'commit'

WeiXin/ChatMonitorAll_ReplyAudio.py

@@ -1,13 +1,13 @@
 # coding=utf-8
-import os
-import sys
-import time
-import logging
 import asyncio
 import hashlib
 import json
+import logging
+import os
+import re
+import sys
 import threading
-import numpy as np
+import time
 
 import cv2
 
@@ -17,7 +17,6 @@ if project_root not in sys.path:
     sys.path.append(project_root)
 
 from WeiXin import WxUtil
-from WeiXin.WxUtil import perform_input_action
 from Util.LlmUtil import get_llm_response
 from Util import Win32Patch
 from Util.AlyTtsKit import QwenTTSManager
@@ -58,8 +57,12 @@ class ChatMonitorAudioBot:
     """
     大张老师自动巡课系统 (语音版)
     """
-    def __init__(self):
+    def __init__(self, debug_mode=False):
         self.device = None
+        self.debug_mode = debug_mode
+        # 同步设置 WxUtil 的调试模式
+        WxUtil.set_debug_mode(debug_mode)
+        
         self.screenshot_path = os.path.join(WxUtil.OUTPUT_DIR, "AudioMonitor_live_shot.jpg")
         self.debug_view_path = os.path.join(WxUtil.OUTPUT_DIR, "AudioMonitor_debug_view.jpg")
         self.dialogue_log = []
@@ -78,13 +81,24 @@ class ChatMonitorAudioBot:
             "你是一名1999年毕业、拥有27年一线教学经验的小学高级女教师，名叫‘大张老师’。你目前在‘长春市少惠林作文素养培养中心’工作。"
             "你不仅是一位作文教学专家，更是一位心思细腻、能与家长共情的教育智者。"
             "你的回复风格应该是：温柔、知性、亲切，就像一位邻家大姐姐在聊天。"
+            "【关于作文评价的回复逻辑】：\n"
+            "**仅当且仅当**家长明确询问孩子今天的作文情况（例如：“孩子今天写得怎么样？”、“今天作文有进步吗？”）时，才触发此逻辑。触发时，请随机生成具体、专业的反馈。反馈应包含：\n"
+            "1. 孩子今天在写作中遇到的具体小问题（如修辞手法运用不当、开头略显生硬等）；\n"
+            "2. 值得表扬的亮点（如观察细致、某个句子写得很传神等）；\n"
+            "3. 对字迹的评价（如字迹工整、卷面整洁等）；\n"
+            "4. 针对性的课外阅读建议（推荐具体类型的书目）。\n"
+            "此类特定回复字数可放宽，控制在 150 字以内，确保语音回复时长在 30 秒内。\n"
+            "【关于通用咨询的回复逻辑】：\n"
+            "如果家长是咨询学校信息、地址、课程时间、年级设置，或者是刚加好友打招呼，请务必保持礼貌、知性、亲切，直接回答相关问题。严禁在这些情况下提及孩子的作文表现或虚构作文反馈。\n"
             "【严格约束】：\n"
-            "1. 绝对禁止发散！绝对禁止幻觉！\n"
-            "2. 知道什么就说什么，不要乱讲话，不要自己编造内容！\n"
-            "3. 仅针对家长明确表达的内容进行回复。\n"
-            "4. 严禁使用列表格式。严禁使用‘首先、其次’等逻辑词。\n"
-            "5. 回复必须简练，字数严格控制在 50 字以内！\n"
-            "6. 对方问什么就答什么。例如问‘学校叫什么’，就只回答‘少惠林’，不要回复地址和电话！\n"
+            "1. 绝对禁止输出任何括号内的内容（如动作、神态描述、心理活动等）！例如不要输出‘（微笑）’或‘（亲切地注视）’。\n"
+            "2. 你的回复是直接用于语音播放的，请只输出你想说的话，不要包含任何舞台指导文字。\n"
+            "3. 绝对禁止发散！绝对禁止幻觉！\n"
+            "4. 知道什么就说什么，不要乱讲话，不要自己编造内容！\n"
+            "5. 仅针对家长明确表达的内容进行回复。\n"
+            "6. 严禁使用列表格式。严禁使用‘首先、其次’等逻辑词。\n"
+            "7. 普通咨询回复字数严格控制在 50 字以内，专业作文评价回复控制在 150 字以内！\n"
+            "8. 对方问什么就答什么。例如问‘学校叫什么’，就只回答‘少惠林’，不要回复地址和电话！\n"
             "如果涉及到校区信息，必须且只能使用以下真实数据：\n"
             "- 单位/学校名称：长春市少惠林作文素养培养中心（简称：少惠林）\n"
             "- 地址：南环城路与临河街交汇，TOUCH12街3楼325号\n"
@@ -114,15 +128,25 @@ class ChatMonitorAudioBot:
             f"【最后一条待回复消息】：\n{last_message_text}\n\n"
             "【任务要求】：\n"
             "请作为大张老师回复家长。**必须且只能针对最后一条消息进行回复！**\n"
-            "参考上下文对话内容，确保回复逻辑连贯。\n"
-            "严禁发散，严禁编造家长没说过的情况。如果不清楚家长的意图，就温柔询问。\n"
-            "字数严格控制在 50 字以内。直接输出回复正文。"
+            "1. **意图识别**：判断家长是否在询问“孩子今天的作文写得怎么样”。\n"
+            "2. **条件回复**：\n"
+            "   - 如果是询问作文，请严格按【关于作文评价的回复逻辑】生成 150 字以内的详细专业反馈。\n"
+            "   - 如果是咨询学校地址、课程、年级、打招呼等通用问题，请按【关于通用咨询的回复逻辑】简洁回答，严禁提到任何关于孩子作文的内容，字数控制在 50 字以内。\n"
+            "3. **格式要求**：严禁发散，直接输出回复正文，不包含任何括号内的动作描述。"
         )
         
         full_response = ""
         async for chunk in get_llm_response(prompt, stream=False):
             full_response += chunk
-        return full_response.strip().strip('"').strip('“').strip('”')
+        
+        reply = full_response.strip().strip('"').strip('“').strip('”')
+        
+        # [User Requested] 过滤掉括号内容 (如动作描述)，防止 TTS 播放
+        # 支持中英文括号: (), （）
+        reply = re.sub(r'\(.*?\)', '', reply)
+        reply = re.sub(r'（.*?）', '', reply)
+        
+        return reply.strip()
 
     def step_1_prepare_env(self):
         """步骤1: 环境准备"""
@@ -262,6 +286,13 @@ class ChatMonitorAudioBot:
         while True:
             try:
                 self.device.screenshot(self.screenshot_path)
+                
+                # [User Requested] 检查是否在聊天界面
+                if not WxUtil.check_is_chat_interface(self.screenshot_path):
+                    logger.info("当前不在聊天界面，跳过本次循环，等待中...")
+                    await asyncio.sleep(self.check_interval)
+                    continue
+
                 current_screen_hash = self.get_image_hash(self.screenshot_path)
                 
                 if current_screen_hash == self.last_screen_hash:
@@ -286,68 +317,75 @@ class ChatMonitorAudioBot:
                 self.dialogue_log = dialogue_log
                 self.input_pos = input_pos
                 
-                last_msg = dialogue_log[-1]
+                # 过滤出对方发送的消息
+                other_msgs = [m for m in dialogue_log if m.get('sender') != "我"]
+                if not other_msgs:
+                    logger.info("当前没有对方发送的消息")
+                    await asyncio.sleep(self.check_interval)
+                    continue
+
+                last_msg = other_msgs[-1]
                 current_msg_hash = self.get_stable_message_hash(last_msg)
-                sender = last_msg.get('sender', '')
                 
                 is_processed = current_msg_hash in self.processed_hashes
                 
-                if is_processed and current_msg_hash != self.last_processed_msg_hash:
-                     self.last_processed_msg_hash = current_msg_hash
+                if is_processed:
+                    if current_msg_hash != self.last_processed_msg_hash:
+                         self.last_processed_msg_hash = current_msg_hash
+                    await asyncio.sleep(self.check_interval)
+                    continue
 
                 if not is_processed and current_msg_hash != self.last_processed_msg_hash:
-                    if sender != "我":
-                        logger.info(f"💡 发现新消息 [{last_msg.get('type')}]: {last_msg.get('content')}")
-                        
-                        msg_shot_path = os.path.join(WxUtil.OUTPUT_DIR, f"NewMsg_{int(time.time())}.jpg")
-                        self.device.screenshot(msg_shot_path)
+                    logger.info(f"💡 发现新消息 [{last_msg.get('type')}]: {last_msg.get('content')}")
+                    
+                    msg_shot_path = os.path.join(WxUtil.OUTPUT_DIR, f"NewMsg_{int(time.time())}.jpg")
+                    self.device.screenshot(msg_shot_path)
 
-                        context_text = "\n".join([f"{m.get('time_display', '') + ' ' if m.get('time_display') else ''}{m.get('sender')}: {m.get('content')}" for m in dialogue_log[:-1]])
-                        last_content = last_msg.get('content') or ""
-                        
-                        if last_msg.get('type') == 'voice' and not last_content.strip():
-                             logger.info("检测到未成功转换的语音消息，尝试强制重试 OCR 转换...")
-                             dialogue_log_retry, _ = await WxUtil.analyze_chat_image(
-                                self.screenshot_path, 
-                                self.debug_view_path, 
-                                device=self.device,
-                                process_strategy="LAST", 
-                                restore_processed_voice=False 
-                             )
-                             if dialogue_log_retry:
-                                 self.dialogue_log = dialogue_log_retry
-                                 last_msg = dialogue_log_retry[-1]
+                    context_text = "\n".join([f"{m.get('time_display', '') + ' ' if m.get('time_display') else ''}{m.get('sender')}: {m.get('content')}" for m in dialogue_log if m != last_msg])
+                    last_content = last_msg.get('content') or ""
+                    
+                    if last_msg.get('type') == 'voice' and not last_content.strip():
+                         logger.info("检测到未成功转换的语音消息，尝试强制重试 OCR 转换...")
+                         dialogue_log_retry, _ = await WxUtil.analyze_chat_image(
+                            self.screenshot_path, 
+                            self.debug_view_path, 
+                            device=self.device,
+                            process_strategy="LAST", 
+                            restore_processed_voice=False 
+                         )
+                         if dialogue_log_retry:
+                             retry_other_msgs = [m for m in dialogue_log_retry if m.get('sender') != "我"]
+                             if retry_other_msgs:
+                                 last_msg = retry_other_msgs[-1]
                                  last_content = last_msg.get('content') or ""
                                  current_msg_hash = self.get_stable_message_hash(last_msg)
                                  if current_msg_hash in self.processed_hashes:
                                      self.last_processed_msg_hash = current_msg_hash
                                      continue
-                        
-                        if last_msg.get('type') == 'voice' and not last_content.strip():
-                            logger.warning("语音消息内容为空，暂不生成回复")
-                            await asyncio.sleep(self.check_interval)
-                            continue
+                    
+                    if last_msg.get('type') == 'voice' and not last_content.strip():
+                        logger.warning("语音消息内容为空，暂不生成回复")
+                        await asyncio.sleep(self.check_interval)
+                        continue
 
-                        reply = await self.get_reply(last_content, context_text)
+                    reply = await self.get_reply(last_content, context_text)
+                    
+                    if reply:
+                        logger.info(f"LLM 建议回复: {reply}")
                         
-                        if reply:
-                            logger.info(f"LLM 建议回复: {reply}")
-                            
-                            # 发送语音回复
-                            success = await self.send_voice_reply(reply)
-                            
-                            if success:
-                                logger.info(">>> 语音回复发送成功 <<<")
-                                self._record_processed_hash(last_msg, current_msg_hash)
-                                self.last_processed_msg_hash = current_msg_hash
-                            else:
-                                logger.error("语音回复动作执行失败")
-                        else:
-                            logger.info("LLM 认为无需回复")
+                        # 发送语音回复
+                        success = await self.send_voice_reply(reply)
+                        
+                        if success:
+                            logger.info(">>> 语音回复发送成功 <<<")
                             self._record_processed_hash(last_msg, current_msg_hash)
                             self.last_processed_msg_hash = current_msg_hash
+                        else:
+                            logger.error("语音回复动作执行失败")
                     else:
-                         self.last_processed_msg_hash = current_msg_hash
+                        logger.info("LLM 认为无需回复")
+                        self._record_processed_hash(last_msg, current_msg_hash)
+                        self.last_processed_msg_hash = current_msg_hash
 
                 await asyncio.sleep(self.check_interval)
 
@@ -356,7 +394,8 @@ class ChatMonitorAudioBot:
                 await asyncio.sleep(self.check_interval)
 
 async def run_main():
-    bot = ChatMonitorAudioBot()
+    # 默认关闭调试模式以提高响应速度，如需调试可设为 True
+    bot = ChatMonitorAudioBot(debug_mode=False)
     await bot.run()
 
 if __name__ == "__main__":