- 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
2.1 KiB
2.1 KiB
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_promptSHALL 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_promptSHALL 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:
- 人物特写:以人物面部/半身为主体
- 场景展示:以环境/产品为主体,人物为辅
- 对比图:适合前后对比、测评类内容
- 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