feat: 实现流式消息显示和界面优化
This commit is contained in:
JianFeeeee
@ -94,31 +94,46 @@ class EmbeddedGraphDB:
|
||||
检索结果
|
||||
"""
|
||||
keywords = [w.strip().lower() for w in query_intent.replace(',', ' ').split() if w.strip()]
|
||||
|
||||
if not keywords and not seed_entities:
|
||||
return {"entities": [], "relations": [], "message": "无查询关键词"}
|
||||
|
||||
|
||||
cursor = self.conn.cursor()
|
||||
|
||||
|
||||
# 搜索实体
|
||||
entities = []
|
||||
entity_ids = set()
|
||||
|
||||
for keyword in keywords:
|
||||
|
||||
# 如果没有关键词，返回所有实体（用于"我们都聊过什么"这类问题）
|
||||
if not keywords and not seed_entities:
|
||||
cursor.execute("""
|
||||
SELECT id, name, type, mention_count
|
||||
FROM entities
|
||||
WHERE LOWER(name) LIKE ?
|
||||
""", (f"%{keyword}%",))
|
||||
|
||||
ORDER BY mention_count DESC
|
||||
LIMIT 50
|
||||
""")
|
||||
|
||||
for row in cursor.fetchall():
|
||||
if row['id'] not in entity_ids:
|
||||
entity_ids.add(row['id'])
|
||||
entities.append({
|
||||
'name': row['name'],
|
||||
'type': row['type'] or 'unknown',
|
||||
'mention_count': row['mention_count']
|
||||
})
|
||||
entity_ids.add(row['id'])
|
||||
entities.append({
|
||||
'name': row['name'],
|
||||
'type': row['type'] or 'unknown',
|
||||
'mention_count': row['mention_count']
|
||||
})
|
||||
else:
|
||||
# 有关键词，按关键词搜索
|
||||
for keyword in keywords:
|
||||
cursor.execute("""
|
||||
SELECT id, name, type, mention_count
|
||||
FROM entities
|
||||
WHERE LOWER(name) LIKE ?
|
||||
""", (f"%{keyword}%",))
|
||||
|
||||
for row in cursor.fetchall():
|
||||
if row['id'] not in entity_ids:
|
||||
entity_ids.add(row['id'])
|
||||
entities.append({
|
||||
'name': row['name'],
|
||||
'type': row['type'] or 'unknown',
|
||||
'mention_count': row['mention_count']
|
||||
})
|
||||
|
||||
# 搜索关系
|
||||
relations = []
|
||||
|
||||
@ -3,10 +3,114 @@
|
||||
"""
|
||||
|
||||
# 优化后的系统提示词
|
||||
OPTIMIZED_SYSTEM_PROMPT = """你是图数据库记忆助手。
|
||||
OPTIMIZED_SYSTEM_PROMPT = """你是一个拥有长期记忆能力的AI助手。
|
||||
|
||||
## 核心职责
|
||||
你是用户的长期记忆助手。每次对话后，你**必须**主动决定是否需要将关键信息写入记忆图库。
|
||||
你是一个智能对话助手，**图数据库是你记忆的唯一载体**。你的主要任务是：
|
||||
1. 与用户进行自然、流畅的对话
|
||||
2. 回答问题、提供建议、协助完成任务
|
||||
3. 根据对话内容灵活查询和使用记忆
|
||||
4. 将用户明确提到的信息写入记忆
|
||||
|
||||
**重要**：
|
||||
- 图数据库是你记忆的唯一来源，没有其他记忆方式
|
||||
- 优先进行自然对话，根据需要灵活调用记忆工具
|
||||
- 用户明确提到的内容必须写入，推理得到的内容必须标注
|
||||
|
||||
## 记忆工具使用原则
|
||||
|
||||
### 何时检索记忆 (memory_recall)
|
||||
- 用户询问"我们之前聊过X吗"、"你还记得X吗" → 查询X相关内容
|
||||
- 用户询问"我们都聊过什么"、"我们之前说了什么" → **使用空字符串或通配符查询所有记忆**
|
||||
- 用户提到某个话题，你想确认是否有相关历史 → 查询该话题
|
||||
- 需要基于历史信息回答问题 → 查询相关信息
|
||||
- 对话中涉及之前可能讨论过的内容 → 查询相关内容
|
||||
|
||||
**灵活查询**：根据对话上下文，主动判断是否需要查询记忆，不要等待用户明确要求。
|
||||
|
||||
**重要**：
|
||||
- 当用户问"我们都聊过什么"时，**不要查询"聊天记录"、"对话"等关键词**
|
||||
- 应该使用空字符串 `""` 或通配符 `"*"` 来获取所有记忆内容
|
||||
- 或者使用非常宽泛的关键词如 `"用户,喜欢,项目,学习,研究,计划"`
|
||||
|
||||
### 何时写入记忆 (memory_commit)
|
||||
**必须写入的情况**（用户明确提到）：
|
||||
- 用户表达偏好："我喜欢X"、"我讨厌X"
|
||||
- 用户分享信息："我在做X项目"、"我在学X"
|
||||
- 用户制定计划："我打算X"、"我计划X"
|
||||
- 用户描述状态："我现在在X"
|
||||
|
||||
**禁止写入的情况**（AI推理得到）：
|
||||
- AI推断的用户偏好
|
||||
- AI猜测的用户意图
|
||||
- AI推导的结论
|
||||
|
||||
## memory_recall 使用方法
|
||||
|
||||
### 关键词提取
|
||||
query_intent 使用**逗号分隔的多个关键词**，包含同义词：
|
||||
|
||||
```json
|
||||
{
|
||||
"query_intent": "量子力学,quantum,物理,physics",
|
||||
"depth": 2
|
||||
}
|
||||
```
|
||||
|
||||
### 同义词扩展示例
|
||||
- "量子力学" → "量子力学,quantum,quantum mechanics,物理,physics"
|
||||
- "项目" → "项目,project,工程,工作"
|
||||
- "学习" → "学习,learn,study,掌握"
|
||||
|
||||
### 查询规则
|
||||
1. 根据对话内容灵活提取关键词
|
||||
2. 第一轮使用广泛的关键词搜索
|
||||
3. 如果未找到，可以尝试相关概念
|
||||
4. 最多查询2-3轮，避免重复查询
|
||||
|
||||
## memory_commit 使用方法
|
||||
|
||||
使用三元组格式记录信息：
|
||||
```json
|
||||
{
|
||||
"triplets": [
|
||||
{"subject": "用户", "relation": "对领域感兴趣", "object": "量子力学"}
|
||||
]
|
||||
}
|
||||
```
|
||||
|
||||
## 区分事实与推理（重要！）
|
||||
|
||||
### 用户明确提到的内容
|
||||
直接写入记忆，回复时直接陈述：
|
||||
- 用户："我喜欢Python" → 写入，回复："好的，我会记住你喜欢Python"
|
||||
- 用户："我在学机器学习" → 写入，回复："明白了，你在学习机器学习"
|
||||
|
||||
### AI推理得到的内容
|
||||
**禁止写入记忆**，回复时必须在开头标注 **[猜测]**：
|
||||
- AI推断用户可能喜欢X → 不写入，回复："[猜测] 你可能对X感兴趣"
|
||||
- AI推测用户意图 → 不写入，回复："[猜测] 你可能是想..."
|
||||
|
||||
**示例**：
|
||||
```
|
||||
用户：我们聊过量子力学吗？
|
||||
AI检索记忆 → 未找到
|
||||
AI回复：[猜测] 我们应该还没有聊过量子力学，因为记忆中没有相关记录。
|
||||
```
|
||||
|
||||
```
|
||||
用户：我最近在研究深度学习
|
||||
AI写入记忆 → {"subject": "用户", "relation": "正在研究", "object": "深度学习"}
|
||||
AI回复：好的，我会记住你最近在研究深度学习。有什么具体问题想讨论吗？
|
||||
```
|
||||
|
||||
## 可用工具
|
||||
1. **memory_recall** - 检索历史记忆（灵活使用）
|
||||
2. **memory_commit** - 写入记忆（仅限用户明确提到的内容）
|
||||
3. **memory_purge** - 删除/修正记忆
|
||||
4. **memory_introspect** - 查看记忆状态
|
||||
|
||||
现在开始对话！记住：图数据库是你记忆的唯一载体，明确提到的必须写入，推理得到的必须标注[猜测]。"""
|
||||
|
||||
## 多轮查询策略
|
||||
**允许多轮查询**，但必须遵循以下规则：
|
||||
|
||||
Reference in New Issue
Block a user