# 小牛群聊 BOT 重构说明 ## 目标 把当前 `ai_auto_response` 从“随机插话的自动回复”升级成一个真正适合微信群长期在线的拟人 BOT `小牛`： - 在群里像一个真实成员，而不是每次都像客服或问答机 - 能及时回答明确问题，减少“看见了但不接话”的情况 - 能根据群氛围决定什么时候主动参与，什么时候少说话 - 能对不同群、不同成员表现出稳定的人设和长期记忆感 - 能复用项目里已经存在的消息存档、成员画像、群总结、权限控制、后台管理能力 - 能处理“某个老成员很久不说话，突然回来发言”的场景，不显得失忆 这份文档不是泛泛而谈的产品介绍，而是基于当前仓库现状整理的一份可落地实现方案。 --- ## 当前实现现状 当前插件入口： - [`plugins/ai_auto_response/main.py`](/d:/learn/abot/plugins/ai_auto_response/main.py) - [`plugins/ai_auto_response/bot_ai.py`](/d:/learn/abot/plugins/ai_auto_response/bot_ai.py) - [`plugins/ai_auto_response/config.toml`](/d:/learn/abot/plugins/ai_auto_response/config.toml) 现有版本已经具备这些基础能力： - 能监听群消息 - 能缓存最近一段群聊文本 - 能基于关键词、时间窗口、参与度、体力值决定是否插话 - 能把最近几条消息拼成上下文后调用大模型 API 生成回复 但它目前仍然偏简单，核心问题主要有： 1. 回复触发逻辑偏“概率型” 现在更像“有没有兴致插一句”，而不是“是否有人在明确问它问题”。 2. 缺少答疑优先级 群里一旦出现明确求助、@机器人、连续追问，应该优先快速答复，而不是继续走随机参与逻辑。 3. 缺少长期人格 目前只有 prompt 里的简短口语化约束，还没有稳定的人设、口头习惯、边界感、偏好表达方式。 4. 缺少成员级长期记忆 仓库里已经有成员画像能力，但 `ai_auto_response` 还没有接进去，所以机器人对“这个人平时怎么说话、关注什么、适合怎么回”没有利用起来。 5. 缺少群级场景区分 不同群应该有不同模式，例如技术群偏答疑、闲聊群偏陪聊、交易群偏信息明确、熟人群偏轻松互动。 6. 缺少回复分层 并不是所有回复都应该走同一条 prompt。问答、接梗、安慰、提醒、总结、纠错，生成策略应该分开。 --- ## 可以直接复用的现有技术能力 这个项目其实已经有很多“拟人 BOT”需要的基础设施，不需要从零重造： ### 1. 消息接入与发送 - 主机器人入口：[`robot.py`](/d:/learn/abot/robot.py) - 微信客户端：[`wechat_ipad/`](/d:/learn/abot/wechat_ipad) 可直接复用消息接收、发群消息、发图片、联系人同步、群成员信息读取能力。 ### 2. 权限和群功能开关 - 群功能控制：`GroupBotManager` 这意味着“哪些群启用拟人 BOT”“哪些群仅答疑不闲聊”“哪些群完全关闭”都已经有基础能力。 ### 3. 消息存档与历史上下文 - 消息存储：[`utils/wechat/message_to_db.py`](/d:/learn/abot/utils/wechat/message_to_db.py) - 数据表操作：[`db/message_storage.py`](/d:/learn/abot/db/message_storage.py) 这部分非常关键，可以让 BOT 不只看最近 10 句话，而是按需回看更长的上下文。 ### 4. 成员画像与长期交互记忆 - 插件：[`plugins/member_context/main.py`](/d:/learn/abot/plugins/member_context/main.py) - 服务：[`plugins/member_context/service.py`](/d:/learn/abot/plugins/member_context/service.py) - 提示词构建：[`plugins/member_context/prompt_builder.py`](/d:/learn/abot/plugins/member_context/prompt_builder.py) 这里已经有： - 成员日 / 周 / 月摘要 - 兴趣主题 - 互动风格 - 回复偏好 - 群内角色 - 技能画像 这正是“拟人回复”最需要的长期上下文。 ### 5. 群总结与压缩上下文 - 群总结：[`plugins/message_summary/main.py`](/d:/learn/abot/plugins/message_summary/main.py) - 对话压缩：[`utils/compress_chat_data.py`](/d:/learn/abot/utils/compress_chat_data.py) 长群聊可以先压缩再喂给模型，减少 token 压力。 ### 6. 管理后台 - 后台目录：[`admin/dashboard/`](/d:/learn/abot/admin/dashboard) 后续可以把“人设配置、群模式、回复频率、黑名单、禁聊时段、答疑策略”做成后台管理项。 --- ## 新版本插件定位 建议把这个插件的定位改成： `小牛：一个有稳定人格、会看场合、能优先答问题、在群里长期在线的虚拟群成员` 它不是纯陪聊，也不是纯问答助手，而是两种模式同时存在： ### 1. 拟人参与模式 适合熟人群、日常聊天群、兴趣群： - 偶尔接话 - 顺着上下文说话 - 有自己的语气和偏好 - 不抢话，不刷屏 ### 2. 实时答疑模式 适合技术群、项目群、问答群： - 发现问题句、求助句、@机器人时优先响应 - 响应速度快于闲聊逻辑 - 回答尽量明确、可执行 - 不懂就直接说不确定，不硬编 --- ## 推荐架构 建议把新版本拆成 8 个层次，而不是把所有逻辑都放在 `main.py` 里。 ### 1. Message Intake 负责接收消息、标准化消息结构、过滤无效消息： - 是否群聊 - 是否自己发的 - 是否文本 / 图片标题 / 链接卡片 - 是否命中黑名单 - 是否命中禁用群 ### 2. Trigger Router 负责判断“为什么这次应该回”。 建议至少拆成以下触发源： - `at_trigger` `@bot` 或明确点名 BOT - `question_trigger` 明显的问题句，例如“怎么弄”“有人知道吗”“这个报错啥意思” - `followup_trigger` 上一轮已经在和 BOT 对话，用户继续追问 - `topic_trigger` 命中 BOT 擅长或关注的话题 - `social_trigger` 打招呼、起哄、接梗、点名、夸它、吐槽它 - `silence_break_trigger` 群里沉默较久后，用很轻的方式恢复气氛 其中优先级应为： `@提问 > 明确求助 > 连续追问 > 互动点名 > 普通插话` ### 3. Flow Manager 心流系统是小牛的“实时参与状态机”。 它解决的不是“记不记得人”，而是“现在要不要继续聊、聊多深、聊多久”。 建议按群维度维护 `flow_state` 和 `flow_score`，而不是全局只有一个热度值。 推荐状态： - `idle` 低参与，主要观察，除非被点名或明确提问，否则不主动插话 - `warming` 话题开始吸引小牛，可以做轻量接话 - `engaged` 已进入连续互动，优先接住上下文 - `deep_engaged` 正在进行高质量答疑或多人围绕同一主题连续互动 - `cooling` 一轮互动结束后逐步退出，避免刷屏 - `silent` 深夜、敏感话题、连续被忽略、系统限流时进入静默 建议影响心流的事件： - 提高心流： `@小牛`、明确提问、连续追问、命中擅长话题、老成员回归、机器人发言后有人接话 - 降低心流： 回复后无人接话、话题转移、连续回复过多、深夜、敏感话题、群里进入无关刷屏 建议先用简单的事件加减分模型： - `@小牛`：`+40` - 明确提问：`+30` - 连续追问：`+20` - 话题命中：`+15` - 回归成员：`+10` - 机器人发言后有人接话：`+15` - 机器人发言后没人接话：`-20` - 连续回复过多：`-15` - 深夜：`-30` 建议状态阈值： - `<20` -> `idle` - `20~39` -> `warming` - `40~69` -> `engaged` - `>=70` -> `deep_engaged` 同时配合自然衰减，让心流值按分钟回落。 ### 4. Context Builder 负责为本次回复准备上下文，建议分四层： - 最近 20~50 条群消息 - 当天压缩摘要 - 当前发言人的成员画像 - 当前群的人设配置和行为模式 - 当前群的历史推断知识域和长期摘要 建议输出统一上下文对象： ```python { "group_profile": {}, "speaker_profile": {}, "recent_messages": [], "recent_summary": "", "trigger_type": "question_trigger", "reply_mode": "qa_fast" } ``` ### 5. Long-Term Memory Engine 这是小牛和普通自动回复插件真正拉开差距的地方。 建议把记忆拆成四层，而不是只保留最近聊天记录： - `session_memory` 最近一次连续对话的上下文，生命周期 5~15 分钟 - `daily_memory` 今天这个群在聊什么、谁和谁正在互动、当前气氛如何 - `member_memory` 某个成员长期关注的话题、典型说话风格、历史上经常问的问题、适合的回复方式 - `group_memory` 这个群的长期主题、说话节奏、禁忌、常见梗、对小牛的接受度 其中 `member_memory` 和 `group_memory` 是解决“老成员突然回归”最关键的部分。 `group_memory` 不只是存档，它还应该反过来影响回答偏向： - 如果群已手工配置 `knowledge_domain`，优先使用配置 - 如果群没有明显配置，或者只是默认通用群，则允许用历史消息和群总结推断 `inferred_domain` - 推断出的知识域只用于“理解问题时优先往哪边靠”，不是强制把任何话题都答成那个领域 例如： - 一个没手工配置的群，最近长期都在聊机器人、插件、部署、接口，那小牛应自然偏向 `robotics` - 一个群名没有 `openclaw`，但历史总结反复出现 OpenClaw 节点、接入、联调，那回答也可以优先从 OpenClaw 视角切入 - 如果只是普通闲聊群，哪怕偶尔有人发一条技术消息，也不应该立刻把整个群永久判成技术群 同样的逻辑也可以用于“社交风格推断”： - 最近群消息长期偏玩梗、调侃、短句，小牛就可以更松一点 - 最近群消息长期偏项目推进、报错排查、接口联调，小牛就该明显收敛幽默感和毒舌度 - 这种推断只建议作为默认群画像的轻微偏置，不要覆盖明确手工配置 当某个成员很久没发言又突然出现时，不应该只看他刚发的这一句，而应该补充这些信息： - 这个人上次活跃是什么时候 - 过去常聊什么 - 过去在群里的角色更像提问者、答疑者还是气氛组 - 过去和小牛是否有连续互动 - 这次回归是轻松冒泡、直接求助、还是延续旧话题 建议为这类场景增加专门状态： - `returning_member` 7 天以上未发言后再次出现 - `long_absent_member` 30 天以上未发言后再次出现 - `reactivated_topic` 当前话题与该成员历史关注主题高度相关 针对这类状态，小牛的回复要遵循两个原则： 1. 记得这个人，但不要过度热情到像监控 可以自然表现出“你又出现了”“这个话题你之前也挺关注”，但不要直接说出太细的时间和行为记录。 2. 优先续接熟悉话题 如果该成员回归后直接提问，优先用他的长期主题和历史偏好组织答案，这样会更像“真的认识这个人”。 ### 6. Persona Engine 这里是“拟人感”的核心，不应该只靠一句 prompt。 建议把人格拆成结构化配置： - 名字 - 年龄感 - 说话风格 - 常用语气词 - 擅长话题 - 不擅长话题 - 回避边界 - 幽默程度 - 主动程度 - 回复长度偏好 - 是否喜欢反问 - 是否会使用表情 - 幽默强度 - 嘴硬 / 毒舌强度 - 表达松弛度 而且这些不应该全局固定，还应该允许按群覆盖。 也就是说，小牛的人设分两层： - 底层稳定人格：技术宅、短句、嘴硬心软、懂代码硬件网络自动化，也懂一点 Dota - 群内人格偏置：这个群里要不要更幽默、能不能更毒舌、是更认真还是更松弛 例如： - 机器人群 / 项目群：幽默感压低，毒舌压低，优先认真答问题 - 闲聊群：允许多一点冷幽默和松弛感 - Dota 群：允许更自然的调侃和一点老玩家嘴臭味，但不能变成攻击性输出 建议新增独立人设文件，例如： - `persona_name` - `core_identity` - `tone_rules` - `reply_rules` - `taboo_rules` - `example_replies` 目录下现有的 [`plugins/ai_auto_response/瑞依.txt`](/d:/learn/abot/plugins/ai_auto_response/瑞依.txt) 只作为参考语料，不直接作为最终人格文件。 新版本应建立 `小牛` 的独立人格设定，建议固定为： - 名字：小牛 - 角色感：群里常驻、靠谱、自然、不端着 - 回答风格：先解决问题，再决定要不要延伸 - 社交风格：熟人感轻一点，不装熟，不过分卖萌 - 记忆风格：对老成员有熟悉感，但不过度暴露“系统知道很多” ### 7. Response Planner 不要让模型每次自由发挥，先确定回复策略，再生成内容。 推荐回复模式： - `qa_fast` 用于明确问题，答案优先，少废话 - `qa_with_context` 用于结合群聊历史、成员长期记忆或旧话题回答 - `social_short` 用于轻量接话，1 句就够 - `comfort_mode` 用于安慰、缓和、给建议 - `humor_mode` 用于熟人群轻松互动 - `refuse_or_skip` 不适合接话时直接不回，或仅给非常短的反馈 心流状态会直接影响回复策略： - `idle` 只处理 `@bot`、明确问题、强触发事件 - `warming` 允许 `social_short` - `engaged` 提高 `qa_with_context` 和连续追问的响应率 - `deep_engaged` 允许更完整的答疑和多轮连续互动 - `cooling` 优先短回复或收口 - `silent` 除非强触发，否则不回复 ### 8. Safety and Rate Control 拟人 BOT 最大的风险不是“答不出来”，而是“太像人却太爱说话”。 所以必须保留这些机制： - 每群独立冷却 - 连续回复衰减 - 被人无视后降低主动率 - 深夜低活跃模式 - 敏感词 / 风险话题降级 - 管理员强制关闭 当前 `bot_ai.py` 里的“体力值 + 参与度”可以保留，但应降级为“主动聊天限流器”，而不是总入口。 这里建议再补两层非常关键的拟人化约束： - `group_acceptance` 观察小牛发言后，群里后续是否自然接住。如果经常发完没人理，就降低主动度；如果经常有人顺着聊，才允许在非强触发场景更积极一点。 - `human_solver_suppression` 如果最近几条里已经明显有群友在认真解题，小牛除非被 `@`，否则优先收着，避免像“抢答机器人”。 这两层加上后，小牛会更像一个会看场合的老成员，而不是看见关键词就扑上去。 --- ## 向量记忆设计 当前环境里已经有可用的向量能力： - 向量库：`Qdrant` - 向量模型服务：`Ollama` - 适合接入位置：`Long-Term Memory Engine` 这里的设计原则不是“所有回复都查向量库”，而是： `Qdrant 作为长期记忆召回层，member_context 和消息摘要作为稳定记忆层` 也就是说： - `member_context` 负责回答“这个人是谁，长期是什么风格” - `Qdrant` 负责回答“这个人以前聊过什么类似内容” ### 什么时候介入最合适 最合适的方式是第二阶段开始接入，但只用于特定场景，不作为所有回复的必经链路。 优先介入以下场景： - `returning_member` 用户很久没发言后重新出现 - `long_absent_member` 用户长期沉默后突然出现 - `qa_with_context` 当前问题可能和历史问答或长期兴趣相关 - `reactivated_topic` 当前话题和用户过去长期关注主题高度相关 普通闲聊、轻量接话、气氛互动不建议默认查向量库。 ### 为什么不建议一开始全量依赖向量库 因为群聊拟人 BOT 最怕的不是“想不起来”，而是“乱想起来”。 如果每次都查向量库，容易出现： - 回复变慢 - 召回结果不稳定 - 机器人突然提旧事，像在翻聊天记录 - 轻松闲聊也被过度结构化 所以更合理的方式是： - 平时主要依赖最近上下文和成员画像 - 需要“找回记忆”时再触发向量召回 ### 最适合写入 Qdrant 的内容 不建议先把全部原始聊天消息无差别写进向量库。 更推荐写入“记忆单元”： - 成员日摘要 - 成员周摘要 - 成员月摘要 - 群日摘要 - 重要问答对 - 用户长期偏好卡片 - 小牛与某成员的关键互动片段 这样做有几个好处： - 噪音更少 - 召回更稳定 - Token 更省 - 更适合长期维护 ### 推荐的 Qdrant Payload 每条向量建议至少带这些字段： - `chatroom_id` - `wxid` - `memory_type` - `topic_tags` - `created_at` - `last_active_at` - `source_id` - `content_summary` 建议的 `memory_type` 包括： - `member_daily_digest` - `member_weekly_digest` - `member_monthly_digest` - `group_daily_digest` - `qa_pair` - `interaction_memory` - `preference_card` ### 推荐查询策略 建议按下面顺序查，而不是直接全库语义搜： 1. 先按 `chatroom_id` 过滤 2. 如果目标明确，再按 `wxid` 过滤 3. 再按 `memory_type` 过滤 4. 最后做语义相似度检索 5. `top_k` 建议先控制在 `3~5` 这能显著降低错召回。 ### 与 Ollama 向量模型的配合方式 你现有的 Ollama 小向量模型是可以直接用的，只要满足一个原则： `写入和查询必须使用同一个 embedding 模型` 对“小牛”这种群聊记忆系统来说，小型 embedding 模型反而通常更合适，因为需要的是： - 响应快 - 成本低 - 稳定检索成员历史主题和问答片段 而不是做极重的通用语义推理。 ### 推荐的接入方式 建议新增一个独立的记忆召回模块，例如： - `memory_store.py` 负责写入、查询、过滤、召回排序 它的职责建议分成四块： - `upsert_memory` 把摘要、问答、关键互动写入 Qdrant - `search_member_memory` 查询某个成员的长期相关记忆 - `search_group_memory` 查询当前群的历史相关记忆 - `build_memory_prompt` 把召回结果压缩成可以送给模型的 prompt 片段 向量召回和心流系统的配合建议是： - 长期记忆负责“这个人以前是谁、聊过什么” - 心流系统负责“这次值不值得进入连续互动” 两者一起工作时，小牛才会既像“记得人”，又像“会看场合”。 ### 小牛里最适合触发向量召回的时机 推荐在这些判断通过后才查 Qdrant： - 用户超过 `7` 天未发言重新出现 - 用户超过 `30` 天未发言后提问 - 当前问题命中“历史上经常问的主题” - 最近上下文不够，但成员长期画像显示该用户过去反复讨论过此类话题 - BOT 判断这是“旧话题延续”而不是新话题 ### 记忆使用边界 向量召回的结果只应该作为“小牛知道哪些历史背景”的参考，而不是原样往外说。 生成回复时建议遵守： - 不直接暴露精确历史记录 - 不直接说“你上次在几月几号说过” - 不在轻量闲聊里强行提旧事 - 只在确实有帮助时，让回复带一点自然熟悉感 理想效果是： - 用户觉得“小牛记得我” - 但不会觉得“小牛在翻档案” --- ## 推荐实现方案 ### 第一阶段：把“随机插话”升级成“有优先级的触发回复” 先不追求复杂人格，先解决“及时回答问题”： 1. 新增问题检测 识别问号、求助句式、报错句式、`有人知道`、`怎么`、`为啥`、`?`、`？？` 2. 新增 `@bot` 强制响应 只要被明确点名，优先进入快速答疑链路 3. 新增会话延续窗口 机器人回复后 2~5 分钟内，如果同一人继续追问，应提高响应概率甚至直接响应 4. 闲聊逻辑与答疑逻辑分离 闲聊继续走拟人策略，答疑直接走高优先级策略 5. 引入群级心流系统 用 `flow_state` 替代旧的随机插话感，让小牛知道什么时候进入、什么时候退出对话 这一阶段完成后，体验会立刻提升很多。 ### 第二阶段：接入长期记忆、成员画像和群模式 把仓库现有能力接进来： 1. 从 `member_context` 读取当前发言人的画像 2. 为每个成员建立最近会话缓存和长期记忆快照 3. 给“久未发言再次出现”的成员增加回归识别逻辑 4. 给不同群配置不同模式 5. 在 prompt 中加入“这个人平时更喜欢什么风格的回复” 6. 在技术群中提高问题响应率，在闲聊群中降低长篇回答频率 7. 在 `returning_member` 和 `qa_with_context` 场景接入 Qdrant 召回 8. 让回归成员和旧话题召回同时提升群级心流，进入更自然的连续互动状态 ### 第三阶段：做人设稳定化 这一阶段重点不是“更聪明”，而是“像同一个人”： 1. 固化角色设定 2. 固化用词习惯 3. 固化情绪边界 4. 固化“知道什么 / 不知道什么”的表达方式 5. 给出少量 few-shot 回复样例 ### 长期记忆专项：解决“很久不说话突然出现”的问题 这是新版本必须明确支持的场景。 推荐处理流程： 1. 识别用户是否为回归成员 根据消息库和成员画像判断其最近一次活跃时间 2. 如果是回归成员，额外加载长期记忆 包括历史关注主题、常见问题类型、群内角色、和小牛过去互动风格 3. 生成时增加“轻微熟悉感” 回复表现得像“记得这个人”，但不要像读档案 4. 如果该成员这次是来提问 则优先进入 `qa_with_context`，让回答带上他历史关注方向 5. 如果该成员只是冒泡 则只做轻量社交回应，不强行提旧事 一个好的感觉是： - 用户会觉得“小牛好像一直在群里” - 但不会觉得“小牛在偷偷监控每个人” ### 第四阶段：做后台配置化 建议把这些项做成可配置： - 每个群是否启用 - 群模式 - 人设模板 - 回复频率 - 工作时间 / 静默时间 - 是否允许主动插话 - 是否允许使用表情 - 是否允许引用长期记忆 - 回归成员识别阈值 - 长期记忆回看天数 - 回归成员的回复热度上限 --- ## 群聊 BOT 的最小落地版本 如果你希望先做一个能用的版本，而不是一次性重构太大，推荐最小实现如下： ### 必做 - 保留当前插件入口不变 - 新增 `trigger_type` 判定 - 新增 `flow_state` / `flow_score` 判定 - 新增 `reply_mode` 判定 - `@bot` / 提问类消息直接优先回复 - 上下文从最近 10 条提升到最近 20~30 条 - 人设文件从单段 prompt 改成结构化配置 ### 优先做 - 接 `member_context` - 给群配置模式 - 给回复加冷却和连续会话窗口 - 给回归成员场景接 Qdrant 召回 - 给不同心流状态配置不同回复强度 ### 后续再做 - 后台管理页 - 不同人格模板 - 记忆纠偏 - 多模型路由 --- ## 建议目录演进 建议把 `plugins/ai_auto_response/` 逐步整理成下面这种结构： ```text plugins/ai_auto_response/ ├── __init__.py ├── main.py # 插件入口，只做调度 ├── config.toml # 插件配置 ├── README.md # 本文档 ├── persona/ │ ├── xiaoniu.txt │ └── tech_helper.txt ├── flow_manager.py # 群级心流状态机 ├── memory_store.py # 长期记忆读取与装配 ├── vector_memory.py # Qdrant / Ollama 召回层 ├── triggers.py # 触发判定 ├── context_builder.py # 上下文构建 ├── persona_engine.py # 人设装配 ├── response_planner.py # 回复策略选择 ├── llm_client.py # OpenAI兼容 API / 其他模型调用 └── rate_control.py # 冷却、频率、主动度控制 ``` 这样以后维护会比现在轻松很多。 --- ## 建议配置项 建议在 `config.toml` 后续补充这些内容： ```toml enable = true [mode] group_default_mode = "social" question_reply_timeout_sec = 12 followup_session_window_sec = 300 recent_context_size = 30 allow_proactive_reply = true returning_member_days = 7 long_absent_member_days = 30 memory_lookback_days = 180 [flow] enable_flow_state = true flow_decay_per_minute = 8 idle_threshold = 20 warming_threshold = 40 engaged_threshold = 70 at_bot_boost = 40 question_boost = 30 followup_boost = 20 topic_boost = 15 returning_member_boost = 10 response_accepted_boost = 15 ignored_reply_penalty = 20 over_reply_penalty = 15 night_penalty = 30 [persona] name = "小牛" style = "自然、口语化、像群友" emoji_probability = 0.25 max_reply_sentences = 3 [memory] enable_vector_memory = true vector_provider = "qdrant" embedding_provider = "ollama" qdrant_url = "http://127.0.0.1:6333" qdrant_collection = "abot_xiaoniu_memory" ollama_base_url = "http://192.168.2.50:11434" embedding_model = "your_embedding_model" vector_top_k = 5 vector_min_score = 0.65 vector_trigger_modes = ["returning_member", "long_absent_member", "qa_with_context", "reactivated_topic"] [priority] at_bot = 1.0 explicit_question = 0.95 followup = 0.9 social_call = 0.65 casual_topic = 0.35 [cooldown] group_reply_cooldown_sec = 45 same_user_followup_cooldown_sec = 10 night_silent_hours = ["01:00-07:30"] ``` --- ## Prompt 设计建议 新版本 prompt 不建议再只写“简短、口语化”这种通用要求，而要明确四件事： 1. 你是谁 你在这个群里的身份、语气、边界、说话节奏 2. 你为什么这次要回复 是因为被 @、被提问、正在连续对话、还是轻微接话，以及当前心流状态是否支持继续参与 3. 你现在掌握了什么上下文 最近群聊、成员画像、长期记忆、群模式、心流状态、历史摘要 4. 这次回复的目标 是回答问题、接一句、安慰、澄清、提醒，还是保持沉默 建议最终 prompt 由以下片段拼装： - `system_persona` - `memory_prompt` - `group_mode_prompt` - `flow_prompt` - `speaker_profile_prompt` - `trigger_prompt` - `recent_context_prompt` - `response_rule_prompt` 其中： - `memory_prompt` 优先来自 `member_context` 的稳定画像 - `vector_memory_prompt` 只在命中特定场景时从 Qdrant 召回并追加 --- ## 成功标准 如果这个插件升级成功，应该能达到下面这些效果： ### 拟人感 - 说话前后风格一致 - 不会每次都像在写标准答案 - 会看群气氛，不乱抢话 - 被调侃时能自然接住 - 会自然进入和退出对话，不会像开关一样突兀 ### 答疑能力 - 被 @ 时基本能及时回复 - 明确问题能优先答复 - 回答比现在更聚焦、更短、更有执行性 - 不确定时会明确说明 ### 长期记忆 - 对活跃成员和沉默很久后回归的成员都能保持连续感 - 不会把短期状态误认为长期人格 - 能识别老成员的长期关注主题 - 回归成员发言时，小牛的回复会有自然熟悉感 - Qdrant 召回只在需要时介入，不会让普通闲聊变得迟钝和奇怪 ### 工程可维护性 - 触发逻辑、上下文逻辑、生成逻辑分层 - 心流逻辑独立成层，不和长期记忆混在一起 - 可接入成员画像 - 可配置不同群模式 - 可通过后台持续调参 --- ## 推荐开发顺序 1. 保留当前插件名和入口，先完成触发路由重构 2. 把群级心流系统做出来，替换旧的随机插话逻辑 3. 把“答疑优先”做出来，解决及时回复问题 4. 把长期记忆层接进来，先解决回归成员场景 5. 把人设配置从自由文本升级成结构化配置，并固定为小牛 6. 接入 `member_context` 做成员级回复优化 7. 接入 Qdrant + Ollama，先只服务回归成员和旧话题召回 8. 增加群模式配置 9. 最后再做后台配置和更细的人格控制 --- ## 一句话结论 你现在这个 `ai_auto_response` 已经有“群里自动说话”的雏形了，但如果目标是“小牛”这种真正长期在线的群聊拟人 BOT，核心不在于继续调概率，而在于把它升级成： `触发有优先级、心流会收放、上下文有层次、长期记忆可用、人格固定为小牛、答疑能优先、群模式可配置` 这样它才会既像群友，又真的有用。