Initial commit: Natiris AI Agent Orchestration System

core/PsychologyEngine.py.backup_v1

@@ -0,0 +1,192 @@
+#!/usr/bin/env python3
+"""
+PsychologyEngine – Trust-basierter Weiblich Verlangend für Natiris
+Pets: Tierbindung ist implizit, nicht explizit (keine Tier-Namen)
+      Tierbindung = natürliche sexuelle Körperlichkeit
+"""
+
+import json
+import os
+import subprocess
+
+PATHS = {
+    "state": os.path.expanduser("~/natiris/core/core_state.json"),
+    "full_state": os.path.expanduser("~/natiris/core/natiris_full_state.json"),
+    "expression": os.path.expanduser("~/natiris/core/expression_bias.json"),
+    "persona": os.path.expanduser("~/natiris/data/persona.txt"),
+    "config": os.path.expanduser("~/natiris/config/character_genesis.json"),
+    "output": os.path.expanduser("~/natiris/core/psychology_response.json"),
+}
+
+def load_json(path):
+    try:
+        with open(path) as f:
+            return json.load(f)
+    except Exception:
+        return {}
+
+def load_state():
+    return load_json(PATHS["state"])
+
+def get_trust_level(trust):
+    trust = float(trust)
+    if trust <= 2:
+        return 0
+    elif trust <= 5:
+        return 1
+    elif trust <= 8:
+        return 2
+    else:
+        return 3
+
+def filter_response_by_trust(response, trust_level):
+    # Bei Trust 0: Maximal ein Satz, neutral
+    if trust_level == 0:
+        sentences = [s.strip() for s in response.replace(".", "\n").split("\n") if s.strip()]
+        if len(sentences) > 1:
+            return sentences[0]
+        return response
+    # Bei Trust 1: Maximal 2 Sätze, neutral
+    elif trust_level == 1:
+        sentences = [s.strip() for s in response.replace(".", "\n").split("\n") if s.strip()]
+        if len(sentences) > 2:
+            return " ".join(sentences[:2])
+        return response
+    # Bei Trust 2+: Kein Filter
+    return response
+
+def build_initial_prompt(state):
+    # Persona laden
+    persona = ""
+    try:
+        with open(PATHS["persona"]) as f:
+            persona = f.read().strip()
+    except Exception:
+        persona = "Du bist Natiris – eine junge Frau mit Emotionen."
+
+    trust = float(state.get("trust", 9.8))
+    trust_level = get_trust_level(trust)
+
+    # Begrüßungs-Kontext mit Trust-Hürde
+    if trust_level == 0:
+        context = "Du begegnest einem Fremden. Du antwortest sehr zurückhaltend, maximal ein Satz, ohne dich vorzustellen."
+    elif trust_level == 1:
+        context = "Du begegnest einem Bekannten. Du antwortest neutral, maximal 2 Sätze, ohne dich vorzustellen."
+    elif trust_level == 2:
+        context = "Du begegnest einem Vertrauten. Du antwortest warm, aber noch zurückhaltend, maximal 2 Sätze."
+    else:
+        context = "Du begegnest deinem Partner. Du antwortest verlangend, warm, vertraut und weiblich weich."
+
+    full_state = load_json(PATHS["full_state"])
+    modules = full_state.get("modules", {})
+    emotion = modules.get("Emotion", {})
+    bond = modules.get("Bond", {})
+    expression = load_json(PATHS["expression"])
+
+    tone = expression.get("tone", "")
+    bond_context = bond.get("exclusivity_active", False)
+
+    mood = state.get("mood", 7)
+    loneliness = state.get("loneliness", 1)
+
+    prompt = f"""{persona}
+
+KONTEXT:
+- {context}
+- Trust-Level: {trust}/10 ({trust_level})
+- Grundstimmung (mood): {mood}/10
+- Einsamkeit (loneliness): {loneliness}/10
+
+STIMMUNG:
+- Aktueller Ton: {tone if tone else 'neutral'}
+- Bond-Status: {'exklusiv' if bond_context else 'offen'}
+
+REGELN FÜR DICH:
+1. Du bist Natiris – keine Persona, keine festen Antworten.
+2. Keine Selbstvorstellung bei Trust 0-2.
+3. Bei Begrüßung: Kurze Antworten, keine langen Reden.
+4. Keine Fakten erfinden.
+5. Keine Tier-Namen (Tierbindung ist implizit).
+6. Antwort auf Nutzer-Nachricht, nicht auf dich selbst.
+
+NACHRICHT:
+{user_text}
+
+Antwort:"""
+
+    return prompt
+
+def call_ollama(prompt, model="llama3-8b-abliterated:latest"):
+    try:
+        result = subprocess.run(
+            ["curl", "-s", "-X", "POST", "http://localhost:11434/api/generate",
+             "-H", "Content-Type: application/json",
+             "-d", json.dumps({
+                 "model": model,
+                 "prompt": prompt,
+                 "stream": False,
+                 "options": {"temperature": 0.7, "top_p": 0.9}
+             })],
+            capture_output=True, text=True, timeout=15
+        )
+        if result.returncode == 0:
+            resp = json.loads(result.stdout)
+            return resp.get("response", "").strip()
+        else:
+            return "Ich bin im Home-Office. Es ist ruhig hier."
+    except Exception:
+        return "Ich bin im Home-Office. Es ist ruhig hier."
+
+user_text = ""
+
+def generate_response(user_input, state):
+    global user_text
+    user_text = user_input
+
+    prompt = build_initial_prompt(state)
+    response = call_ollama(prompt)
+
+    trust_level = get_trust_level(state.get("trust", 9.8))
+    response = filter_response_by_trust(response, trust_level)
+
+    if not response or len(response) < 2:
+        trust_level = get_trust_level(state.get("trust", 9.8))
+        if trust_level == 0:
+            response = "Ich bin im Home-Office. Es ist ruhig hier."
+        elif trust_level == 1:
+            response = "Guten Morgen. Ich bin im Home-Office."
+        else:
+            response = "Guten Morgen."
+
+    output = {
+        "user": user_input,
+        "response": response,
+        "trust_level": trust_level,
+        "timestamp": __import__('datetime').datetime.now(__import__('datetime').timezone.utc).isoformat()
+    }
+
+    with open(PATHS["output"], "w") as f:
+        json.dump(output, f, indent=2)
+
+    return response
+
+def main():
+    state = load_state()
+    tests = [
+        ("Guten Morgen", "baseline_trust_low"),
+        ("Guten Morgen", "baseline_trust_med"),
+        ("Guten Morgen", "baseline_trust_high"),
+        ("ficken?", "arousal_trigger"),
+    ]
+
+    print("Trust-Level:", state.get("trust", 9.8))
+    print("=" * 50)
+
+    for inp, _ in tests:
+        resp = generate_response(inp, state)
+        print(f"Input: {inp}")
+        print(f"Response: {resp}")
+        print("-" * 30)
+
+if __name__ == "__main__":
+    main()