a6d2aee781
- 实施扩展标签描述以实现更精确的语义匹配 - 增加强/弱提及分类，并附带独立的兴趣评分 - 重构机器人兴趣管理器，采用动态嵌入生成与缓存机制 - 通过增强的@提及处理功能优化消息处理 - 更新配置以支持回帖提升机制 - 将亲和力流量聊天重新组织为模块化结构，包含核心、规划器、主动响应和工具子模块 - 移除已弃用的规划器组件并整合功能 - 为napcat适配器插件添加数据库表初始化功能 - 修复元事件处理器中的心跳监控
170 lines
6.9 KiB
Markdown
170 lines
6.9 KiB
Markdown
# affinity_flow 配置项详解与调整指南
|
||
|
||
本指南详细说明了 MoFox-Bot `bot_config.toml` 配置文件中 `[affinity_flow]` 区块的各项参数，帮助你根据实际需求调整兴趣评分系统与回复决策系统的行为。
|
||
|
||
---
|
||
|
||
## 一、affinity_flow 作用简介
|
||
|
||
`affinity_flow` 主要用于控制 AI 对消息的兴趣评分（afc），并据此决定是否回复、如何回复、是否发送表情包等。通过合理调整这些参数，可以让 Bot 的回复行为更贴合你的预期。
|
||
|
||
---
|
||
|
||
## 二、配置项说明
|
||
|
||
### 1. 兴趣评分相关参数
|
||
|
||
- `reply_action_interest_threshold`
|
||
回复动作兴趣阈值。只有兴趣分高于此值，Bot 才会主动回复消息。
|
||
- **建议调整**：提高此值，Bot 回复更谨慎；降低则更容易回复。
|
||
|
||
- `non_reply_action_interest_threshold`
|
||
非回复动作兴趣阈值（如发送表情包等）。兴趣分高于此值时，Bot 可能采取非回复行为。
|
||
|
||
- `high_match_interest_threshold`
|
||
高匹配兴趣阈值。关键词匹配度高于此值时，视为高匹配。
|
||
|
||
- `medium_match_interest_threshold`
|
||
中匹配兴趣阈值。
|
||
|
||
- `low_match_interest_threshold`
|
||
低匹配兴趣阈值。
|
||
|
||
- `high_match_keyword_multiplier`
|
||
高匹配关键词兴趣倍率。高匹配关键词对兴趣分的加成倍数。
|
||
|
||
- `medium_match_keyword_multiplier`
|
||
中匹配关键词兴趣倍率。
|
||
|
||
- `low_match_keyword_multiplier`
|
||
低匹配关键词兴趣倍率。
|
||
|
||
匹配关键词数量的加成值。匹配越多，兴趣分越高。
|
||
|
||
- `max_match_bonus`
|
||
匹配数加成的最大值。
|
||
|
||
### 2. 回复决策相关参数
|
||
|
||
- `no_reply_threshold_adjustment`
|
||
不回复兴趣阈值调整值。用于动态调整不回复的兴趣阈值。bot每不回复一次，就会在基础阈值上降低该值。
|
||
|
||
- `reply_cooldown_reduction`
|
||
回复后减少的不回复计数。回复后，Bot 会更快恢复到基础阈值的状态。
|
||
|
||
- `max_no_reply_count`
|
||
最大不回复计数次数。防止 Bot 的回复阈值被过度降低。
|
||
|
||
### 3. 综合评分权重
|
||
|
||
- `keyword_match_weight`
|
||
兴趣关键词匹配度权重。关键词匹配对总兴趣分的影响比例。
|
||
|
||
- `mention_bot_weight`
|
||
提及 Bot 分数权重。被提及时兴趣分提升的权重。
|
||
|
||
- `relationship_weight`
|
||
|
||
### 4. 提及 Bot 相关参数
|
||
|
||
- `mention_bot_adjustment_threshold`
|
||
提及 Bot 后的调整阈值。当bot被提及后，回复阈值会改变为这个值。
|
||
|
||
- `strong_mention_interest_score`
|
||
强提及的兴趣分。强提及包括：被@、被回复、私聊消息。这类提及表示用户明确想与bot交互。
|
||
|
||
- `weak_mention_interest_score`
|
||
弱提及的兴趣分。弱提及包括：消息中包含bot的名字或别名（文本匹配）。这类提及可能只是在讨论中提到bot。
|
||
|
||
- `base_relationship_score`
|
||
---
|
||
|
||
1. **Bot 太冷漠/回复太少**
|
||
- 降低 `reply_action_interest_threshold`，或降低高中低关键词匹配的阈值。
|
||
|
||
2. **Bot 太热情/回复太多**
|
||
- 提高 `reply_action_interest_threshold`，或降低关键词相关倍率。
|
||
|
||
3. **希望 Bot 更关注被 @ 或回复的消息**
|
||
- 提高 `strong_mention_interest_score` 或 `mention_bot_weight`。
|
||
|
||
4. **希望 Bot 对文本提及也积极回应**
|
||
- 提高 `weak_mention_interest_score`。
|
||
|
||
5. **希望 Bot 更看重关系好的用户**
|
||
- 提高 `relationship_weight` 或 `base_relationship_score`。
|
||
|
||
6. **表情包行为过于频繁/稀少**
|
||
- 调整 `non_reply_action_interest_threshold`。
|
||
|
||
---
|
||
|
||
## 四、参数调整建议流程
|
||
|
||
1. 明确你希望 Bot 的行为（如更活跃/更安静/更关注特定用户等）。
|
||
2. 根据上表找到相关参数，优先调整权重和阈值。
|
||
3. 每次只微调一两个参数，观察实际效果。
|
||
4. 如需更细致的行为控制，可结合关键词、关系等多项参数综合调整。
|
||
|
||
---
|
||
|
||
## 五、示例配置片段
|
||
|
||
```toml
|
||
[affinity_flow]
|
||
reply_action_interest_threshold = 1.1
|
||
non_reply_action_interest_threshold = 0.9
|
||
high_match_interest_threshold = 0.7
|
||
medium_match_interest_threshold = 0.4
|
||
low_match_interest_threshold = 0.2
|
||
high_match_keyword_multiplier = 5
|
||
medium_match_keyword_multiplier = 3.75
|
||
low_match_keyword_multiplier = 1.3
|
||
match_count_bonus = 0.02
|
||
max_match_bonus = 0.25
|
||
no_reply_threshold_adjustment = 0.01
|
||
reply_cooldown_reduction = 5
|
||
max_no_reply_count = 20
|
||
keyword_match_weight = 0.4
|
||
mention_bot_weight = 0.3
|
||
relationship_weight = 0.3
|
||
mention_bot_adjustment_threshold = 0.5
|
||
strong_mention_interest_score = 2.5 # 强提及（@/回复/私聊）
|
||
weak_mention_interest_score = 1.5 # 弱提及（文本匹配）
|
||
base_relationship_score = 0.3
|
||
```
|
||
|
||
## 六、afc兴趣度评分决策流程详解
|
||
|
||
MoFox-Bot 在收到每条消息时，会通过一套“兴趣度评分（afc）”决策流程，综合多种因素计算出对该消息的兴趣分，并据此决定是否回复、如何回复或采取其他动作。以下为典型流程说明：
|
||
|
||
### 1. 关键词匹配与兴趣加成
|
||
- Bot 首先分析消息内容，查找是否包含高、中、低匹配的兴趣关键词。
|
||
- 不同匹配度的关键词会乘以对应的倍率（high/medium/low_match_keyword_multiplier），并根据匹配数量叠加加成（match_count_bonus，max_match_bonus）。
|
||
|
||
### 2. 提及与关系加分
|
||
- 如果消息中提及了 Bot，会根据提及类型获得不同的兴趣分：
|
||
* **强提及**（被@、被回复、私聊）: 获得 `strong_mention_interest_score` 分值，表示用户明确想与bot交互
|
||
* **弱提及**（文本中包含bot名字或别名）: 获得 `weak_mention_interest_score` 分值，表示在讨论中提到bot
|
||
* 提及分按权重（`mention_bot_weight`）计入总分
|
||
- 与用户的关系分（base_relationship_score 及动态关系分）也会按 relationship_weight 计入总分。
|
||
|
||
### 3. 综合评分计算
|
||
- 最终兴趣分 = 关键词匹配分 × keyword_match_weight + 提及分 × mention_bot_weight + 关系分 × relationship_weight。
|
||
- 你可以通过调整各权重，决定不同因素对总兴趣分的影响。
|
||
|
||
### 4. 阈值判定与回复决策
|
||
- 若兴趣分高于 reply_action_interest_threshold，Bot 会主动回复。
|
||
- 若兴趣分高于 non_reply_action_interest_threshold，但低于回复阈值，Bot 可能采取如发送表情包等非回复行为。
|
||
- 若兴趣分均未达到阈值，则不回复。
|
||
|
||
### 5. 动态阈值调整机制
|
||
- Bot 连续多次不回复时，reply_action_interest_threshold 会根据 no_reply_threshold_adjustment 逐步降低，最多降低 max_no_reply_count 次，防止长时间沉默。
|
||
- 回复后，阈值通过 reply_cooldown_reduction 恢复。
|
||
- 被@时，阈值可临时调整为 mention_bot_adjustment_threshold。
|
||
|
||
### 6. 典型决策流程图
|
||
|
||
1. 收到消息 → 2. 关键词/提及/关系分计算 → 3. 综合兴趣分加权 → 4. 与阈值比较 → 5. 决定回复/表情/忽略
|
||
|
||
通过理解上述流程，你可以有针对性地调整各项参数，让 Bot 的回复行为更贴合你的需求。 |