---
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