kb-skills/.planning/phases/13-llm/13-02-PLAN.md

phase, plan, type, wave, depends_on, files_modified, autonomous, requirements, must_haves

phase	plan	type	wave	depends_on	files_modified	autonomous	requirements	must_haves
13	02	tdd	1		kb_workflow/srt/semantic_engine.py tests/test_semantic_engine.py	true	BOUND-01 BOUND-02 BOUND-03 BOUND-04	truths artifacts key_links 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 path provides min_lines exports kb_workflow/srt/semantic_engine.py 语义边界检测 Prompt 模板 250 SEGMENTATION_PROMPT _parse_result path provides min_lines tests/test_semantic_engine.py 话题边界检测测试 80 from to via pattern SEGMENTATION_PROMPT LLM 输出 Prompt 指令要求识别话题转换点 话题转换.*分段 from to via pattern _parse_result SegmentationResult 解析 LLM 返回的 JSON extract.*json.*validate

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

<execution_context> @/home/starmen1265/.claude/get-shit-done/workflows/execute-plan.md @/home/starmen1265/.claude/get-shit-done/templates/summary.md </execution_context>

@.planning/phases/13-llm/13-CONTEXT.md @.planning/phases/13-llm/13-RESEARCH.md

Existing Code

From kb_workflow/srt/segmenter.py:

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。

语义边界检测 kb_workflow/srt/semantic_engine.py, tests/test_semantic_engine.py 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

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

Task 1: 实现语义边界检测 Prompt 和解析 kb_workflow/srt/semantic_engine.py, tests/test_semantic_engine.py 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>

- 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）

<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>

After completion, create `.planning/phases/13-llm/13-02-SUMMARY.md`