expressionLearner重构
This commit is contained in:
UnCLAS-Prommer
committed by
DrSmoothl
DrSmoothl
parent
f17b85c1bd
commit
ff4de39c8b
@@ -5,6 +5,7 @@ from typing import TYPE_CHECKING, List, Optional, Tuple
|
||||
import asyncio
|
||||
import difflib
|
||||
import json
|
||||
import re
|
||||
|
||||
from src.llm_models.utils_model import LLMRequest
|
||||
from src.config.config import model_config, global_config
|
||||
@@ -14,12 +15,13 @@ from src.common.database.database_model import Expression
|
||||
from src.common.database.database import get_db_session
|
||||
from src.common.data_models.expression_data_model import MaiExpression
|
||||
from src.common.utils.utils_message import MessageUtils
|
||||
from src.common.utils.system_utils import is_bot_self
|
||||
|
||||
from .expression_utils import check_expression_suitability, parse_expression_response
|
||||
|
||||
if TYPE_CHECKING:
|
||||
from src.chat.message_receive.message import SessionMessage
|
||||
from .jargon_miner import JargonMiner
|
||||
from .jargon_miner import JargonMiner, JargonEntry
|
||||
|
||||
|
||||
logger = get_logger("expressor")
|
||||
@@ -53,49 +55,278 @@ class ExpressionLearner:
|
||||
if not self._messages_cache:
|
||||
logger.debug("没有消息可供学习，跳过学习过程")
|
||||
return
|
||||
|
||||
# 构建可读消息
|
||||
readable_message, _, _ = await MessageUtils.build_readable_message(
|
||||
self._messages_cache,
|
||||
anonymize=True,
|
||||
show_lineno=True,
|
||||
extract_pictures=True,
|
||||
replace_bot_name=True,
|
||||
target_bot_name="SELF",
|
||||
)
|
||||
self._messages_cache.clear() # 学习后清空缓存
|
||||
|
||||
# 准备提示词
|
||||
prompt_template = prompt_manager.get_prompt("learn_style")
|
||||
prompt_template.add_context("bot_name", global_config.bot.nickname)
|
||||
prompt_template.add_context("chat_str", readable_message)
|
||||
|
||||
prompt = await prompt_manager.render_prompt(prompt_template)
|
||||
|
||||
# 调用 LLM 学习表达方式
|
||||
try:
|
||||
response, _ = await express_learn_model.generate_response_async(prompt, temperature=0.3)
|
||||
except Exception as e:
|
||||
logger.error(f"学习表达方式失败,模型生成出错: {e}")
|
||||
return None
|
||||
logger.error(f"学习表达方式失败，模型生成出错：{e}")
|
||||
return
|
||||
|
||||
# 解析 LLM 返回的表达方式列表和黑话列表（包含来源行编号）
|
||||
expressions: List[Tuple[str, str, str]]
|
||||
jargon_entries: List[Tuple[str, str]] # (content, source_id)
|
||||
expressions, jargon_entries = parse_expression_response(response)
|
||||
# TODO: 完成学习
|
||||
|
||||
# TODO: 从缓存检查 jargon 是否出现在 message 中
|
||||
# TODO: 检查表达方式/黑话数量
|
||||
# TODO: 处理黑话条目
|
||||
# TODO: 过滤
|
||||
# TODO: 存储
|
||||
|
||||
# 从缓存中检查 jargon 是否出现在 messages 中
|
||||
if cached_jargon_entries := self._check_cached_jargons_in_messages(jargon_miner):
|
||||
# 合并缓存中的 jargon 条目（去重：如果 content 已存在则跳过）
|
||||
existing_contents = {content for content, _ in jargon_entries}
|
||||
for content, source_id in cached_jargon_entries:
|
||||
if content not in existing_contents:
|
||||
jargon_entries.append((content, source_id))
|
||||
existing_contents.add(content)
|
||||
logger.info(f"从缓存中检查到黑话：{content}")
|
||||
|
||||
# 检查表达方式数量，如果超过 20 个则放弃本次表达学习
|
||||
if len(expressions) > 20:
|
||||
logger.info(f"表达方式提取数量超过 20 个（实际{len(expressions)}个），放弃本次表达学习")
|
||||
expressions = []
|
||||
|
||||
# 检查黑话数量，如果超过 30 个则放弃本次黑话学习
|
||||
if len(jargon_entries) > 30:
|
||||
logger.info(f"黑话提取数量超过 30 个（实际{len(jargon_entries)}个），放弃本次黑话学习")
|
||||
jargon_entries = []
|
||||
|
||||
# 处理黑话条目，路由到 jargon_miner（即使没有表达方式也要处理黑话）
|
||||
# TODO: 检测是否开启了
|
||||
if jargon_entries:
|
||||
await self._process_jargon_entries(jargon_entries, jargon_miner)
|
||||
|
||||
# 如果没有表达方式，直接返回
|
||||
if not expressions:
|
||||
logger.info("解析后没有可用的表达方式")
|
||||
return
|
||||
|
||||
logger.info(f"学习的 expressions: {expressions}")
|
||||
logger.info(f"学习的 jargon_entries: {jargon_entries}")
|
||||
|
||||
# 过滤表达方式，根据 source_id 溯源并应用各种过滤规则
|
||||
learnt_expressions = self._filter_expressions(expressions)
|
||||
|
||||
if not learnt_expressions:
|
||||
logger.info("没有学习到表达风格")
|
||||
return
|
||||
|
||||
# 展示学到的表达方式
|
||||
learnt_expressions_str = "\n".join(f"{situation}->{style}" for situation, style in learnt_expressions)
|
||||
logger.info(f"在 {self.session_id} 学习到表达风格:\n{learnt_expressions_str}")
|
||||
|
||||
# 存储到数据库 Expression 表
|
||||
for situation, style in learnt_expressions:
|
||||
await self._upsert_expression_to_db(situation, style)
|
||||
|
||||
# ====== 黑话相关 ======
|
||||
def _check_cached_jargons_in_messages(self, jargon_miner: Optional["JargonMiner"] = None):
|
||||
def _check_cached_jargons_in_messages(self, jargon_miner: Optional["JargonMiner"] = None) -> List[Tuple[str, str]]:
|
||||
"""
|
||||
检查缓存中的 jargon 是否出现在 messages 中
|
||||
|
||||
Args:
|
||||
jargon_miner: JargonMiner 实例，用于获取缓存的黑话
|
||||
|
||||
Returns:
|
||||
List[Tuple[str, str]]: 匹配到的黑话条目列表，每个元素是 (content, source_id)
|
||||
"""
|
||||
if not jargon_miner:
|
||||
return []
|
||||
# 获取缓存的所有jargon实例
|
||||
|
||||
# 获取缓存的所有 jargon 实例
|
||||
cached_jargons = jargon_miner.get_cached_jargons()
|
||||
if not cached_jargons:
|
||||
return []
|
||||
|
||||
matched_entries: List[Tuple[str, str]] = []
|
||||
|
||||
|
||||
for i, msg in enumerate(self._messages_cache):
|
||||
if
|
||||
# 跳过机器人自己的消息
|
||||
if is_bot_self(msg.message_info.user_info.user_id, msg.platform):
|
||||
continue
|
||||
|
||||
# 获取消息文本
|
||||
msg_text = (msg.processed_plain_text or "").strip()
|
||||
|
||||
if not msg_text:
|
||||
continue
|
||||
|
||||
# 检查每个缓存中的 jargon 是否出现在消息文本中
|
||||
for jargon in cached_jargons:
|
||||
if not jargon or not jargon.strip():
|
||||
continue
|
||||
|
||||
jargon_content = jargon.strip()
|
||||
|
||||
# 使用正则匹配，考虑单词边界（类似 jargon_explainer 中的逻辑）
|
||||
pattern = re.escape(jargon_content)
|
||||
# 对于中文，使用更宽松的匹配；对于英文/数字，使用单词边界
|
||||
if re.search(r"[\u4e00-\u9fff]", jargon_content):
|
||||
# 包含中文，使用更宽松的匹配
|
||||
search_pattern = pattern
|
||||
else:
|
||||
# 纯英文/数字，使用单词边界
|
||||
search_pattern = r"\b" + pattern + r"\b"
|
||||
|
||||
if re.search(search_pattern, msg_text, re.IGNORECASE):
|
||||
# 找到匹配，构建条目（source_id 从 1 开始，因为 build_readable_message 的编号从 1 开始）
|
||||
source_id = str(i + 1)
|
||||
matched_entries.append((jargon_content, source_id))
|
||||
|
||||
return matched_entries
|
||||
|
||||
async def _process_jargon_entries(
|
||||
self, jargon_entries: List[Tuple[str, str]], jargon_miner: Optional["JargonMiner"] = None
|
||||
):
|
||||
"""
|
||||
处理从 expression learner 提取的黑话条目，路由到 jargon_miner
|
||||
|
||||
Args:
|
||||
jargon_entries: 黑话条目列表，每个元素是 (content, source_id)
|
||||
jargon_miner: JargonMiner 实例
|
||||
"""
|
||||
if not jargon_entries or not self._messages_cache:
|
||||
return
|
||||
|
||||
if not jargon_miner:
|
||||
logger.warning("缺少 JargonMiner 实例，无法处理黑话条目")
|
||||
return
|
||||
|
||||
# 构建黑话条目格式
|
||||
entries: List["JargonEntry"] = []
|
||||
|
||||
for content, source_id in jargon_entries:
|
||||
content = content.strip()
|
||||
if not content:
|
||||
continue
|
||||
|
||||
# 过滤掉包含 SELF 的黑话，不学习
|
||||
if "SELF" in content:
|
||||
logger.info(f"跳过包含 SELF 的黑话：{content}")
|
||||
continue
|
||||
|
||||
# TODO: 多平台兼容
|
||||
# 检查是否包含机器人名称
|
||||
bot_nickname = global_config.bot.nickname
|
||||
if bot_nickname and bot_nickname in content:
|
||||
logger.info(f"跳过包含机器人昵称的黑话：{content}")
|
||||
continue
|
||||
|
||||
# 解析 source_id
|
||||
if not source_id.isdigit():
|
||||
logger.warning(f"黑话条目 source_id 无效：content={content}, source_id={source_id}")
|
||||
continue
|
||||
|
||||
# build_readable_message 的编号从 1 开始
|
||||
line_index = int(source_id) - 1
|
||||
if line_index < 0 or line_index >= len(self._messages_cache):
|
||||
logger.warning(f"黑话条目 source_id 超出范围：content={content}, source_id={source_id}")
|
||||
continue
|
||||
|
||||
# 检查是否是机器人自己的消息
|
||||
target_msg = self._messages_cache[line_index]
|
||||
if is_bot_self(target_msg.message_info.user_info.user_id, target_msg.platform):
|
||||
logger.info(f"跳过引用机器人自身消息的黑话：content={content}, source_id={source_id}")
|
||||
continue
|
||||
|
||||
# 构建上下文段落（取前后各 3 条消息）
|
||||
start_idx = max(0, line_index - 3)
|
||||
end_idx = min(len(self._messages_cache), line_index + 4)
|
||||
context_msgs = self._messages_cache[start_idx:end_idx]
|
||||
|
||||
context_paragraph = "\n".join(
|
||||
[f"[{i + 1}] {msg.processed_plain_text or ''}" for i, msg in enumerate(context_msgs)]
|
||||
)
|
||||
|
||||
if not context_paragraph:
|
||||
logger.warning(f"黑话条目上下文为空：content={content}, source_id={source_id}")
|
||||
continue
|
||||
|
||||
entries.append({"content": content, "raw_content": {context_paragraph}}) # type: ignore
|
||||
|
||||
if not entries:
|
||||
return
|
||||
|
||||
await jargon_miner.process_extracted_entries(entries)
|
||||
logger.info(f"成功处理 {len(entries)} 个黑话条目")
|
||||
|
||||
# ====== 过滤方法 ======
|
||||
def _filter_expressions(self, expressions: List[Tuple[str, str, str]]) -> List[Tuple[str, str]]:
|
||||
"""
|
||||
过滤表达方式，移除不符合条件的条目
|
||||
|
||||
Args:
|
||||
expressions: 表达方式列表，每个元素是 (situation, style, source_id)
|
||||
|
||||
Returns:
|
||||
过滤后的表达方式列表，每个元素是 (situation, style)
|
||||
"""
|
||||
filtered_expressions: List[Tuple[str, str]] = []
|
||||
|
||||
# 准备机器人名称集合（用于过滤 style 与机器人名称重复的表达）
|
||||
# TODO: 完善这里的机器人名称检测逻辑（考虑别名、不同平台的名称等）
|
||||
banned_names: set[str] = set()
|
||||
bot_nickname = global_config.bot.nickname
|
||||
if bot_nickname:
|
||||
banned_names.add(bot_nickname)
|
||||
alias_names = global_config.bot.alias_names or []
|
||||
for alias in alias_names:
|
||||
if alias_stripped := alias.strip():
|
||||
banned_names.add(alias_stripped)
|
||||
banned_casefold = {name.casefold() for name in banned_names if name}
|
||||
|
||||
for situation, style, source_id in expressions:
|
||||
source_id_str = source_id.strip()
|
||||
if not source_id_str.isdigit():
|
||||
continue # 无效的来源行编号，跳过
|
||||
line_index = int(source_id_str) - 1 # build_readable_message 的编号从 1 开始
|
||||
if line_index < 0 or line_index >= len(self._messages_cache):
|
||||
continue # 超出范围，跳过
|
||||
# 当前行的原始消息
|
||||
current_msg = self._messages_cache[line_index]
|
||||
# 过滤掉从 bot 自己发言中提取到的表达方式
|
||||
if is_bot_self(current_msg.message_info.user_info.user_id, current_msg.platform):
|
||||
continue
|
||||
# 过滤掉无上下文的表达方式
|
||||
context = (current_msg.processed_plain_text or "").strip()
|
||||
if not context:
|
||||
continue
|
||||
# 过滤掉包含 SELF 的内容（不学习）
|
||||
if "SELF" in situation or "SELF" in style or "SELF" in context:
|
||||
logger.info(f"跳过包含 SELF 的表达方式：situation={situation}, style={style}, source_id={source_id}")
|
||||
continue
|
||||
# 过滤掉 style 与机器人名称/昵称重复的表达
|
||||
normalized_style = (style or "").strip()
|
||||
if normalized_style and normalized_style.casefold() in banned_casefold:
|
||||
logger.debug(
|
||||
f"跳过 style 与机器人名称重复的表达方式：situation={situation}, style={style}, source_id={source_id}"
|
||||
)
|
||||
continue
|
||||
# 过滤掉包含 "[表情" 的内容
|
||||
if "[表情包" in situation or "[表情包" in style or "[表情包" in context:
|
||||
logger.info(f"跳过包含表情标记的表达方式：situation={situation}, style={style}, source_id={source_id}")
|
||||
continue
|
||||
# 过滤掉包含 "[图片" 的内容
|
||||
if "[图片" in situation or "[图片" in style or "[图片" in context:
|
||||
logger.info(f"跳过包含图片标记的表达方式：situation={situation}, style={style}, source_id={source_id}")
|
||||
continue
|
||||
|
||||
filtered_expressions.append((situation, style))
|
||||
|
||||
return filtered_expressions
|
||||
|
||||
# ====== DB 操作相关 ======
|
||||
async def _upsert_expression_to_db(self, situation: str, style: str):
|
||||
|
||||
@@ -197,7 +197,7 @@ class JargonMiner:
|
||||
logger.info(f"[{self.session_name}]{content} 不是黑话")
|
||||
|
||||
async def process_extracted_entries(
|
||||
self, entries: List[JargonEntry], person_name_filter: Optional[Callable[[str], bool]]
|
||||
self, entries: List[JargonEntry], person_name_filter: Optional[Callable[[str], bool]] = None
|
||||
):
|
||||
"""
|
||||
处理已提取的黑话条目（从 expression_learner 路由过来的）
|
||||
|
||||
@@ -1,7 +1,7 @@
|
||||
# TODO: 这个函数的实现非常临时，后续需要替换为更完善的实现，比如直接从配置文件中读取机器人自己的ID，或者通过API获取机器人自己的信息等
|
||||
# TODO: 这个函数的实现非常临时，后续需要替换为更完善的实现，比如直接从配置文件中读取机器人自己的 ID，或者通过 API 获取机器人自己的信息等
|
||||
def is_bot_self(user_id: str, platform: str) -> bool:
|
||||
"""
|
||||
判断用户ID是否是机器人自己
|
||||
判断用户 ID 是否是机器人自己
|
||||
|
||||
临时方法，后续会替换为更完善的实现
|
||||
"""
|
||||
|
||||
@@ -223,7 +223,7 @@ class MessageUtils:
|
||||
processed_plain_texts.append("图片信息和表情信息：")
|
||||
processed_plain_texts.extend(f"[图片{img_id}: {desc}]" for img_id, desc in img_map.values())
|
||||
processed_plain_texts.append("") # 图片和表情之间添加一个换行，避免连在一起
|
||||
processed_plain_texts.extend(f"[表情{emoji_id}: {desc}]" for emoji_id, desc in emoji_map.values())
|
||||
processed_plain_texts.extend(f"[表情包{emoji_id}: {desc}]" for emoji_id, desc in emoji_map.values())
|
||||
processed_plain_texts.extend(("", "聊天记录信息："))
|
||||
|
||||
# 获取动作记录文本列表
|
||||
|
||||
Reference in New Issue
Block a user