docs(13): create phase 13 plan (7 plans)
This commit is contained in:
@@ -0,0 +1,184 @@
|
||||
---
|
||||
phase: 13
|
||||
plan: 02
|
||||
type: tdd
|
||||
wave: 1
|
||||
depends_on: []
|
||||
files_modified:
|
||||
- kb_workflow/srt/semantic_engine.py
|
||||
- tests/test_semantic_engine.py
|
||||
autonomous: true
|
||||
requirements:
|
||||
- BOUND-01
|
||||
- BOUND-02
|
||||
- BOUND-03
|
||||
- BOUND-04
|
||||
must_haves:
|
||||
truths:
|
||||
- "系统能检测字幕中的话题转换点"
|
||||
- "边界检测基于语义分析,而非时间间隔或字符长度"
|
||||
- "话题切换时正确创建分段,不混入不同话题的内容"
|
||||
- "单个话题的内容保持完整,不会被错误截断"
|
||||
artifacts:
|
||||
- path: "kb_workflow/srt/semantic_engine.py"
|
||||
provides: "语义边界检测 Prompt 模板"
|
||||
min_lines: 250
|
||||
exports: ["SEGMENTATION_PROMPT", "_parse_result"]
|
||||
- path: "tests/test_semantic_engine.py"
|
||||
provides: "话题边界检测测试"
|
||||
min_lines: 80
|
||||
key_links:
|
||||
- from: "SEGMENTATION_PROMPT"
|
||||
to: "LLM 输出"
|
||||
via: "Prompt 指令要求识别话题转换点"
|
||||
pattern: "话题转换.*分段"
|
||||
- from: "_parse_result"
|
||||
to: "SegmentationResult"
|
||||
via: "解析 LLM 返回的 JSON"
|
||||
pattern: "extract.*json.*validate"
|
||||
---
|
||||
|
||||
<objective>
|
||||
实现语义边界检测功能
|
||||
|
||||
目的:让 LLM 识别话题转换点,在不同主题之间创建分段边界
|
||||
输出:SEGMENTATION_PROMPT 模板,_parse_result 解析方法
|
||||
</objective>
|
||||
|
||||
<execution_context>
|
||||
@/home/starmen1265/.claude/get-shit-done/workflows/execute-plan.md
|
||||
@/home/starmen1265/.claude/get-shit-done/templates/summary.md
|
||||
</execution_context>
|
||||
|
||||
<context>
|
||||
@.planning/phases/13-llm/13-CONTEXT.md
|
||||
@.planning/phases/13-llm/13-RESEARCH.md
|
||||
|
||||
# Existing Code
|
||||
|
||||
From kb_workflow/srt/segmenter.py:
|
||||
```python
|
||||
class SemanticSegmenter:
|
||||
# 规则分段:基于时间间隔(>3秒)和字符长度(>500)
|
||||
def segment(self, segments: List[Segment]) -> List[str]:
|
||||
# 简单启发式规则
|
||||
```
|
||||
|
||||
SemanticSegmentationEngine 将替代这个规则分段器,使用 LLM 进行语义分析。
|
||||
</context>
|
||||
|
||||
<feature>
|
||||
<name>语义边界检测</name>
|
||||
<files>kb_workflow/srt/semantic_engine.py, tests/test_semantic_engine.py</files>
|
||||
<behavior>
|
||||
Prompt 设计:
|
||||
- 明确指令「在话题转换处创建新分段,不要混入不同话题的内容」
|
||||
- 强调「基于语义完整性,而非时间或字符长度」
|
||||
- 建议分段数量 5-8 个(可灵活调整)
|
||||
- 每段约 1000-2000 字(为保持语义完整性可突破)
|
||||
|
||||
LLM 输出解析:
|
||||
- 提取 JSON 格式的分段结果
|
||||
- 验证每个分段的 start_index 和 end_index
|
||||
- 验证分段内容不重叠且覆盖原文
|
||||
|
||||
边界检测质量:
|
||||
- 话题切换时正确创建边界
|
||||
- 单个话题内容保持完整
|
||||
</behavior>
|
||||
<implementation>
|
||||
在 semantic_engine.py 中:
|
||||
1. 定义 SEGMENTATION_PROMPT 常量(包含话题转换检测指令)
|
||||
2. 实现 extract_json_from_llm_response() 方法(参考研究文档)
|
||||
3. 实现 _parse_result() 方法,解析 LLM 输出并验证
|
||||
|
||||
测试:
|
||||
1. test_topic_boundary_detection() - 验证话题转换检测
|
||||
2. test_semantic_completeness() - 验证单个话题完整性
|
||||
</implementation>
|
||||
</feature>
|
||||
|
||||
<tasks>
|
||||
<task type="auto" tdd="true">
|
||||
<name>Task 1: 实现语义边界检测 Prompt 和解析</name>
|
||||
<files>kb_workflow/srt/semantic_engine.py, tests/test_semantic_engine.py</files>
|
||||
<behavior>
|
||||
RED 阶段 - 测试预期行为:
|
||||
- test_topic_boundary_detection: LLM 正确识别话题转换点
|
||||
- test_semantic_completeness: 单个话题内容完整,不混入其他话题
|
||||
|
||||
GREEN 阶段 - 实现功能:
|
||||
- SEGMENTATION_PROMPT 包含「在话题转换处创建新分段」指令
|
||||
- extract_json_from_llm_response() 从 LLM 响应提取 JSON
|
||||
- _parse_result() 使用 Pydantic 验证 SegmentationResult
|
||||
|
||||
REFACTOR 阶段 - 优化代码:
|
||||
- 提取 JSON 提取逻辑为独立函数
|
||||
- 优化 Prompt 指令的清晰度
|
||||
</behavior>
|
||||
<action>
|
||||
在 semantic_engine.py 中实现:
|
||||
|
||||
1. SEGMENTATION_PROMPT 模板(基于研究文档):
|
||||
```python
|
||||
SEGMENTATION_PROMPT = """你是一个专业的视频内容分析师。请将以下字幕内容按语义分段。
|
||||
|
||||
【视频信息】
|
||||
类型:{video_type}
|
||||
标题:{title}
|
||||
总字数:{total_chars}字
|
||||
|
||||
【字幕内容】
|
||||
{content}
|
||||
|
||||
【分段要求】
|
||||
1. 建议将内容分为 5-8 个段落(可根据语义完整性灵活调整)
|
||||
2. 每个段落约 1000-2000 字(为保持语义完整性可以突破此范围)
|
||||
3. **在话题转换处创建新分段,不要混入不同话题的内容**
|
||||
4. 保持句子完整性,分段边界应放在自然停顿处
|
||||
..."""
|
||||
```
|
||||
|
||||
2. extract_json_from_llm_response(response: str) -> Dict:
|
||||
- 尝试直接解析 JSON
|
||||
- 提取 ```json ``` 代码块
|
||||
- 使用正则提取任何 JSON 对象
|
||||
|
||||
3. _parse_result(llm_output: str, fallback_segments) -> List[VideoSegment]:
|
||||
- 调用 extract_json_from_llm_response
|
||||
- 使用 SegmentationResult.validate() 验证
|
||||
- 失败时返回 fallback_segments
|
||||
|
||||
测试使用 mock_ai_client 模拟 LLM 响应,验证:
|
||||
- 话题转换点正确识别
|
||||
- 分段内容不重叠
|
||||
- 覆盖完整原文
|
||||
</action>
|
||||
<verify>
|
||||
<automated>pytest tests/test_semantic_engine.py::test_topic_boundary_detection -x</automated>
|
||||
</verify>
|
||||
<done>
|
||||
- SEGMENTATION_PROMPT 包含话题转换检测指令
|
||||
- extract_json_from_llm_response() 能从各种格式提取 JSON
|
||||
- _parse_result() 能正确解析和验证 LLM 输出
|
||||
- 测试验证边界检测质量
|
||||
</done>
|
||||
</task>
|
||||
</tasks>
|
||||
|
||||
<verification>
|
||||
- pytest tests/test_semantic_engine.py -v 相关测试通过
|
||||
- Prompt 指令清晰明确
|
||||
- JSON 解析健壮(处理多种格式)
|
||||
</verification>
|
||||
|
||||
<success_criteria>
|
||||
1. SEGMENTATION_PROMPT 包含话题转换检测指令
|
||||
2. extract_json_from_llm_response() 能处理纯 JSON、代码块、混合文本
|
||||
3. _parse_result() 使用 Pydantic 验证 LLM 输出
|
||||
4. 测试验证边界检测功能
|
||||
</success_criteria>
|
||||
|
||||
<output>
|
||||
After completion, create `.planning/phases/13-llm/13-02-SUMMARY.md`
|
||||
</output>
|
||||
Reference in New Issue
Block a user