group = True self.target_id = self.group_id else: self.is_group = False self.target_id = self.user_id else: if self.chat_stream.group_info: self.group_id = self.chat_stream.group_info.group_id self.group_name = self.chat_stream.group_info.group_name self.is_group = True self.target_id = self.group_id else: self.user_id = self.chat_stream.user_info.user_id self.user_nickname = self.chat_stream.user_info.user_nickname self.is_group = False self.target_id = self.user_id logger.debug(f"{self.log_prefix} Action组件初始化完成") logger.debug( f"{self.log_prefix} 聊天信息: 类型={'群聊' if self.is_group else '私聊'}, 平台={self.platform}, 目标={self.target_id}" ) # 验证聊天类型限制 if not self._validate_chat_type(): logger.warning( f"{self.log_prefix} Action '{self.action_name}' 不支持当前聊天类型: " f"{'群聊' if self.is_group else '私聊'}, 允许类型: {self.chat_type_allow.value}" ) def _validate_chat_type(self) -> bool: """验证当前聊天类型是否允许执行此Action Returns: bool: 如果允许执行返回True，否则返回False """ if self.chat_type_allow == ChatType.ALL: return True elif self.chat_type_allow == ChatType.GROUP and self.is_group: return True elif self.chat_type_allow == ChatType.PRIVATE and not self.is_group: return True else: return False def is_chat_type_allowed(self) -> bool: """检查当前聊天类型是否允许执行此Action 这是一个公开的方法，供外部调用检查聊天类型限制 Returns: bool: 如果允许执行返回True，否则返回False """ return self._validate_chat_type() async def wait_for_new_message(self, timeout: int = 1200) -> tuple[bool, str]: """等待新消息或超时 在loop_start_time之后等待新消息，如果没有新消息且没有超时，就一直等待。 使用message_api检查self.chat_id对应的聊天中是否有新消息。 Args: timeout: 超时时间（秒），默认1200秒 Returns: Tuple[bool, str]: (是否收到新消息, 空字符串) """ try: # 获取循环开始时间，如果没有则使用当前时间 loop_start_time = self.action_data.get("loop_start_time", time.time()) logger.info(f"{self.log_prefix} 开始等待新消息... (最长等待: {timeout}秒, 从时间点: {loop_start_time})") # 确保有有效的chat_id if not self.chat_id: logger.error(f"{self.log_prefix} 等待新消息失败: 没有有效的chat_id") return False, "没有有效的chat_id" wait_start_time = asyncio.get_event_loop().time() while True: # 检查关闭标志 # shutting_down = self.get_action_context("shutting_down", False) # if shutting_down: # logger.info(f"{self.log_prefix} 等待新消息时检测到关闭信号，中断等待") # return False, "" # 检查新消息 current_time = time.time() new_message_count = await message_api.count_new_messages( chat_id=self.chat_id, start_time=loop_start_time, end_time=current_time ) if new_message_count > 0: logger.info(f"{self.log_prefix} 检测到{new_message_count}条新消息，聊天ID: {self.chat_id}") return True, "" # 检查超时 elapsed_time = asyncio.get_event_loop().time() - wait_start_time if elapsed_time > timeout: logger.warning(f"{self.log_prefix} 等待新消息超时({timeout}秒)，聊天ID: {self.chat_id}") return False, "" # 每30秒记录一次等待状态 if int(elapsed_time) % 15 == 0 and int(elapsed_time) > 0: logger.debug(f"{self.log_prefix} 已等待{int(elapsed_time)}秒，继续等待新消息...") # 短暂休眠 await asyncio.sleep(0.5) except asyncio.CancelledError: logger.info(f"{self.log_prefix} 等待新消息被中断 (CancelledError)") return False, "" except Exception as e: logger.error(f"{self.log_prefix} 等待新消息时发生错误: {e}") return False, f"等待新消息失败: {e!s}" async def send_text(self, content: str, reply_to: str = "", typing: bool = False) -> bool: """发送文本消息 Args: content: 文本内容 reply_to: 回复消息，格式为"发送者:消息内容" Returns: bool: 是否发送成功 """ if not self.chat_id: logger.error(f"{self.log_prefix} 缺少聊天ID") return False return await send_api.text_to_stream( text=content, stream_id=self.chat_id, set_reply=set_reply, reply_message=reply_message, typing=typing, ) async def send_emoji(self, emoji_base64: str, set_reply: bool = False,reply_message: Optional[Dict[str, Any]] = None) -> bool: """发送表情包 Args: emoji_base64: 表情包的base64编码 Returns: bool: 是否发送成功 """ if not self.chat_id: logger.error(f"{self.log_prefix} 缺少聊天ID") return False return await send_api.emoji_to_stream(emoji_base64, self.chat_id,set_reply=set_reply,reply_message=reply_message) async def send_image(self, image_base64: str, set_reply: bool = False,reply_message: Optional[Dict[str, Any]] = None) -> bool: """发送图片 Args: image_base64: 图片的base64编码 Returns: bool: 是否发送成功 """ if not self.chat_id: logger.error(f"{self.log_prefix} 缺少聊天ID") return False return await send_api.image_to_stream(image_base64, self.chat_id,set_reply=set_reply,reply_message=reply_message) async def send_custom(self, message_type: str, content: str, typing: bool = False, set_reply: bool = False,reply_message: Optional[Dict[str, Any]] = None) -> bool: """发送自定义类型消息 Args: message_type: 消息类型，如"video"、"file"、"audio"等 content: 消息内容 typing: 是否显示正在输入 reply_to: 回复消息，格式为"发送者:消息内容" Returns: bool: 是否发送成功 """ if not self.chat_id: logger.error(f"{self.log_prefix} 缺少聊天ID") return False return await send_api.custom_to_stream( message_type=message_type, content=content, stream_id=self.chat_id, typing=typing, set_reply=set_reply, reply_message=reply_message, ) async def store_action_info( self, action_build_into_prompt: bool = False, action_prompt_display: str = "", action_done: bool = True, ) -> None: """存储动作信息到数据库 Args: action_build_into_prompt: 是否构建到提示中 action_prompt_display: 显示的action提示信息 action_done: action是否完成 """ await database_api.store_action_info( chat_stream=self.chat_stream, action_build_into_prompt=action_build_into_prompt, action_prompt_display=action_prompt_display, action_done=action_done, thinking_id=self.thinking_id, action_data=self.action_data, action_name=self.action_name, ) async def send_command( self, command_name: str, args: dict | None = None, display_message: str = "", storage_message: bool = True ) -> bool: """发送命令消息 使用stream API发送命令 Args: command_name: 命令名称 args: 命令参数 display_message: 显示消息 storage_message: 是否存储消息到数据库 Returns: bool: 是否发送成功 """ try: if not self.chat_id: logger.error(f"{self.log_prefix} 缺少聊天ID") return False # 构造命令数据 command_data = {"name": command_name, "args": args or {}} success = await send_api.command_to_stream( command=command_data, stream_id=self.chat_id, storage_message=storage_message, display_message=display_message, ) if success: logger.info(f"{self.log_prefix} 成功发送命令: {command_name}") else: logger.error(f"{self.log_prefix} 发送命令失败: {command_name}") return success except Exception as e: logger.error(f"{self.log_prefix} 发送命令时出错: {e}") return False async def call_action(self, action_name: str, action_data: dict | None = None) -> tuple[bool, str]: """ 在当前Action中调用另一个Action。 Args: action_name (str): 要调用的Action的名称。 action_data (Optional[dict], optional): 传递给被调用Action的动作数据。如果为None，则使用当前Action的action_data。 Returns: Tuple[bool, str]: 被调用Action的执行结果 (is_success, message)。 """ log_prefix = f"{self.log_prefix} [call_action -> {action_name}]" logger.info(f"{log_prefix} 尝试调用Action: {action_name}") try: from src.plugin_system.core.component_registry import component_registry # 1. 从注册中心获取Action类 from src.plugin_system.core.component_registry import component_registry action_class = component_registry.get_component_class(action_name, ComponentType.ACTION) if not action_class: logger.error(f"{log_prefix} 未找到Action: {action_name}") return False, f"未找到Action: {action_name}" # 2. 准备实例化参数 # 复用当前Action的大部分上下文信息 called_action_data = action_data if action_data is not None else self.action_data component_info = component_registry.get_component_info(action_name, ComponentType.ACTION) if not component_info: logger.warning(f"{log_prefix} 未找到Action组件信息: {action_name}") return False, f"未找到Action组件信息: {action_name}" # 确保获取的是Action组件 if component_info.component_type != ComponentType.ACTION: logger.error( f"{log_prefix} 尝试调用的组件 '{action_name}' 不是一个Action，而是一个 '{component_info.component_type.value}'" ) return False, f"组件 '{action_name}' 不是一个有效的Action" plugin_config = component_registry.get_plugin_config(component_info.plugin_name) # 3. 实例化被调用的Action action_params = { "action_data": called_action_data, "reasoning": f"Called by {self.action_name}", "cycle_timers": self.cycle_timers, "thinking_id": self.thinking_id, "chat_stream": self.chat_stream, "log_prefix": log_prefix, "plugin_config": plugin_config, "action_message": self.action_message, } action_instance = action_class(**action_params) # 4. 执行Action logger.debug(f"{log_prefix} 开始执行...") execute_result = await action_instance.execute() # Todo: 修复类型错误 # 确保返回类型符合 (bool, str) 格式 is_success = execute_result[0] if isinstance(execute_result, tuple) and len(execute_result) > 0 else False message = execute_result[1] if isinstance(execute_result, tuple) and len(execute_result) > 1 else "" result = (is_success, str(message)) logger.info(f"{log_prefix} 执行完成，结果: {result}") return result except Exception as e: logger.error(f"{log_prefix} 调用时发生错误: {e}", exc_info=True) return False, f"调用Action '{action_name}' 时发生错误: {e}" @classmethod def get_action_info(cls) -> "ActionInfo": """从类属性生成ActionInfo 所有信息都从类属性中读取，确保一致性和完整性。 Action类必须定义所有必要的类属性。 Returns: ActionInfo: 生成的Action信息对象 """ # 从类属性读取名称，如果没有定义则使用类名自动生成 name = getattr(cls, "action_name", cls.__name__.lower().replace("action", "")) if "." in name: logger.error(f"Action名称 '{name}' 包含非法字符 '.'，请使用下划线替代") raise ValueError(f"Action名称 '{name}' 包含非法字符 '.'，请使用下划线替代") # 获取focus_activation_type和normal_activation_type focus_activation_type = getattr(cls, "focus_activation_type", ActionActivationType.ALWAYS) normal_activation_type = getattr(cls, "normal_activation_type", ActionActivationType.ALWAYS) # 处理activation_type：如果插件中声明了就用插件的值，否则默认使用focus_activation_type activation_type = getattr(cls, "activation_type", focus_activation_type) return ActionInfo( name=name, component_type=ComponentType.ACTION, description=getattr(cls, "action_description", "Action动作"), focus_activation_type=focus_activation_type, normal_activation_type=normal_activation_type, activation_type=activation_type, activation_keywords=getattr(cls, "activation_keywords", []).copy(), keyword_case_sensitive=getattr(cls, "keyword_case_sensitive", False), mode_enable=getattr(cls, "mode_enable", ChatMode.ALL), parallel_action=getattr(cls, "parallel_action", True), random_activation_probability=getattr(cls, "random_activation_probability", 0.0), llm_judge_prompt=getattr(cls, "llm_judge_prompt", ""), # 使用正确的字段名 action_parameters=getattr(cls, "action_parameters", {}).copy(), action_require=getattr(cls, "action_require", []).copy(), associated_types=getattr(cls, "associated_types", []).copy(), chat_type_allow=getattr(cls, "chat_type_allow", ChatType.ALL), # 二步Action相关属性 is_two_step_action=getattr(cls, "is_two_step_action", False), step_one_description=getattr(cls, "step_one_description", ""), sub_actions=getattr(cls, "sub_actions", []).copy(), ) async def handle_step_one(self) -> tuple[bool, str]: """处理二步Action的第一步 Returns: Tuple[bool, str]: (是否执行成功, 回复文本) """ if not self.is_two_step_action: return False, "此Action不是二步Action" # 检查action_data中是否包含选择的子Action selected_action = self.action_data.get("selected_action") if not selected_action: # 第一步：展示可用的子Action [sub_action[0] for sub_action in self.sub_actions] description = self.step_one_description or f"{self.action_name}支持以下操作" actions_list = "\n".join([f"- {action}: {desc}" for action, desc, _ in self.sub_actions]) response = f"{description}\n\n可用操作：\n{actions_list}\n\n请选择要执行的操作。" return True, response else: # 验证选择的子Action是否有效 valid_actions = [sub_action[0] for sub_action in self.sub_actions] if selected_action not in valid_actions: return False, f"无效的操作选择: {selected_action}。可用操作: {valid_actions}" # 保存选择的子Action self._selected_sub_action = selected_action # 调用第二步执行 return await self.execute_step_two(selected_action) async def execute_step_two(self, sub_action_name: str) -> tuple[bool, str]: """执行二步Action的第二步 Args: sub_action_name: 子Action名称 Returns: Tuple[bool, str]: (是否执行成功, 回复文本) """ if not self.is_two_step_action: return False, "此Action不是二步Action" # 子类需要重写此方法来实现具体的第二步逻辑 return False, f"二步Action必须实现execute_step_two方法来处理操作: {sub_action_name}" # ============================================================================= # 新的激活机制 - go_activate 和工具函数 # ============================================================================= def _get_chat_content(self) -> str: """获取聊天内容用于激活判断 从实例属性中获取聊天内容。子类可以重写此方法来自定义获取逻辑。 Returns: str: 聊天内容 """ # 尝试从不同的实例属性中获取聊天内容 # 优先级：_activation_chat_content > action_data['chat_content'] > "" # 1. 如果有专门设置的激活用聊天内容（由 ActionModifier 设置） if hasattr(self, "_activation_chat_content"): return getattr(self, "_activation_chat_content", "") # 2. 尝试从 action_data 中获取 if hasattr(self, "action_data") and isinstance(self.action_data, dict): return self.action_data.get("chat_content", "") # 3. 默认返回空字符串 return "" async def go_activate( self, llm_judge_model: "LLMRequest | None" = None, ) -> bool: """判断此 Action 是否应该被激活 这是新的激活机制的核心方法。子类可以重写此方法来实现自定义的激活逻辑， 也可以使用提供的工具函数来简化常见的激活判断。 默认实现会检查类属性中的激活类型配置，提供向后兼容支持。 聊天内容会自动从实例属性中获取，不需要手动传入。 Args: llm_judge_model: LLM 判断模型，如果需要使用 LLM 判断 Returns: bool: True 表示应该激活，False 表示不激活 Example: >>> # 简单的关键词激活 >>> async def go_activate(self, llm_judge_model=None) -> bool: >>> return await self._keyword_match(["你好", "hello"]) >>> >>> # LLM 判断激活 >>> async def go_activate(self, llm_judge_model=None) -> bool: >>> return await self._llm_judge_activation( >>> "当用户询问天气信息时激活", >>> llm_judge_model >>> ) >>> >>> # 组合多种条件 >>> async def go_activate(self, llm_judge_model=None) -> bool: >>> # 随机 30% 概率，或者匹配关键词 >>> if await self._random_activation(0.3): >>> return True >>> return await self._keyword_match(["天气"]) """ # 默认实现：向后兼容旧的激活类型系统 activation_type = getattr(self, "activation_type", ActionActivationType.ALWAYS) if activation_type == ActionActivationType.ALWAYS: return True elif activation_type == ActionActivationType.NEVER: return False elif activation_type == ActionActivationType.RANDOM: probability = getattr(self, "random_activation_probability", 0.0) return await self._random_activation(probability) elif activation_type == ActionActivationType.KEYWORD: keywords = getattr(self, "activation_keywords", []) case_sensitive = getattr(self, "keyword_case_sensitive", False) return await self._keyword_match(keywords, case_sensitive) elif activation_type == ActionActivationType.LLM_JUDGE: prompt = getattr(self, "llm_judge_prompt", "") return await self._llm_judge_activation( judge_prompt=prompt, llm_judge_model=llm_judge_model, ) # 未知类型，默认不激活 logger.warning(f"{self.log_prefix} 未知的激活类型: {activation_type}") return False async def _random_activation(self, probability: float) -> bool: """随机激活工具函数 Args: probability: 激活概率，范围 0.0 到 1.0 Returns: bool: 是否激活 """ result = random.random() < probability logger.debug(f"{self.log_prefix} 随机激活判断: 概率={probability}, 结果={'激活' if result else '不激活'}") return result async def _keyword_match( self, keywords: list[str], case_sensitive: bool = False, ) -> bool: """关键词匹配工具函数 聊天内容会自动从实例属性中获取。 Args: keywords: 关键词列表 case_sensitive: 是否区分大小写 Returns: bool: 是否匹配到关键词 """ if not keywords: logger.warning(f"{self.log_prefix} 关键词列表为空，默认不激活") return False # 自动获取聊天内容 chat_content = self._get_chat_content() search_text = chat_content if not case_sensitive: search_text = search_text.lower() matched_keywords = [] for keyword in keywords: check_keyword = keyword if case_sensitive else keyword.lower() if check_keyword in search_text: matched_keywords.append(keyword) if matched_keywords: logger.debug(f"{self.log_prefix} 匹配到关键词: {matched_keywords}") return True else: logger.debug(f"{self.log_prefix} 未匹配到任何关键词: {keywords}") return False async def _llm_judge_activation( self, judge_prompt: str = "", llm_judge_model: "LLMRequest | None" = None, action_description: str = "", action_require: list[str] | None = None, ) -> bool: """LLM 判断激活工具函数 使用 LLM 来判断是否应该激活此 Action。 会自动构建完整的判断提示词，只需要提供核心判断逻辑即可。 聊天内容会自动从实例属性中获取。 Args: judge_prompt: 自定义判断提示词（核心判断逻辑） llm_judge_model: LLM 判断模型实例，如果为 None 则会创建默认的小模型 action_description: Action 描述，如果不提供则使用类属性 action_require: Action 使用场景，如果不提供则使用类属性 Returns: bool: 是否应该激活 Example: >>> # 最简单的用法 >>> result = await self._llm_judge_activation( >>> "当用户询问天气信息时激活" >>> ) >>> >>> # 提供详细信息 >>> result = await self._llm_judge_activation( >>> judge_prompt="当用户表达情绪或需要情感支持时激活", >>> action_description="发送安慰表情包", >>> action_require=["用户情绪低落", "需要情感支持"] >>> ) """ try: # 自动获取聊天内容 chat_content = self._get_chat_content() # 如果没有提供 LLM 模型，创建一个默认的 if llm_judge_model is None: from src.config.config import model_config from src.llm_models.utils_model import LLMRequest llm_judge_model = LLMRequest( model_set=model_config.model_task_config.utils_small, request_type="action.judge", ) # 使用类属性作为默认值 if not action_description: action_description = getattr(self, "action_description", "Action 动作") if action_require is None: action_require = getattr(self, "action_require", []) # 构建完整的判断提示词 prompt = f"""你需要判断在当前聊天情况下，是否应该激活名为"{self.action_name}"的动作。 动作描述：{action_description} """ if action_require: prompt += "\n动作使用场景：\n" for req in action_require: prompt += f"- {req}\n" if judge_prompt: prompt += f"\n额外判定条件：\n{judge_prompt}\n" if chat_content: prompt += f"\n当前聊天记录：\n{chat_content}\n" prompt += """ 请根据以上信息判断是否应该激活这个动作。 只需要回答"是"或"否"，不要有其他内容。 """ # 调用 LLM 进行判断 response, _ = await llm_judge_model.generate_response_async(prompt=prompt) response = response.strip().lower() should_activate = "是" in response or "yes" in response or "true" in response logger.debug( f"{self.log_prefix} LLM 判断结果: 响应='{response}', 结果={'激活' if should_activate else '不激活'}" ) return should_activate except Exception as e: logger.error(f"{self.log_prefix} LLM 判断激活时出错: {e}") # 出错时默认不激活 return False @abstractmethod async def execute(self) -> tuple[bool, str]: """执行Action的抽象方法，子类必须实现 对于二步Action，会自动处理第一步逻辑 Returns: Tuple[bool, str]: (是否执行成功, 回复文本) """ # 如果是二步Action，自动处理第一步 if self.is_two_step_action: return await self.handle_step_one() # 普通Action由子类实现 pass async def handle_action(self) -> tuple[bool, str]: """兼容旧系统的handle_action接口，委托给execute方法 为了保持向后兼容性，旧系统的代码可能会调用handle_action方法。 此方法将调用委托给新的execute方法。 Returns: Tuple[bool, str]: (是否执行成功, 回复文本) """ return await self.execute() def get_config(self, key: str, default=None): """获取插件配置值，使用嵌套键访问 Args: key: 配置键名，使用嵌套访问如 "section.subsection.key" default: 默认值 Returns: Any: 配置值或默认值 """ if not self.plugin_config: return default # 支持嵌套键访问 keys = key.split(".") current = self.plugin_config for k in keys: if isinstance(current, dict) and k in current: current = current[k] else: return default return current