Losita/mai-bot
0
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

fix：优化记忆提取，提供细节prompt debug项目

Browse Source
This commit is contained in:
SengokuCola
2025-11-03 22:41:21 +08:00
parent 6d70cf7528
commit 3e5058eb0f
8 changed files with 53 additions and 79 deletions
Download Patch File Download Diff File Expand all files Collapse all files

21
src/chat/emoji_system/emoji_manager.py
View File

@@ -379,7 +379,7 @@ class EmojiManager:
self._scan_task = None
self.vlm = LLMRequest(model_set=model_config.model_task_config.vlm, request_type="emoji")
self.vlm = LLMRequest(model_set=model_config.model_task_config.vlm, request_type="emoji.see")
self.llm_emotion_judge = LLMRequest(
model_set=model_config.model_task_config.utils, request_type="emoji"
) # 更高的温度，更少的token（后续可以根据情绪来调整温度）
@@ -940,16 +940,16 @@ class EmojiManager:
image_base64 = get_image_manager().transform_gif(image_base64) # type: ignore
if not image_base64:
raise RuntimeError("GIF表情包转换失败")
prompt = "这是一个动态图表情包，每一张图代表了动态图的某一帧，黑色背景代表透明，描述一下表情包表达的情感和内容，描述细节，从互联网梗,meme的角度去分析"
prompt = "这是一个动态图表情包，每一张图代表了动态图的某一帧，黑色背景代表透明，简短描述一下表情包表达的情感和内容，描述细节，从互联网梗,meme的角度去分析"
description, _ = await self.vlm.generate_response_for_image(
prompt, image_base64, "jpg", temperature=0.3, max_tokens=1000
prompt, image_base64, "jpg", temperature=0.5
)
else:
prompt = (
"这是一个表情包，请详细描述一下表情包所表达的情感和内容，描述细节，从互联网梗,meme的角度去分析"
"这是一个表情包，请详细描述一下表情包所表达的情感和内容，简短描述细节，从互联网梗,meme的角度去分析"
)
description, _ = await self.vlm.generate_response_for_image(
prompt, image_base64, image_format, temperature=0.3, max_tokens=1000
prompt, image_base64, image_format, temperature=0.5
)
# 审核表情包
@@ -970,13 +970,14 @@ class EmojiManager:
# 第二步：LLM情感分析 - 基于详细描述生成情感标签列表
emotion_prompt = f"""
请你识别这个表情包的含义和适用场景，给我简短的描述，每个描述不要超过15个字
这是一个基于这个表情包的描述：'{description}'
你可以关注其幽默和讽刺意味，动用贴吧，微博，小红书的知识，必须从互联网梗,meme的角度去分析
请直接输出描述，不要出现任何其他内容，如果有多个描述，可以用逗号分隔
这是一个聊天场景中的表情包描述：'{description}'
请你识别这个表情包的含义和适用场景，给我简短的描述，每个描述不要超过15个字
你可以关注其幽默和讽刺意味，动用贴吧，微博，小红书的知识，必须从互联网梗,meme的角度去分析
请直接输出描述，不要出现任何其他内容，如果有多个描述，可以用逗号分隔
"""
emotions_text, _ = await self.llm_emotion_judge.generate_response_async(
emotion_prompt, temperature=0.7, max_tokens=600
emotion_prompt, temperature=0.7, max_tokens=256
)
# 处理情感列表

5
src/chat/replyer/group_generator.py
View File

@@ -136,7 +136,8 @@ class DefaultReplyer:
# logger.debug(f"replyer生成内容: {content}")
logger.info(f"replyer生成内容: {content}")
logger.info(f"replyer生成推理: {reasoning_content}")
if global_config.debug.show_replyer_reasoning:
logger.info(f"replyer生成推理:\n{reasoning_content}")
logger.info(f"replyer生成模型: {model_name}")
llm_response.content = content
@@ -1000,7 +1001,7 @@ class DefaultReplyer:
# 直接使用已初始化的模型实例
# logger.info(f"\n{prompt}\n")
if global_config.debug.show_prompt:
if global_config.debug.show_replyer_prompt:
logger.info(f"\n{prompt}\n")
else:
logger.debug(f"\nreplyer_Prompt:{prompt}\n")

4
src/chat/replyer/private_generator.py
View File

@@ -922,7 +922,7 @@ class PrivateReplyer:
# 直接使用已初始化的模型实例
logger.info(f"\n{prompt}\n")
if global_config.debug.show_prompt:
if global_config.debug.show_replyer_prompt:
logger.info(f"\n{prompt}\n")
else:
logger.debug(f"\n{prompt}\n")
@@ -934,6 +934,8 @@ class PrivateReplyer:
content = content.strip()
logger.info(f"使用 {model_name} 生成回复内容: {content}")
if global_config.debug.show_replyer_reasoning:
logger.info(f"使用 {model_name} 生成回复推理:\n{reasoning_content}")
return content, reasoning_content, model_name, tool_calls
async def get_prompt_info(self, message: str, sender: str, target: str):