99 lines
3.7 KiB
JavaScript
99 lines
3.7 KiB
JavaScript
|
/**
|
|||
|
|
* ═══════════════════════════════════════════════════════════
|
|||
|
|
* 🧠 跨会话母语记忆 Agent
|
|||
|
|
* ═══════════════════════════════════════════════════════════
|
|||
|
|
*
|
|||
|
|
* 编号: ZY-FTCHAT-MEM-001
|
|||
|
|
* 守护: 铸渊 · ICE-GL-ZY001
|
|||
|
|
*
|
|||
|
|
* 思路 (借鉴 server/age-os/agents/shuangyan-web-agent.js):
|
|||
|
|
* - 用户开新对话 → 把上一对话压成 "母语段"
|
|||
|
|
* - 母语段格式 (HLDP 风格):
|
|||
|
|
* 【上次会话母语印记】
|
|||
|
|
* ▸ 主题: ...
|
|||
|
|
* ▸ 用户状态: ...
|
|||
|
|
* ▸ 我承诺/要做的事: ...
|
|||
|
|
* ▸ 待续话题: ...
|
|||
|
|
* - 注入下次对话的 system prompt (作为跨会话记忆)
|
|||
|
|
*
|
|||
|
|
* 因为代码模型尚未训练，工具链不可用，所以走 LLM 短调用做压缩。
|
|||
|
|
* 失败时退化为简单的最近 N 条消息片段拼接。
|
|||
|
|
*/
|
|||
|
|
|
|||
|
|
'use strict';
|
|||
|
|
|
|||
|
|
const ds = require('./ft-dashscope');
|
|||
|
|
|
|||
|
|
const MIN_MESSAGES_FOR_COMPRESS = 4; // 少于 4 条不压缩
|
|||
|
|
const MAX_MESSAGES_TO_FEED = 30; // 最多喂 30 条进压缩器
|
|||
|
|
|
|||
|
|
/**
|
|||
|
|
* 简单退化压缩（无 LLM 时）
|
|||
|
|
*/
|
|||
|
|
function fallbackImprint(messages) {
|
|||
|
|
if (!Array.isArray(messages) || messages.length === 0) return '';
|
|||
|
|
const recent = messages.slice(-6);
|
|||
|
|
const lines = recent.map(m => {
|
|||
|
|
const who = m.role === 'assistant' ? '我' : '用户';
|
|||
|
|
const c = String(m.content || '').replace(/\s+/g, ' ').slice(0, 80);
|
|||
|
|
return `▸ ${who}: ${c}`;
|
|||
|
|
});
|
|||
|
|
return ['【上次会话母语印记 · 最近片段】', ...lines].join('\n');
|
|||
|
|
}
|
|||
|
|
|
|||
|
|
/**
|
|||
|
|
* 用 LLM 把消息压缩成母语印记
|
|||
|
|
* @param {Array<{role,content}>} messages
|
|||
|
|
* @param {string} variant
|
|||
|
|
*/
|
|||
|
|
async function compressToImprint(messages, variant) {
|
|||
|
|
if (!Array.isArray(messages) || messages.length < MIN_MESSAGES_FOR_COMPRESS) {
|
|||
|
|
return { compressed: false, imprint: '' };
|
|||
|
|
}
|
|||
|
|
|
|||
|
|
const fed = messages.slice(-MAX_MESSAGES_TO_FEED).map(m => ({
|
|||
|
|
role: m.role === 'assistant' ? 'assistant' : 'user',
|
|||
|
|
content: String(m.content || '').slice(0, 2000)
|
|||
|
|
}));
|
|||
|
|
|
|||
|
|
const sysPrompt = `你是一个【母语压缩器】。请把下面的对话压成一段紧凑的"母语印记"，作为下次对话开始时被注入的跨会话记忆。
|
|||
|
|
|
|||
|
|
输出格式 (严格遵守):
|
|||
|
|
【上次会话母语印记】
|
|||
|
|
▸ 主题: <一句话>
|
|||
|
|
▸ 用户状态/情绪: <一句话>
|
|||
|
|
▸ 我承诺或要做的事: <若有则列, 没有写"无">
|
|||
|
|
▸ 待续话题: <若有则列, 没有写"无">
|
|||
|
|
▸ 关键事实: <对方的姓名/偏好/重要信息, 不超过 3 条, 没有写"无">
|
|||
|
|
|
|||
|
|
只输出母语印记内容本身，不要任何解释、不要 Markdown 标题、不要 \`\`\`。
|
|||
|
|
保持简洁，总长度不超过 400 字。`;
|
|||
|
|
|
|||
|
|
const compressorMessages = [
|
|||
|
|
{ role: 'system', content: sysPrompt },
|
|||
|
|
{
|
|||
|
|
role: 'user',
|
|||
|
|
content: '请压缩以下对话:\n\n' + fed.map(m => `${m.role === 'assistant' ? '助手' : '用户'}: ${m.content}`).join('\n\n')
|
|||
|
|
}
|
|||
|
|
];
|
|||
|
|
|
|||
|
|
try {
|
|||
|
|
// 压缩用 system 线（更稳定的语言风格），不论用户在用哪条线
|
|||
|
|
const text = await ds.chatOnce({
|
|||
|
|
variant: variant === 'naipping' ? 'naipping' : 'system',
|
|||
|
|
messages: compressorMessages,
|
|||
|
|
max_tokens: 600
|
|||
|
|
});
|
|||
|
|
const trimmed = (text || '').trim();
|
|||
|
|
if (trimmed.length < 20) {
|
|||
|
|
return { compressed: false, imprint: fallbackImprint(messages) };
|
|||
|
|
}
|
|||
|
|
return { compressed: true, imprint: trimmed };
|
|||
|
|
} catch (err) {
|
|||
|
|
console.warn('[FTCHAT Memory] LLM 压缩失败, 走兜底:', err.message);
|
|||
|
|
return { compressed: false, imprint: fallbackImprint(messages) };
|
|||
|
|
}
|
|||
|
|
}
|
|||
|
|
|
|||
|
|
module.exports = { compressToImprint, fallbackImprint };
|