本地清洗弹幕TXT并压缩重复刷屏内容

plugins/douyu/danmu_summary.py

@@ -981,10 +981,49 @@ class DouyuDanmuSummaryHelper:
             time_text = str(item.get("timestamp_text") or "").strip()
             nickname = str(item.get("nickname") or "").strip() or "观众"
             repeat_count = int(item.get("repeat_count", 1) or 1)
-            repeat_suffix = f" [重复{repeat_count}次]" if repeat_count > 1 else ""
-            lines.append(f"[{time_text}] {nickname}：{content}{repeat_suffix}")
+            normalized_content = cls._format_llm_transcript_content(content, repeat_count)
+            # 本地清洗给 LLM 的 txt 时，统一移除 UID。
+            # UID 对日报写作没有帮助，还会占 token、污染阅读流。
+            lines.append(f"[{time_text}] {nickname}：{normalized_content}")
         return lines
 
+    @classmethod
+    def _format_llm_transcript_content(cls, content: str, repeat_count: int) -> str:
+        """
+        规范化给 LLM 的弹幕正文显示形式。
+        目标：
+        1. 像“哈哈哈”“666”“？”这类典型短刷屏，直接压成 `哈哈哈*120`；
+        2. 正常讨论内容仍保留原句，只在后面标一次重复次数；
+        3. 既减小文本体积，又尽量不牺牲讨论语义。
+        """
+        text = str(content or "").strip()
+        count = int(repeat_count or 1)
+        if count <= 1:
+            return text
+        if cls._should_compact_burst_text(text):
+            return f"{text}*{count}"
+        return f"{text} [重复{count}次]"
+
+    @classmethod
+    def _should_compact_burst_text(cls, content: str) -> bool:
+        """
+        判断某条弹幕是否属于“适合压缩成 xN”的短刷屏文本。
+        这里故意保持保守，只压缩：
+        1. 已知短 burst 词；
+        2. 纯问号/感叹号/句号等情绪符号；
+        3. 很短、且由同类字符重复组成的刷屏文本。
+        """
+        text = str(content or "").strip().lower()
+        if not text:
+            return False
+        if text in cls.SHORT_BURST_WORDS:
+            return True
+        if re.fullmatch(r"[?？!！。\.~～]+", text):
+            return True
+        if len(text) <= 8 and len(set(text)) <= 3:
+            return True
+        return False
+
     @classmethod
     def _build_chronological_samples(
         cls,