xhs_factory/spec.md at main

zhoujie 1ec520b47e ✨ 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

2.3 KiB

Raw Permalink Blame History

Requirements

Requirement: SD Prompt 与文案语义联动

系统 SHALL 在生成 SD Image Prompt 时，解析文案中的核心视觉元素（场景词、物品词、情绪词），并将其映射为 SD Prompt 的画面描述词，确保图片内容与文案主题语义一致。

Scenario: 文案关键词提取

WHEN 传入文案文本至图片生成流程
THEN 系统 SHALL 使用 LLM 提取文案中的视觉关键词（不超过 5 个），并将其注入 SD Prompt 的主体描述段

Scenario: 视觉关键词映射失败

WHEN LLM 提取视觉关键词失败或超时
THEN 系统 SHALL 退回使用 style_tag + topic 拼接的默认 Prompt，不中断图片生成流程

Requirement: 封面图策略选择

系统 SHALL 支持 4 种封面图策略，用户可在创作时选择：

AI 写真（ai_portrait）：生成人物写真封面
产品特写（product_close）：生成产品/物品近景
场景氛围（scene_mood）：生成场景氛围图
文字海报（text_poster）：生成带有文字排版的海报图

Scenario: 策略路由

WHEN 用户选择封面策略 strategy 并调用图片生成
THEN 系统 SHALL 根据 strategy 值路由至对应的 Prompt 模板和 SD 参数配置，不使用其他策略的模板

Scenario: 策略参数默认值

WHEN 用户未指定封面策略时
THEN 系统 SHALL 默认使用 ai_portrait 策略

Requirement: 图文匹配度评估

系统 SHALL 提供 evaluate_image_text_match(copy_text, image_path) 方法，使用 VL 模型（vision-language）分析图片内容与文案之间的语义匹配程度，返回 0-100 的匹配度评分和改进建议。

Scenario: 匹配度评估成功

WHEN 传入有效的文案文本和图片路径
THEN 系统 SHALL 返回包含 match_score（0-100 整数）和 suggestions（字符串列表，可为空）的字典

Scenario: VL 模型不可用

WHEN VL 模型调用失败或未配置
THEN 系统 SHALL 返回 {"match_score": -1, "suggestions": [], "error": "VL model unavailable"}，不抛出异常

Scenario: 低匹配度触发建议

WHEN match_score < 60
THEN suggestions 字段 SHALL 包含至少 1 条具体的图片改进建议文本

2.3 KiB Raw Permalink Blame History Unescape Escape