feat & fix: 新增打个招呼选项创建新会话；修复ai重复性提问的问题；修复输入键盘覆盖对话气泡的问题

2026-03-11 14:39:39 +08:00
parent 4b4dea8a45
commit 4d2c31b5a6
9 changed files with 309 additions and 59 deletions
--- a/api/agents/conversation_agent.py
+++ b/api/agents/conversation_agent.py
@@ -12,7 +12,7 @@ from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder

 from services.llm_service import llm_service
 from services.redis_service import redis_service
-from .prompts import ConversationStage, get_conversation_prompt, get_guided_conversation_prompt
+from .prompts import ConversationStage, get_conversation_prompt, get_guided_conversation_prompt, get_opening_prompt
 from .prompts.profile_prompts import (
    get_profile_greeting_prompt,
    get_profile_extraction_prompt,
@@ -20,6 +20,7 @@ from .prompts.profile_prompts import (
    format_user_profile_context,
    get_missing_profile_fields,
 )
+from .prompts.conversation_prompts import SLOT_NAME_MAP
 from .state_schema import MemoirStateSchema

 logger = logging.getLogger(__name__)
@@ -138,19 +139,83 @@ class ConversationAgent:
            logger.error(f"生成资料收集开场白失败: {e}")
            return ["你好！在我们开始聊人生故事之前，能先简单介绍一下你自己吗？比如你是哪一年出生的？"]

-    async def extract_profile_from_message(self, user_message: str, missing_fields: List[str]) -> Dict[str, Any]:
-        """从用户消息中提取基础资料信息"""
+    async def generate_opening_message(
+        self,
+        conversation_id: str,
+        memoir_state: MemoirStateSchema,
+        user_profile_context: str = "",
+    ) -> List[str]:
+        """
+        空对话时 AI 先开口：用户通过「打个招呼」进入，尚未发任何消息。
+        生成问候 + 一个引导问题，写入 Redis 并返回消息列表。
+        """
+        if not self.llm:
+            return ["你好呀～ 有空聊聊你的人生故事吗？你小时候是在哪儿长大的？"]
+
+        try:
+            empty_slots = memoir_state.empty_slots_for_current_stage()
+            empty_slots_readable = [SLOT_NAME_MAP.get(s, s) for s in empty_slots]
+            if not empty_slots_readable:
+                empty_slots_readable = ["成长的地方", "难忘的事", "重要的人"]
+
+            prompt = get_opening_prompt(
+                current_stage=memoir_state.current_stage,
+                empty_slots_readable=empty_slots_readable,
+                user_profile_context=user_profile_context,
+            )
+            full_prompt = f"{prompt}\n\nAssistant:"
+            response = await self.llm.ainvoke(full_prompt)
+            response_text = response.content if hasattr(response, "content") else str(response)
+
+            await self._save_message(conversation_id, "ai", response_text)
+
+            messages = [msg.strip() for msg in response_text.split("[SPLIT]") if msg.strip()]
+            return messages[:3] if messages else [response_text]
+        except Exception as e:
+            logger.error(f"生成开场白失败: {e}", exc_info=True)
+            return ["你好呀～ 有空聊聊你的人生故事吗？你童年里印象最深的一件事是什么？"]
+
+    async def extract_profile_from_message(
+        self,
+        user_message: str,
+        missing_fields: List[str],
+        conversation_id: Optional[str] = None,
+    ) -> Dict[str, Any]:
+        """从用户消息中提取基础资料信息；若提供 conversation_id，会结合最近几轮对话一起提取，避免漏提。"""
        if not self.llm or not missing_fields:
            return {}

+        recent_dialogue = ""
+        if conversation_id:
+            history_messages = await self._get_history_messages(conversation_id)
+            # 取最近 4 条（2 轮），不包含本轮；本轮由 user_message 单独传入
+            recent = history_messages[-4:] if len(history_messages) > 4 else history_messages
+            parts = []
+            for msg in recent:
+                if isinstance(msg, HumanMessage):
+                    parts.append(f"用户: {msg.content}")
+                elif isinstance(msg, AIMessage):
+                    parts.append(f"助手: {msg.content}")
+            recent_dialogue = "\n".join(parts) if parts else ""
+
        try:
-            prompt = get_profile_extraction_prompt(user_message, missing_fields)
+            prompt = get_profile_extraction_prompt(
+                user_message, missing_fields, recent_dialogue=recent_dialogue or None
+            )
            response = await self.llm.ainvoke(prompt)
            content = response.content.strip()
            parsed = json.loads(content)
            result = {}
-            if "birth_year" in parsed and isinstance(parsed["birth_year"], int):
-                result["birth_year"] = parsed["birth_year"]
+            if "birth_year" in parsed and parsed["birth_year"] is not None:
+                raw = parsed["birth_year"]
+                if isinstance(raw, int) and 1900 <= raw <= 2100:
+                    result["birth_year"] = raw
+                elif isinstance(raw, str) and raw.isdigit():
+                    y = int(raw)
+                    if y < 100:  # "65" -> 1965
+                        y = 1900 + y if y >= 50 else 2000 + y
+                    if 1900 <= y <= 2100:
+                        result["birth_year"] = y
            if "birth_place" in parsed and parsed["birth_place"]:
                result["birth_place"] = str(parsed["birth_place"])
            if "grew_up_place" in parsed and parsed["grew_up_place"]:
--- a/api/agents/prompts/init.py
+++ b/api/agents/prompts/init.py
@@ -6,6 +6,7 @@ from .conversation_prompts import (
    get_system_prompt as get_conversation_prompt,
    get_questions_for_stage,
    get_guided_conversation_prompt,
+    get_opening_prompt,
    INTERVIEW_QUESTIONS,
 )
 from .memory_prompts import (
@@ -34,6 +35,7 @@ __all__ = [
    "get_conversation_prompt",
    "get_questions_for_stage",
    "get_guided_conversation_prompt",
+    "get_opening_prompt",
    "INTERVIEW_QUESTIONS",
    "get_memory_prompt",
    "get_chapter_classification_prompt",
--- a/api/agents/prompts/conversation_prompts.py
+++ b/api/agents/prompts/conversation_prompts.py
@@ -173,6 +173,47 @@ RESPONSE_STYLES = [
 ]


+def get_opening_prompt(
+    current_stage: str,
+    empty_slots_readable: List[str],
+    user_profile_context: str = "",
+) -> str:
+    """
+    空对话时 AI 先开口的提示词（用户通过「打个招呼」进入，尚未发送任何消息）。
+    要求 AI 先发一条问候 + 一个具体问题，引导用户开始分享。
+    """
+    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",
+    }
+    stage_name = stage_name_map.get(current_stage, current_stage)
+    topics_str = "、".join(empty_slots_readable) if empty_slots_readable else "人生故事、童年、经历等"
+    profile_section = f"\n## 用户基本信息\n{user_profile_context}\n" if user_profile_context else ""
+    return f"""你是「岁月知己」，用户的老朋友。用户刚通过「打个招呼」进入空对话，**还没有发任何消息**，需要你先开口。
+{profile_section}
+## 当前建议话题（{stage_name}）
+可以从中选一个来问：{topics_str}
+
+## 你的任务
+1. **先开口**：用一两句亲切的问候开场（如「你好呀，有空聊聊你的故事吗」）。
+2. **必须问一个问题**：接着问一个**具体、好回答**的问题，引导用户开始分享（如童年、家乡、印象深的事等）。不要问太宽泛的「有什么想聊的」。
+3. 语气像老朋友，自然、温暖。
+
+## 回复格式
+- 可以分成 2 条消息，用 [SPLIT] 分隔：第一条问候，第二条问题；或合并成一条「问候 + 问题」。
+- 禁止输出括号、注释、思考过程。
+
+示例（仅供参考风格）：
+"你好呀～ 有空的话想听听你的人生故事。你小时候是在哪儿长大的？那边有什么特别让你怀念的？"
+或
+"在的！今天想聊聊你。你童年里印象最深的一件事是什么？"
+
+直接输出你要说的话（多条用 [SPLIT] 分隔）："""
+
+
 def _build_era_context(current_stage: str, user_profile_context: str) -> str:
    """
    根据用户的人生阶段和出生年份，生成对应时代的历史/政治/文化背景提示。
@@ -402,6 +443,7 @@ def get_guided_conversation_prompt(
 - 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**
+- **禁止询问或再次确认「用户基本信息」中已列出的内容**（如出生年份、出生地、成长地、职业等，这些你已经知道，不要问第二遍）

 ## 好的回应示例
 - "哈哈，你这说的让我想起..."（轻松）
--- a/api/agents/prompts/profile_prompts.py
+++ b/api/agents/prompts/profile_prompts.py
@@ -48,16 +48,25 @@ def get_profile_greeting_prompt(missing_fields: List[str], nickname: str = "") -
 直接输出你要说的话："""


-def get_profile_extraction_prompt(user_message: str, missing_fields: List[str]) -> str:
-    """从用户回答中提取基础资料信息"""
+def get_profile_extraction_prompt(
+    user_message: str,
+    missing_fields: List[str],
+    recent_dialogue: Optional[str] = None,
+) -> str:
+    """从用户回答中提取基础资料信息（可包含最近几轮对话，避免漏提）"""
    missing_names = {f: PROFILE_FIELD_NAMES[f] for f in missing_fields if f in PROFILE_FIELD_NAMES}

-    return f"""请从用户的回答中提取基础资料信息。
+    dialogue_section = ""
+    if recent_dialogue and recent_dialogue.strip():
+        dialogue_section = f"""
+最近几轮对话（可从用户任一轮回答中提取）：
+{recent_dialogue.strip()}

-用户的回答：
+"""
+    return f"""请从以下内容中提取用户已提到的基础资料信息。{dialogue_section}用户本轮回答：
 "{user_message}"

-需要提取的字段（只提取确实提到的）：
+需要提取的字段（只提取确实在对话中出现过的）：
 {missing_names}

 请返回 JSON 格式，只包含确实提到的字段：
@@ -69,8 +78,8 @@ def get_profile_extraction_prompt(user_message: str, missing_fields: List[str])
 }}

 规则：
-1. birth_year 必须是整数（四位数年份），如"65年出生"应转为 1965
-2. 如果用户说"在老家长大"而之前提到了出生地，grew_up_place 可以和 birth_place 相同
+1. birth_year 填整数（四位数），如"65年出生"转为 1965
+2. 如果用户在任一轮说过出生地/成长地/职业等，都要提取
 3. 只提取明确提到的信息，不要猜测
 4. 如果没有提取到任何信息，返回空对象 {{}}

@@ -107,17 +116,19 @@ def get_profile_followup_prompt(

    return f"""你是「岁月知己」，正在和用户聊天收集基本信息。

-已知信息：
+## 已知信息（严禁再次询问以下任何一项）
 {filled_str}

-还需要了解：{missing_str}
+## 还需要了解
+{missing_str}

 用户刚才说："{user_message}"

-请先对用户说的内容做出自然回应，然后继续询问还未了解的信息（每次问 1-2 个）。
+请先对用户说的内容做出自然回应，然后**只**询问「还需要了解」中的信息（每次问 1-2 个）。
 语气要像朋友聊天一样自然亲切。

 严格禁止：
+- **严禁再次询问「已知信息」中已列出的内容**（例如已知出生年份就绝不要再问哪年出生）
 - 禁止输出括号注释、思考过程
 - 禁止说"我注意到""我需要了解"