NekoBot

Appearance

review - Review Pipeline 审查层 ​

字数
701 字
阅读时间
3 分钟

概述 ​

review 模块实现 Review Pipeline 审查层，每轮对话后对对话内容进行结构化审查。当前实现为规则版（不调用大模型），后续可替换为 LLM Review。

核心特性：

  • 规则审查 - 基于关键词规则判断记忆写入、关系变化及剧情节点更新
  • 结构化输出 - 返回标准化的审查结果，包含记忆写入建议、关系变化、8 维评分等
  • 自我修正 - 评分低于阈值时生成下一轮修正提示
  • 时间感知 - 计算现实时间间隔，生成角色扮演连续性提示
  • 事件驱动 - 支持通过 event_bus 发射审查事件

架构总览 ​

CharacterRuntime.after_turn()
  │
  ▼
ReviewPipeline.run(inp)
  ├── run_rule_review(inp)
  │   ├── 关系变化判断（关键词 + 剧情选择 + 时间间隔）
  │   ├── 记忆写入判断（记忆价值 + 选择级别 + 关系变化）
  │   ├── 剧情更新（important/turning_point/ending）
  │   ├── 世界书更新（turning_point/ending）
  │   └── 质量评分（规则计算 + AutoState LLM 缓存）
  │
  ├── 输出 ReviewOutput
  │   ├── memory_items → MemoryFS 同步
  │   ├── relationship_delta → 关系状态更新
  │   └── plot_update → 剧情节点创建
  │
  ├── build_correction_hint(scores)
  │   └── 低分维度 → 下一轮自我修正提示
  │
  └── 发射 review.* 事件

核心模块 ​

1. 数据模型 (models.md) ​

  • ReviewScore - 8 维角色体验评分
  • MemoryItem - 待写入的记忆条目
  • RelationshipDelta - 六维关系变化增量
  • PlotUpdate - 剧情更新建议
  • WorldBookUpdate - 世界书更新建议
  • ReviewInput / ReviewOutput - 审查管道输入/输出

2. 审查管道 (pipeline.md) ​

ReviewPipeline 编排器 + 规则版审查实现（run_rule_review）。基于关键词和上下文判断关系变化、记忆写入、剧情更新。

3. 自我修正 (self_correction.md) ​

评分低于阈值时生成下一轮修正提示，一次性消费后清除。

4. 时间连续性 (time_context.md) ​

计算现实时间间隔，生成 6 级连续性等级和角色扮演提示。

Web API ​

方法路由说明
GET/api/review/logs获取审查日志
GET/api/review/memory-fs获取 MemoryFS 文件列表
GET/api/review/event-streamSSE 事件流
POST/api/review/run手动触发审查

目录结构 ​

nbot/review/
├── __init__.py          # 模块入口
├── models.py            # ReviewInput / ReviewOutput 数据模型
├── pipeline.py          # ReviewPipeline 编排器
├── rule_review.py       # 规则版审查实现
├── self_correction.py   # 自我修正提示系统
└── time_context.py      # 现实时间连续性上下文

与其他模块的关系 ​

模块关系
characterCharacterRuntime._run_review() 在 after_turn 执行审查
memory审查输出写入 MemoryFS（用户摘要、日记、剧情摘要）
plotPlotUpdate 决定是否创建剧情节点和节点级别
events发射 review.* 系列标准化事件
hooks通过 ConversationEventBus 发射审查生命周期事件

页面历史