5.5 KiB
5.5 KiB
HeartFC_chat 工作原理文档
HeartFC_chat 是一个基于心流理论的聊天系统，通过模拟人类的思维过程和情感变化来实现自然的对话交互。系统采用Plan-Replier-Sender循环机制，实现了智能化的对话决策和生成。
核心工作流程
1. 消息处理与存储 (HeartFCMessageReceiver)
[代码位置: src/plugins/focus_chat/heartflow_message_receiver.py]
消息处理器负责接收和预处理消息，主要完成以下工作：
graph TD
A[接收原始消息] --> B[解析为MessageRecv对象]
B --> C[消息缓冲处理]
C --> D[过滤检查]
D --> E[存储到数据库]
核心实现：
- 消息处理入口：
process_message()[行号: 38-215]- 消息解析和缓冲：
message_buffer.start_caching_messages()[行号: 63] - 过滤检查：
_check_ban_words(),_check_ban_regex()[行号: 196-215] - 消息存储：
storage.store_message()[行号: 108]
- 消息解析和缓冲：
2. 对话管理循环 (HeartFChatting)
[代码位置: src/plugins/focus_chat/focus_chat.py]
HeartFChatting是系统的核心组件，实现了完整的对话管理循环：
graph TD
A[Plan阶段] -->|决策是否回复| B[Replier阶段]
B -->|生成回复内容| C[Sender阶段]
C -->|发送消息| D[等待新消息]
D --> A
Plan阶段 [行号: 282-386]
- 主要函数：
_planner() - 功能实现：
- 获取观察信息：
observation.observe()[行号: 297] - 思维处理：
sub_mind.do_thinking_before_reply()[行号: 301] - LLM决策：使用
PLANNER_TOOL_DEFINITION进行动作规划 [行号: 13-42]
- 获取观察信息：
Replier阶段 [行号: 388-416]
- 主要函数：
_replier_work() - 调用生成器：
gpt_instance.generate_response()[行号: 394] - 处理生成结果和错误情况
Sender阶段 [行号: 418-450]
- 主要函数：
_sender() - 发送实现：
- 创建消息：
_create_thinking_message()[行号: 452-477] - 发送回复：
_send_response_messages()[行号: 479-525] - 处理表情：
_handle_emoji()[行号: 527-567]
- 创建消息：
3. 回复生成机制 (HeartFCGenerator)
[代码位置: src/plugins/focus_chat/heartFC_generator.py]
回复生成器负责产生高质量的回复内容：
graph TD
A[获取上下文信息] --> B[构建提示词]
B --> C[调用LLM生成]
C --> D[后处理优化]
D --> E[返回回复集]
核心实现：
- 生成入口：
generate_response()[行号: 39-67]- 情感调节：
arousal_multiplier = MoodManager.get_instance().get_arousal_multiplier()[行号: 47] - 模型生成：
_generate_response_with_model()[行号: 69-95] - 响应处理：
_process_response()[行号: 97-106]
- 情感调节：
4. 提示词构建系统 (HeartFlowPromptBuilder)
[代码位置: src/plugins/focus_chat/heartflow_prompt_builder.py]
提示词构建器支持两种工作模式，HeartFC_chat专门使用Focus模式，而Normal模式是为normal_chat设计的：
专注模式 (Focus Mode) - HeartFC_chat专用
- 实现函数：
_build_prompt_focus()[行号: 116-141] - 特点：
- 专注于当前对话状态和思维
- 更强的目标导向性
- 用于HeartFC_chat的Plan-Replier-Sender循环
- 简化的上下文处理，专注于决策
普通模式 (Normal Mode) - Normal_chat专用
- 实现函数：
_build_prompt_normal()[行号: 143-215] - 特点：
- 用于normal_chat的常规对话
- 完整的个性化处理
- 关系系统集成
- 知识库检索：
get_prompt_info()[行号: 217-591]
HeartFC_chat的Focus模式工作流程：
graph TD
A[获取结构化信息] --> B[获取当前思维状态]
B --> C[构建专注模式提示词]
C --> D[用于Plan阶段决策]
D --> E[用于Replier阶段生成]
智能特性
1. 对话决策机制
- LLM决策工具定义：
PLANNER_TOOL_DEFINITION[focus_chat.py 行号: 13-42] - 决策执行：
_planner()[focus_chat.py 行号: 282-386] - 考虑因素：
- 上下文相关性
- 情感状态
- 兴趣程度
- 对话时机
2. 状态管理
[代码位置: src/plugins/focus_chat/focus_chat.py]
- 状态机实现：
HeartFChatting类 [行号: 44-567] - 核心功能：
- 初始化：
_initialize()[行号: 89-112] - 循环控制：
_run_pf_loop()[行号: 192-281] - 状态转换：
_handle_loop_completion()[行号: 166-190]
- 初始化：
3. 回复生成策略
[代码位置: src/plugins/focus_chat/heartFC_generator.py]
- 温度调节：
current_model.temperature = global_config.llm_normal["temp"] * arousal_multiplier[行号: 48] - 生成控制：
_generate_response_with_model()[行号: 69-95] - 响应处理：
_process_response()[行号: 97-106]
系统配置
关键参数
- LLM配置：
model_normal[heartFC_generator.py 行号: 32-37] - 过滤规则：
_check_ban_words(),_check_ban_regex()[heartflow_message_receiver.py 行号: 196-215] - 状态控制：
INITIAL_DURATION = 60.0[focus_chat.py 行号: 11]
优化建议
- 调整LLM参数：
temperature和max_tokens - 优化提示词模板：
init_prompt()[heartflow_prompt_builder.py 行号: 8-115] - 配置状态转换条件
- 维护过滤规则
注意事项
- 系统稳定性
- 异常处理：各主要函数都包含try-except块
- 状态检查：
_processing_lock确保并发安全 - 循环控制：
_loop_active和_loop_task管理
- 性能优化
- 缓存使用：
message_buffer系统 - LLM调用优化：批量处理和复用
- 异步处理：使用
asyncio
- 质量控制
- 日志记录：使用
get_module_logger() - 错误追踪：详细的异常记录
- 响应监控：完整的状态跟踪