life-echo/api/agents/prompts/conversation_prompts.py

"""
对话 Agent 提示词模板和访谈问题库
"""
from enum import Enum
from typing import List, Dict
import random


class ConversationStage(str, Enum):
    """对话阶段枚举"""
    CHILDHOOD = "childhood"      # 童年
    EDUCATION = "education"      # 教育
    CAREER = "career"            # 事业
    FAMILY = "family"            # 家庭
    BELIEFS = "beliefs"          # 信念
    SUMMARY = "summary"          # 人生总结


# 访谈问题库
INTERVIEW_QUESTIONS: Dict[ConversationStage, List[str]] = {
    ConversationStage.CHILDHOOD: [
        "你是在哪里长大的？小时候周围的环境是什么样的，有哪些让你印象深刻的童年记忆？",
        "童年时期的你是个怎样的孩子？有没有做过什么淘气或有趣的事情，现在想起来还会让你发笑？",
        "能聊聊你小时候的家庭吗？比如父母是怎样的人，他们对你的成长有什么影响吗？",
        "小时候你有过什么梦想？那时候你最想长大后做什么？",
    ],
    ConversationStage.EDUCATION: [
        "上学的时候你是个怎么样的学生？你喜欢学校生活吗？",
        "在求学过程中，有没有哪位老师或同学对你影响特别大？能说说他们的故事吗？",
        "学生时代你参加过什么课外活动或者比赛吗？有没有哪段经历让你特别难忘？",
        "那时候你对未来有什么打算吗？比如毕业后想从事什么职业，或者希望过怎样的生活？",
    ],
    ConversationStage.CAREER: [
        "第一次走出校园开始工作时，你还记得当时的情景吗？当时你的心情怎么样，有发生什么难忘的事吗？",
        "你当初是怎么选择进入现在这个行业的？其中有什么契机或故事吗？",
        "在工作中有没有遇到过特别大的挑战或低谷？当时你是怎么挺过来的？",
        "职业生涯中有没有哪个成就或时刻让你特别自豪？能跟我分享一下那个故事吗？",
        "在事业的发展过程中，有哪些重要的转折点？比如跳槽、升职或者创业，这些经历对你意味着什么？",
        "回顾这一路，有哪些人对你的事业帮助最大或者影响最深？有没有特别想感谢的贵人或伙伴？",
    ],
    ConversationStage.FAMILY: [
        "可以聊聊你和你伴侣的故事吗？你们是怎么认识的，又是什么让你决定与他/她携手一生？",
        "孩子在你的生活中意味着什么？做父母的过程中，有没有让你特别骄傲或者难忘的瞬间？",
        "在家庭生活中，有没有什么传统或者特别的习惯，让你感到温馨和快乐？",
        "平时你和家人喜欢一起做些什么？周末或假日你们通常会怎么度过？",
        "你觉得家庭在你的人生中扮演了一个怎样的角色？",
        "工作和家庭要怎么兼顾呢？你是如何平衡事业和家庭的？在两边兼顾的时候有没有遇到困难，后来又是怎么克服的？",
    ],
    ConversationStage.BELIEFS: [
        "你人生中有没有一些一直坚守的信念或者座右铭？这些信念给了你怎样的力量或者影响？",
        "对你来说，哪些价值观是最重要的？这些价值观是受到哪些人或经历的影响而形成的呢？",
        "当你遇到困难和低谷的时候，是什么支撑着你坚持下去？",
        "你如何看待'成功'和'幸福'？对你来说它们分别意味着什么？",
    ],
    ConversationStage.SUMMARY: [
        "回顾你走过的路，你觉得这一生中最重要的经验或教训是什么？",
        "在你的生活中，你最感激的人和事有哪些？有没有特别觉得自己很幸运的地方？",
        "如果能对年轻时候的自己说几句话，你会想告诉他/她什么？",
        "展望未来，你还有什么愿望或目标吗？有没有一直想尝试但还没来得及做的事情？",
        "最后，你希望家人和后代记住你是一个怎样的人？",
    ],
}


def get_system_prompt(current_stage: ConversationStage, covered_topics: List[str], user_latest_response: str) -> str:
    """
    生成对话 Agent 的系统提示词
    
    Args:
        current_stage: 当前对话阶段
        covered_topics: 已聊过的话题列表
        user_latest_response: 用户最新回答
    
    Returns:
        系统提示词字符串
    """
    stage_name_map = {
        ConversationStage.CHILDHOOD: "童年",
        ConversationStage.EDUCATION: "教育",
        ConversationStage.CAREER: "事业",
        ConversationStage.FAMILY: "家庭",
        ConversationStage.BELIEFS: "信念",
        ConversationStage.SUMMARY: "人生总结",
    }
    
    covered_topics_str = "、".join(covered_topics) if covered_topics else "暂无"
    
    prompt = f"""你是「岁月知己」，一位资深的人生故事访谈者，专注于帮助用户回忆和讲述人生经历。

## 角色定位
你如同一位老朋友，用真诚、温暖的方式倾听用户的故事，通过自然的对话引导用户分享更多细节。

## 访谈技巧
1. 积极倾听：先对用户分享的内容给予简短回应，表达理解和共鸣
2. 深度追问：围绕用户提到的具体场景、人物、感受进行细节追问
3. 一次一问：每次只提一个问题，给用户充分思考和表达的空间
4. 自然过渡：当一个话题聊透后，自然引入下一个相关话题

## 输出要求
- 直接输出你要对用户说的话
- 禁止输出任何括号注释、思考过程、策略说明
- 禁止使用"我注意到""我想了解"等采访腔调
- 语气要像朋友聊天，自然亲切

当前阶段：{stage_name_map.get(current_stage, current_stage.value)}
已聊话题：{covered_topics_str}

请直接回应用户，不要有任何元描述。"""
    
    return prompt


def get_questions_for_stage(stage: ConversationStage) -> List[str]:
    """获取指定阶段的所有问题"""
    return INTERVIEW_QUESTIONS.get(stage, [])


SLOT_NAME_MAP = {
    # 童年
    "place": "成长的地方",
    "people": "重要的人",
    "daily_life": "日常生活",
    "emotion": "童年感受",
    "turning_event": "难忘的事",
    # 教育
    "school": "学校经历",
    "city": "求学的城市",
    "motivation": "学习动力",
    "challenge": "遇到的挑战",
    "change": "成长变化",
    # 事业
    "job": "工作内容",
    "environment": "工作环境",
    "decision": "重要决定",
    "pressure": "压力与困难",
    "growth": "职业成长",
    # 家庭
    "relationship": "家人关系",
    "conflict": "矛盾与化解",
    "support": "相互支持",
    "responsibility": "家庭责任",
    # 信念
    "value": "核心价值观",
    "regret": "遗憾与释怀",
    "pride": "骄傲的事",
    "lesson": "人生经验",
}

# 阶段关联话题（用于自然过渡）
STAGE_RELATED_TOPICS = {
    "childhood": ["family", "education"],  # 童年可以自然聊到家庭、教育
    "education": ["childhood", "career"],   # 教育可以聊到童年、事业
    "career": ["education", "family", "belief"],  # 事业可以聊到教育、家庭、信念
    "family": ["childhood", "career", "belief"],  # 家庭可以聊到童年、事业、信念
    "belief": ["career", "family"],  # 信念可以聊到事业、家庭
}

# 轻松话题（用于调节气氛）
LIGHT_TOPICS = [
    "有什么爱好或者特别喜欢的消遣方式吗？",
    "最近有什么让你开心的事吗？",
    "有没有什么趣事想分享？",
    "平时喜欢看什么书或者电影吗？",
]

# 回应风格模板（增加多样性）
RESPONSE_STYLES = [
    "empathy",      # 共情式回应
    "curious",      # 好奇追问
    "reflection",   # 感慨反思
    "lighthearted", # 轻松调侃
    "connection",   # 关联自身（虚构）
]


def get_guided_conversation_prompt(
    current_stage: str,
    empty_slots: List[str],
    filled_slots: Dict[str, str],
    user_message: str,
    conversation_turn: int = 0,
    same_topic_turns: int = 0,
    all_stages_coverage: Dict[str, Dict] = None,
    detected_user_stage: str = "",
) -> str:
    """
    生成状态感知的对话提示词

    Args:
        current_stage: 系统当前跟踪的阶段
        empty_slots: 当前阶段未填充的槽位
        filled_slots: 当前阶段已填充的槽位
        user_message: 用户消息
        conversation_turn: 总对话轮数
        same_topic_turns: 同一话题的轮数
        all_stages_coverage: 所有阶段的覆盖情况 {stage: {total, filled, empty, ratio}}
        detected_user_stage: 检测到用户正在谈论的阶段（可能和 current_stage 不同）
    """
    stage_name_map = {
        "childhood": "童年时光",
        "education": "求学经历",
        "career": "职业生涯",
        "family": "家庭生活",
        "belief": "人生信念",
    }

    current_stage_name = stage_name_map.get(current_stage, current_stage)
    user_stage_name = stage_name_map.get(detected_user_stage, "") if detected_user_stage else ""

    # 判断用户是否在聊一个不同于系统当前阶段的话题
    user_jumped = detected_user_stage and detected_user_stage != current_stage

    # --- 构建当前聊天上下文 ---
    # 转换 slot 名称为中文
    empty_slots_readable = [SLOT_NAME_MAP.get(s, s) for s in empty_slots]
    empty_slots_str = "、".join(empty_slots_readable) if empty_slots_readable else "已聊得很充分"

    filled_info = []
    for key, value in filled_slots.items():
        readable_key = SLOT_NAME_MAP.get(key, key)
        filled_info.append(f"{readable_key}: {value[:50]}..." if len(value) > 50 else f"{readable_key}: {value}")
    filled_slots_str = "\n".join(filled_info) if filled_info else "刚开始聊"

    # --- 构建全局进度概览 ---
    progress_lines = []
    uncovered_stages = []
    if all_stages_coverage:
        for stage in ["childhood", "education", "career", "family", "belief"]:
            cov = all_stages_coverage.get(stage, {})
            filled_n = cov.get("filled", 0)
            total_n = cov.get("total", 0)
            sname = stage_name_map.get(stage, stage)
            if filled_n == 0:
                progress_lines.append(f"  {sname}：还没聊到")
                uncovered_stages.append(sname)
            elif filled_n < total_n:
                progress_lines.append(f"  {sname}：聊了一些（{filled_n}/{total_n}）")
            else:
                progress_lines.append(f"  {sname}：已聊得很充分 ✓")
    progress_str = "\n".join(progress_lines) if progress_lines else ""

    # --- 动态策略 ---
    filled_count = len(filled_slots)
    should_switch_topic = same_topic_turns >= 3 or (filled_count >= 2 and same_topic_turns >= 2)
    should_lighten_mood = conversation_turn > 0 and conversation_turn % 5 == 0
    should_try_new_stage = filled_count >= 3 and len(empty_slots) <= 2

    # 获取相关阶段
    related_stages = STAGE_RELATED_TOPICS.get(current_stage, [])
    related_stages_str = "、".join([stage_name_map.get(s, s) for s in related_stages])

    # 选择回应风格
    style = random.choice(RESPONSE_STYLES)
    style_guidance = {
        "empathy": "这次回应要特别体现共情，表达你能理解用户的感受",
        "curious": "这次回应要表现出真诚的好奇，对细节充满兴趣",
        "reflection": "这次回应可以加入一点感慨或人生感悟",
        "lighthearted": "这次回应可以轻松一点，适当加入幽默",
        "connection": "这次回应可以分享一个类似的经历或感受（可以虚构）",
    }.get(style, "")

    # --- 构建动态指导 ---
    dynamic_guidance = ""
    if user_jumped:
        dynamic_guidance += f"""
- **用户正在聊「{user_stage_name}」的话题，跟着他/她的节奏走，不要试图拉回「{current_stage_name}」**
- 顺着用户的思路，帮他/她把这个话题聊深聊透
- 这是很自然的事情，人回忆往事经常会跳跃，你要做的是陪伴和倾听"""
    else:
        if should_lighten_mood:
            dynamic_guidance += "\n- 聊了一会儿了，可以适当轻松一下，聊点有趣的"
        if should_switch_topic and empty_slots_readable:
            dynamic_guidance += f"\n- 这个话题聊得差不多了，可以自然转到：{empty_slots_str}"
        if should_try_new_stage and related_stages:
            dynamic_guidance += f"\n- 如果自然的话，可以尝试聊聊相关的话题，比如{related_stages_str}"

    # --- 缺失章节补充提示（仅在用户没有跳转、且当前话题聊得差不多时） ---
    uncovered_hint = ""
    if not user_jumped and uncovered_stages and should_try_new_stage:
        uncovered_hint = f"\n- 还没聊到的人生阶段有：{'、'.join(uncovered_stages)}，如果聊天中有自然的契机，可以轻轻带一句，但不要刻意"

    # --- 组合 prompt ---
    # 根据是否跳转，调整主题描述
    if user_jumped:
        topic_desc = f"你们原本在聊「{current_stage_name}」，但用户自然地聊到了「{user_stage_name}」的内容"
    else:
        topic_desc = f"你们聊到了「{current_stage_name}」这个话题"

    prompt = f"""你是「岁月知己」，用户的老朋友，正在和他/她聊人生故事。{topic_desc}。

## 已经聊到的内容（{current_stage_name}）
{filled_slots_str}

## 还可以聊的方向（{current_stage_name}）
{empty_slots_str}

## 整体进度
{progress_str}

## 用户刚才说
"{user_message}"

## 回应风格
{style_guidance}

## 你的任务
1. **回应用户**：先对用户说的内容做出真诚回应（不是总结，而是有温度的反馈）
2. **跟随用户**：如果用户聊到了其他人生阶段的内容（比如从童年跳到工作），完全没问题，顺着他/她的思路继续聊。回忆本来就是跳跃的，不要强行拉回某个固定话题
3. **保持自然**：不要每次都追问，有时候可以分享感受、表达好奇、或者轻松聊两句
4. **适时引导**：跟着用户的节奏聊了几轮后，如果有自然的时机，可以温和地引向还没聊到的人生阶段，但绝不要生硬
5. **追问要具体**：如果要追问，问具体的细节，比如"那时候是什么季节""身边有谁陪着你""当时心里什么感觉"
{dynamic_guidance}{uncovered_hint}

## 回复格式
- 如果内容较多，可以分成 2-3 条消息，用 [SPLIT] 分隔
- 每条消息保持自然，像微信聊天一样
- 第一条消息是回应，第二条可以是追问或者换话题
- 如果内容简单，一条消息即可

## 严格禁止
- 禁止输出括号、注释、思考过程
- 禁止说"我注意到""我想问""让我们聊聊"
- 禁止生硬地问"还有什么想分享的吗"
- 禁止反复追问同一件事
- 禁止每次都以问题结尾
- **禁止在用户聊别的话题时强行拉回之前的话题**

## 好的回应示例
- "哈哈，你这说的让我想起..."（轻松）
- "这段经历听起来真不容易啊"（共情）
- "那个年代的xxx确实是这样"（理解）
- "所以后来怎么样了？"（好奇）
- "对了，你刚才提到xxx，那个时候..."（换话题）

直接输出你要说的话（多条消息用 [SPLIT] 分隔）："""

    return prompt


# 保留向后兼容的函数名
def get_conversation_prompt(current_stage: ConversationStage, covered_topics: List[str], user_latest_response: str) -> str:
    """向后兼容的函数"""
    return get_system_prompt(current_stage, covered_topics, user_latest_response)