Mofox-Core/docs/0.6Bing.md

• 智能化 MaiState 状态转换:

  • 当前 MaiState (整体状态，如 OFFLINE, NORMAL_CHAT 等) 的转换逻辑 (MaiStateManager) 较为简单，主要依赖时间和随机性。
  • 未来的计划是让主心流 (Heartflow) 负责决策自身的 MaiState。
  • 该决策将综合考虑以下信息：
    • 各个子心流 (SubHeartflow) 的活动状态和信息摘要。
    • 主心流自身的状态和历史信息。
    • (可能) 结合预设的日程安排 (Schedule) 信息。
  • 目标是让 Mai 的整体状态变化更符合逻辑和上下文。 (计划在 064 实现)

• 参数化与动态调整聊天行为:

  • 将 NormalChatInstance 和 HeartFlowChatInstance 中的关键行为参数（例如：回复概率、思考频率、兴趣度阈值、状态转换条件等）提取出来，使其更易于配置。
  • 允许每个 SubHeartflow (即每个聊天场景) 拥有其独立的参数配置，实现"千群千面"。
  • 开发机制，使得这些参数能够被动态调整：
    • 基于外部反馈：例如，根据用户评价（"话太多"或"太冷淡"）调整回复频率。
    • 基于环境分析：例如，根据群消息的活跃度自动调整参与度。
    • 基于学习：通过分析历史交互数据，优化特定群聊下的行为模式。
  • 目标是让 Mai 在不同群聊中展现出更适应环境、更个性化的交互风格。

• 动态 Prompt 生成与人格塑造:

  • 当前 Prompt (提示词) 相对静态。计划实现动态或半结构化的 Prompt 生成。
  • Prompt 内容可根据以下因素调整：
    • 人格特质: 通过参数化配置（如友善度、严谨性等），影响 Prompt 的措辞、语气和思考倾向，塑造更稳定和独特的人格。
    • 当前情绪: 将实时情绪状态融入 Prompt，使回复更符合当下心境。
  • 目标：提升 HeartFlowChatInstance (HFC) 回复的多样性、一致性和真实感。
  • 前置：需要重构 Prompt 构建逻辑，可能引入 PromptBuilder 并提供标准接口 (认为是必须步骤)。

• 增强工具调用能力 (Enhanced Tool Usage):

  • 扩展 HeartFlowChatInstance (HFC) 可用的工具集。
  • 考虑引入"元工具"或分层工具机制，允许 HFC 在需要时（如深度思考）访问更强大的工具，例如：
    • 修改自身或其他 SubHeartflow 的聊天参数。
    • 请求改变 Mai 的全局状态 (MaiState)。
    • 管理日程或执行更复杂的分析任务。
  • 目标：提升 HFC 的自主决策和行动能力，即使会增加一定的延迟。

• 基于历史学习的行为模式应用:

  • 学习: 分析过往聊天记录，提取和学习具体的行为模式（如特定梗的用法、情境化回应风格等）。可能需要专门的分析模块。
  • 存储与匹配: 需要有效的方法存储学习到的行为模式，并开发强大的 匹配 机制，在运行时根据当前情境检索最合适的模式。(匹配的准确性是关键)
  • 应用与评估: 将匹配到的行为模式融入 HFC 的决策和回复生成（例如，将其整合进 Prompt）。之后需评估该行为模式应用的实际效果。
  • 人格塑造: 通过学习到的实际行为来动态塑造人格，作为静态人设描述的补充或替代，使其更生动自然。

• 标准化人设生成 (Standardized Persona Generation):

  • 目标: 解决手动配置 人设 文件缺乏标准、难以全面描述个性的问题，并生成更丰富、可操作的人格资源。
  • 方法: 利用大型语言模型 (LLM) 辅助生成标准化的、结构化的人格资源包。
  • 生成内容: 不仅生成描述性文本（替代现有 individual 配置），还可以同时生成与该人格配套的：
    • 相关工具 (Tools): 该人格倾向于使用的工具或能力。
    • 初始记忆/知识库 (Memories/Knowledge): 定义其背景和知识基础。
    • 核心行为模式 (Core Behavior Patterns): 预置一些典型的行为方式，可作为行为学习的起点。
  • 实现途径:
    • 通过与 LLM 的交互式对话来定义和细化人格及其配套资源。
    • 让 LLM 分析提供的文本材料（如小说、背景故事）来提取人格特质和相关信息。
  • 优势: 替代易出错且标准不一的手动配置，生成更丰富、一致、包含配套资源且易于系统理解和应用的人格包。

• 探索高级记忆检索机制 (GE 系统概念):

  • 研究超越简单关键词/近期性检索的记忆模型。
  • 考虑引入基于事件关联、相对时间线索和绝对时间锚点的检索方式。
  • 可能涉及设计新的事件表示或记忆结构。

• 实现 SubHeartflow 级记忆缓存池:

  • 在 SubHeartflow 层级或更高层级设计并实现一个缓存池，存储已检索的记忆/信息。
  • 避免在 HFC 等循环中重复进行相同的记忆检索调用。
  • 确保存储的信息能有效服务于当前交互上下文。

• 基于人格生成预设知识:

  • 开发利用 LLM 和人格配置生成背景知识的功能。
  • 这些知识应符合角色的行为风格和可能的经历。
  • 作为一种"冷启动"或丰富角色深度的方式。

开发计划TODO：LIST

• 人格功能：WIP
• 对特定对象的侧写功能
• 图片发送，转发功能：WIP
• 幽默和meme功能：WIP
• 小程序转发链接解析
• 自动生成的回复逻辑，例如自生成的回复方向，回复风格