Update message_push_agent: add some risk control

pqai_agent/agents/message_push_agent.py

@@ -3,6 +3,7 @@ from typing import Optional, List, Dict
 
 from pqai_agent.agents.simple_chat_agent import SimpleOpenAICompatibleChatAgent
 from pqai_agent.chat_service import VOLCENGINE_MODEL_DEEPSEEK_V3
+from pqai_agent.dialogue_manager import DialogueManager
 from pqai_agent.logging_service import logger
 from pqai_agent.toolkit.function_tool import FunctionTool
 from pqai_agent.toolkit.image_describer import ImageDescriber
@@ -72,7 +73,7 @@ DEFAULT_SYSTEM_PROMPT = '''
 </心理学技巧>
 
 <风险规避原则>
-* 避免过度打扰和重复：注意分析历史对话
+* 避免过度打扰和重复：注意分析历史对话，如果用户之前没有回复，48小时内不再问候
 * 避免过度解读：不要过度解读用户的信息
 * 文化适配：注意不同地域的用户文化差异
 * 准确性要求：不要使用虚构的信息
@@ -89,7 +90,7 @@ You are operating in an agent loop, iteratively completing tasks through these s
 </agent_loop>
 '''
 
-QUERY_PROMPT_TEMPLATE = """现在，请通过多步思考，以客服的角色，选择合适的方法向一位用户发起问候。
+QUERY_PROMPT_TEMPLATE = """现在，请通过多步思考，以客服的角色判断是否需要以下用户发起问候并生成问候的内容。
 # 客服的基本信息
 {formatted_staff_profile}
 # 用户的信息
@@ -112,7 +113,8 @@ QUERY_PROMPT_TEMPLATE = """现在，请通过多步思考，以客服的角色
 注意分析客服和用户当前的社交阶段，先确立本次问候的目的。
 注意一定要分析对话信息中的时间，避免和当前时间段不符的内容！注意一定要结合历史的对话情况进行分析和问候方式的选择！
 如有必要，可以使用analyse_image分析用户头像。
-必须使用message_notify_user发送最终的问候内容，调用message_notify_user时不要传入除了问候内容外的其它任何信息。
+使用message_notify_user发送最终的问候内容，调用时不要传入除了问候内容外的其它任何信息。
+如果无需发起问候，可直接结束，无需调用message_notify_user。
 注意每次问候只使用一种话术。
 Now, start to process your task. Please think step by step.
  """
@@ -168,9 +170,23 @@ class DummyMessagePushAgent(MessagePushAgent):
 if __name__ == '__main__':
     import pqai_agent.logging_service
     pqai_agent.logging_service.setup_root_logger()
-    agent = MessagePushAgent()
+    from pqai_agent.chat_service import VOLCENGINE_MODEL_DEEPSEEK_V3
+    agent = MessagePushAgent(model=VOLCENGINE_MODEL_DEEPSEEK_V3)
+    test_staff_profile = {
+        "name": "周洁",
+        "gender": "女",
+        "age": 35,
+        "region": "长沙",
+        "previous_location": "老家长沙，北京工作三年",
+        "education": "本科。师范学校毕业",
+        "occupation": "长沙某中学的老师",
+        "work_experience": "大学毕业后三年在北京一家“中老年”教育公司任班主任；北漂三年后，回到家乡任职普通中学的语文老师",
+        "family_members": "父亲；母亲；丈夫；女儿",
+        "family_occupation": "父亲：高中教师（已退休）；母亲：经营一家商店；丈夫：知名律所专业律师"
+    }
     test_user_profile = {
         'name': '薛岱月',
+        'nickname': '薛岱月',
         'avatar': 'http://wx.qlogo.cn/mmhead/Q3auHgzwzM5glpnBtDUianJErYf9AQsptLM3N78xP3sOR8SSibsG35HQ/0',
         'preferred_nickname': '月哥',
         'age': 65,
@@ -179,14 +195,17 @@ if __name__ == '__main__':
         'medications': ['降压药'],
         'interests': ['钓鱼', '旅游']
     }
+    from pqai_agent.utils import prompt_utils
     test_context = {
-        "current_datetime": "2025-05-12 08:00:00",
-        **test_user_profile
+        "current_datetime": "2025-05-11 08:00:00",
+        "formatted_staff_profile": prompt_utils.format_agent_profile(test_staff_profile),
+        **test_user_profile,
     }
     def create_ts(year, month, day, hour, minute):
         return datetime.datetime(year, month, day, hour, minute).timestamp() * 1000
     messages = [
         {"role": "assistant", "content": "月哥，早上好！看到您的头像是一片宁静的户外风景，感觉您一定很喜欢大自然吧？今天天气不错，您有什么计划吗？", "timestamp": create_ts(2025, 5, 10, 8, 0)},
+        {"role": "user", "content": "我又不认识你，不要给我发了", "timestamp": create_ts(2025, 5, 10, 8, 30)},
     ]
     response = agent.generate_message(test_context, messages)
     print(response)