--- phase: 13 plan: 05 type: tdd wave: 1 depends_on: [] files_modified: - kb_workflow/srt/semantic_engine.py - tests/test_semantic_engine.py autonomous: true requirements: - SENT-01 - SENT-02 - SENT-03 must_haves: truths: - "系统能识别中文字幕的句子边界" - "句边界检测基于语义停顿,而不仅依赖标点符号" - "分段位置自然,保持内容的连贯性和可读性" artifacts: - path: "kb_workflow/srt/semantic_engine.py" provides: "中文句边界检测 Prompt 指令" contains: "SEGMENTATION_PROMPT" - path: "tests/test_semantic_engine.py" provides: "中文句边界测试" min_lines: 60 key_links: - from: "SEGMENTATION_PROMPT" to: "LLM 分段决策" via: "Prompt 中的句边界指令" pattern: "句号.*问号.*感叹号.*省略号.*语义停顿" --- 实现中文句边界检测功能 目的:让 LLM 在自然停顿处分段,保持中文内容的连贯性和可读性 输出:SEGMENTATION_PROMPT 中的中文句边界指令 @/home/starmen1265/.claude/get-shit-done/workflows/execute-plan.md @/home/starmen1265/.claude/get-shit-done/templates/summary.md @.planning/phases/13-llm/13-CONTEXT.md @.planning/phases/13-llm/13-RESEARCH.md # User Decision (Locked) - **中文句边界**: Prompt 中强调 — 在 Prompt 中说明「分段边界应放在自然停顿处(句号、问号、感叹号等标点符号后)」 - **句边界保护**: 纯 Prompt 约束 — 依赖 LLM 理解,不进行代码后处理 # Research Document Common Pitfall 5: 中文句边界检测依赖标点符号 What goes wrong: Prompt 中只说「在句号后分段」,但中文还有问号、感叹号、省略号等 How to avoid: 列举所有常见中文句末标点 中文句边界检测 kb_workflow/srt/semantic_engine.py, tests/test_semantic_engine.py Prompt 设计(用户决策 + 研究文档): - 列举所有常见中文句末标点(。?!……) - 强调「自然停顿处」(语义停顿,不仅标点) - 保持内容连贯性和可读性 测试验证: - 分段边界在标点符号后 - 分段位置自然(不会在「等等!」或「真的?」中间截断) - 保持中文内容的连贯性 在 SEGMENTATION_PROMPT 中更新句边界指令: 1. 列举所有中文句末标点(。?!……) 2. 强调「自然停顿处」和「语义停顿」 3. 说明「不仅依赖标点符号」 测试: 1. test_chinese_sentence_boundary() - 验证句边界检测 2. test_semantic_pause_detection() - 验证语义停顿检测 Task 1: 添加中文句边界检测指令 kb_workflow/srt/semantic_engine.py, tests/test_semantic_engine.py RED 阶段 - 测试预期行为: - test_chinese_sentence_boundary: 分段边界在标点符号后 - test_semantic_pause_detection: 基于语义停顿(不仅标点) GREEN 阶段 - 实现功能: - SEGMENTATION_PROMPT 列举所有中文句末标点 - 强调「自然停顿处」和「语义停顿」 - 说明「不仅依赖标点符号」 REFACTOR 阶段 - 优化代码: - 优化指令措辞(更清晰明确) 更新 SEGMENTATION_PROMPT,优化句边界指令: ```python 【分段要求】 ... 4. **重要**:保持句子完整性,分段边界应放在自然停顿处 - 包括:句号(。)后、问号(?)后、感叹号(!)后、省略号(……)后 - 基于语义停顿判断,不仅依赖标点符号 - 保持内容的连贯性和可读性 ... ``` 测试使用包含以下场景的中文字幕: - 各种标点符号(。?!……) - 语义停顿(即使没有标点) - 连贯性验证(分段后内容自然流畅) pytest tests/test_semantic_engine.py::test_chinese_sentence_boundary -x - SEGMENTATION_PROMPT 列举所有中文句末标点 - 强调「自然停顿处」和「语义停顿」 - 说明「不仅依赖标点符号」 - 测试验证句边界检测效果 - pytest tests/test_semantic_engine.py -v 相关测试通过 - Prompt 指令清晰明确 - 列举所有常见中文句末标点 1. SEGMENTATION_PROMPT 列举所有中文句末标点(。?!……) 2. 强调「自然停顿处」和「语义停顿」 3. 说明「不仅依赖标点符号」 4. 测试验证句边界检测效果 After completion, create `.planning/phases/13-llm/13-05-SUMMARY.md`