217 lines
9.0 KiB
Python
217 lines
9.0 KiB
Python
import time
|
||
import random
|
||
from dotenv import load_dotenv
|
||
from ..schedule.schedule_generator import bot_schedule
|
||
import os
|
||
from .utils import get_embedding, combine_messages, get_recent_group_messages
|
||
from ...common.database import Database
|
||
|
||
# 获取当前文件的绝对路径
|
||
current_dir = os.path.dirname(os.path.abspath(__file__))
|
||
root_dir = os.path.abspath(os.path.join(current_dir, '..', '..', '..'))
|
||
load_dotenv(os.path.join(root_dir, '.env'))
|
||
|
||
|
||
class PromptBuilder:
|
||
def __init__(self):
|
||
self.prompt_built = ''
|
||
self.activate_messages = ''
|
||
self.db = Database.get_instance()
|
||
|
||
def _build_prompt(self,
|
||
message_txt: str,
|
||
sender_name: str = "某人",
|
||
relationship_value: float = 0.0,
|
||
group_id: int = None) -> str:
|
||
"""构建prompt
|
||
|
||
Args:
|
||
message_txt: 消息文本
|
||
sender_name: 发送者昵称
|
||
relationship_value: 关系值
|
||
group_id: 群组ID
|
||
|
||
Returns:
|
||
str: 构建好的prompt
|
||
"""
|
||
#先禁用关系
|
||
if 0 > 30:
|
||
relation_prompt = "关系特别特别好，你很喜欢喜欢他"
|
||
relation_prompt_2 = "热情发言或者回复"
|
||
elif 0 <-20:
|
||
relation_prompt = "关系很差，你很讨厌他"
|
||
relation_prompt_2 = "骂他"
|
||
else:
|
||
relation_prompt = "关系一般"
|
||
relation_prompt_2 = "发言或者回复"
|
||
|
||
#开始构建prompt
|
||
|
||
#日程构建
|
||
current_date = time.strftime("%Y-%m-%d", time.localtime())
|
||
current_time = time.strftime("%H:%M:%S", time.localtime())
|
||
bot_schedule_now_time,bot_schedule_now_activity = bot_schedule.get_current_task()
|
||
prompt_date = f'''今天是{current_date}，现在是{current_time}，你今天的日程是：\n{bot_schedule.today_schedule}\n你现在正在{bot_schedule_now_activity}\n'''
|
||
|
||
#知识构建
|
||
prompt_info = ''
|
||
promt_info_prompt = ''
|
||
prompt_info = self.get_prompt_info(message_txt)
|
||
if prompt_info:
|
||
prompt_info = f'''\n----------------------------------------------------\n你有以下这些[知识]：
|
||
\n{prompt_info}\n
|
||
请你记住上面的[知识]，之后可能会用到\n----------------------------------------------------\n'''
|
||
promt_info_prompt = '你有一些[知识]，在上面可以参考。'
|
||
|
||
|
||
chat_talking_prompt = ''
|
||
if group_id:
|
||
# 从数据库获取最近消息
|
||
message_objects = get_recent_group_messages(self.db, group_id, limit=16)
|
||
if message_objects:
|
||
chat_talking_prompt = combine_messages(message_objects)
|
||
# print(f"\033[1;34m[调试]\033[0m 已从数据库获取群 {group_id} 的最近{len(message_objects)}条消息记录")
|
||
|
||
#激活prompt构建
|
||
activate_prompt = ''
|
||
activate_prompt = f"以上是群里正在进行的聊天，昵称为 '{sender_name}' 的用户说的:{message_txt}。引起了你的注意,你和他{relation_prompt}，你想要{relation_prompt_2}。"
|
||
|
||
#检测机器人相关词汇
|
||
bot_keywords = ['人机', 'bot', '机器', '入机', 'robot', '机器人']
|
||
is_bot = any(keyword in message_txt.lower() for keyword in bot_keywords)
|
||
if is_bot:
|
||
is_bot_prompt = '有人说你是人机或者机器人，否定这一事实，攻击或反问他。'
|
||
else:
|
||
is_bot_prompt = ''
|
||
|
||
#人格选择
|
||
prompt_personality = ''
|
||
personality_choice = random.random()
|
||
if personality_choice < 4/6: # 第一种人格
|
||
prompt_personality = f'''你的网名叫麦麦，是一个学习地质的女大学生，喜欢摄影，你会刷贴吧，你正在浏览qq群,{promt_info_prompt},
|
||
{activate_prompt}
|
||
现在请你给出日常且口语化的回复，平淡一些，尽量简短一些。{is_bot_prompt}
|
||
请注意把握群里的聊天内容，不要回复的太有条理，可以有个性。'''
|
||
elif personality_choice < 1: # 第二种人格
|
||
prompt_personality = f'''你的网名叫麦麦，是一个女大学生，你有黑色头发，你会刷小红书, 你正在浏览qq群,{promt_info_prompt},
|
||
{activate_prompt}
|
||
现在请你给出日常且口语化的回复，请表现你自己的见解，不要一昧迎合，尽量简短一些。{is_bot_prompt}
|
||
请你表达自己的见解和观点。可以有个性。'''
|
||
|
||
#中文高手
|
||
prompt_ger = ''
|
||
if random.random() < 0.04:
|
||
prompt_ger += '你喜欢用倒装句'
|
||
if random.random() < 0.02:
|
||
prompt_ger += '你喜欢用反问句'
|
||
if random.random() < 0.01:
|
||
prompt_ger += '你喜欢用文言文'
|
||
|
||
|
||
#额外信息要求
|
||
extra_info = '''但是记得回复平淡一些，简短一些，不要过多提及自身的背景, 记住不要输出多余内容(包括前后缀，冒号和引号，括号，表情等),只需要输出回复内容就好，不要输出其他任何内容'''
|
||
|
||
|
||
|
||
#合并prompt
|
||
prompt = ""
|
||
# prompt += f"{prompt_info}\n"
|
||
prompt += f"{prompt_date}\n"
|
||
prompt += f"{chat_talking_prompt}\n"
|
||
# prompt += f"{activate_prompt}\n"
|
||
prompt += f"{prompt_personality}\n"
|
||
prompt += f"{prompt_ger}\n"
|
||
prompt += f"{extra_info}\n"
|
||
|
||
return prompt
|
||
|
||
def get_prompt_info(self,message:str):
|
||
related_info = ''
|
||
if len(message) > 10:
|
||
message_segments = [message[i:i+10] for i in range(0, len(message), 10)]
|
||
for segment in message_segments:
|
||
embedding = get_embedding(segment)
|
||
related_info += self.get_info_from_db(embedding)
|
||
|
||
else:
|
||
embedding = get_embedding(message)
|
||
related_info += self.get_info_from_db(embedding)
|
||
|
||
def get_info_from_db(self, query_embedding: list, limit: int = 1, threshold: float = 0.5) -> str:
|
||
"""
|
||
从知识库中查找与输入向量最相似的内容
|
||
Args:
|
||
query_embedding: 查询向量
|
||
limit: 返回结果数量，默认为2
|
||
threshold: 相似度阈值，默认为0.5
|
||
Returns:
|
||
str: 找到的相关信息，如果相似度低于阈值则返回空字符串
|
||
"""
|
||
if not query_embedding:
|
||
return ''
|
||
|
||
# 使用余弦相似度计算
|
||
pipeline = [
|
||
{
|
||
"$addFields": {
|
||
"dotProduct": {
|
||
"$reduce": {
|
||
"input": {"$range": [0, {"$size": "$embedding"}]},
|
||
"initialValue": 0,
|
||
"in": {
|
||
"$add": [
|
||
"$$value",
|
||
{"$multiply": [
|
||
{"$arrayElemAt": ["$embedding", "$$this"]},
|
||
{"$arrayElemAt": [query_embedding, "$$this"]}
|
||
]}
|
||
]
|
||
}
|
||
}
|
||
},
|
||
"magnitude1": {
|
||
"$sqrt": {
|
||
"$reduce": {
|
||
"input": "$embedding",
|
||
"initialValue": 0,
|
||
"in": {"$add": ["$$value", {"$multiply": ["$$this", "$$this"]}]}
|
||
}
|
||
}
|
||
},
|
||
"magnitude2": {
|
||
"$sqrt": {
|
||
"$reduce": {
|
||
"input": query_embedding,
|
||
"initialValue": 0,
|
||
"in": {"$add": ["$$value", {"$multiply": ["$$this", "$$this"]}]}
|
||
}
|
||
}
|
||
}
|
||
}
|
||
},
|
||
{
|
||
"$addFields": {
|
||
"similarity": {
|
||
"$divide": ["$dotProduct", {"$multiply": ["$magnitude1", "$magnitude2"]}]
|
||
}
|
||
}
|
||
},
|
||
{
|
||
"$match": {
|
||
"similarity": {"$gte": threshold} # 只保留相似度大于等于阈值的结果
|
||
}
|
||
},
|
||
{"$sort": {"similarity": -1}},
|
||
{"$limit": limit},
|
||
{"$project": {"content": 1, "similarity": 1}}
|
||
]
|
||
|
||
results = list(self.db.db.knowledges.aggregate(pipeline))
|
||
|
||
if not results:
|
||
return ''
|
||
|
||
# 返回所有找到的内容，用换行分隔
|
||
return '\n'.join(str(result['content']) for result in results)
|
||
|
||
prompt_builder = PromptBuilder() |