zhoujie
1ec520b47e
- 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
2.8 KiB
2.8 KiB
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：
- 基础层（
PROMPT_BASE）：通用的小红书写作规则和反 AI 检测规则 - 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 - 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：
- 语气词注入：在合适位置随机添加"嘿""诶""啊"等真人语气词
- 标点不规范化：随机删除部分逗号/句号，模拟手机打字习惯
- 段落节奏打散：确保连续段落字数差异 ≥ 30%
- 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