NekoBot

Appearance

WorldEngine 群聊环境判定器 ​

字数
897 字
阅读时间
4 分钟

规则版上下文判定器，为群聊场景提供智能发言选择和旁白判定。无需调用大模型。

获取单例 ​

python
from nbot.world import get_world_engine

engine = get_world_engine()

decide() - 发言选择 ​

五级优先系统，按优先级顺序尝试，返回第一个匹配结果。

python
decision = engine.decide(
    message="大家好，今天天气真不错",
    character_ids=["char_a", "char_b", "char_c"],
    recent_messages=recent_messages,
    characters=characters_info,
    relations=relations_data,
    active_plot_node=active_node,
    last_speaker="char_a",
)

返回值 ​

python
@dataclass
class WorldEngineDecision:
    speaker_id: str           # 选定的发言角色 ID
    reason: str               # 选择原因描述
    should_narrate_before: bool  # 是否需要发言前旁白
    should_narrate_after: bool   # 是否需要发言后旁白
    narrate_trigger: str      # 旁白触发原因
    confidence: float         # 判断置信度（0-1）

五级优先判定 ​

1. @提及优先（置信度 0.95） ​

检查消息中是否明确 @了某个角色。

python
# "@char_b 你觉得呢？" → speaker_id = "char_b"
  • 检查 @{角色名} 或 @{角色ID} 模式
  • 优先匹配角色名，其次匹配角色 ID
  • 触发 should_narrate_after：当活跃剧情节点为 turning_point / ending 时

2. 剧情关联（置信度 0.85） ​

检查消息是否与当前激活的剧情节点相关。

python
# 当前剧情节点参与者: ["char_a", "char_c"]
# "我们继续刚才的话题" → speaker_id = "char_a" 或 "char_c"
  • 检查剧情节点的 participants 字段
  • 检查剧情摘要中是否出现角色名
  • 剧情转折点/结局时触发发言后旁白

3. 关系权重（置信度 0.7） ​

根据关系矩阵选择关系权重最高的角色。

python
# 权重公式: affection + trust * 0.8 + familiarity * 0.5
  • 排除上一个发言者，避免连续独白
  • 排除后无候选时不排除

4. 关键词匹配（置信度 0.75） ​

检查消息中是否出现角色名关键词。

python
# "小明你觉得怎么样？" → speaker_id = "char_a"（如果 char_a.name == "小明"）
  • 优先匹配较长的角色名
  • 置信度 0.75

5. 轮换降级（置信度 0.5） ​

无明确匹配时按顺序轮换。

python
# 角色列表: ["char_a", "char_b", "char_c"]
# 上一个发言者: "char_a" → speaker_id = "char_b"
  • 排除上一个发言者
  • 按角色列表顺序选择
  • 置信度最低（0.5）

should_narrate() - 旁白判定 ​

判断当前是否需要旁白叙述。

python
should = engine.should_narrate(
    message="我们换个地方吧",
    recent_messages=recent_messages,
    active_plot_node=active_node,
    turn_count=10,
    narrate_interval=5,
)

触发条件 ​

条件说明示例
剧情转折点活跃剧情节点为转折点/结局active_plot_node.level in ("turning_point", "ending")
周期触发每隔 N 轮触发一次turn_count % narrate_interval == 0
场景切换消息包含场景切换关键词"换个地方"、"去...吧"、"离开"、"到达"

场景切换关键词 ​

  • 换个地方
  • 去...吧
  • 离开
  • 到达
  • 来到
  • 我们走

旁白类型 ​

类型时机说明
should_narrate_before发言前场景描述、氛围营造
should_narrate_after发言后总结、过渡、剧情推进

与 SpeakerScheduler 集成 ​

WorldEngine 已集成到 SpeakerScheduler，作为 world_engine 发言策略：

python
from nbot.group.scheduler import SpeakerScheduler

scheduler = SpeakerScheduler()
speaker_id = scheduler.decide_next_speaker(
    conversation=group,
    message="大家好",
    character_ids=["char_a", "char_b", "char_c"],
    last_speaker="char_a",
    group_context={
        "character_profiles": profiles,
        "active_plot_node": active_node,
        "recent_messages": recent_messages,
    },
)
# 当 speaker_strategy="world_engine" 时，内部调用 WorldEngine.decide()

扩展为 LLM 版本 ​

python
class LLMWorldEngine:
    def decide(self, message, character_ids, **kwargs) -> WorldEngineDecision:
        prompt = self._build_prompt(message, character_ids, **kwargs)
        response = await llm.chat(prompt)
        return self._parse_decision(response)

    def should_narrate(self, message, **kwargs) -> bool:
        prompt = self._build_narrate_prompt(message, **kwargs)
        response = await llm.chat(prompt)
        return self._parse_narrate_decision(response)

engine = WorldEngine(llm_engine=LLMWorldEngine())

页面历史