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: