第11环裂变重写：对齐上线版 split.js 一次LLM出N套完整笔记包

架构从"扇出N个GenerationTask各跑完整管道"改为"一次LLM调用直接出N套完整笔记包(N=1~5)"，落 FissionNote 表 + 独立展示页。后端： - 018迁移：fission_notes 表(文案JSON+score+passed+imagePlan+images+status) - fission_prompt：FISSION_SYSTEM+三档参考度(low/mid/high)+normalize_tags+品类兜底 - fission_pipeline：一次LLM出N套→各评分(@80合格线)→排序→落库,不达标标 needs_optimization 非丢弃；apiports 503 回落 codeproxy gpt-5.5 强档兜底 - fission_images：每套串行调现有生图接口(零改动image_gen/storyboard) - tasks.py：run_fission_pipeline Celery task，删旧扇出注入 - api/v1/fission：进度聚合FissionNote + GET /fission/{id}/notes(剥内部字段) 前端：FissionProgress对齐状态机 + N套独立展示页 + FissionNoteCard 测试：test_fission_engine(19)+test_fission_pipeline(5) 全过；104 全量回归绿实测task5(fanout=2,mid)端到端跑通：一次出2套→seq0=85过/seq1=79标优化→ 生图codeproxy/edits→1024×1536去AI化→task completed→notes端点返完整数据 Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
2026-06-18 11:17:37 +08:00
parent 7f419f4c8b
commit d85dcd401b
18 changed files with 1772 additions and 106 deletions
--- a/backend/app/services/ai_engine/fission_prompt.py
+++ b/backend/app/services/ai_engine/fission_prompt.py
@@ -1,43 +1,183 @@
 """
-app/services/ai_engine/fission_prompt.py — 第11环裂变 三档参考度 prompt
+app/services/ai_engine/fission_prompt.py — 第11环裂变 prompt（对齐上线版 split.js）

-裂变=1爆款→N套完整笔记包。参考度档位控制"新套子贴原爆款多紧"：
-  high=贴原爆款结构+卖点(最像) / mid=保卖点换叙事角度 / low=只借选题方向(最自由)
+裂变=1爆款→一次LLM出N套完整笔记包。重写对齐产品包上线版 split.js：
+  - FISSION_SYSTEM 完整笔记包字段（含 dimension/audience/scene/painPoint/keywords/imagePlan）
+  - 参考度连续 30-85（reference_strategy_from_level），低≤40/高≥80/中
+  - 违禁词清洗 sanitize_image_plan_text
+  - 品类兜底 build_fallback_notes / infer_category（LLM挂时不卡用户）

-🔴 占位规则(倩倩姐2026-06-16:先移植打通再请北哥定档位)。
-   档位真实措辞待北哥定义后替换 _LEVEL_RULES,引擎链路不动。
+🔴 参考度入参保留 low/mid/high 三档（倩倩姐拍板），内部 _LEVEL_TO_INT 映射成数值。
+🔴 三档真实业务措辞待北哥定义；本次接口按数值做对。
+🔴 LLM 走 chat_complete(OpenAI兼容)，FISSION_SYSTEM 作 messages[0].role=system 传。
 """
+from __future__ import annotations

-# 三档占位规则：注入文案引擎 flywheel_context，约束"参考原爆款多少"
-_LEVEL_RULES = {
-    "high": (
-        "【裂变参考度=高】请紧贴下面这篇原爆款的正文结构、开头钩子、卖点排布与情绪语气，"
-        "近乎仿写——只替换表达措辞做到不查重，骨架与卖点角度都保留。"
-    ),
-    "mid": (
-        "【裂变参考度=中】请保留下面这篇原爆款的核心卖点，但换一个全新的叙事角度/切入场景重写，"
-        "结构可调整，让读者看不出是同一套路。"
-    ),
-    "low": (
-        "【裂变参考度=低】请只借鉴下面这篇原爆款的选题方向与目标人群，"
-        "文案结构、卖点呈现、叙事全部自由发挥，做出明显差异化的新笔记。"
-    ),
-}
+# 三档→数值映射（保留枚举入参，内部走连续值逻辑，对齐上线版 referenceStrategyFromLevel）
+_LEVEL_TO_INT = {"low": 35, "mid": 60, "high": 82}


-def build_fission_context(source_note: dict, reference_level: str) -> str:
+def reference_strategy_from_level(level: str | int) -> dict:
+    """参考度策略（对齐上线版 referenceStrategyFromLevel）。
+
+    入参支持枚举 low/mid/high 或数值；钳到 30-85。
+    返回 {level, level_label, prompt_rule, summary}。
    """
-    返回注入 text_variants(flywheel_context=) 的档位规则字符串。
-    source_note: {title, content, ...} 原爆款笔记内容。
-    reference_level: high/mid/low，非法值回落 mid。
-    """
-    rule = _LEVEL_RULES.get(reference_level, _LEVEL_RULES["mid"])
-    title = (source_note or {}).get("title", "")
-    content = (source_note or {}).get("content", "")
-    src = f"原爆款标题：{title}\n原爆款正文：{content}".strip()
-    return f"{rule}\n\n--- 原爆款参考 ---\n{src}"
+    if isinstance(level, str):
+        value = _LEVEL_TO_INT.get(level, 60)
+    else:
+        try:
+            value = int(level)
+        except (TypeError, ValueError):
+            value = 60
+    value = max(30, min(85, value))
+    if value <= 40:
+        return {
+            "level": value, "level_label": "低参考",
+            "prompt_rule": "只参考爆款的内容结构和图文角色，不沿用原文表达、标题句式和具体画面。",
+            "summary": "参考爆款结构，不贴近原文表达。",
+        }
+    if value >= 80:
+        return {
+            "level": value, "level_label": "高参考",
+            "prompt_rule": "强参考爆款的标题节奏、痛点切入、图文递进和情绪强度，但必须替换人群、场景、表达和图片，不得抄袭。",
+            "summary": "强参考爆点、标题节奏和图文递进，但替换表达避免相似。",
+        }
+    return {
+        "level": value, "level_label": "中参考",
+        "prompt_rule": "参考爆款的结构、痛点表达方式和标题节奏，同时重写正文、标签和每张图片画面。",
+        "summary": "参考结构、痛点和标题节奏，输出新的完整笔记包。",
+    }


 def valid_level(level: str | None) -> str:
-    """校验档位，非法回落 mid。"""
-    return level if level in _LEVEL_RULES else "mid"
+    """校验三档枚举，非法回落 mid（保留旧接口兼容）。"""
+    return level if level in _LEVEL_TO_INT else "mid"
+
+
+# 默认裂变维度（对齐上线版 dimensions）
+DEFAULT_DIMENSIONS = ["换角度", "换痛点", "换人群"]
+
+FISSION_SYSTEM = """你是小红书完整图文笔记裂变专家。
+
+你必须基于爆款参考生成"完整小红书笔记包"，不是只生成文案，也不是只生成图片提示词。
+
+完整笔记包必须包含：标题(可直接发布)、正文(180-260字种草口吻真实场景卖点转买点)、标签(5-8个)、点击钩子标题(第1张图大字)、imagePlan(每张图的图上文字+画面内容+排版)、dimension(裂变维度)、keywords、audience(适用人群)、scene(使用场景)、painPoint(切入痛点)。
+
+裂变规则：
+- 每套必须不重复，标题/正文/标签/图文结构都要变，图片重新配套不可一套图反复发
+- 保持种草安利+情绪共鸣风格
+- 正文自然出现2-5个小红书符号/emoji(✅✨🌿💧📦🔍🧡🥹‼️)，放在痛点/实测/选择理由/软性转化处，不堆砌不每句塞
+- 标题可适度带符号，但不要所有标题同一种符号
+- 图片=可上传的独立3:4图文海报，不是App截图/笔记详情页截图
+- 图片禁止出现Like/评论/分享/底栏/头像/状态栏等社交App界面元素
+- 对比页只做质地/场景/肤感说明对比，禁用前后、before/after、变白、瑕疵消失、治疗前后
+- imagePlan只写短标题/短卖点/短画面要求，不塞长正文
+- 禁用词：美白、祛斑、速效、医用、药妆、变白、before、after、使用前后
+- 图文张数叙事：3张=点击→核心证明→软性转化；6张=点击→痛点→证明→质感→背书→软性转化；8张=点击→痛点→证明→质感→多场景→教程→背书→软性转化
+- 最后一张是软性转化，不做淘宝式硬广；用囤货/省钱情报/搜索暗示/评论暗号等原生分享口吻
+
+返回纯JSON数组，每个元素含：title/content/tags(数组)/coverTitle/dimension/audience/scene/painPoint/keywords(数组)/imagePlan(数组,每项{role,title,overlayText,text})。
+
+硬性格式要求：
+- 只输出JSON，不要markdown代码块
+- 字符串内部不用英文双引号，引用词用中文书名号或中文引号
+- content是客户可直接发布的正文，不能写"配图建议/图片方向/imagePlan/内页规划"等内部提示
+- imagePlan数量必须等于用户要求的图片数量"""
+
+
+import re
+
+# 违禁词清洗替换表（对齐上线版 sanitizeImagePlanText，有序应用）
+_SANITIZE_RULES = [
+    (re.compile(r"before\s*&\s*after", re.I), "质地与肤感说明"),
+    (re.compile(r"before\s*/?\s*after", re.I), "质地与肤感说明"),
+    (re.compile(r"\bbefore\b", re.I), "质地状态"),
+    (re.compile(r"\bafter\b", re.I), "上脸肤感"),
+    (re.compile(r"使用前后|用前用后|用前后|前后对比|使用前|使用后"), "质地/场景/肤感说明"),
+    (re.compile(r"功效对比|效果对比|改善对比"), "质地/场景说明对比"),
+    (re.compile(r"肤色变白|皮肤变白|变白|美白"), "自然光泽感"),
+    (re.compile(r"瑕疵消失|斑点消失|痘印消失|消除瑕疵|祛斑"), "妆感更服帖"),
+    (re.compile(r"治疗前后|治疗后|医美前后|治愈|修复受损"), "日常使用场景说明"),
+]
+
+
+def sanitize_image_plan_text(value: str = "", max_length: int = 56) -> str:
+    """清洗 imagePlan 文字里的违禁词（对齐上线版）。"""
+    text = str(value or "")
+    for pattern, repl in _SANITIZE_RULES:
+        text = pattern.sub(repl, text)
+    text = re.sub(r"\s+", " ", text).strip()
+    return text[:max_length]
+
+
+def normalize_tags(tags=None, keywords=None) -> list[str]:
+    """标签归一化：补#前缀、去重、截8个（对齐上线版 normalizeTags）。"""
+    tags = tags or []
+    keywords = keywords or []
+    if not isinstance(tags, list):
+        tags = str(tags).split()
+    from_tags = [
+        t if str(t).strip().startswith("#") else f"#{str(t).strip()}"
+        for t in tags if str(t).strip()
+    ]
+    from_kw = [
+        k if str(k).startswith("#") else f"#{k}"
+        for k in list(keywords)[:5] if str(k).strip()
+    ]
+    seen, out = set(), []
+    for t in from_tags + from_kw:
+        if t not in seen:
+            seen.add(t)
+            out.append(t)
+    return out[:8]
+
+
+def build_fission_prompt(
+    source_note: dict, product: dict, reference_level: str,
+    note_count: int, image_count: int, dimensions: list[str] | None = None,
+) -> str:
+    """组装裂变 user prompt（对齐上线版 handleContentSplit 的 prompt 变量拼装）。"""
+    src = source_note or {}
+    prod = product or {}
+    dims = dimensions or DEFAULT_DIMENSIONS
+    strategy = reference_strategy_from_level(reference_level)
+    title = src.get("title", "")
+    content = src.get("content") or src.get("text", "")
+    tags = src.get("tags", []) or []
+    name = prod.get("name", "") or "未提供"
+    points = prod.get("selling_points", []) or []
+    audience = prod.get("target_audience", "") or "未提供"
+    keywords = prod.get("keywords", []) or []
+    kw_line = "、".join(keywords) if keywords else "、".join(
+        [x for x in [name, audience, "真实测评", "好物分享"] if x and x != "未提供"]
+    )
+    return f"""爆款参考：
+标题：{title}
+正文：{content}
+标签：{' '.join(tags)}
+
+产品：{name}
+产品卖点：{'、'.join(points) or '未提供'}
+目标人群：{audience}
+关键词：{kw_line}
+裂变维度：{'、'.join(dims)}
+爆款参考度：{strategy['level_label']}。{strategy['prompt_rule']}
+生成数量：{note_count}套
+每套图片数量：{image_count}张
+
+请生成{note_count}套完整小红书图文笔记包。每套都必须含标题、正文、标签、点击钩子标题、{image_count}张图的imagePlan。
+imagePlan必须按叙事链路逐张递进。3张版第2张必须是按当前品类变化的核心证明页，不能和第1张重复构图，不得让第2张重复第1张标题。
+正文必须像真实小红书种草笔记一样自然带2-5个emoji；不要把图片规划/配图建议/内部审核建议写进正文。"""
+
+
+def notes_array_from_parsed(parsed) -> list[dict]:
+    """从LLM解析结果里拎出笔记数组（对齐上线版 notesArrayFromParsed）。"""
+    if isinstance(parsed, list):
+        return parsed
+    if not isinstance(parsed, dict):
+        return []
+    for key in ("notes", "variants", "data", "items", "result", "results"):
+        if isinstance(parsed.get(key), list):
+            return parsed[key]
+    return [parsed] if (parsed.get("title") or parsed.get("content")) else []