移除无用prompt，优化replyer回复表现

prompts/zh-CN/hippo_topic_analysis.prompt

@@ -1,27 +0,0 @@
-【历史话题标题列表】（仅标题，不含具体内容）：
-{history_topics_block}
-【历史话题标题列表结束】
-
-【本次聊天记录】（每条消息前有编号，用于后续引用）：
-{messages_block}
-【本次聊天记录结束】
-
-请完成以下任务：
-**识别话题**
-1. 识别【本次聊天记录】中正在进行的一个或多个话题；
-2. 【本次聊天记录】的中的消息可能与历史话题有关，也可能毫无关联。
-2. 判断【历史话题标题列表】中的话题是否在【本次聊天记录】中出现，如果出现，则直接使用该历史话题标题字符串；
-
-**选取消息**
-1. 对于每个话题（新话题或历史话题），从上述带编号的消息中选出与该话题强相关的消息编号列表；
-2. 每个话题用一句话清晰地描述正在发生的事件，必须包含时间（大致即可）、人物、主要事件和主题，保证精准且有区分度； 
-
-请先输出一段简短思考，说明有什么话题，哪些是不包含在历史话题中的，哪些是包含在历史话题中的，并说明为什么；
-然后严格以 JSON 格式输出【本次聊天记录】中涉及的话题，格式如下：
-[
-  {{
-    "topic": "话题",
-    "message_indices": [1, 2, 5]
-  }},
-  ...
-]

prompts/zh-CN/hippo_topic_summary.prompt

@@ -1,22 +0,0 @@
-请基于以下话题，对聊天记录片段进行概括，提取以下信息：
-
-**话题**：{topic}
-
-**要求**：
-1. 关键词：提取与话题相关的关键词，用列表形式返回（3-10个关键词）
-2. 概括：对这段话的平文本概括（50-200字），要求：
-   - 仔细地转述发生的事件和聊天内容；
-   - 重点突出事件的发展过程和结果；
-   - 围绕话题这个中心进行概括。
-   - 提取话题中的关键信息点，关键信息点应该简洁明了。
-
-请以JSON格式返回，格式如下：
-{{
-    "keywords": ["关键词1", "关键词2", ...],
-    "summary": "概括内容"
-}}
-
-聊天记录：
-{original_text}
-
-请直接返回JSON，不要包含其他内容。

prompts/zh-CN/maisaka_replyer.prompt

@@ -1,11 +1,9 @@
-你正在qq群里聊天，下面是群里正在聊的内容，其中包含聊天记录和聊天中的图片
-其中标注 {bot_name}(你) 的发言是你自己的发言，请注意区分:
-
+在下面的内容中，标注 {bot_name}(你) 的发言是你自己的发言，请注意区分:
+{identity}
 {time_block}
 
-{identity}
-你正在群里聊天,现在请你读读之前的聊天记录，把握当前的话题，然后给出日常且口语化的回复，
-尽量简短一些。最好一次对一个话题进行回复，免得啰嗦或者回复内容太乱。请注意把握聊天内容。
+现在请你读读之前的聊天记录，把握当前的话题，然后给出日常且口语化的回复，
 {reply_style}
 你可以参考【回复信息参考】中的信息，但是视情况而定，不用完全遵守。
-请注意不要输出多余内容(包括不必要的前后缀，冒号，括号，表情包，at或 @等 )，只输出发言内容就好。
+{group_chat_attention_block}
+请注意不要输出多余内容(包括不必要的前后缀，冒号，括号，表情包，at或 @等 )，只输出发言内容就好。

prompts/zh-CN/memory_get_knowledge.prompt

@@ -1,26 +0,0 @@
-你是一个专门获取长期记忆的助手。你的名字是{bot_name}。现在是{time_now}。
-群里正在进行的聊天内容：
-{chat_history}
-
-现在，{sender}发送了内容:{target_message},你想要回复ta。
-请仔细分析聊天内容，考虑以下几点：
-1. 内容中是否包含需要查询历史知识或长期记忆的问题
-2. 是否有明确的知识获取指令
-
-如果需要使用长期记忆工具，请直接调用函数 `search_long_term_memory`；如果不需要任何工具，直接输出 `No tool needed`。
-
-工具模式说明：
-- `mode="search"`：普通长期记忆检索，适合查具体事实、偏好、历史对话内容
-- `mode="time"`：按时间范围检索，必须同时提供 `time_expression`
-- `mode="episode"`：按事件/情节检索，适合查“那次经历”“那件事的经过”
-- `mode="aggregate"`：综合检索，适合“整体回忆一下”“把相关线索综合找出来”
-
-优先规则：
-- 问“某段时间发生了什么”：优先 `time`
-- 问“某次事件/某段经历”：优先 `episode`
-- 问“整体情况/最近发生过什么”：优先 `aggregate`
-- 问单点事实：优先 `search`
-
-`time_expression` 可用表达：
-- `今天`、`昨天`、`前天`、`本周`、`上周`、`本月`、`上月`、`最近7天`
-- 或绝对时间：`2026/03/18`、`2026/03/18 09:30`

prompts/zh-CN/memory_retrieval_react_final.prompt

@@ -1,19 +0,0 @@
-你的名字是{bot_name}。现在是{time_now}。
-你正在参与聊天，你需要根据搜集到的信息总结信息。
-如果搜集到的信息对于参与聊天，回答问题有帮助，请加入总结，如果无关，请不要加入到总结。
-
-当前聊天记录：
-{chat_history}
-
-已收集的信息：
-{collected_info}
-
-
-分析：
-- 基于已收集的信息，总结出对当前聊天有帮助的相关信息
-- **如果收集的信息对当前聊天有帮助**，在思考中直接给出总结信息，格式为：return_information(information="你的总结信息")
-- **如果信息无关或没有帮助**，在思考中给出：return_information(information="")
-
-**重要规则：**
-- 必须严格使用检索到的信息回答问题，不要编造信息
-- 答案必须精简，不要过多解释

prompts/zh-CN/memory_retrieval_react_prompt_head_memory.prompt

@@ -1,34 +0,0 @@
-你的名字是{bot_name}。现在是{time_now}。
-你正在参与聊天，你需要搜集信息来帮助你进行回复。
-重要，这是当前聊天记录：
-{chat_history}
-聊天记录结束
-
-已收集的信息：
-{collected_info}
-
-- 你可以对查询思路给出简短的思考：思考要简短，直接切入要点
-- 思考完毕后，使用工具
-
-**工具说明：**
-- 如果涉及过往事件、历史对话、用户长期偏好或某段时间发生的事件，可以使用长期记忆查询工具
-- 如果遇到不熟悉的词语、缩写、黑话或网络用语，可以使用query_words工具查询其含义
-- 你必须使用tool，如果需要查询你必须给出使用什么工具进行查询
-- 当你决定结束查询时，必须调用return_information工具返回总结信息并结束查询
-
-长期记忆工具 `search_long_term_memory` 支持以下模式：
-- `mode="search"`：普通事实/偏好/历史内容检索。适合问“她喜欢什么”“我们之前讨论过什么”。
-- `mode="time"`：按时间范围检索。适合问“昨天发生了什么”“最近7天有哪些相关记忆”。
-- `mode="episode"`：按事件/情节检索。适合问“那次灯塔停电的经过是什么”“关于某次经历还有什么”。
-- `mode="aggregate"`：综合检索。适合问“帮我整体回忆一下这个人最近的情况”“把相关线索综合找出来”。
-
-模式选择建议：
-- 问单点事实、偏好、人设、具体信息：优先 `search`
-- 问某段时间发生了什么：优先 `time`
-- 问某次事件、某段经历、某个剧情片段：优先 `episode`
-- 问整体回忆、综合找线索、总结最近发生的事：优先 `aggregate`
-
-时间模式要求：
-- 使用 `mode="time"` 时，必须填写 `time_expression`
-- 可用时间表达包括：`今天`、`昨天`、`前天`、`本周`、`上周`、`本月`、`上月`、`最近7天`
-- 也可以使用绝对时间：`2026/03/18`、`2026/03/18 09:30`