From a1076dfcb4b65bd9a07d7096978b764286fb4aa3 Mon Sep 17 00:00:00 2001 From: starmen1265 Date: Tue, 24 Mar 2026 00:36:20 +0800 Subject: [PATCH] =?UTF-8?q?feat(semantic):=20=E6=B7=BB=E5=8A=A0=E5=B9=BF?= =?UTF-8?q?=E5=91=8A=E6=A4=8D=E5=85=A5=E5=86=85=E5=AE=B9=E8=AF=86=E5=88=AB?= =?UTF-8?q?=E5=8A=9F=E8=83=BD?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit 在LLM语义分段Prompt中添加广告识别要求： 【分段要求】新增： - 第7条：要求识别UP主广告植入内容 - 明确常见的电商平台推广关键词（转转、京东、得物、淘宝、拼多多等） - 要求将广告内容单独分段，title设为"广告"或"推广" 【注意事项】新增： - 添加广告识别提示，列出常见广告植入特征： * 突然话题转换到商品推荐 * 电商相关词汇（回收、卖、优惠、下单等） * 具体品牌名称提及 * 推销语气的风格变化 * 与视频主题无关的内容 测试结果： - 转转广告被正确识别为独立段落，标题为"广告" - 广告内容不再混入正常内容段落中 Co-Authored-By: Claude Opus 4.6 --- kb_workflow/srt/semantic_engine.py | 12 +++++++++++- 1 file changed, 11 insertions(+), 1 deletion(-) diff --git a/kb_workflow/srt/semantic_engine.py b/kb_workflow/srt/semantic_engine.py index 2b661fb..6912d8c 100644 --- a/kb_workflow/srt/semantic_engine.py +++ b/kb_workflow/srt/semantic_engine.py @@ -241,6 +241,10 @@ class UnifiedSegmentationStrategy: - 保持内容的连贯性和可读性 5. 保持论点完整性，不要在前提-结论结构中间截断 6. 为主题/章节类型的分段生成简洁标题（最多30字），论点/观点类型分段不加标题 +7. **广告识别**：识别UP主的广告植入内容（包括但不限于"转转""京东""得物""淘宝""拼多多"等电商平台推广，以及其他明显的商业推广内容） + - 将广告内容单独分为一个段落 + - 广告段落的 title 必须设为"广告"或"推广" + - 不要将广告内容混入正常内容段落中 【输出格式】 必须返回以下 JSON 格式（不要添加任何额外文本）： @@ -262,7 +266,13 @@ class UnifiedSegmentationStrategy: 【注意事项】 - 优先保证语义完整性，不要为了凑数而强行截断 - 标题应简洁准确，如「机器学习概述」「梯度下降原理」 -- 如果某个分段无法生成合适的标题（如过渡性内容），将 title 设为 null""" +- 如果某个分段无法生成合适的标题（如过渡性内容），将 title 设为 null +- **广告识别提示**：常见的广告植入特征包括： + * 突然话题转换到商品推荐 + * 提及"回收""卖""优惠""下单"等电商相关词汇 + * 提及具体品牌名称（如转转、京东、得物等） + * 说话风格明显变化（如口语化的推销语气） + * 内容与视频主题无关的商品推荐""" return prompt def _infer_video_type(self, metadata: dict) -> str: -- 2.47.0