better：修改get_memoy tool以处理没有提取到记忆的情况

src/chat/planner_actions/planner.py

@@ -472,8 +472,8 @@ class ActionPlanner:
             # 调用LLM
             llm_content, (reasoning_content, _, _) = await self.planner_llm.generate_response_async(prompt=prompt)
 
-            logger.info(f"{self.log_prefix}规划器原始提示词: {prompt}")
+            # logger.info(f"{self.log_prefix}规划器原始提示词: {prompt}")
-            logger.info(f"{self.log_prefix}规划器原始响应: {llm_content}")
+            # logger.info(f"{self.log_prefix}规划器原始响应: {llm_content}")
 
             if global_config.debug.show_prompt:
                 logger.info(f"{self.log_prefix}规划器原始提示词: {prompt}")

src/chat/replyer/group_generator.py

@@ -485,6 +485,31 @@ class DefaultReplyer:
     ) -> Tuple[str, str]:
         """
 
+        Args:
+            message_list_before_now: 历史消息列表
+            target_user_id: 目标用户ID（当前对话对象）
+
+        Returns:
+            Tuple[str, str]: (核心对话prompt, 背景对话prompt)
+        """
+        # 构建背景对话 prompt
+        all_dialogue_prompt = ""
+        if message_list_before_now:
+            latest_msgs = message_list_before_now[-int(global_config.chat.max_context_size) :]
+            all_dialogue_prompt = build_readable_messages(
+                latest_msgs,
+                replace_bot_name=True,
+                timestamp_mode="normal_no_YMD",
+                truncate=True,
+            )
+
+        return all_dialogue_prompt
+    
+    def core_background_build_chat_history_prompts(
+        self, message_list_before_now: List[DatabaseMessages], target_user_id: str, sender: str
+    ) -> Tuple[str, str]:
+        """
+
         Args:
             message_list_before_now: 历史消息列表
             target_user_id: 目标用户ID（当前对话对象）
@@ -792,9 +817,7 @@ class DefaultReplyer:
             reply_target_block = ""
 
         # 构建分离的对话 prompt
-        core_dialogue_prompt, background_dialogue_prompt = self.build_chat_history_prompts(
+        dialogue_prompt = self.build_chat_history_prompts(message_list_before_now_long, user_id, sender)
-            message_list_before_now_long, user_id, sender
-        )
 
         return await global_prompt_manager.format_prompt(
             "replyer_prompt",
@@ -809,9 +832,8 @@ class DefaultReplyer:
             identity=personality_prompt,
             action_descriptions=actions_info,
             sender_name=sender,
-            background_dialogue_prompt=background_dialogue_prompt,
+            dialogue_prompt=dialogue_prompt,
             time_block=time_block,
-            core_dialogue_prompt=core_dialogue_prompt,
             reply_target_block=reply_target_block,
             reply_style=global_config.personality.reply_style,
             keywords_reaction_prompt=keywords_reaction_prompt,

src/chat/replyer/prompt/replyer_prompt.py

@@ -17,8 +17,7 @@ def init_replyer_prompt():
 
 你正在qq群里聊天，下面是群里正在聊的内容:
 {time_block}
-{background_dialogue_prompt}
+{dialogue_prompt}
-{core_dialogue_prompt}
 
 {reply_target_block}。
 {identity}

src/chat/replyer/prompt/rewrite_prompt.py

@@ -24,7 +24,7 @@ def init_rewrite_prompt():
 你可以完全重组回复，保留最基本的表达含义就好，但重组后保持语意通顺。
 {keywords_reaction_prompt}
 {moderation_prompt}
-不要输出多余内容(包括冒号和引号，表情包，emoji,at或 @等 )，只输出一条回复就好。
+不要输出多余内容(包括冒号和引号，表情包，emoji,at或 @等 )，只输出一条回复就好。不要思考的太长。
 改写后的回复：
 """,
         "default_expressor_prompt",

src/plugins/built_in/memory/build_memory.py

@@ -130,12 +130,15 @@ class GetMemoryTool(BaseTool):
         if memory_answer:
             content_parts.append(f"记忆仓库答案：{memory_answer}")
         else:
-            content_parts.append("记忆仓库：没有找到相关记忆")
+            content_parts.append(f"记忆仓库：对问题'{question}'，没有什么印象")
         
         if chat_answer:
-            content_parts.append(f"聊天记录答案：{chat_answer}")
+            content_parts.append(f"对问题'{question}'，基于聊天记录的回答：{chat_answer}")
         elif has_time_params:
-            content_parts.append("聊天记录：没有找到相关记录")
+            if time_point:
+                content_parts.append(f"在 {time_point} 的时间点，你没有参与聊天")
+            elif time_range:
+                content_parts.append(f"在 {time_range} 的时间范围内，你没有参与聊天")
         
         return {"content": "\n".join(content_parts)}
     
@@ -191,35 +194,37 @@ class GetMemoryTool(BaseTool):
                     request_type="chat_history_analysis"
                 )
                 
-                analysis_prompt = f"""请根据以下聊天记录内容，回答用户的问题。
+                analysis_prompt = f"""请根据以下聊天记录内容，回答用户的问题。请输出一段平文本，不要有特殊格式。
-
 聊天记录：
 {chat_content}
 
 用户问题：{question}
 
-请仔细分析聊天记录，提取与问题相关的信息，并给出准确的答案。如果聊天记录中没有相关信息，请说明"聊天记录中没有找到相关信息"。
+请仔细分析聊天记录，提取与问题相关的信息，并给出准确的答案。如果聊天记录中没有相关信息，无法回答问题，输出"无有效信息"即可，不要输出其他内容。
 
 答案："""
                 
                 response, (reasoning, model_name, tool_calls) = await llm_request.generate_response_async(
                     prompt=analysis_prompt,
                     temperature=0.3,
-                    max_tokens=500
+                    max_tokens=256
                 )
                 
-                return f"基于聊天记录分析：{response}"
+                if "无有效信息" in response:
+                    return ""
+                
+                return response
                 
             except Exception as llm_error:
                 logger.error(f"LLM分析聊天记录失败: {llm_error}")
                 # 如果LLM分析失败，返回聊天内容的摘要
                 if len(chat_content) > 300:
                     chat_content = chat_content[:300] + "..."
-                return f"聊天记录摘要：{chat_content}"
+                return chat_content
             
         except Exception as e:
             logger.error(f"从聊天记录获取答案失败: {e}")
-            return f"聊天记录分析失败: {str(e)}"
+            return ""
 
 class GetMemoryAction(BaseAction):
     """关系动作 - 获取记忆"""