✨ 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
This commit is contained in:
+45
@@ -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`
|
||||
+52
@@ -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
|
||||
+42
@@ -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
|
||||
+24
@@ -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
|
||||
+41
@@ -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
|
||||
Reference in New Issue
Block a user