✨ feat(content): 新增智能选题引擎、批量创作和图文协同优化

- 新增智能选题引擎 `TopicEngine`，整合热点数据与历史权重，提供多维度评分和创作角度建议 - 新增内容模板系统 `ContentTemplate`，支持从 JSON 文件加载模板并应用于文案生成 - 新增批量创作功能 `batch_generate_copy`，支持串行生成多篇文案并自动入草稿队列 - 升级文案质量流水线：实现 Prompt 分层架构（基础层 + 风格层 + 人设层）、LLM 自检与改写机制、深度去 AI 化后处理 - 优化图文协同：新增封面图策略选择、SD prompt 与文案语义联动、图文匹配度评估 - 集成数据闭环：在文案生成中自动注入 `AnalyticsService` 权重数据，实现发布 → 数据回收 → 优化创作的完整循环 - 更新 UI 组件：新增选题推荐展示区、批量创作折叠面板、封面图策略选择器和图文匹配度评分展示 ♻️ refactor(llm): 重构 Prompt 架构并增强去 AI 化处理 - 将 `PROMPT_COPYWRITING` 拆分为分层架构（基础层 + 风格层 + 人设层），提高维护性和灵活性 - 增强 `_humanize_content` 方法：新增语气词注入、标点不规范化、段落节奏打散和 emoji 密度控制 - 新增 `_self_check` 和 `_self_check_rewrite` 方法，实现文案 AI 痕迹自检与自动改写 - 新增 `evaluate_image_text_match` 方法，支持文案与 SD prompt 的语义匹配度评估（可选，失败不阻塞） - 新增封面图策略配置 `COVER_STRATEGIES` 和情感基调映射 `EMOTION_SD_MAP` 📝 docs(openspec): 归档内容创作优化提案和详细规格 - 新增 `openspec/changes/archive/2026-02-28-optimize-content-creation/` 目录，包含设计文档、提案、规格说明和任务清单 - 新增 `openspec/specs/` 下的批量创作、文案质量流水线、图文协同、服务内容和智能选题引擎规格文档 - 更新 `openspec/specs/services-content/spec.md`，反映新增的批量创作和智能选题入口函数 🔧 chore(config): 更新服务配置和 UI 集成 - 在 `services/content.py` 中集成权重数据自动注入逻辑，实现数据驱动创作 - 在 `ui/app.py` 中新增选题推荐、批量生成和图文匹配度评估的回调函数 - 在 `ui/tab_create.py` 中新增智能选题推荐区、批量创作面板和图文匹配度评估组件 - 修复 `services/sd_service.py` 中的头像文件路径问题，确保目录存在
2026-02-28 21:04:09 +08:00
parent 2ba87c8f6e
commit 1ec520b47e
22 changed files with 1992 additions and 90 deletions
@@ -0,0 +1,2 @@
+schema: spec-driven
+created: 2026-02-28
@@ -0,0 +1,87 @@
+## Context
+
+当前 autobot 的内容创作流程是单篇串行模式：用户手动输入主题 → LLM 生成文案 → SD 生成图片 → 手动发布/导出。系统已有 `analytics_service.py` 的权重学习和 `hotspot.py` 的热点探测，但两者与创作环节是割裂的——权重数据仅在自动发布时被动使用，热点分析需要用户手动操作后再回到创作 Tab。
+
+核心代码分布：
+- `services/llm_service.py`（964 行）：所有 Prompt 模板和 LLM 调用逻辑
+- `services/content.py`（210 行）：创作入口函数（generate_copy、generate_images、export、publish）
+- `services/analytics_service.py`（666 行）：数据采集 + 权重计算
+- `services/hotspot.py`（191 行）：热点搜索 + 分析
+- `services/publish_queue.py`（630 行）：SQLite 发布队列，已支持草稿/排期/重试
+- `ui/tab_create.py`（183 行）：创作 Tab UI
+
+## Goals / Non-Goals
+
+**Goals:**
+- 让选题从"人工拍脑袋"变成"数据推荐 + 人工确认"
+- 降低文案 AI 痕迹，提高过检率
+- 支持批量创作，一次操作产出多篇内容直接进入草稿队列
+- 打通数据闭环：历史表现 → 权重 → 创作 Prompt → 新内容
+- SD prompt 与文案内容语义对齐，提升图文一致性
+
+**Non-Goals:**
+- 不涉及视频内容生成（仅图文笔记）
+- 不改变 MCP 发布协议和 SD 生成核心逻辑
+- 不引入新的外部依赖（仅内部模块重组）
+- 不改变现有单篇创作的 UI 交互模式（新增批量面板，不替换现有面板）
+
+## Decisions
+
+### Decision 1: 智能选题引擎作为独立模块
+
+**选择**: 新建 `services/topic_engine.py`，不在 `hotspot.py` 或 `analytics_service.py` 中扩展。
+
+**理由**: 选题引擎需要同时聚合热点数据和权重数据，放在任何一方都会造成单向依赖和职责膨胀。独立模块清晰地表达了"整合者"角色。
+
+**替代方案**: 在 `analytics_service.py` 中添加 `recommend_topics()` 方法。弃选原因——`AnalyticsService` 职责已重（采集 + 权重 + 报告），再加选题推荐会让该类过于庞大。
+
+### Decision 2: Prompt 分层而非模板替换
+
+**选择**: 将 `PROMPT_COPYWRITING` 拆为 base + style + persona 三层拼接，而非为每种风格维护完整 Prompt 模板。
+
+**理由**: 当前的完整 Prompt 已有 60+ 行，如果每种风格复制一份，维护成本极高且容易不一致。分层后，基础规则只维护一处，风格层仅包含差异化指导。
+
+**替代方案**: 使用 Jinja2 模板引擎渲染。弃选原因——引入新依赖、过度工程化，字符串拼接足够简单可控。
+
+### Decision 3: 自检用同一 LLM 实例，共享 fallback 机制
+
+**选择**: 文案自检和改写复用 `LLMService._chat()`，共享模型降级和 JSON 回退逻辑。
+
+**理由**: 复用现有的健壮性机制（fallback models、json_mode 回退、超时处理），无需重复实现。自检 Prompt 作为独立方法 `_self_check(content)` 封装即可。
+
+**替代方案**: 使用独立的轻量模型做自检。弃选原因——增加配置复杂度，且当前 fallback 机制已可自动降级。
+
+### Decision 4: 批量创作串行执行 + 队列入草稿
+
+**选择**: `batch_generate()` 串行调用 `generate_copy()`（非并行），结果自动入 `PublishQueue` 的 `draft` 状态。
+
+**理由**: 
+1. LLM API 通常有 rate limit，串行更稳定
+2. 复用现有 `PublishQueue` 的完整草稿管理能力（审核、编辑、排期、重试）
+3. 用户可在批量生成后逐篇审核调整
+
+**替代方案**: 并行调用 + 独立草稿存储。弃选原因——rate limit 风险大，维护两套草稿系统增加复杂度。
+
+### Decision 5: 图文语义联动通过 Prompt 工程实现
+
+**选择**: 在生成文案时把 SD prompt 生成的上下文增强——将文案正文的关键场景词注入 SD prompt 生成指令中，不使用独立的语义匹配模型。
+
+**理由**: 当前 LLM 已具备理解文案并生成对应 SD prompt 的能力，只需优化 Prompt 指令使其更关注文案中的具体场景描述。额外的语义匹配评估作为可选功能，通过 LLM 二次调用实现。
+
+### Decision 6: 封面图策略通过 SD 参数预设实现
+
+**选择**: 在现有 `quality_mode` 机制旁新增 `cover_strategy` 参数，映射为不同的 SD prompt 后缀和尺寸参数，复用 `sd_service.py` 的预设体系。
+
+**理由**: 与现有的"快速/标准/精细"模式选择机制一致，用户理解成本低。
+
+## Risks / Trade-offs
+
+- **[LLM 调用量增加]** → 自检机制每篇多 1 次 LLM 调用，批量创作 N 篇则为 2N 次。缓解：自检设超时上限（10s），失败不阻塞；批量限制 ≤ 10 篇。
+- **[Prompt 分层维护成本]** → 风格层 Prompt 需要针对每种风格单独调优。缓解：初期只提供 3 种核心风格层，其余退回基础层。
+- **[选题推荐质量依赖数据量]** → 新账号/新赛道初期权重数据不足，推荐质量有限。缓解：无权重时退回纯热点推荐，给出"数据不足"提示。
+- **[图文匹配度评估增加延迟]** → 额外 LLM 调用。缓解：评估完全可选，默认关闭，不阻塞创作流程。
+
+## Open Questions
+
+- 风格层 Prompt 的具体数量和优先级——初期先做哪几种风格？（建议："好物种草""日常分享""攻略教程"三种最高频风格）
+- 批量创作的 UI 交互方式——独立 Tab 还是在现有创作 Tab 内新增折叠面板？（建议：同 Tab 内新增折叠面板，降低导航复杂度）
@@ -0,0 +1,32 @@
+## Why
+
+当前内容创作流程存在几个核心瓶颈：选题依赖人工直觉、文案 AI 痕迹仍有残留、创作只能逐篇操作效率低、数据分析与创作环节割裂、以及 SD 图片 prompt 与文案内容缺乏联动。这些问题导致创作效率低、内容互动率不稳定、人工干预成本高。通过系统性优化，可以让整个创作链路变得更智能、更高效、更数据驱动。
+
+## What Changes
+
+- 新增智能选题引擎：整合热点探测 + 历史表现权重 + 趋势预测，自动推荐高潜力选题并附带推荐理由
+- 升级文案质量流水线：引入 Prompt 分层策略（基础层 + 风格层 + 人设层）、多轮自检机制、更深度的去 AI 化后处理
+- 新增批量创作工作流：支持模板系统、批量主题生成、草稿队列管理，一次操作产出多篇内容
+- 增强数据驱动闭环：将 analytics 权重学习结果自动注入创作 Prompt，实现"发布 → 数据回收 → 优化创作"的完整闭环
+- 优化图文协同：让 SD prompt 与文案内容语义联动、增加封面图策略选择、引入图文匹配度评估
+
+## Capabilities
+
+### New Capabilities
+
+- `smart-topic-engine`: 智能选题引擎——整合热点数据、历史笔记表现权重、内容趋势，自动推荐高潜力选题及创作角度
+- `copy-quality-pipeline`: 文案质量流水线——Prompt 分层架构、LLM 多轮自检/改写、深度去 AI 化后处理管线
+- `batch-creation`: 批量创作工作流——内容模板系统、批量主题生成、草稿队列管理、一键批量导出
+- `image-text-synergy`: 图文协同优化——SD prompt 与文案语义联动生成、封面图策略选择、图文匹配度评估
+
+### Modified Capabilities
+
+- `services-content`: 创作入口函数需适配批量模式、模板注入、智能选题结果传递等新流程
+
+## Impact
+
+- **代码变动**: `services/llm_service.py`（Prompt 重构、新增自检方法）、`services/content.py`（批量创作入口、模板系统）、`services/analytics_service.py`（权重闭环输出接口）、`services/hotspot.py`（选题引擎集成）
+- **UI 变动**: `ui/tab_create.py` 需新增批量创作面板、选题推荐展示区、图文策略选项
+- **新增模块**: 可能需要 `services/topic_engine.py`（选题引擎）、`services/content_template.py`（模板管理）
+- **数据文件**: `xhs_workspace/content_weights.json` 数据结构可能需扩展以支持更细粒度的权重维度
+- **依赖**: 无新增外部依赖，主要是内部模块重组和 Prompt 工程优化
@@ -0,0 +1,45 @@
+## ADDED Requirements
+
+### Requirement: 内容模板系统
+系统 SHALL 提供 `ContentTemplate` 类（`services/content_template.py`），支持从 JSON 文件加载和管理内容模板。每个模板包含 `name`、`description`、`topic_pattern`、`style`、`prompt_override`（可选）、`tags_preset`（可选）字段。
+
+#### Scenario: 模板文件加载
+- **WHEN** `ContentTemplate` 初始化时
+- **THEN** SHALL 从 `xhs_workspace/templates.json` 加载模板列表；文件不存在时 SHALL 使用内置默认模板（至少包含"好物种草""日常分享""攻略教程"三个模板）
+
+#### Scenario: 模板应用于文案生成
+- **WHEN** 用户选择模板后点击生成
+- **THEN** 系统 SHALL 将模板的 `prompt_override` 附加到 LLM 系统 prompt 中，`tags_preset` 作为标签默认值
+
+### Requirement: 批量主题生成
+系统 SHALL 支持一次生成多个主题的文案内容，通过 `batch_generate(topics: list, style, template=None)` 方法实现。
+
+#### Scenario: 批量生成返回结果
+- **WHEN** 调用 `batch_generate(["主题A", "主题B", "主题C"], "好物种草")`
+- **THEN** SHALL 返回包含 3 个文案结果的列表，每个结果与 `generate_copy()` 返回结构一致，新增 `batch_index` 字段标识序号
+
+#### Scenario: 批量生成部分失败
+- **WHEN** 批量生成中某篇文案生成失败
+- **THEN** 系统 SHALL 记录该篇的错误信息（`error` 字段），继续生成剩余主题，不中断整个批次
+
+#### Scenario: 批量生成数量限制
+- **WHEN** `topics` 列表长度超过 10
+- **THEN** 系统 SHALL 返回错误提示，拒绝执行（防止 LLM 配额消耗过大）
+
+### Requirement: 草稿队列管理
+批量生成的结果 SHALL 自动存入 `PublishQueue`，状态为 `draft`，用户可在发布队列 UI 中逐篇审核、编辑、排期。
+
+#### Scenario: 批量结果入队
+- **WHEN** `batch_generate()` 成功返回 N 篇文案
+- **THEN** 系统 SHALL 将每篇文案以 `draft` 状态插入 `PublishQueue`，包含 title、content、tags、sd_prompt 字段
+
+#### Scenario: 草稿可独立操作
+- **WHEN** 用户在 UI 中选中某篇草稿
+- **THEN** SHALL 支持编辑标题/正文/标签、单独发布、丢弃等操作，不影响同批次其他草稿
+
+### Requirement: 一键批量导出
+系统 SHALL 支持将多篇文案一次性导出到本地，每篇创建独立文件夹（复用 `one_click_export` 逻辑）。
+
+#### Scenario: 批量导出目录结构
+- **WHEN** 用户点击批量导出并选中 3 篇文案
+- **THEN** 系统 SHALL 在 `xhs_workspace/` 下为每篇创建独立的 `{timestamp}_{title}/` 文件夹，各含 `文案.txt`
@@ -0,0 +1,52 @@
+## ADDED Requirements
+
+### Requirement: Prompt 分层架构
+系统 SHALL 将文案生成 Prompt 拆分为三个独立层，按顺序拼接后发送给 LLM：
+1. **基础层**（`PROMPT_BASE`）：通用的小红书写作规则和反 AI 检测规则
+2. **风格层**（`PROMPT_STYLE_{name}`）：按风格类型（好物种草、日常分享、攻略教程等）定制的写作指导
+3. **人设层**：基于用户选择的人设动态注入视角和语气约束
+
+#### Scenario: 分层 Prompt 拼接
+- **WHEN** 调用 `generate_copy(topic, style, persona=...)` 时
+- **THEN** 系统 SHALL 按 基础层 → 风格层 → 人设层 的顺序拼接 system prompt，各层之间用分隔标记区分
+
+#### Scenario: 风格层缺失时退回基础层
+- **WHEN** 指定的 `style` 没有对应的风格层 Prompt 模板
+- **THEN** 系统 SHALL 仅使用基础层 + 人设层，不报错
+
+### Requirement: LLM 多轮自检机制
+系统 SHALL 在文案生成后调用一次自检 LLM 请求，检查文案的 AI 痕迹程度和质量评分，根据评分决定是否触发改写。
+
+#### Scenario: 自检触发改写
+- **WHEN** 自检返回的 `ai_score`（AI 痕迹评分，0-100）≥ 60
+- **THEN** 系统 SHALL 将原始文案连同自检反馈一起发送给 LLM 进行改写，最多改写 1 次
+
+#### Scenario: 自检通过直接返回
+- **WHEN** 自检返回的 `ai_score` < 60
+- **THEN** 系统 SHALL 直接返回原始文案，不触发改写
+
+#### Scenario: 自检超时不阻塞
+- **WHEN** 自检 LLM 请求超时或失败
+- **THEN** 系统 SHALL 跳过自检，直接返回原始文案并记录警告日志
+
+### Requirement: 深度去 AI 化后处理管线
+系统 SHALL 在 `_humanize_content()` 方法中新增以下后处理步骤：
+1. **语气词注入**：在合适位置随机添加"嘿""诶""啊"等真人语气词
+2. **标点不规范化**：随机删除部分逗号/句号，模拟手机打字习惯
+3. **段落节奏打散**：确保连续段落字数差异 ≥ 30%
+4. **emoji 密度控制**：全文 emoji 数量控制在 6-12 个，分布不均匀
+
+#### Scenario: 后处理不改变语义
+- **WHEN** 对文案进行后处理
+- **THEN** 处理后的文案 SHALL 保留原始语义和关键信息（标签、核心观点），仅改变表达风格
+
+#### Scenario: 段落节奏检测
+- **WHEN** 后处理完成后
+- **THEN** 相邻段落的字数差异 SHALL 至少有 30% 的概率满足 ≥ 30% 的差异要求（基于随机化）
+
+### Requirement: 文案质量评分输出
+`generate_copy()` 方法 SHALL 在返回的 JSON 中新增 `quality_meta` 字段，包含 `ai_score`（AI 痕迹评分）、`self_check_passed`（是否通过自检）、`rewritten`（是否经过改写）。
+
+#### Scenario: 质量元数据完整
+- **WHEN** 文案生成成功返回
+- **THEN** 返回的字典 SHALL 包含 `quality_meta` 字段，其中 `ai_score` 为 0-100 整数，`self_check_passed` 和 `rewritten` 为布尔值
@@ -0,0 +1,42 @@
+## ADDED Requirements
+
+### Requirement: SD Prompt 与文案语义联动
+系统 SHALL 在生成 SD 绘图提示词时，基于文案正文的核心关键词和情感基调生成更匹配的 prompt，而非仅依赖主题词。
+
+#### Scenario: 语义提取驱动 SD prompt
+- **WHEN** 文案正文包含特定场景描述（如"在咖啡馆里翻书""海边散步"）
+- **THEN** 生成的 `sd_prompt` SHALL 包含对应的场景元素（如 "cozy cafe, reading book" / "beach walking, seaside"），与文案描述保持一致
+
+#### Scenario: 情感基调映射
+- **WHEN** 文案整体基调为温柔/治愈
+- **THEN** `sd_prompt` SHALL 倾向使用 soft lighting、warm tone、gentle atmosphere 等对应氛围词
+
+### Requirement: 封面图策略选择
+系统 SHALL 支持用户选择封面图策略，影响 SD prompt 的构图和风格指导。策略包括：
+1. **人物特写**：以人物面部/半身为主体
+2. **场景展示**：以环境/产品为主体，人物为辅
+3. **对比图**：适合前后对比、测评类内容
+4. **文字卡片**：纯文字/简约背景，适合干货类笔记
+
+#### Scenario: 策略影响 SD prompt
+- **WHEN** 用户选择"人物特写"策略
+- **THEN** SD prompt SHALL 自动追加 portrait、face close-up、shallow depth of field 等构图关键词
+
+#### Scenario: 策略影响图片尺寸
+- **WHEN** 用户选择"文字卡片"策略
+- **THEN** SD 生成参数 SHALL 使用 3:4 竖版比例（小红书推荐封面比例）
+
+### Requirement: 图文匹配度评估
+系统 SHALL 提供 `evaluate_image_text_match(content, sd_prompt)` 方法，通过 LLM 评估文案与 SD prompt 的语义匹配度。
+
+#### Scenario: 匹配度评分返回
+- **WHEN** 调用 `evaluate_image_text_match()` 时
+- **THEN** SHALL 返回 `match_score`（0-100 整数）和 `suggestions`（改进建议字符串列表）
+
+#### Scenario: 低匹配度提示
+- **WHEN** `match_score` < 50
+- **THEN** 系统 SHALL 在 UI 中显示警告提示和改进建议，建议用户重新生成图片 prompt
+
+#### Scenario: 评估可选不阻塞
+- **WHEN** 图文匹配度评估失败或超时
+- **THEN** 系统 SHALL 跳过评估，不影响正常创作流程，记录警告日志
@@ -0,0 +1,24 @@
+## MODIFIED Requirements
+
+### Requirement: 内容生成函数迁移至独立模块
+系统 SHALL 将内容生成、图片生成、发布及导出相关函数从 `main.py` 提取至 `services/content.py`，包括：`generate_copy`、`generate_images`、`one_click_export`、`publish_to_xhs`。新增 `batch_generate_copy` 和 `generate_copy_with_topic_engine` 入口函数。
+
+#### Scenario: 模块导入成功
+- **WHEN** `main.py` 执行 `from services.content import generate_copy, generate_images, publish_to_xhs, one_click_export, batch_generate_copy, generate_copy_with_topic_engine`
+- **THEN** 所有函数可正常调用，原有函数行为不变
+
+#### Scenario: 智能选题创作入口
+- **WHEN** 调用 `generate_copy_with_topic_engine(model, style, sd_model_name, persona_text)` 时（不传 topic）
+- **THEN** 函数 SHALL 自动调用 `TopicEngine.recommend_topics(count=1)` 获取最佳选题，再调用 `generate_copy()` 生成文案，返回结果中新增 `recommended_topic` 字段
+
+#### Scenario: 批量创作入口
+- **WHEN** 调用 `batch_generate_copy(model, topics, style, sd_model_name, persona_text, template=None)` 时
+- **THEN** 函数 SHALL 按 `batch-creation` spec 的要求逐个生成文案，并将结果存入 `PublishQueue` 的 `draft` 状态
+
+#### Scenario: 内容生成保留现有验证逻辑
+- **WHEN** 调用 `publish_to_xhs` 时标题超过 20 字或图片数量不合法
+- **THEN** 函数 SHALL 返回与迁移前相同的错误提示，不改变验证行为
+
+#### Scenario: 临时文件清理逻辑保留
+- **WHEN** `publish_to_xhs` 执行完毕（成功或失败）
+- **THEN** `finally` 块中的 AI 临时文件清理逻辑 SHALL 正常执行
@@ -0,0 +1,41 @@
+## ADDED Requirements
+
+### Requirement: 智能选题推荐入口
+系统 SHALL 提供 `TopicEngine` 类（`services/topic_engine.py`），暴露 `recommend_topics(count=5)` 方法，整合热点数据、历史权重、内容趋势，返回排序后的推荐选题列表。
+
+#### Scenario: 有历史权重数据时推荐
+- **WHEN** `content_weights.json` 中存在至少 5 篇笔记的权重数据
+- **THEN** `recommend_topics()` SHALL 返回融合了热点分析和历史表现权重的推荐列表，每项包含 `topic`、`score`、`reason`、`source`（"hotspot" / "weight" / "trend"）字段
+
+#### Scenario: 无历史数据时退回热点推荐
+- **WHEN** `content_weights.json` 为空或不存在
+- **THEN** `recommend_topics()` SHALL 仅基于热点探测结果返回推荐，`source` 全部为 "hotspot"
+
+#### Scenario: 推荐结果去重
+- **WHEN** 热点数据和权重数据中存在语义相近的主题（如"春季穿搭"和"早春穿搭"）
+- **THEN** 系统 SHALL 合并为一个推荐项，取较高分数，避免重复推荐
+
+### Requirement: 多维度选题评分
+系统 SHALL 为每个候选主题计算综合评分，评分维度包括：热点热度（0-40 分）、历史互动权重（0-30 分）、内容稀缺度（0-20 分）、时效性（0-10 分）。
+
+#### Scenario: 评分维度完整
+- **WHEN** 调用 `score_topic(topic)` 方法
+- **THEN** 返回的字典 SHALL 包含 `total_score`、`hotspot_score`、`weight_score`、`scarcity_score`、`timeliness_score` 五个字段，各分项之和等于 `total_score`
+
+#### Scenario: 已有高赞笔记的主题稀缺度降低
+- **WHEN** 某主题在最近 7 天内已发布过 2 篇以上笔记
+- **THEN** 该主题的 `scarcity_score` SHALL 不超过 5 分
+
+### Requirement: 选题附带创作角度
+系统 SHALL 为每个推荐选题生成 1-3 个具体的创作角度建议（`angles` 字段），帮助用户快速进入创作状态。
+
+#### Scenario: 角度建议格式
+- **WHEN** `recommend_topics()` 返回推荐列表
+- **THEN** 每项的 `angles` 字段 SHALL 为字符串列表，每个角度不超过 30 字，描述具体的切入点（如"从预算角度对比三款产品"）
+
+### Requirement: 热点数据整合
+`TopicEngine` SHALL 通过调用 `hotspot.py` 的搜索功能获取实时热点数据，并通过 `analytics_service.py` 获取历史权重数据，不直接访问 MCP 或 LLM。
+
+#### Scenario: 依赖注入
+- **WHEN** 初始化 `TopicEngine` 时
+- **THEN** 构造函数 SHALL 接受 `analytics_service: AnalyticsService` 参数，不在内部直接实例化依赖
@@ -0,0 +1,64 @@
+## 1. Prompt 分层架构重构
+
+- [x] 1.1 从 `PROMPT_COPYWRITING` 中提取通用写作规则和反 AI 检测规则为 `PROMPT_BASE`
+- [x] 1.2 创建风格层 Prompt 模板：`PROMPT_STYLE_GOODS`（好物种草）、`PROMPT_STYLE_DAILY`（日常分享）、`PROMPT_STYLE_GUIDE`（攻略教程）
+- [x] 1.3 在 `LLMService.generate_copy()` 中实现三层 Prompt 拼接逻辑（base → style → persona），风格层缺失时退回基础层
+- [x] 1.4 确保 `PROMPT_WEIGHTED_COPYWRITING` 和 `PROMPT_COPY_WITH_REFERENCE` 也使用分层架构
+
+## 2. LLM 自检与改写机制
+
+- [x] 2.1 在 `LLMService` 中新增 `_self_check(content: str) -> dict` 方法，返回 `ai_score`（0-100）和 `feedback` 字段
+- [x] 2.2 新增自检 Prompt 模板 `PROMPT_SELF_CHECK`，指导 LLM 评估文案的 AI 痕迹程度
+- [x] 2.3 在 `generate_copy()` 流程中集成自检：ai_score ≥ 60 时触发改写（最多 1 次），超时/失败时跳过
+- [x] 2.4 `generate_copy()` 返回的 JSON 中新增 `quality_meta` 字段（ai_score、self_check_passed、rewritten）
+
+## 3. 深度去 AI 化后处理增强
+
+- [x] 3.1 在 `_humanize_content()` 中新增语气词注入步骤（随机在合适位置添加“嘿”“诶”“啊”等）
+- [x] 3.2 增强标点不规范化处理（提高随机删除逗号/句号的概率，模拟手机打字）
+- [x] 3.3 新增段落节奏打散逻辑（检测并调整连续段落的字数差异）
+- [x] 3.4 新增 emoji 密度控制（全文 6-12 个，分布不均匀，避免堆叠）
+
+## 4. 智能选题引擎
+
+- [x] 4.1 创建 `services/topic_engine.py`，定义 `TopicEngine` 类，构造函数接受 `AnalyticsService` 实例
+- [x] 4.2 实现 `score_topic(topic)` 方法：计算热点热度（0-40）、历史权重（0-30）、稀缺度（0-20）、时效性（0-10）四维评分
+- [x] 4.3 实现 `recommend_topics(count=5)` 方法：聚合热点 + 权重数据，返回排序后的推荐列表（含 topic、score、reason、source、angles）
+- [x] 4.4 实现推荐结果去重逻辑（语义相近主题合并）
+- [x] 4.5 实现稀缺度计算：近 7 天已发布 ≥2 篇的主题 scarcity_score ≤5
+
+## 5. 内容模板系统
+
+- [x] 5.1 创建 `services/content_template.py`，定义 `ContentTemplate` 类
+- [x] 5.2 实现模板加载逻辑：从 `xhs_workspace/templates.json` 加载，文件不存在时使用内置默认模板
+- [x] 5.3 实现模板应用逻辑：将 `prompt_override` 附加到 LLM prompt，`tags_preset` 作为标签默认值
+
+## 6. 批量创作工作流
+
+- [x] 6.1 在 `services/content.py` 中新增 `batch_generate_copy()` 函数，支持串行生成多篇文案
+- [x] 6.2 实现部分失败容错：单篇失败记录 error 字段，继续生成剩余主题
+- [x] 6.3 实现数量限制：topics 列表 > 10 时拒绝执行
+- [x] 6.4 批量结果自动以 `draft` 状态插入 `PublishQueue`
+- [x] 6.5 在 `services/content.py` 中新增 `generate_copy_with_topic_engine()` 函数，自动选题后生成文案
+
+## 7. 图文协同优化
+
+- [x] 7.1 优化 SD prompt 生成 Prompt 指令，增加“从文案正文提取场景关键词”的指导
+- [x] 7.2 增加情感基调 → SD 氛围词映射逻辑
+- [x] 7.3 新增封面图策略参数 `cover_strategy`，实现 4 种策略的 SD prompt 后缀和尺寸映射
+- [x] 7.4 在 `LLMService` 中新增 `evaluate_image_text_match(content, sd_prompt)` 方法
+- [x] 7.5 图文匹配度评估设为可选，超时/失败时跳过并记录警告
+
+## 8. UI 集成
+
+- [x] 8.1 在 `ui/tab_create.py` 中新增选题推荐展示区（显示推荐主题列表，点击可填充到主题输入框）
+- [x] 8.2 新增封面图策略选择 Radio 组件（人物特写 / 场景展示 / 对比图 / 文字卡片）
+- [x] 8.3 新增批量创作折叠面板：多主题输入框 + 模板选择 + 批量生成按钮
+- [x] 8.4 新增图文匹配度评分展示（可选，在图片生成后显示）
+- [x] 8.5 连接 `generate_copy_with_topic_engine` 到“智能选题”按钮事件
+
+## 9. 数据闭环与集成测试
+
+- [x] 9.1 在 `content.py` 的创作入口中集成 `AnalyticsService` 权重数据自动注入（加权文案生成路径）
+- [x] 9.2 验证完整闭环：选题推荐 → 文案生成 → 自检 → 图片生成 → 草稿入队 → 发布
+- [x] 9.3 验证批量创作端到端流程：多主题输入 → 批量生成 → 草稿队列 → 逐篇审核发布