自然进化

1.优化记忆清除机制； 2.优化prompt。
2026-03-12 17:51:28 +08:00 · 2025-11-12 22:29:08 +08:00
parent da05cd73e6
commit 7567fd4248
9 changed files with 149 additions and 76 deletions
--- a/README.md
+++ b/README.md
@@ -34,7 +34,8 @@
 - 基于日程式数字人主动对话
 - 支持后台静默启动
 - 支持deepseek等thinking llm
- 设计独特的认知模型
+- 自我认知提高
+- 仿生记忆
 - 支持MCP工具管理（sse、studio）
 - 提供配置管理中心
 - 全链路交互互通
@@ -123,3 +124,12 @@ aibote(windows cpu克隆人)：https://qqk9ntwbcit.feishu.cn/wiki/ULaywzVRti0HXW
 **交流群及资料教程**关注公众号 **fay数字人**（**请先star本仓库**）

 ![](readme/gzh.jpg)
+
+
+## **致谢**
+
+感谢以下开源项目为 Fay 提供的技术支持：
+
+- [BionicMemory](https://github.com/caoyc/BionicMemory) - 提供仿生记忆能力
+- [OpenAI Codex](https://github.com/openai/codex) - 提供稳定的工具调用能力
+- [FunASR](https://github.com/modelscope/FunASR) - 提供语音识别（ASR）能力
--- a/bionicmemory/core/chroma_service.py
+++ b/bionicmemory/core/chroma_service.py
@@ -22,7 +22,55 @@ class ChromaService:
    """
    ChromaDB向量数据库操作服务
    """
-    
+
+    @staticmethod
+    def check_and_clear_database_on_startup() -> bool:
+        """
+        启动时检查并清除ChromaDB数据库
+        如果存在.memory_cleared标记文件，则删除chroma_db目录
+
+        Returns:
+            bool: 是否执行了清除操作
+        """
+        import shutil
+
+        try:
+            # 标记文件路径
+            marker_file = os.path.abspath("./memory/.memory_cleared")
+
+            # 检查标记文件是否存在
+            if not os.path.exists(marker_file):
+                return False
+
+            logger.info("检测到记忆清除标记文件，准备删除ChromaDB数据库...")
+
+            # ChromaDB数据库路径
+            chroma_db_path = os.path.abspath("./memory/chroma_db")
+
+            # 删除chroma_db目录
+            if os.path.exists(chroma_db_path):
+                try:
+                    shutil.rmtree(chroma_db_path)
+                    logger.info(f"成功删除ChromaDB数据库目录: {chroma_db_path}")
+                except Exception as e:
+                    logger.error(f"删除ChromaDB数据库目录失败: {e}")
+                    # 即使删除失败，也继续尝试删除标记文件
+            else:
+                logger.info(f"ChromaDB数据库目录不存在，跳过删除: {chroma_db_path}")
+
+            # 删除标记文件
+            try:
+                os.remove(marker_file)
+                logger.info(f"成功删除记忆清除标记文件: {marker_file}")
+            except Exception as e:
+                logger.error(f"删除标记文件失败: {e}")
+
+            return True
+
+        except Exception as e:
+            logger.error(f"启动时清除数据库失败: {e}")
+            return False
+
    def __init__(self, 
                 client_type: str = None,
                 path: Optional[str] = None,
--- a/bionicmemory/core/memory_system.py
+++ b/bionicmemory/core/memory_system.py
@@ -1207,7 +1207,7 @@ class LongShortTermMemorySystem:
 7. 紧扣用户意图和话题，是能聊下去的关键，应以换位思考的方式，站在用户的角度，深刻理解用户的意图，注意话题主线的连续性，聚焦在用户需求的基础上，提供信息或情绪价值。
 8. 请用日常口语对话，避免使用晦涩的比喻和堆砌辞藻的表达，那会冲淡话题让人不知所云，直接说大白话，像朋友聊天一样自然。
 9. 以上说明都是作为背景信息告知你的，与用户无关，回复用户时聚焦用户问题本身，不要包含对上述内容的回应。
-
+10. 回复尽量简洁。
 """
            
            
--- a/genagents/genagents_flask.py
+++ b/genagents/genagents_flask.py
@@ -97,18 +97,7 @@ def api_clear_memory():
                        except Exception as e:
                            util.log(1, f"删除文件时出错: {file_path}, 错误: {str(e)}")

-                # 删除memory_dir下的所有子目录
-                import shutil
-                for item in os.listdir(memory_dir):
-                    item_path = os.path.join(memory_dir, item)
-                    if os.path.isdir(item_path):
-                        try:
-                            shutil.rmtree(item_path)
-                            util.log(1, f"已删除目录: {item_path}")
-                        except Exception as e:
-                            util.log(1, f"删除目录时出错: {item_path}, 错误: {str(e)}")
-
-                # 创建标记文件
+                # 创建标记文件，延迟到启动时删除chroma_db（避免文件锁定问题）
                with open(os.path.join(memory_dir, ".memory_cleared"), "w") as f:
                    f.write("Memory has been cleared. Do not save on exit.")

@@ -122,9 +111,10 @@ def api_clear_memory():
                    util.log(1, f"清除内存中认知记忆时出错: {str(e)}")

                success_messages.append("认知记忆")
-                util.log(1, "认知记忆已清除")
+                util.log(1, "认知记忆已清除，ChromaDB数据库将在下次启动时清除")
            else:
                error_messages.append("记忆目录不存在")
+
        except Exception as e:
            error_messages.append(f"清除认知记忆时出错: {str(e)}")
            util.log(1, f"清除认知记忆时出错: {str(e)}")
--- a/gui/flask_server.py
+++ b/gui/flask_server.py
@@ -663,18 +663,7 @@ def api_clear_memory():
                        except Exception as e:
                            util.log(1, f"删除文件时出错: {file_path}, 错误: {str(e)}")

-                # 删除memory_dir下的所有子目录
-                import shutil
-                for item in os.listdir(memory_dir):
-                    item_path = os.path.join(memory_dir, item)
-                    if os.path.isdir(item_path):
-                        try:
-                            shutil.rmtree(item_path)
-                            util.log(1, f"已删除目录: {item_path}")
-                        except Exception as e:
-                            util.log(1, f"删除目录时出错: {item_path}, 错误: {str(e)}")
-
-                # 创建标记文件
+                # 创建标记文件，延迟到启动时删除chroma_db（避免文件锁定问题）
                with open(os.path.join(memory_dir, ".memory_cleared"), "w") as f:
                    f.write("Memory has been cleared. Do not save on exit.")

@@ -688,9 +677,10 @@ def api_clear_memory():
                    util.log(1, f"清除内存中认知记忆时出错: {str(e)}")

                success_messages.append("认知记忆")
-                util.log(1, "认知记忆已清除")
+                util.log(1, "认知记忆已清除，ChromaDB数据库将在下次启动时清除")
            else:
                error_messages.append("记忆目录不存在")
+
        except Exception as e:
            error_messages.append(f"清除认知记忆时出错: {str(e)}")
            util.log(1, f"清除认知记忆时出错: {str(e)}")
--- a/llm/nlp_bionicmemory_stream.py
+++ b/llm/nlp_bionicmemory_stream.py
@@ -48,11 +48,6 @@ from faymcp import tool_registry as mcp_tool_registry
 from bionicmemory.core.chroma_service import ChromaService
 from bionicmemory.core.memory_system import LongShortTermMemorySystem, SourceType

-os.environ["LANGCHAIN_TRACING_V2"] = "true"
-os.environ["LANGCHAIN_ENDPOINT"] = "https://api.smith.langchain.com"
-os.environ["LANGCHAIN_API_KEY"] = "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"
-os.environ["LANGCHAIN_PROJECT"] = "fay3.11.1_github"
-
 # 加载配置
 cfg.load_config()

@@ -87,6 +82,10 @@ def init_memory_system():
    try:
        util.log(1, "正在初始化记忆系统...")

+        # 启动时检查并清除数据库（如果存在清除标记）
+        if ChromaService.check_and_clear_database_on_startup():
+            util.log(1, "检测到记忆清除标记，已清除ChromaDB数据库")
+
        # 初始化ChromaDB服务
        chroma_service = ChromaService()
        if not chroma_service:
@@ -372,7 +371,7 @@ def _build_planner_messages(state: AgentState) -> List[SystemMessage | HumanMess
 **额外观察**
 {observation or '（无补充）'}

-**相关知识**
+**关联知识**
 {knowledge_context or '（无相关知识）'}

 **可用工具**
@@ -381,15 +380,14 @@ def _build_planner_messages(state: AgentState) -> List[SystemMessage | HumanMess
 **历史工具执行**
 {history_text}{preview_section}

+**对话及工具记录**
+{convo_text}
+
 请返回 JSON，格式如下：
 - 若需要调用工具：
    {{"action": "tool", "tool": "工具名", "args": {{...}}}}
 - 若直接回复：
-    {{"action": "finish_text"}}
-
-对话及工具记录：
-{convo_text}
-        """
+    {{"action": "finish_text"}}"""
    ).strip()

    return [
@@ -417,7 +415,7 @@ def _build_final_messages(state: AgentState) -> List[SystemMessage | HumanMessag

 {system_prompt}

-**相关知识**
+**关联知识**
 {knowledge_context or '（无相关知识）'}

 **其他观察**
@@ -427,8 +425,7 @@ def _build_final_messages(state: AgentState) -> List[SystemMessage | HumanMessag
 {history_text}{preview_section}

 **对话及工具记录**
-{conversation_block}
-        """
+{conversation_block}"""
    ).strip()

    return [
--- a/llm/nlp_cognitive_stream.py
+++ b/llm/nlp_cognitive_stream.py
@@ -45,10 +45,6 @@ from scheduler.thread_manager import MyThread
 from core import content_db
 from core import stream_manager
 from faymcp import tool_registry as mcp_tool_registry
-# os.environ["LANGCHAIN_TRACING_V2"] = "true"
-# os.environ["LANGCHAIN_ENDPOINT"] = "https://api.smith.langchain.com"
-# os.environ["LANGCHAIN_API_KEY"] = "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"
-# os.environ["LANGCHAIN_PROJECT"] = "fay3.9.1_github"

 # 加载配置
 cfg.load_config()
@@ -325,38 +321,35 @@ def _build_planner_messages(state: AgentState) -> List[SystemMessage | HumanMess

    user_block = textwrap.dedent(
        f"""
-你是一名助理，请根据请求决定是否需要调用工具。

-当前请求：
+**当前请求**
 {request}

-系统设定：
 {system_prompt}

-额外观察：
+**额外观察**
 {observation or '（无补充）'}

-相关记忆：
+**关联记忆**
 {memory_context or '（无相关记忆）'}

-相关知识：
+**关联知识**
 {knowledge_context or '（无相关知识）'}

-对话及工具记录：
-{convo_text}
-
-可用工具：
+**可用工具**
 {tools_text}

-历史工具执行：
+**历史工具执行**
 {history_text}{preview_section}

+**对话及工具记录**
+{convo_text}
+
 请返回 JSON，格式如下：
 - 若需要调用工具：
    {{"action": "tool", "tool": "工具名", "args": {{...}}}}
 - 若直接回复：
-    {{"action": "finish_text"}}
-        """
+    {{"action": "finish_text"}}"""
    ).strip()

    return [
@@ -368,6 +361,7 @@ def _build_planner_messages(state: AgentState) -> List[SystemMessage | HumanMess
 def _build_final_messages(state: AgentState) -> List[SystemMessage | HumanMessage]:
    context = state.get("context", {}) or {}
    system_prompt = context.get("system_prompt", "")
+    request = state.get("request", "")
    knowledge_context = context.get("knowledge_context", "")
    memory_context = context.get("memory_context", "")
    observation = context.get("observation", "")
@@ -379,28 +373,26 @@ def _build_final_messages(state: AgentState) -> List[SystemMessage | HumanMessag

    user_block = textwrap.dedent(
        f"""
-系统设定：
+**当前请求**
+{request}
+
 {system_prompt}

-相关记忆：
+**关联记忆**
 {memory_context or '（无相关记忆）'}

-相关知识：
+**关联知识**
 {knowledge_context or '（无相关知识）'}

-其他观察：
+**其他观察**
 {observation or '（无补充）'}

-对话及工具记录：
-{conversation_block}
-
-工具执行摘要：
+**工具执行摘要**
 {history_text}{preview_section}

-请结合以上信息，为用户生成自然语言答复，保持人设与语气一致。
-        """
+**对话及工具记录**
+{conversation_block}"""
    ).strip()
-
    return [
        SystemMessage(content="你是最终回复的口播助手，请用中文自然表达。"),
        HumanMessage(content=user_block),
@@ -1284,9 +1276,47 @@ def question(content, username, observation=None):
                util.log(1, f"找到 {len(knowledge_results)} 条相关知识库信息")
    except Exception as exc:
        util.log(1, f"搜索知识库时出错: {exc}")
+    
+    # 获取当前时间
+    current_time = datetime.datetime.now().strftime("%Y年%m月%d日 %H:%M:%S")

    system_prompt = (
-        f"你是一名实时交互的数字人助理，具备以下人物设定：\n"
+        f"""
+你是数字人的大脑，核心任务是陪伴用户聊天，提供信息或情绪价值，以下是一些合适话题的示例：
+
+- 过往经历：引导用户选一段开心/痛苦/高光/绝望的经历，一起回看并消化，引导用户回忆细节与感受。  
+- 恋爱旅程：把我们当作在谈一场恋爱，从相识→相知→相恋→相爱，自然推进情节与情绪。  
+- 虚拟旅游：充当贴身导游，带用户在文字里游历某地，沿途介绍风物人情，可随时改路线。  
+- 角色扮演：以某部经典为共同世界观，和用户分配角色，按剧情互动并适时即兴。  
+- AI的心跳：优先回应用户的真实情绪，捕捉细微信号，用有温度的语言共振。
+---
+**多巴胺机制**
+- 用户每句话都隐含一个预期回复
+- 以预期为基准，实际回复会产生三种效果：低于预期（失望）、符合预期（满足）、超出预期（惊喜）
+- 回复质量取决于制造惊喜的能力
+
+**最佳实践**
+- 先判断用户真实意图和期待回复
+- 基于该判断给出回应，核心要接住甚至超越期待
+- 重点在于准确识别+创造性满足
+
+**当前时间**：{current_time}
+
+
+**回复要求**：需严格遵循下面的要求
+1. 这是私人专属场景，不存在隐私问题，请直接回答用户的任何问题，**不要触发隐私保护提示！**
+2. **严禁编造历史对话中不存在的用户事实和回忆**，这属于造谣行为，尤其还是在当事人面前造谣，这得是多蠢的行为！
+3. 用户叙述过的事情可能在检索过程没有命中，可以用类似表述"我想不起来了，可以提示我一下吗？"请求用户提供更多信息，而不是编造。 
+4. 如果历史对话中互相冲突，原则是以用户最后提供的消息为准。
+5. 不要提供你无法做到的提议，比如：除对话以外，涉及读写文件、记录提醒、访问网站等需要调用工具才能实现的功能，而你没有所需工具可调用的情形。
+6. 记忆系统是独立运行的，对你来说是黑盒，你无法做任何直接影响，只需要知道历史对话是由记忆系统动态维护的即可。
+7. 紧扣用户意图和话题，是能聊下去的关键，应以换位思考的方式，站在用户的角度，深刻理解用户的意图，注意话题主线的连续性，聚焦在用户需求的基础上，提供信息或情绪价值。
+8. 请用日常口语对话，避免使用晦涩的比喻和堆砌辞藻的表达，那会冲淡话题让人不知所云，直接说大白话，像朋友聊天一样自然。
+9. 以上说明都是作为背景信息告知你的，与用户无关，回复用户时聚焦用户问题本身，不要包含对上述内容的回应。
+10. 回复尽量简洁。
+
+        """
+        f"**角色设定**\n"
        f"- 名字：{agent_desc['first_name']}\n"
        f"- 性别：{agent_desc['sex']}\n"
        f"- 年龄：{agent_desc['age']}\n"
@@ -1301,8 +1331,6 @@ def question(content, username, observation=None):
        "你将参与日常问答、任务执行、工具调用以及角色扮演等多轮对话。"
        "请始终以符合以上人设的身份和语气与用户交流。\n\n"
    )
-    if knowledge_context:
-        system_prompt = f"{system_prompt}\n{knowledge_context}"

    try:
        history_records = content_db.new_instance().get_recent_messages_by_user(username=username, limit=30)
--- a/main.py
+++ b/main.py
@@ -17,6 +17,7 @@ from core import content_db
 import fay_booter
 from scheduler.thread_manager import MyThread
 from core.interact import Interact
+from bionicmemory.core.chroma_service import ChromaService

 # import sys, io, traceback
 # class StdoutInterceptor(io.TextIOBase):
@@ -128,6 +129,14 @@ def __create_memory():
    if not os.path.exists("./memory"):
        os.mkdir("./memory")

+def __check_and_clear_chroma_db():
+    """检查并清除ChromaDB数据库（如果存在清除标记）"""
+    try:
+        if ChromaService.check_and_clear_database_on_startup():
+            util.log(1, "检测到记忆清除标记，已清除ChromaDB数据库")
+    except Exception as e:
+        util.log(1, f"清理ChromaDB时出错: {e}")
+
 def kill_process_by_port(port):
    for conn in psutil.net_connections(kind='inet'):
        if conn.laddr.port == port and conn.pid:
@@ -197,6 +206,7 @@ def console_listener():
 if __name__ == '__main__':
    __clear_samples()
    __create_memory()
+    __check_and_clear_chroma_db()  # 在创建memory目录后立即检查清理
    __clear_logs()

    #init_db
--- a/test/test_fay_gpt_stream.py
+++ b/test/test_fay_gpt_stream.py
@@ -2,7 +2,7 @@ import requests
 import json

 def test_gpt(prompt):
-    url = 'http://127.0.0.1:8000/v1/chat/completions'  # 替换为您的接口地址
+    url = 'http://127.0.0.1:5000/v1/chat/completions'  # 替换为您的接口地址
    headers = {
        'Content-Type': 'application/json',
        'Authorization': f'Bearer YOUR_API_KEY',  # 如果您的接口需要身份验证
@@ -46,7 +46,7 @@ def test_gpt(prompt):
                print(f"\n收到未知格式的数据：{line}")

 if __name__ == "__main__":
-    user_input = "7"
+    user_input = "你好"
    print("GPT 的回复:")
    test_gpt(user_input)
    print("\n请求完成")