feat: 增强对话代理和提示生成逻辑

- 在ConversationAgent中添加对话历史和轮数的计算，以支持更智能的对话管理
- 引入同一话题轮数的估算逻辑，优化对话的连贯性
- 更新get_guided_conversation_prompt函数，动态调整对话策略和回应风格
- 在UI组件中优化消息显示，支持流式消息和多部分消息的展示
- 更新应用设置管理，支持持久化存储和Compose状态观察

api/agents/conversation_agent.py

@@ -130,15 +130,23 @@ class ConversationAgent:
                 if value.snippet
             }
 
+            # 从 Redis 获取对话历史，用于计算对话轮数
+            history_messages = await self._get_history_messages(conversation_id)
+            conversation_turn = len(history_messages) // 2  # 每轮包括一个用户消息和一个AI回复
+            
+            # 计算同一话题的轮数（简单估算：基于已填充槽位的变化）
+            # 如果槽位数量没有增加，说明还在同一话题深入
+            same_topic_turns = self._estimate_same_topic_turns(history_messages, filled_slots)
+            
             system_prompt = get_guided_conversation_prompt(
                 current_stage=memoir_state.current_stage,
                 empty_slots=empty_slots,
                 filled_slots=filled_slots,
                 user_message=user_message,
+                conversation_turn=conversation_turn,
+                same_topic_turns=same_topic_turns,
             )
 
-            # 从 Redis 获取对话历史
-            history_messages = await self._get_history_messages(conversation_id)
             history_string = self._format_history_string(history_messages)
             
             # 构建完整 prompt
@@ -161,6 +169,32 @@ class ConversationAgent:
             logger.error(f"生成回应失败: {e}")
             return [f"抱歉，生成回应时出现错误: {str(e)}"]
     
+    def _estimate_same_topic_turns(self, history_messages: List[Any], current_filled_slots: dict) -> int:
+        """
+        估算同一话题的轮数
+        通过分析最近几轮对话来判断是否一直在同一个话题上
+        """
+        if len(history_messages) < 4:
+            return len(history_messages) // 2
+        
+        # 简单策略：检查最近的对话是否有重复关键词
+        recent_messages = history_messages[-6:]  # 最近3轮
+        
+        # 提取关键词（简单实现）
+        keywords_per_turn = []
+        for i in range(0, len(recent_messages), 2):
+            if i + 1 < len(recent_messages):
+                human_msg = recent_messages[i].content if hasattr(recent_messages[i], 'content') else str(recent_messages[i])
+                ai_msg = recent_messages[i+1].content if hasattr(recent_messages[i+1], 'content') else str(recent_messages[i+1])
+                combined = human_msg + ai_msg
+                keywords_per_turn.append(combined[:100])  # 取前100字作为特征
+        
+        # 如果连续3轮都在讨论相似内容，认为同一话题
+        if len(keywords_per_turn) >= 3:
+            return 3
+        
+        return len(keywords_per_turn)
+    
     def detect_stage(self, conversation_id: str, user_message: str) -> ConversationStage:
         """
         检测对话阶段

api/agents/prompts/conversation_prompts.py

@@ -3,6 +3,7 @@
 """
 from enum import Enum
 from typing import List, Dict
+import random
 
 
 class ConversationStage(str, Enum):
@@ -49,7 +50,7 @@ INTERVIEW_QUESTIONS: Dict[ConversationStage, List[str]] = {
         "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？",
+        "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？",
@@ -145,15 +146,51 @@ SLOT_NAME_MAP = {
     "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
+    user_message: str,
+    conversation_turn: int = 0,
+    same_topic_turns: int = 0,
 ) -> str:
     """
     生成状态感知的对话提示词
+    
+    Args:
+        current_stage: 当前阶段
+        empty_slots: 未填充的槽位
+        filled_slots: 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
     """
     # 转换 slot 名称为中文
     empty_slots_readable = [SLOT_NAME_MAP.get(s, s) for s in empty_slots]
@@ -173,6 +210,38 @@ def get_guided_conversation_prompt(
         "belief": "人生信念",
     }
     stage_name = stage_name_map.get(current_stage, current_stage)
+    
+    # 计算已填充的槽位数量
+    filled_count = len(filled_slots)
+    total_slots = filled_count + len(empty_slots)
+    
+    # 动态调整策略
+    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 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}"
 
     prompt = f"""你是用户的老朋友，正在和他/她聊人生故事。你们聊到了「{stage_name}」这个话题。
 
@@ -185,24 +254,42 @@ def get_guided_conversation_prompt(
 ## 用户刚才说
 "{user_message}"
 
+## 回应风格
+{style_guidance}
+
 ## 你的任务
-1. 先回应用户说的内容（表达理解、共鸣或好奇）
-2. 可以分享一点你的感受或联想，让对话更有温度
-3. 然后自然地追问一个细节，或引向还没聊到的方向
-4. 追问要具体，比如问"那时候是什么季节""身边有谁陪着你""当时心里什么感觉"
+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. **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
+3. **适时换话题**：如果一个方向聊了几轮，自然地换到其他方向，保持新鲜感
+4. **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}
 
 ## 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，如果需要，可以比较长，但是最大不要超过250个字
-- 最多不超过 3 条消息
-- 如果内容简单，一条消息即可，不必强行拆分
+- 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"
-- 禁止生硬转换话题
+- 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
+
+## 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)