From 033fc1202dba77e197f9252fc14d614049970d44 Mon Sep 17 00:00:00 2001 From: liuwei Date: Mon, 27 Apr 2026 13:04:13 +0800 Subject: [PATCH] =?UTF-8?q?=E6=96=B0=E5=A2=9E=E6=96=97=E9=B1=BC=E4=B8=BB?= =?UTF-8?q?=E6=92=AD=E8=83=8C=E6=99=AF=E7=94=BB=E5=83=8FRedis=E7=BC=93?= =?UTF-8?q?=E5=AD=98=E4=B8=8EDify=E5=88=86=E6=94=AF\n\n-=20=E4=B8=BA?= =?UTF-8?q?=E6=96=97=E9=B1=BC=E6=8F=92=E4=BB=B6=E8=A1=A5=E5=85=85=E6=88=BF?= =?UTF-8?q?=E9=97=B4=E8=83=8C=E6=99=AF=E7=94=BB=E5=83=8F=E7=9A=84Redis?= =?UTF-8?q?=E8=AF=BB=E5=86=99=E8=83=BD=E5=8A=9B=E4=B8=8ETTL=E9=85=8D?= =?UTF-8?q?=E7=BD=AE\n-=20=E6=96=B0=E5=A2=9E=E5=9F=BA=E4=BA=8ELLM=E7=94=9F?= =?UTF-8?q?=E6=88=90=E4=B8=BB=E6=92=AD=E8=83=8C=E6=99=AF=E7=94=BB=E5=83=8F?= =?UTF-8?q?JSON=E5=B9=B6=E5=9B=9E=E5=86=99Redis=E7=9A=84=E9=93=BE=E8=B7=AF?= =?UTF-8?q?\n-=20=E5=B0=86=E8=87=AA=E5=8A=A8=E7=94=BB=E5=83=8F=E5=90=88?= =?UTF-8?q?=E5=B9=B6=E8=BF=9Broom=5Fcontext=E5=B9=B6=E5=9C=A8=E6=97=A5?= =?UTF-8?q?=E6=8A=A5=E7=94=9F=E6=88=90=E5=89=8D=E9=A2=84=E7=83=AD=E7=BC=93?= =?UTF-8?q?=E5=AD=98\n-=20=E6=89=A9=E5=B1=95Dify=E5=B7=A5=E4=BD=9C?= =?UTF-8?q?=E6=B5=81=EF=BC=8C=E6=96=B0=E5=A2=9Eroom=5Fbackground=5Fprofile?= =?UTF-8?q?=E4=B8=BB=E5=88=86=E6=94=AF=E4=B8=8E=E5=9B=9E=E9=80=80=E5=88=86?= =?UTF-8?q?=E6=94=AF\n-=20=E6=9B=B4=E6=96=B0=E6=96=97=E9=B1=BC=E9=85=8D?= =?UTF-8?q?=E7=BD=AE=E7=A4=BA=E4=BE=8B=E4=B8=8E=E5=B7=A5=E4=BD=9C=E6=B5=81?= =?UTF-8?q?=E6=96=87=E6=A1=A3=EF=BC=8C=E8=AF=B4=E6=98=8E=E8=83=8C=E6=99=AF?= =?UTF-8?q?=E7=94=BB=E5=83=8F=E7=BC=93=E5=AD=98=E7=94=A8=E6=B3=95?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- docs/dify_douyu_daily_report_workflow.md | 36 +- plugins/douyu/config.toml | 8 + plugins/douyu/main.py | 615 ++++++++++++++++++++++- plugins/douyu/斗鱼日报AI.yml | 273 +++++++++- 4 files changed, 915 insertions(+), 17 deletions(-) diff --git a/docs/dify_douyu_daily_report_workflow.md b/docs/dify_douyu_daily_report_workflow.md index b8ad8e7..4ce9d11 100644 --- a/docs/dify_douyu_daily_report_workflow.md +++ b/docs/dify_douyu_daily_report_workflow.md @@ -4,6 +4,7 @@ - 让 `plugins/douyu` 继续通过一个 Dify Workflow 接收斗鱼日报任务。 - 但在 Workflow 内部按 `task_type` 做真正的 LLM 分支，而不是让一个通用 LLM 节点同时处理三种风格。 - 降低运营日报、弹幕总结、粉丝乐子日报之间的风格串台和幻觉风险。 +- 允许额外复用同一个 Workflow，为主播/房间生成可缓存到 Redis 的背景画像 JSON。 ## 2. 当前推荐结构 当前推荐的是： @@ -28,6 +29,7 @@ - `daily_report`：运营版完整日报正文 - `danmu_summary`：运营版图片上半部分弹幕总结 - `fans_daily_report`：粉丝向欢乐恶搞日报 + - `room_background_profile`：主播/房间背景画像 JSON - `query` - `system_prompt` - `user_prompt` @@ -47,12 +49,13 @@ 最新推荐图结构如下： 1. `Start` -2. `if-else` 节点：按 `task_type` 分三条业务线 +2. `if-else` 节点：按 `task_type` 分四条业务线 3. `运营日报 LLM` 4. `弹幕总结 LLM` 5. `粉丝日报 LLM` -6. 每条业务线各自一个 `fail-branch` 回退 LLM -7. 每条成功路径和回退路径各自输出到 `End.text` +6. `背景画像 LLM` +7. 每条业务线各自一个 `fail-branch` 回退 LLM +8. 每条成功路径和回退路径各自输出到 `End.text` 仓库导出文件见： - [plugins/douyu/斗鱼日报AI.yml](d:/learn/abot/plugins/douyu/%E6%96%97%E9%B1%BC%E6%97%A5%E6%8A%A5AI.yml) @@ -71,11 +74,12 @@ - `fans_daily_report` 只看到粉丝乐子日报规则 ## 6. if-else 分支规则 -建议 `if-else` 节点至少包含三个 case： +建议 `if-else` 节点至少包含四个 case： -1. `danmu_summary_case` -2. `fans_daily_report_case` -3. `daily_report_case` +1. `room_background_profile_case` +2. `danmu_summary_case` +3. `fans_daily_report_case` +4. `daily_report_case` 推荐默认 `false` 分支回到 `daily_report`，因为项目侧默认值就是 `daily_report`。 @@ -95,6 +99,12 @@ - 重点写欢乐、现场感、接梗、名场面 - 不写策略、建议、转化、数据表现 +### 7.4 背景画像分支 +- 只输出结构化 JSON +- 优先整理主播领域、职业生涯、相关人物、剧情关键词和梗解释 +- 如果 Workflow 已接搜索/知识库，优先检索公开资料后再整理 +- 如果证据不足，宁可留空并把 `confidence` 设低 + ## 8. 回退 LLM 的设计建议 不要把三条主分支都挂到同一个通用回退模型。 @@ -102,6 +112,7 @@ - 运营日报主分支失败 -> 运营日报回退 LLM - 弹幕总结主分支失败 -> 弹幕总结回退 LLM - 粉丝日报主分支失败 -> 粉丝日报回退 LLM +- 背景画像主分支失败 -> 背景画像回退 LLM 这样回退时也不会风格跑偏。 @@ -109,10 +120,11 @@ 本仓库里的最新版导出已经做了这些事： 1. 新增 `if-else` 节点按 `task_type` 做真实分支 -2. 为三类任务拆分主 LLM -3. 为三类任务拆分回退 LLM +2. 为四类任务拆分主 LLM +3. 为四类任务拆分回退 LLM 4. 各分支提示词单独收敛，不再共享一段总 prompt -5. 输出仍统一为 `text` +5. 背景画像分支固定输出 JSON，可直接被插件清洗后写入 Redis +6. 输出仍统一为 `text` ## 10. 项目配置层是否需要改 一般不用改 scene 这一层。 @@ -138,11 +150,15 @@ 3. 手动触发 `danmu_summary` 目标：确认摘要依旧短、像现场，不会拉成长文 +4. 手动触发 `room_background_profile` + 目标：确认返回严格 JSON，并且在无检索证据时会保守留空 + ## 12. 一句结论 你现在这个判断是对的。 对斗鱼日报这种“同一份材料，多种输出风格”的任务来说： - 插件侧用一个 scene 保持简单 - Dify 侧用 `if-else + 多 LLM 分支` 保持稳定 +- Redis 侧再缓存一份自动背景画像，能进一步减少重复请求和圈内梗理解偏差 这是比“一个 LLM 通吃三类任务”更稳、更高效的方案。 diff --git a/plugins/douyu/config.toml b/plugins/douyu/config.toml index 61612da..48e5549 100644 --- a/plugins/douyu/config.toml +++ b/plugins/douyu/config.toml @@ -26,6 +26,14 @@ daily_report_use_llm = true daily_report_max_sessions = 4 daily_report_max_length = 1800 daily_report_send_image = true +# 是否启用“主播背景画像自动整理”： +# 1. 当手工 room_context_profiles 不完整时，允许调用 LLM 整理一份背景画像； +# 2. 结果会缓存到 Redis，供运营日报和粉丝日报复用； +# 3. 如果当前 Dify Workflow 接了搜索/知识库，这里也能顺带吃到检索结果。 +auto_room_background_profile_enable = true +# 自动背景画像在 Redis 里的缓存时长，默认 7 天。 +# 如果主播资料经常变化，可以酌情调短；如果想减少模型消耗，可以适当调长。 +auto_room_background_profile_ttl_seconds = 604800 audience_stats_sample_interval_seconds = 0 # 直播间语义画像（可选）： diff --git a/plugins/douyu/main.py b/plugins/douyu/main.py index 6e21208..1fa800c 100644 --- a/plugins/douyu/main.py +++ b/plugins/douyu/main.py @@ -4,6 +4,7 @@ from collections import Counter from datetime import datetime, timedelta import os from pathlib import Path +import re import threading import time from typing import Dict, Any, List, Optional, Tuple, Set @@ -405,6 +406,54 @@ class DouyuRedisManager: key = f"{self.prefix}room_status:{room_id}" return self.redis.set(key, json.dumps(status, ensure_ascii=False)) + def get_room_background_profile(self, room_id: str) -> Optional[Dict[str, Any]]: + """ + 读取房间的“自动背景画像”缓存。 + 这里单独拆 key，而不是混进 room_status，主要是为了： + 1. 背景画像更新频率远低于直播状态； + 2. 画像缓存适合设置较长 TTL，和在线状态的实时性要求不同； + 3. 后续若要单独清理/刷新画像，不会影响直播状态主链路。 + """ + key = f"{self.prefix}room_background_profile:{room_id}" + data = self.redis.get(key) + if not data: + return None + if isinstance(data, bytes): + data = data.decode("utf-8") + try: + return json.loads(data) + except Exception: + return None + + def set_room_background_profile( + self, + room_id: str, + profile: Dict[str, Any], + ttl_seconds: int = 0, + ) -> bool: + """ + 写入房间背景画像缓存。 + 说明： + 1. Redis 中持久化的是“已经清洗过的结构化 JSON”，避免下游每次再解析原始 LLM 文本； + 2. 默认允许带 TTL，便于后续自动过期，减少过时职业信息长期残留； + 3. 不强依赖 TTL，为 0 时按永久 key 写入，兼容本地调试场景。 + """ + key = f"{self.prefix}room_background_profile:{room_id}" + payload = json.dumps(profile or {}, ensure_ascii=False) + ttl_seconds = max(int(ttl_seconds or 0), 0) + if ttl_seconds > 0: + return bool(self.redis.set(key, payload, ex=ttl_seconds)) + return bool(self.redis.set(key, payload)) + + def delete_room_background_profile(self, room_id: str) -> bool: + """ + 删除房间背景画像缓存。 + 当前主流程还没有开放手动命令入口，但底层先保留删除能力， + 方便后续做“强制刷新画像”或后台运维修复。 + """ + key = f"{self.prefix}room_background_profile:{room_id}" + return self.redis.delete(key) >= 0 + def get_room_session(self, room_id: str, session_id: str) -> Optional[Dict[str, Any]]: key = f"{self.prefix}room:{room_id}:session:{session_id}" data = self.redis.get(key) @@ -464,9 +513,9 @@ class DouyuRedisManager: class DouyuPlugin(MessagePluginInterface): # 报告缓存版本号： # 1. 版本升级后会自动让历史缓存失效，避免继续复用旧文本/旧图片； - # 2. 本次将版本提升到 6，新增“粉丝向恶搞日报”的独立结果类型，并同步刷新旧缓存， - # 确保上线后不会误复用旧版图片结构或旧版摘要文案。 - _DAILY_REPORT_CACHE_VERSION = 6 + # 2. 本次将版本提升到 7，除了粉丝日报分流以外，还加入了 Redis 自动背景画像， + # 需要强制刷新旧缓存，确保新版 prompt 能吃到最新 room_context。 + _DAILY_REPORT_CACHE_VERSION = 7 FEATURE_KEY = "DOUYU_MONITOR" FEATURE_DESCRIPTION = "🎮 斗鱼开播提醒 [订阅斗鱼 房间号, 取消订阅斗鱼 房间号]" @@ -524,6 +573,12 @@ class DouyuPlugin(MessagePluginInterface): self._daily_report_max_sessions = 4 self._daily_report_max_length = 1800 self._daily_report_send_image = True + # 自动背景画像： + # 1. 用于在没有手工画像时，让 LLM 基于房间信息整理一份背景； + # 2. 结果会缓存到 Redis，避免每次生成日报都重复请求模型； + # 3. 即使模型支持联网/检索，也只把结果当“辅助语境”，不替代真实弹幕证据。 + self._auto_room_background_profile_enable = True + self._auto_room_background_profile_ttl_seconds = 7 * 24 * 3600 # Dify 入参策略： # 默认发送精简字段，避免某些 Workflow 对复杂对象输入校验严格导致 400。 # 如需在工作流中使用完整结构化 payload，可在 report_api 显式开启。 @@ -627,6 +682,217 @@ class DouyuPlugin(MessagePluginInterface): profile = self._room_context_profiles.get(str(room_id)) or {} return dict(profile) if isinstance(profile, dict) else {} + def _merge_text_list_values(self, preferred: Any, fallback: Any, limit: int = 12) -> List[str]: + """ + 合并两组文本列表，并保证“高优先级来源排前面”。 + 这里主要服务“手工画像 + Redis 自动画像”合并场景： + 1. 手工配置的词条优先保留原顺序； + 2. 自动画像只补充缺失项，不覆盖人工判断； + 3. 最终长度受控，避免 prompt 被背景资料无限撑大。 + """ + merged: List[str] = [] + seen: Set[str] = set() + for raw_values in (preferred, fallback): + for item in self._normalize_text_list(raw_values): + marker = item.casefold() + if marker in seen: + continue + seen.add(marker) + merged.append(item) + if len(merged) >= max(int(limit or 0), 1): + return merged + return merged + + def _profile_has_meaningful_content(self, profile: Optional[Dict[str, Any]]) -> bool: + """ + 判断一份背景画像是否“真的有料”。 + 只要职业背景、身份摘要、领域、相关人物、剧情词、梗解释等核心字段里有任意有效内容， + 就认为这份画像值得参与合并或缓存复用。 + """ + if not isinstance(profile, dict) or not profile: + return False + text_fields = [ + "domain", + "identity_summary", + "career_background", + "evidence_summary", + ] + for field in text_fields: + if str(profile.get(field) or "").strip(): + return True + list_fields = [ + "domain_keywords", + "related_people", + "storyline_keywords", + "meme_explanations", + "style_hints", + ] + for field in list_fields: + if self._normalize_text_list(profile.get(field)): + return True + return False + + def _profile_needs_auto_enrichment( + self, + manual_profile: Optional[Dict[str, Any]], + cached_profile: Optional[Dict[str, Any]], + *, + force_refresh: bool = False, + ) -> bool: + """ + 判断当前房间是否值得触发一次自动画像生成。 + 策略尽量保守： + 1. 手工画像已经比较完整时，不额外消耗模型； + 2. Redis 已有可用缓存时，优先复用； + 3. 只有“手工画像明显缺失/信息过少”时，才触发自动补全。 + """ + if force_refresh: + return True + if self._profile_has_meaningful_content(cached_profile): + return False + if not self._profile_has_meaningful_content(manual_profile): + return True + + manual_profile = manual_profile or {} + filled_core_fields = 0 + for field in ("domain", "identity_summary", "career_background"): + if str(manual_profile.get(field) or "").strip(): + filled_core_fields += 1 + list_item_count = 0 + for field in ("related_people", "storyline_keywords", "meme_explanations", "style_hints"): + list_item_count += len(self._normalize_text_list(manual_profile.get(field))) + + return filled_core_fields < 3 or list_item_count < 4 + + def _normalize_auto_room_background_profile(self, profile: Dict[str, Any]) -> Dict[str, Any]: + """ + 清洗 LLM 返回的背景画像 JSON。 + 目标不是追求字段越多越好，而是保证进入 Redis 的内容： + 1. 结构稳定； + 2. 文本长度可控； + 3. 明确带上置信度与人工复核提示，方便后续在 prompt 中降权使用。 + """ + profile = profile if isinstance(profile, dict) else {} + confidence = str(profile.get("confidence") or "").strip().lower() + if confidence not in {"low", "medium", "high"}: + confidence = "low" + + normalized = { + "domain": str(profile.get("domain") or "").strip()[:32], + "domain_keywords": self._normalize_text_list(profile.get("domain_keywords"))[:12], + "identity_summary": str(profile.get("identity_summary") or "").strip()[:160], + "career_background": str(profile.get("career_background") or "").strip()[:220], + "related_people": self._normalize_text_list(profile.get("related_people"))[:12], + "storyline_keywords": self._normalize_text_list(profile.get("storyline_keywords"))[:12], + "meme_explanations": self._normalize_text_list(profile.get("meme_explanations"))[:8], + "style_hints": self._normalize_text_list(profile.get("style_hints"))[:8], + "confidence": confidence, + "evidence_summary": str(profile.get("evidence_summary") or "").strip()[:180], + "needs_human_review": bool(profile.get("needs_human_review", confidence != "high")), + } + if not self._profile_has_meaningful_content(normalized): + return {} + return normalized + + @staticmethod + def _extract_json_object_from_text(text: str) -> Optional[Dict[str, Any]]: + """ + 从 LLM 文本里提取 JSON 对象。 + 兼容两类常见脏输出： + 1. 模型把 JSON 包在 ```json 代码块里； + 2. 模型前后补了少量解释文字。 + """ + raw = str(text or "").strip() + if not raw: + return None + if raw.startswith("```"): + raw = re.sub(r"^```(?:json)?", "", raw, flags=re.IGNORECASE).strip() + if raw.endswith("```"): + raw = raw[:-3].strip() + try: + obj = json.loads(raw) + return obj if isinstance(obj, dict) else None + except Exception: + pass + + start = raw.find("{") + end = raw.rfind("}") + if start < 0 or end <= start: + return None + candidate = raw[start:end + 1].strip() + try: + obj = json.loads(candidate) + return obj if isinstance(obj, dict) else None + except Exception: + return None + + def _merge_room_background_profiles( + self, + manual_profile: Dict[str, Any], + auto_profile: Dict[str, Any], + ) -> Dict[str, Any]: + """ + 合并手工画像与自动画像。 + 优先级固定为： + 1. 手工配置； + 2. Redis 自动画像； + 3. 缺失字段保持空。 + 这样可以确保“人工确认过的信息”永远压过模型推断。 + """ + manual_profile = manual_profile if isinstance(manual_profile, dict) else {} + auto_profile = auto_profile if isinstance(auto_profile, dict) else {} + has_manual = self._profile_has_meaningful_content(manual_profile) + has_auto = self._profile_has_meaningful_content(auto_profile) + + if has_manual and has_auto: + profile_source = "manual+redis_auto" + elif has_manual: + profile_source = "manual_config" + elif has_auto: + profile_source = "redis_auto" + else: + profile_source = "" + + return { + "domain": str(manual_profile.get("domain") or auto_profile.get("domain") or "").strip(), + "domain_keywords": self._merge_text_list_values( + manual_profile.get("domain_keywords"), + auto_profile.get("domain_keywords"), + ), + "identity_summary": str( + manual_profile.get("identity_summary") + or auto_profile.get("identity_summary") + or "" + ).strip(), + "career_background": str( + manual_profile.get("career_background") + or auto_profile.get("career_background") + or "" + ).strip(), + "related_people": self._merge_text_list_values( + manual_profile.get("related_people"), + auto_profile.get("related_people"), + ), + "storyline_keywords": self._merge_text_list_values( + manual_profile.get("storyline_keywords"), + auto_profile.get("storyline_keywords"), + ), + "meme_explanations": self._merge_text_list_values( + manual_profile.get("meme_explanations"), + auto_profile.get("meme_explanations"), + limit=8, + ), + "style_hints": self._merge_text_list_values( + manual_profile.get("style_hints"), + auto_profile.get("style_hints"), + limit=8, + ), + "profile_source": profile_source, + "profile_confidence": str(auto_profile.get("confidence") or "").strip().lower(), + "profile_evidence_summary": str(auto_profile.get("evidence_summary") or "").strip(), + "profile_needs_human_review": bool(auto_profile.get("needs_human_review", False)), + } + def _build_room_semantic_context( self, room_id: str, @@ -669,7 +935,11 @@ class DouyuPlugin(MessagePluginInterface): ), } - profile = self._match_room_context_profile(room_id) + manual_profile = self._match_room_context_profile(room_id) + auto_profile = {} + if self.redis_manager: + auto_profile = self.redis_manager.get_room_background_profile(room_id) or {} + profile = self._merge_room_background_profiles(manual_profile, auto_profile) category_text = " ".join([ merged_runtime_context.get("primary_category", ""), merged_runtime_context.get("secondary_category", ""), @@ -701,6 +971,10 @@ class DouyuPlugin(MessagePluginInterface): "storyline_keywords": self._normalize_text_list(profile.get("storyline_keywords")), "meme_explanations": self._normalize_text_list(profile.get("meme_explanations")), "style_hints": self._normalize_text_list(profile.get("style_hints")), + "profile_source": str(profile.get("profile_source") or "").strip(), + "profile_confidence": str(profile.get("profile_confidence") or "").strip(), + "profile_evidence_summary": str(profile.get("profile_evidence_summary") or "").strip(), + "profile_needs_human_review": bool(profile.get("profile_needs_human_review", False)), } def _build_room_context_prompt_block(self, payload: Dict[str, Any]) -> str: @@ -726,10 +1000,24 @@ class DouyuPlugin(MessagePluginInterface): ) if runtime_context.get("tags"): parts.append(f"- 房间标签：{'、'.join(self._normalize_text_list(runtime_context.get('tags'))[:8])}。") + profile_source = str(room_context.get("profile_source") or "").strip() + if profile_source == "redis_auto": + parts.append("- 背景资料来源：以下主播背景为系统自动整理后缓存到 Redis，仅作辅助理解；若和当天真实弹幕冲突，以当天弹幕为准。") + elif profile_source == "manual+redis_auto": + parts.append("- 背景资料来源：以下信息以手工配置为主，并由 Redis 自动画像补充缺失细节；自动部分只作辅助线索。") if room_context.get("identity_summary"): parts.append(f"- 主播身份提示：{room_context.get('identity_summary')}。") if room_context.get("career_background"): parts.append(f"- 职业生涯背景：{room_context.get('career_background')}。") + if profile_source in {"redis_auto", "manual+redis_auto"}: + confidence_map = {"high": "高", "medium": "中", "low": "低"} + confidence_text = confidence_map.get(str(room_context.get("profile_confidence") or "").strip().lower(), "") + if confidence_text: + parts.append(f"- 自动背景置信度：{confidence_text}。若出现重名主播、跨圈梗或年份细节，请优先保守解读。") + if room_context.get("profile_evidence_summary"): + parts.append(f"- 自动背景备注：{room_context.get('profile_evidence_summary')}。") + if bool(room_context.get("profile_needs_human_review")): + parts.append("- 自动背景复核提示：该画像仍建议人工复核，避免把模糊人物关系当成确定事实。") related_people = self._normalize_text_list(room_context.get("related_people")) if related_people: parts.append(f"- 重点相关人物：{'、'.join(related_people[:12])}。弹幕提到这些人时，优先考虑圈内关联。") @@ -899,6 +1187,18 @@ class DouyuPlugin(MessagePluginInterface): self._daily_report_max_sessions = int(cfg.get("daily_report_max_sessions", self._daily_report_max_sessions)) self._daily_report_max_length = int(cfg.get("daily_report_max_length", self._daily_report_max_length)) self._daily_report_send_image = bool(cfg.get("daily_report_send_image", self._daily_report_send_image)) + self._auto_room_background_profile_enable = bool( + cfg.get("auto_room_background_profile_enable", self._auto_room_background_profile_enable) + ) + self._auto_room_background_profile_ttl_seconds = max( + int( + cfg.get( + "auto_room_background_profile_ttl_seconds", + self._auto_room_background_profile_ttl_seconds, + ) + ), + 3600, + ) self._audience_stats_sample_interval_seconds = int( cfg.get("audience_stats_sample_interval_seconds", self._audience_stats_sample_interval_seconds) ) @@ -2427,6 +2727,292 @@ class DouyuPlugin(MessagePluginInterface): inputs["report_payload_json"] = json.dumps(payload, ensure_ascii=False) return inputs + def _build_room_background_profile_seed(self, payload: Dict[str, Any]) -> Dict[str, Any]: + """ + 从日报载荷里抽取一份“适合给背景画像模型看的精简材料”。 + 这样做有两个好处： + 1. 不必把整份大 payload 都重新塞给模型，减少 token 和噪音； + 2. 即使模型没有联网能力，也能依据房间标签、代表弹幕、高频词做保守推断。 + """ + meta = payload.get("report_meta", {}) or {} + room_context = payload.get("room_context", {}) or {} + runtime_context = room_context.get("runtime_context", {}) or {} + room_id = str(meta.get("room_id") or "").strip() + + representative_messages = [] + for item in (payload.get("representative_messages", []) or [])[:6]: + content = str(item.get("content") or "").strip() + if not content: + continue + representative_messages.append({ + "nickname": str(item.get("nickname") or "").strip(), + "content": content[:90], + }) + + merged_templates = [] + for item in (payload.get("merged_templates", []) or [])[:8]: + text = str(item.get("text") or "").strip() + if not text: + continue + merged_templates.append({ + "text": text[:48], + "count": int(item.get("count", 0) or 0), + }) + + repeated_messages = [] + for item in (payload.get("repeated_messages", []) or [])[:6]: + text = str(item.get("text") or item.get("content") or "").strip() + if not text: + continue + repeated_messages.append({ + "text": text[:48], + "count": int(item.get("count", 0) or 0), + }) + + manual_profile = self._match_room_context_profile(room_id) + return { + "room_meta": { + "room_id": room_id, + "nickname": str(meta.get("nickname") or "").strip(), + "room_name": str(meta.get("room_name") or "").strip(), + "anchor_day": str(meta.get("anchor_day") or "").strip(), + }, + "runtime_context": { + "primary_category": str(runtime_context.get("primary_category") or "").strip(), + "secondary_category": str(runtime_context.get("secondary_category") or "").strip(), + "game_name": str(runtime_context.get("game_name") or "").strip(), + "tags": self._normalize_text_list(runtime_context.get("tags"))[:10], + }, + "inferred_domains": self._normalize_text_list(room_context.get("inferred_domains"))[:6], + "top_terms": [ + str(item.get("term") or "").strip() + for item in (payload.get("top_terms", []) or [])[:12] + if str(item.get("term") or "").strip() + ], + "merged_templates": merged_templates, + "repeated_messages": repeated_messages, + "representative_messages": representative_messages, + # 手工画像快照一并传入，方便模型只补缺、不“推翻人工设定”。 + "manual_profile_hint": { + "domain": str(manual_profile.get("domain") or "").strip(), + "identity_summary": str(manual_profile.get("identity_summary") or "").strip(), + "career_background": str(manual_profile.get("career_background") or "").strip(), + "related_people": self._normalize_text_list(manual_profile.get("related_people"))[:10], + "storyline_keywords": self._normalize_text_list(manual_profile.get("storyline_keywords"))[:10], + }, + } + + def _build_room_background_profile_prompt(self, payload: Dict[str, Any]) -> Tuple[str, str, Dict[str, Any]]: + """ + 构造“主播背景画像”提示词。 + 设计原则： + 1. 优先检索公开资料；若当前模型没有检索能力，则退化为保守推断； + 2. 严格要求 JSON 输出，方便直接入 Redis； + 3. 不确定就留空，宁可少写，也不要把职业生涯、圈内关系硬编出来。 + """ + seed = self._build_room_background_profile_seed(payload) + system_prompt = ( + "你是斗鱼直播间背景画像整理助手。" + "请根据给定房间信息，整理一份给日报模型使用的主播背景 JSON。" + "如果你具备联网、搜索、知识库或检索能力，请优先检索公开资料再整理；" + "如果你不具备检索能力，只能根据输入材料做保守判断，不确定的字段必须留空。" + "输出必须是 JSON 对象，不要输出代码块，不要补充额外解释。" + ) + user_prompt = ( + "请只输出一个 JSON 对象，字段固定为：\n" + "{\n" + " \"domain\": \"\",\n" + " \"domain_keywords\": [],\n" + " \"identity_summary\": \"\",\n" + " \"career_background\": \"\",\n" + " \"related_people\": [],\n" + " \"storyline_keywords\": [],\n" + " \"meme_explanations\": [],\n" + " \"style_hints\": [],\n" + " \"confidence\": \"low|medium|high\",\n" + " \"evidence_summary\": \"\",\n" + " \"needs_human_review\": true\n" + "}\n\n" + "规则：\n" + "1. identity_summary 要像“这是什么类型主播、观众通常围绕什么背景接梗”的一句话。\n" + "2. career_background 只写公开且较稳定的职业经历、圈层身份、转型轨迹；不确定就留空。\n" + "3. related_people 只保留和该主播强相关的人物；不确定不要硬猜。\n" + "4. meme_explanations 和 style_hints 要服务日报理解，不要写百科长文。\n" + "5. 如果主播不是 Dota2 主播，也要按其真实领域整理，不要强行往 Dota2 上靠。\n" + "6. 如果资料存在歧义、重名或证据不足，confidence 设为 low，并把 needs_human_review 设为 true。\n\n" + f"输入材料：\n{json.dumps(seed, ensure_ascii=False, indent=2)}" + ) + return system_prompt, user_prompt, seed + + def _build_dify_room_background_inputs( + self, + *, + system_prompt: str, + user_prompt: str, + seed: Dict[str, Any], + ) -> Dict[str, Any]: + """ + 组装“房间背景画像”任务在 Dify Workflow 下的输入。 + 这里复用现有 scene，但通过单独 task_type 走到新的 Workflow 分支， + 让 Dify 端可以后续挂检索/知识库节点，而插件侧接口保持不变。 + """ + room_meta = seed.get("room_meta", {}) or {} + return { + "task_type": "room_background_profile", + "query": user_prompt, + "system_prompt": system_prompt, + "user_prompt": user_prompt, + "room_id": str(room_meta.get("room_id") or "").strip(), + "anchor_day": str(room_meta.get("anchor_day") or "").strip(), + "nickname": str(room_meta.get("nickname") or room_meta.get("room_name") or "").strip(), + "max_length": "1200", + "report_payload_json": json.dumps(seed, ensure_ascii=False), + } + + def _call_room_background_profile_llm( + self, + *, + system_prompt: str, + user_prompt: str, + seed: Dict[str, Any], + ) -> str: + """ + 调用统一 LLM 客户端生成背景画像文本。 + 与日报正文链路保持同样的 provider 兼容策略： + 1. Dify provider 走 workflow/chat 的 run(inputs)； + 2. 其他 provider 走普通 chat(system, user)。 + """ + if not self._daily_report_llm_client: + return "" + + room_meta = seed.get("room_meta", {}) or {} + room_id = str(room_meta.get("room_id") or "").strip() + user_id = f"douyu_room_background_{room_id or 'unknown'}" + if self._daily_report_llm_client.provider == "dify": + result = self._daily_report_llm_client.run( + prompt=user_prompt, + user=user_id, + inputs=self._build_dify_room_background_inputs( + system_prompt=system_prompt, + user_prompt=user_prompt, + seed=seed, + ), + tag=f"douyu_room_background_{room_id or 'unknown'}", + ) + return str((result or {}).get("text", "") or "").strip() + return self._daily_report_llm_client.chat( + system_prompt, + user_prompt, + user_id=user_id, + ).strip() + + def _generate_room_background_profile(self, payload: Dict[str, Any]) -> Dict[str, Any]: + """ + 同步生成一份可缓存到 Redis 的背景画像。 + 这个方法会被 asyncio.to_thread 包裹执行，避免阻塞主事件循环。 + """ + if not self._daily_report_llm_client: + return {} + + system_prompt, user_prompt, seed = self._build_room_background_profile_prompt(payload) + response_text = self._call_room_background_profile_llm( + system_prompt=system_prompt, + user_prompt=user_prompt, + seed=seed, + ) + if not response_text: + logger.warning( + f"斗鱼房间背景画像生成失败: room={((seed.get('room_meta', {}) or {}).get('room_id', ''))}, " + f"last_error={self._daily_report_llm_client.last_error}" + ) + return {} + + parsed = self._extract_json_object_from_text(response_text) + if not parsed: + logger.warning( + f"斗鱼房间背景画像返回非 JSON，已忽略: room={((seed.get('room_meta', {}) or {}).get('room_id', ''))}, " + f"preview={response_text[:180]}" + ) + return {} + + normalized = self._normalize_auto_room_background_profile(parsed) + if not normalized: + return {} + + normalized["generated_at"] = datetime.now().strftime("%Y-%m-%d %H:%M:%S") + normalized["source_mode"] = "redis_auto" + normalized["generator"] = ( + f"{self._daily_report_llm_client.provider}:{self._daily_report_llm_client.model or self._daily_report_llm_client.endpoint}" + ) + return normalized + + async def _ensure_room_background_profile( + self, + room_id: str, + nickname: str, + room_name: str, + sessions: List[Dict[str, Any]], + payload: Dict[str, Any], + *, + force_refresh: bool = False, + ) -> Dict[str, Any]: + """ + 在生成日报前，确保房间背景画像已经就绪。 + 流程说明： + 1. 先看手工配置与 Redis 缓存是否已经够用； + 2. 仅在必要时才触发一次 LLM 自动画像； + 3. 无论是否生成成功，最后都重新构建 room_context，确保 payload 使用最新缓存。 + """ + if not payload: + return payload + + meta = payload.get("report_meta", {}) or {} + room_id = str(room_id or meta.get("room_id") or "").strip() + nickname = str(nickname or meta.get("nickname") or "").strip() + room_name = str(room_name or meta.get("room_name") or "").strip() + if not room_id: + return payload + + manual_profile = self._match_room_context_profile(room_id) + cached_profile = ( + self.redis_manager.get_room_background_profile(room_id) if self.redis_manager else {} + ) or {} + + should_build = ( + self._auto_room_background_profile_enable + and self._daily_report_use_llm + and self._daily_report_llm_client is not None + and self.redis_manager is not None + and self._profile_needs_auto_enrichment( + manual_profile, + cached_profile, + force_refresh=force_refresh, + ) + ) + + if should_build: + generated_profile = await asyncio.to_thread( + self._generate_room_background_profile, + payload, + ) + if generated_profile: + ttl_seconds = max(int(self._auto_room_background_profile_ttl_seconds or 0), 3600) + self.redis_manager.set_room_background_profile( + room_id, + generated_profile, + ttl_seconds=ttl_seconds, + ) + logger.info( + f"斗鱼房间背景画像已刷新并缓存到 Redis: room={room_id}, " + f"ttl={ttl_seconds}s, confidence={generated_profile.get('confidence', '')}" + ) + + # 这里无论是否触发了自动画像，都重新构建一次 room_context： + # 1. 若刚刚写入 Redis，新画像会立刻反映到 payload； + # 2. 若没有新画像，也能统一走“手工画像 + Redis 缓存 + 实时房间信息”的最新合并逻辑。 + payload["room_context"] = self._build_room_semantic_context(room_id, nickname, room_name, sessions) + return payload + def _call_daily_report_llm( self, *, @@ -2763,6 +3349,18 @@ class DouyuPlugin(MessagePluginInterface): f"sessions={len(sessions)}, min_messages={self._daily_report_min_messages}" ) continue + # 在真正生成日报前先预热一次背景画像： + # 1. 首次命中房间时尝试补全主播背景； + # 2. 结果进入 Redis，后续同房间日报可直接复用； + # 3. payload 会在这里被刷新成最新的 room_context。 + payload = await self._ensure_room_background_profile( + room_id, + "", + "", + sessions, + payload, + force_refresh=force_regenerate, + ) report_result = await self._get_or_create_daily_report_result( room_id, anchor_day, @@ -2835,6 +3433,15 @@ class DouyuPlugin(MessagePluginInterface): f"sessions={len(sessions)}, min_messages={self._daily_report_min_messages}" ) continue + # 粉丝日报也需要同一份背景画像，以便更准确理解职业生涯梗、圈内人物和老名场面。 + payload = await self._ensure_room_background_profile( + room_id, + "", + "", + sessions, + payload, + force_refresh=force_regenerate, + ) report_result = await self._get_or_create_fans_daily_report_result( room_id, diff --git a/plugins/douyu/斗鱼日报AI.yml b/plugins/douyu/斗鱼日报AI.yml index 78fe5af..c2af785 100644 --- a/plugins/douyu/斗鱼日报AI.yml +++ b/plugins/douyu/斗鱼日报AI.yml @@ -1,5 +1,5 @@ app: - description: 斗鱼直播日报、弹幕总结与粉丝乐子日报工作流 + description: 斗鱼直播日报、弹幕总结、粉丝乐子日报与房间背景画像工作流 icon: 🤖 icon_background: '#FFEAD5' mode: workflow @@ -99,6 +99,18 @@ workflow: targetHandle: target type: custom zIndex: 0 + - data: + isInIteration: false + isInLoop: false + sourceType: if-else + targetType: llm + id: 200000010-room-background-profile-case-200000104-target + source: '200000010' + sourceHandle: room_background_profile_case + target: '200000104' + targetHandle: target + type: custom + zIndex: 0 - data: isInIteration: false isInLoop: false @@ -122,6 +134,41 @@ workflow: targetHandle: target type: custom zIndex: 0 + - data: + isInIteration: false + isInLoop: false + sourceType: llm + targetType: end + id: 200000104-source-200000307-target + source: '200000104' + sourceHandle: source + target: '200000307' + targetHandle: target + type: custom + zIndex: 0 + - data: + isInLoop: false + sourceType: llm + targetType: llm + id: 200000104-fail-branch-200000204-target + source: '200000104' + sourceHandle: fail-branch + target: '200000204' + targetHandle: target + type: custom + zIndex: 0 + - data: + isInIteration: false + isInLoop: false + sourceType: llm + targetType: end + id: 200000204-source-200000308-target + source: '200000204' + sourceHandle: source + target: '200000308' + targetHandle: target + type: custom + zIndex: 0 - data: isInIteration: false isInLoop: false @@ -245,9 +292,10 @@ workflow: # task_type 是整个工作流的业务路由开关： # 1. daily_report：运营版完整日报正文； # 2. danmu_summary：运营版图片上半部分弹幕总结； - # 3. fans_daily_report：粉丝向欢乐恶搞日报。 + # 3. fans_daily_report：粉丝向欢乐恶搞日报； + # 4. room_background_profile：主播/房间背景画像 JSON。 - default: daily_report - hint: daily_report / danmu_summary / fans_daily_report + hint: daily_report / danmu_summary / fans_daily_report / room_background_profile label: task_type max_length: 255 options: [] @@ -333,6 +381,17 @@ workflow: width: 242 - data: cases: + - case_id: room_background_profile_case + conditions: + - comparison_operator: contains + id: room_background_profile_case_cond + value: room_background_profile + varType: string + variable_selector: + - '200000001' + - task_type + id: room_background_profile_case + logical_operator: and - case_id: danmu_summary_case conditions: - comparison_operator: contains @@ -671,6 +730,98 @@ workflow: targetPosition: left type: custom width: 242 + - data: + context: + enabled: false + variable_selector: [] + # 背景画像分支： + # 1. 只服务 room_background_profile； + # 2. 优先整理公开资料与输入材料，输出结构化 JSON； + # 3. 不确定时宁可留空，也不要编职业经历或圈内关系。 + error_strategy: fail-branch + model: + completion_params: + temperature: 0.1 + mode: chat + name: grok-4 + provider: langgenius/openai_api_compatible/openai_api_compatible + prompt_template: + - id: background_system_1 + role: system + text: '你是「斗鱼直播间背景画像助手」。 + + 你的唯一任务是输出主播/房间背景画像 JSON。 + + 输出原则： + + 1. 只输出 JSON 对象，不要使用代码块，不要输出解释文字。 + + 2. 如果当前工作流已接入联网、检索或知识库能力，请优先检索公开资料后再整理。 + + 3. 如果没有检索能力，只能根据输入材料做保守推断，不确定字段必须留空。 + + 4. 不要把其他同名主播、选手或解说的经历串到当前房间。 + + 5. 如果主播不是 Dota2 主播，也要按其真实领域整理，不要强行往 Dota2 上靠。 + + 6. confidence 只能是 low / medium / high。 + + 7. 如果 system_prompt 非空，优先遵循其中的补充规则。 + + ' + - id: background_user_1 + role: user + text: '【任务类型】 + + room_background_profile + + + 【system_prompt】 + + {{#200000001.system_prompt#}} + + + 【user_prompt】 + + {{#200000001.user_prompt#}} + + + 【meta】 + + room_id={{#200000001.room_id#}}, anchor_day={{#200000001.anchor_day#}}, + nickname={{#200000001.nickname#}} + + + 【report_payload_json】 + + {{#200000001.report_payload_json#}} + + + 请只输出背景画像 JSON。 + + ' + retry_config: + max_retries: 2 + retry_enabled: true + retry_interval: 1000 + selected: false + title: 背景画像 LLM + type: llm + vision: + enabled: false + height: 172 + id: '200000104' + position: + x: 664 + y: 650 + positionAbsolute: + x: 664 + y: 650 + selected: false + sourcePosition: right + targetPosition: left + type: custom + width: 242 - data: context: enabled: false @@ -821,6 +972,76 @@ workflow: targetPosition: left type: custom width: 242 + - data: + context: + enabled: false + variable_selector: [] + # 背景画像回退模型： + # 失败时继续保持“只出 JSON、宁可留空不乱编”的保守策略。 + model: + completion_params: + temperature: 0.05 + mode: chat + name: gpt-5.4 + provider: langgenius/openai_api_compatible/openai_api_compatible + prompt_template: + - id: background_system_2 + role: system + text: '你是「斗鱼直播间背景画像助手」。 + + 当前是回退链路，请稳定输出背景画像 JSON。 + + 只输出 JSON 对象，不要使用代码块，不要输出额外说明。 + 如果证据不足或重名风险较高，字段留空，confidence 设为 low，needs_human_review 设为 true。 + + ' + - id: background_user_2 + role: user + text: '【任务类型】 + + room_background_profile + + + 【system_prompt】 + + {{#200000001.system_prompt#}} + + + 【user_prompt】 + + {{#200000001.user_prompt#}} + + + 【report_payload_json】 + + {{#200000001.report_payload_json#}} + + + 请只输出背景画像 JSON。 + + ' + retry_config: + max_retries: 2 + retry_enabled: true + retry_interval: 1000 + selected: false + title: 背景画像回退 LLM + type: llm + vision: + enabled: false + height: 118 + id: '200000204' + position: + x: 1010 + y: 650 + positionAbsolute: + x: 1010 + y: 650 + selected: false + sourcePosition: right + targetPosition: left + type: custom + width: 242 - data: context: enabled: false @@ -1034,6 +1255,52 @@ workflow: targetPosition: left type: custom width: 242 + - data: + outputs: + - value_selector: + - '200000104' + - text + value_type: string + variable: text + selected: false + title: 背景画像输出 + type: end + height: 88 + id: '200000307' + position: + x: 1010 + y: 760 + positionAbsolute: + x: 1010 + y: 760 + selected: false + sourcePosition: right + targetPosition: left + type: custom + width: 242 + - data: + outputs: + - value_selector: + - '200000204' + - text + value_type: string + variable: text + selected: false + title: 背景画像回退输出 + type: end + height: 88 + id: '200000308' + position: + x: 1354 + y: 650 + positionAbsolute: + x: 1354 + y: 650 + selected: false + sourcePosition: right + targetPosition: left + type: custom + width: 242 viewport: x: 74 y: 74