Skip to content

默认聊天器(default_chatter / DFC) ​

Neo-MoFox 的默认聊天组件,机器人收到消息后由它驱动整个对话回复流程。

它能做什么 ​

  • 完整对话流程:从拉取未读消息、构建 prompt、调用模型、执行工具,到发送回复,一条龙完成
  • 对话状态机:内建四相状态机(等待用户 → 模型决策 → 工具执行 → 后续推进),保证对话行为一致
  • 未读消息合并:自动拉取、格式化并注入未读消息,保证对话上下文与平台消息状态一致
  • 工具与 Action:统一编排模型输出的工具调用,支持普通工具、Action、子代理混合
  • 挂起 / 恢复 / 结束:支持「等一下」(pass_and_wait)、「结束本轮」(stop_conversation)等控制流
  • 子代理协作:可启用主代理编排多个子执行单元
  • 多模态:可启用图片等内容直接进入会话输入
  • 场景引导:按私聊 / 群聊区分主题引导词

它是给谁用的 ​

DFC 是 Neo-MoFox 的默认聊天执行核心。普通用户无需手动操作——机器人收到消息后会自动通过 DFC 完成回复。你只需要做好配置。

如果你是插件开发者,想在自己的插件里复用完整的聊天链路,参考 DFC 开发指南。

配置说明 ​

配置文件:config/plugins/default_chatter/config.toml,也可在 WebUI 的「插件配置」中图形化编辑。

[plugin] 插件设置 ​

字段默认值说明
enabledtrue是否启用 DefaultChatter
reinforce_negative_behaviorstrue是否在每轮提示词中再次强调负面行为约束
enable_cooldowntrue是否启用回复后冷却(关闭可避免 LLM 设过长冷却导致无法回复)
enable_programmatic_controllertrue是否启用群聊本地概率直通(关闭后群聊始终经 LLM 决策)
enable_action_suspendtrue是否启用纯 Action 回合的挂起机制
enable_sub_agent_collaborationfalse是否启用子代理协作模式。开启后主工具列表将隐藏 MCP 工具,改为通过 create_agent/get_agent/kill_agent 把指定工具和 MCP 能力委托给子代理
sub_agent_task_nameactor子代理创建 LLM request 时使用的模型任务名(可配置独立任务如 sub_agent_actor)
enable_sub_agenttrue是否启用 sub-agent 消息过滤。关闭后不使用 sub-agent 判断消息是否需要回复
enable_interest_filterfalse是否启用兴趣值消息过滤。与 Sub-Agent 同时开启时,先通过兴趣值初筛,再交给 sub-agent 判断
enable_sub_agent_contexttrue是否为 sub-agent 提供历史上下文和决策记录,使其能感知话题连续性
sub_agent_context_history_limit25sub-agent 上下文中包含的历史消息条数上限
sub_agent_decision_history_limit3sub-agent 决策历史保留条数
enable_stop_direct_message_wakefalse是否允许私聊 / @Bot 消息按概率提前解除 stop 冷却
stop_direct_message_wake_probability0.5私聊 / @Bot 消息提前解除 stop 冷却的概率(0.0~1.0)
native_multimodalfalse原生多模态模式:图片直接 base64 打包进 LLM payload(表情包仍走 VLM 识别以利用哈希缓存)。需确保 actor 模型支持多模态输入

[plugin.theme_guide] 场景引导 ​

字段说明
private私聊场景的额外提示词
group群聊场景的额外提示词

TIP

主题引导词默认提供详细的私聊 / 群聊行为约束,可以根据机器人人设自行修改。

[plugin.programmatic_probability] 程序化概率配置 ​

仅在 enable_programmatic_controller = true 时生效。控制群聊中跳过 LLM 直接响应的概率:

字段默认值说明
base_bypass_probability0.1基础放行概率
name_mention_bonus0.7强提及加成:未读消息精准 @机器人或回复机器人发言时叠加
alias_mention_bonus0.4弱提及加成:文本命中机器人全名或别名时叠加
unread_message_bonus0.05每条未读消息叠加的加成
next_tick_reply_bonus0.5上一次 send_text 成功后,下一 tick 叠加的放行概率加成,用于提升连续对话的连贯性

[plugin.interest] 兴趣值配置 ​

仅在 enable_interest_filter = true 时生效。控制二维加权兴趣值(语义 + 提及)的权重、阈值和动态调整:

字段默认值说明
reply_threshold0.72回复动作兴趣阈值,达到则触发回复
action_threshold0.55非回复动作兴趣阈值
semantic_weight0.6语义兴趣度权重
mentioned_weight0.4提及分权重
strong_mention_score2.0强提及(被@、被回复、私聊)的兴趣分
weak_mention_score0.8弱提及(文本匹配名字/别名)的兴趣分
no_reply_threshold_adjustment0.02连续不回复时每次降低的回复阈值
max_no_reply_count5不回复计数上限
reply_cooldown_reduction2回复后减少的不回复计数
enable_post_reply_boosttrue是否启用回复后阈值降低机制,增强连续对话
post_reply_threshold_reduction0.2回复后第一轮降低的阈值
post_reply_boost_max_count5阈值降低持续的轮数
post_reply_boost_decay_rate0.8每轮衰减因子(1.0 不衰减,0.8 每轮衰减 20%)

[plugin.semantic_training] 语义模型训练配置 ​

仅在启用兴趣值过滤时生效。控制自动训练流程中的数据采样、LLM 标注和关键词生成参数:

字段默认值说明
training_model_name"utils"训练阶段使用的 LLM 任务名(用更强的模型如 actor 标注可提升数据质量)
training_days7采样最近 N 天的消息用于训练
training_max_samples1000训练时从数据库采样的最大消息条数(2000-3000 性价比最高)
training_batch_size50LLM 批量标注时每批的消息条数
keyword_iterations3关键词生成的迭代次数(每次约 100 条关键词)
min_train_interval_hours720最小训练间隔(小时),默认 30 天;人设变化时不受此限制

配置示例:

toml
[plugin]
enabled = true
reinforce_negative_behaviors = true
enable_cooldown = true
enable_programmatic_controller = true
enable_action_suspend = true
enable_sub_agent_collaboration = false
sub_agent_task_name = "actor"
enable_sub_agent = true
enable_interest_filter = false

[plugin.theme_guide]
private = ""
group = ""

[plugin.programmatic_probability]
base_bypass_probability = 0.1
name_mention_bonus = 0.7
alias_mention_bonus = 0.4
unread_message_bonus = 0.05
next_tick_reply_bonus = 0.5

相关文档 ​

贡献者

The avatar of contributor named as fuilyha56-wq fuilyha56-wq
The avatar of contributor named as micraft1024a micraft1024a

页面历史

Released under the GPL-3.0 License.