跳转至

响应的艺术：意愿系统

意愿系统（Willingness System）是 YesImBot 的灵魂，它决定了机器人何时以及如何响应。这套系统告别了简单的“关键词触发”，采用了一套复杂的、模拟生物直觉的动态评分模型。

告别冰冷的机器人

传统聊天机器人有两个痛点：

  1. 过于被动： 只有在被明确触发时（如@或关键词）才说话，缺乏参与感。
  2. 过于主动： 对每一条消息都进行响应，导致信息过载和刷屏。

YesImBot 的意愿系统旨在解决这个问题，让机器人学会在合适的时机、用合适的方式自然地加入对话。

四层决策模型

每一次收到消息，意愿系统都会通过一个四层模型来计算一个“意愿增益”，并将其更新到当前频道的“意愿总分”上。

1. 基础分数 (Base Scores)

  • 作用： 定义对不同消息类型（文本、图片、表情符号等）的初始兴趣。
  • 配置路径： agentBehavior.willingness.base.scores

2. 属性加成 (Attribute Bonuses)

  • 作用： 对消息的特定“属性”给予额外加分，以响应重要的社交信号。
  • 关键属性： atMention (被@), isQuote (回复Bot), isDirectMessage (私聊)。
  • 配置路径： agentBehavior.willingness.attribute.bonuses

3. 兴趣模型 (Interest Model)

  • 作用： 基于消息内容计算一个“兴趣乘数”，放大或缩小前面的得分。
  • 配置路径： agentBehavior.willingness.interest

4. 生命周期 (Lifecycle & Conversion)

  • 作用： 一个动态的“精力条”系统，模拟人类的注意力和疲劳，并将最终的意愿总分转换为具体的行动概率。
  • 配置路径： agentBehavior.willingness.lifecycle

完整计算流程揭秘

理解意愿系统的关键在于其动态和非线性的计算过程：

  1. 计算基础增益 (Gain):

    • 系统首先根据消息类型（文本、图片、表情）获得一个基础分。
    • 然后，根据消息属性（是否被@、是否是回复等）叠加属性加成。
    • 最后，将上述总和乘以兴趣乘数（如果命中关键词，则乘数更高）。
    • 这一步的结果，我们称之为基础增益。

  2. 动态增益放大 (S-Curve Multiplier):

    • 系统会检查当前频道的意愿总分。如果总分已经在一个中等偏高的“兴奋区”，系统会认为 Bot 对当前话题“正感兴趣”，并对本次的基础增益应用一个大于1的放大系数。这是一个正反馈机制，模拟了“越聊越起劲”的过程。
    • 反之，如果意愿总分很低或接近饱和，放大系数会回归到1或更低。

  3. 更新意愿总分:

    • 将经过动态放大的增益值，加到当前频道的意愿总分上。总分不会超过 maxWillingness 上限。

  4. 弹性衰减 (Elastic Decay):

    • 在后台，所有频道的意愿总分都会随时间自然衰减（由 decayHalfLifeSeconds 控制）。
    • 这种衰减也不是线性的：当意愿总分很高时，衰减速度会变慢，模拟了“对感兴趣的话题印象更深刻”的现象。

  5. 概率转换与最终决策:

    • 当更新后的意愿总分超过 probabilityThreshold（响应阈值）时，系统会将其超出部分乘以 probabilityAmplifier（概率放大系数），从而计算出一个具体的回复概率（0到1之间）。
    • 最后，程序会进行一次“掷骰子”（Math.random()），如果随机数小于计算出的概率，Bot 最终决定回复。

  6. 发言成本 (Reply Cost):

    • 一旦 Bot 决定回复，它的意愿总分会立即被扣除一个 replyCost 值。这模拟了“发言消耗精力”的过程，是防止 Bot 连续刷屏、实现对话节奏感的关键机制。

“性格”的诞生：人格预设

为了简化复杂的参数配置，我们内置了多种“性格预D设”。选择一种预设，系统会自动为您应用一套精心调整好的意愿系统参数。

  • outgoing (开朗活泼): 话多，乐于参与，回复门槛低，精力衰减慢。
  • professional (高冷严谨): 惜字如金，只在被@或讨论专业领域时才发言。回复门槛高，精力衰减快。
  • caring (温柔体贴): 不主动挑起话题，但在检测到求助类关键词时会第一时间出现。
  • default (默认): 一个平衡的配置，适合大多数场景。
  • custom (自定义): 如果您想从头打造一个独一无二的性格，请选择此项并手动调整所有参数。

配置路径： agentBehavior.willingness.personality

深入机制：弹性衰减与S型增益

为了让意愿模型更加“人性化”，WillingnessManager 在内部实现了一些高级机制：

  • 弹性衰减 (Elastic Decay):

    • 当意愿值很高时（例如超过了回复门槛），意味着 Agent 正在“高度关注”当前对话。此时，意愿值的自然衰减速度会变慢。
    • 这模拟了人类对感兴趣的话题会保持更长时间注意力的现象。

  • S型曲线增益 (S-Shaped Gain):

    • 每次消息带来的意愿“增益”不是固定的。当 Agent 对一个话题的兴趣处于“启动区”（意愿值较低）或“饱和区”（意愿值非常高）时，新消息带来的增益会相对较小。
    • 当兴趣处于“陡增区”（意愿值适中）时，新消息会带来远超基础值的增益，模拟了“越聊越起劲”的过程。

这两个机制共同作用，使得意愿值的变化更加平滑和自然，避免了因参数设置不当而导致的响应行为突变。