提示词写着别问「吃了没」，代码每天在补「吃饭」这一格。改成先打个招呼、要聊的事放进后续对话里慢慢带，再让调度学会什么时候闭嘴。
上一篇写的是主动消息的频率。频率压下来以后，剩下的问题是语气：Autarkia 的角色主动发来的消息，读起来像在查户口。「今天早餐吃的什么呀？」「你平时偏重口还是清淡？」「晚饭后你一般做什么？」中午问午饭，一个小时后问晚饭想吃什么。
同一批记录里也有读起来正常的几条，比如问之前提过的那碗面最后吃上没有，或者前一天说不舒服、今天好点了没。区别很明显：正常的那几条都接着我说过的某件具体的事，别扭的那些背后什么都没有。
01提示词说别问，代码在问
我先去看提示词，结果它写得很克制：不要问「在干嘛」「吃了没」「最近怎么样」，没有具体依据就不发。问题出在拼装提示词的代码里。有一个「画像补齐」模块，每天按时段检查起床、吃饭、活动、学习、心情、睡眠六项有没有记录，缺了而且用户沉默超过二十分钟，就往指令里追加一句「此轮只追问一个画像项」，同时给可选动作里加上一个健康提醒。
两条指令在同一个提示词里打架，模型照着更具体的那条做了。这类问题光看提示词文件看不出来，要把每一轮真正发给模型的完整内容打出来，才能看到是谁在往里塞东西。
02排第一的候选被悄悄丢掉
更奇怪的是另一层。系统每次会给今天可以聊的事排个序，候选来自当天的学习计划、到期的复习、未完成的任务。翻了三天的排序记录，28 次里有 27 次排第一的是学习计划或复习，对应的动作是「计划话题」，但这个动作从来不在可选动作列表里。排序结果每次都被丢掉，流程退回到画像补齐，再去问一遍早饭。
就算选中了，话题也到不了写消息那一步：传给生成层的占位符是 [PLANNED_TOPIC_TRIGGER]，模板认的是 [PLANNED_TRIGGER]，对不上就原样塞进提示词。负责排序的那次模型调用，89 次里有 76 次失败退回了规则排序，日志里只有一行 warning。三处问题叠在一起，结果就是一个有计划、有复习、有待办的人，每天被问的仍然是吃了没。
03先打招呼，事情留到后面说
修好排序之后，主动消息会拿着计划直接问「下午那节复习做完了吗」。有依据了，读起来仍然像检查进度。真人找人聊某件事，一般先发一句「在不」「在干嘛」，对方回了再顺着聊过去。
现在的流程分两步。决策模型除了判断发不发，还要选方式：到点的提醒、需要马上知道的事就直接说；跟进计划、关心进展的，只发一句轻问候。轻问候发出后，要聊的那件事存成一条「议程」，放进主聊天的提示词里。用户回话后的第一轮先接话，之后找话题沾边的时候带过去，聊到第五轮还没机会就轻轻提一句。这件事聊到了、对方说去做了、或者明显不想聊，由模型调用一个工具把议程关掉。
中间有个插曲。我给开场白举的例子是「刚把汤炖上，你在不」，被直接否了：没有人这么发消息。开场白就用「在不」「在干嘛」这种，靠和最近几条去重来避免重复。我想让开场白显得自然，结果是往里加了戏。
工程上有一个点：主动消息从 QQ 发出，用户可能在手机 App 里回，两边的会话 ID 不一样。议程如果按会话存，用户换个端回复就接不上，所以改成按角色存。代价是同一角色的群聊和角色之间的互聊也会解析到它，这两类会话要单独排除，不然会在群里提用户的私事。
04MDP 学不会闭嘴
决定发哪类消息的是一个小的 MDP：状态是时段、上一条的题材、上一条有没有回，回了加分，没回扣分。我原以为频率也由它管，看了 Q 表才发现，「不发」这个动作被明确排除在学习之外，分值永远是初始的 0。发送类动作只要学到比 0 高一点，就会一直被选中。它学到的是发哪一类回复率高，学不到这次该不该发。
改法是给「不发」记反事实奖励：每次发送有了结果，同一状态下的「不发」也更新一次，没回记 +0.5，回了记 -0.5。发送动作收敛到「回复率减忽略率」，「不发」收敛到它的一半取反，两者相等的点正好是忽略率 50%。也就是某种情况下一半以上的消息没人回，它就学会不发，这个阈值不用另外调。
改的过程中又查出两处记账错误。奖励记在回复那一刻现算的状态上，那是下一次决策的状态，选这个动作时的状态从来没被更新过，现在改成发送时就把当时的状态存下来。第二处是代码审查指出的：每来一条用户消息，上一条主动消息就加一次分，回五句就加五次，几小时后再说话也照样算。现在每条发送的结果只记一次，而且回复必须晚于发送。
拿两周的真实记录按时段粗略回放：一个角色白天和晚上的消息都有过半被回复，照常发；另一个角色晚上 11 条只回了 2 条，深夜 2 条都没回，这两个时段会学成不发。
还没解决的：早安、晚安、日程切换时的告别、到点提醒这些不经过 MDP，频率不受学习影响；长时间沉默后的兜底规则还会把「不发」改成一条消息。新逻辑写完时后端停着，以上都还没在线上跑过，回放只能说明方向，具体效果要等几天的真实数据。