feat: 添加对话功能

main.py

@@ -1,26 +1,32 @@
 import asyncio
 from typing import Annotated
 from autogen_agentchat.agents import AssistantAgent
+from autogen_agentchat.messages import TextMessage
+from autogen_core import CancellationToken
 from autogen_ext.models.openai import OpenAIChatCompletionClient
 
-# --- 第一部分：模拟表情输出工具 ---
-# 以后你接上机器人时，只需要把这里的 print 改成串口发送指令
+# --- 第一部分：工具定义 ---
+# 以后接上机器人时，把 print 替换成串口指令 / TTS 调用即可
+
 async def set_expression(
     expression: Annotated[str, "机器人要展示的表情，如：开心、疑惑、难过、待机"],
     intensity: Annotated[int, "表情强度 1-10"] = 5
 ) -> str:
-    """
-    [模拟 MCP3]：控制机器人头部的表情展示。
-    目前为文字输出模式。
-    """
-    print(f"\n>>>>>> 🤖 机器人表情更新: 【{expression}】 (强度: {intensity}/10) <<<<<<\n")
-    return f"已成功切换到 {expression} 模式。"
+    """[模拟面部] 控制机器人头部的表情展示。"""
+    print(f"\n>>>>>> 🤖 表情更新: 【{expression}】 (强度: {intensity}/10) <<<<<<")
+    return f"已切换到【{expression}】表情。"
+
+async def speak(
+    text: Annotated[str, "机器人要说的话，简短自然"]
+) -> str:
+    """[模拟 TTS] 机器人开口说话。以后接 TTS 引擎播放语音。"""
+    print(f">>>>>> 🔊 机器人说: {text} <<<<<<\n")
+    return "语音已播放。"
 
 # --- 第二部分：配置 VLM 大脑 ---
 async def start_simulated_head():
-    # 指向你本地的 vLLM/Ollama (localhost:8000)
     model_client = OpenAIChatCompletionClient(
-        model="Qwen/Qwen3-VL-8B-Instruct",  # 必须与 vLLM 启动的名称一致
+        model="Qwen/Qwen3-VL-8B-Instruct",
         base_url="http://localhost:8000/v1",
         api_key="EMPTY",
         model_info={
@@ -33,33 +39,64 @@ async def start_simulated_head():
         }
     )
 
-    # 定义大脑
     brain = AssistantAgent(
         name="RobotBrain",
         model_client=model_client,
-        tools=[set_expression],
-        system_message="""你是一个有情感的机器人。
-        1. 观察用户的视觉信息（图片描述）。
-        2. 调用 set_expression 工具，通过文字描述你的面部变化。
-        3. 你的回复要自然，像在和老朋友聊天。"""
+        tools=[set_expression, speak],
+        system_message="""你是一个有情感的机器人伙伴，能感知用户状态并进行语言交流。
+每次收到输入时，你必须：
+1. 综合视觉信息和用户说的话，理解当前情境和用户的情绪/需求。
+2. 调用 set_expression 展示合适的表情。
+3. 调用 speak 用简短、温暖、自然的语言回应用户。
+回应风格：像和老朋友聊天，不要太正式，有点个性和幽默感。"""
     )
 
-    # --- 第三部分：模拟交互循环 ---
-    # 在真实项目中，这里会持续读取摄像头 current_view.jpg
-    scenarios = [
-        "视觉输入：用户 d51 满脸愁容地坐在电脑前，正在处理复杂的代码报错。",
-        "视觉输入：用户 d51 突然拍了一下桌子，笑了起来，看来 Bug 解决了。"
-    ]
+    # --- 第三部分：交互循环 ---
+    # 模拟视觉上下文（真实项目中由摄像头实时提供）
+    visual_context = "视觉输入：用户坐在电脑前，表情平静，看着屏幕。"
 
-    for scene in scenarios:
-        print(f"\n--- 场景模拟: {scene} ---")
+    print("=" * 50)
+    print("  机器人已上线！输入 'quit' 退出")
+    print("=" * 50)
+    print(f"[当前视觉状态]: {visual_context}")
+    print("提示：输入 'v <描述>' 可以更新视觉状态，例如: v 用户在笑\n")
 
-        # 运行智能体
-        response = await brain.run(task=scene)
+    history = []  # 维护完整对话历史，让机器人记住上下文
 
-        # 打印大脑最终说的话
-        print(f"机器人说: {response.messages[-1].content}")
-        await asyncio.sleep(1)
+    while True:
+        try:
+            user_input = input("你说: ").strip()
+        except (EOFError, KeyboardInterrupt):
+            print("\n机器人下线，再见！")
+            break
+
+        if not user_input:
+            continue
+
+        if user_input.lower() in ("quit", "exit", "退出"):
+            await brain.on_messages(
+                [*history, TextMessage(content=f"{visual_context}\n用户说：「再见」", source="user")],
+                CancellationToken()
+            )
+            print("\n机器人下线，再见！")
+            break
+
+        # 支持临时更新视觉状态
+        if user_input.lower().startswith("v "):
+            visual_context = f"视觉输入：{user_input[2:].strip()}。"
+            print(f"[视觉状态已更新]: {visual_context}\n")
+            continue
+
+        # 合并视觉 + 语言输入
+        combined_input = f"{visual_context}\n用户说：「{user_input}」"
+        history.append(TextMessage(content=combined_input, source="user"))
+
+        response = await brain.on_messages(history, CancellationToken())
+
+        # 把本轮所有消息（工具调用、工具结果、最终回复）加入历史
+        if response.inner_messages:
+            history.extend(response.inner_messages)
+        history.append(response.chat_message)
 
 if __name__ == "__main__":
     asyncio.run(start_simulated_head())