diff --git a/plugins/message_summary/main.py b/plugins/message_summary/main.py index 673810a..1c7cad1 100644 --- a/plugins/message_summary/main.py +++ b/plugins/message_summary/main.py @@ -579,6 +579,180 @@ class MessageSummaryPlugin(MessagePluginInterface): return text + @classmethod + def _extract_json_object_from_text(cls, raw_text: str) -> Optional[Dict[str, Any]]: + """从文本中提取 JSON 对象（优先服务 template 模式）。""" + # 设计说明： + # 1. 优先支持三类常见返回：纯 JSON、```json 代码块、被前后说明文字包裹的 JSON； + # 2. 仅返回 dict，避免数组/字符串误入模板渲染链路； + # 3. 解析失败时返回 None，不中断主流程，后续自动回退 Markdown 结构提取。 + text = str(raw_text or "").strip() + if not text: + return None + + # 场景一：整段就是 JSON 对象。 + try: + if text.startswith("{") and text.endswith("}"): + parsed = json.loads(text) + if isinstance(parsed, dict): + return parsed + except Exception: + pass + + # 场景二：```json ... ``` 包裹。 + fenced_match = re.search(r"```(?:json)?\s*([\s\S]*?)\s*```", text, flags=re.IGNORECASE) + if fenced_match: + candidate = str(fenced_match.group(1) or "").strip() + try: + parsed = json.loads(candidate) + if isinstance(parsed, dict): + return parsed + except Exception: + pass + + # 场景三：文本中夹杂 JSON。采用大括号包围段做兜底提取。 + left = text.find("{") + right = text.rfind("}") + if left >= 0 and right > left: + candidate = text[left:right + 1].strip() + try: + parsed = json.loads(candidate) + if isinstance(parsed, dict): + return parsed + except Exception: + return None + return None + + @classmethod + def _normalize_json_text_list(cls, value: Any, limit: int = 6, item_max_len: int = 120) -> List[str]: + """把 JSON 字段标准化为字符串列表。""" + # 设计说明： + # 1. 兼容字符串、数组、混合对象等脏数据输入； + # 2. 统一做 Markdown 行内清理，避免样式噪音进入模板； + # 3. 强制长度与条数上限，防止单条过长撑爆卡片布局。 + texts: List[str] = [] + if isinstance(value, str): + candidate = cls._strip_markdown_inline(value).strip() + if candidate: + texts.append(candidate[:item_max_len]) + return texts[:limit] + if not isinstance(value, list): + return texts + + for item in value: + if isinstance(item, str): + candidate = cls._strip_markdown_inline(item).strip() + elif isinstance(item, dict): + candidate = cls._strip_markdown_inline( + str(item.get("text") or item.get("title") or item.get("value") or "") + ).strip() + else: + candidate = cls._strip_markdown_inline(str(item or "")).strip() + if not candidate: + continue + texts.append(candidate[:item_max_len]) + if len(texts) >= limit: + break + return texts + + @classmethod + def _extract_template_json_data(cls, summary_text: str) -> Optional[Dict[str, Any]]: + """提取 template 模式专用 JSON 结构。""" + # 说明： + # 1. 允许 LLM 按固定 schema 输出 JSON，渲染稳定性显著高于 Markdown 再解析； + # 2. 这里做“宽松字段兼容”，便于后续提示词小幅调整也不影响线上； + # 3. 只有检测到有效 JSON 且关键字段存在时才返回，避免误判。 + payload = cls._extract_json_object_from_text(summary_text) + if not payload: + return None + + title = cls._strip_markdown_inline( + str(payload.get("title") or payload.get("document_title") or payload.get("doc_title") or "") + ).strip() + lead = cls._strip_markdown_inline( + str(payload.get("lead") or payload.get("summary_lead") or payload.get("overview") or "") + ).strip() + fallback_text = cls._strip_markdown_inline( + str(payload.get("fallback_text") or payload.get("raw_summary") or "") + ).strip() + + # 解析话题卡片。 + topic_cards: List[Dict[str, Any]] = [] + topics = payload.get("topics") + if isinstance(topics, list): + for raw_topic in topics: + if not isinstance(raw_topic, dict): + continue + topic_title = cls._clean_topic_title(str(raw_topic.get("title") or raw_topic.get("name") or "")) + if not topic_title: + topic_title = "未命名话题" + overview_points = cls._normalize_json_text_list( + raw_topic.get("overview_points") or raw_topic.get("key_points") or raw_topic.get("highlights"), + limit=3, + item_max_len=120, + ) + analysis_points = cls._normalize_json_text_list( + raw_topic.get("analysis_points") or raw_topic.get("analysis"), + limit=2, + item_max_len=120, + ) + quote_text = cls._strip_markdown_inline(str(raw_topic.get("quote_text") or raw_topic.get("quote") or "")).strip() + time_range = cls._strip_markdown_inline(str(raw_topic.get("time_range") or raw_topic.get("time") or "")).strip() + participants = cls._strip_markdown_inline( + str(raw_topic.get("participants") or raw_topic.get("participant_count") or "") + ).strip() + + topic_cards.append( + { + "title": topic_title[:42], + "time_range": time_range[:58], + "participants": participants[:42], + "overview_points": overview_points, + "analysis_points": analysis_points, + "quote_text": quote_text[:120], + } + ) + if len(topic_cards) >= 5: + break + + # 解析命名模块。 + named_modules = { + "shared_resources": cls._normalize_json_text_list(payload.get("shared_resources"), limit=6, item_max_len=110), + "marketplace": cls._normalize_json_text_list(payload.get("marketplace"), limit=6, item_max_len=110), + "unresolved_pool": cls._normalize_json_text_list(payload.get("unresolved_pool"), limit=4, item_max_len=110), + "core_points": cls._normalize_json_text_list(payload.get("core_knowledge_points") or payload.get("core_points"), limit=4, item_max_len=110), + "top_contributors": cls._normalize_json_text_list(payload.get("top_contributors"), limit=3, item_max_len=18), + } + + # 构造 sections 给现有统计提取逻辑复用。 + sections: List[Dict[str, Any]] = [] + for topic in topic_cards: + items: List[Dict[str, str]] = [] + for line in topic.get("overview_points", []): + items.append({"kind": "bullet", "text": line}) + for line in topic.get("analysis_points", []): + items.append({"kind": "paragraph", "text": line}) + if topic.get("quote_text"): + items.append({"kind": "quote", "text": topic["quote_text"]}) + sections.append({"title": topic.get("title", "未命名话题"), "items": items}) + + if not topic_cards and not any(named_modules.values()) and not lead and not title: + return None + + if not lead and topic_cards: + lead = (topic_cards[0].get("overview_points") or [""])[0] + if not fallback_text: + fallback_text = lead or "暂无总结内容。" + + return { + "document_title": title, + "lead": lead or "暂无总结内容。", + "fallback_text": fallback_text, + "sections": sections, + "topic_cards": topic_cards, + "named_modules": named_modules, + } + @classmethod def _build_summary_layout_data(cls, summary_text: str) -> Dict[str, Any]: """把 LLM 总结文本重排为模板可直接消费的结构化数据。 @@ -1186,17 +1360,27 @@ class MessageSummaryPlugin(MessagePluginInterface): # 1. 不再把 LLM 原文直接转 HTML 内嵌到模板； # 2. 先结构化解析文本，再由模板按组件渲染，稳定控制最终排版。 renderer = HtmlTemplateRenderer() - layout_data = self._build_summary_layout_data(summary_text) + # 解析策略： + # 1. template 模式优先吃 JSON（稳定、可控、低漂移）； + # 2. JSON 不可用时再回退 Markdown 结构解析，保持兼容。 + json_layout_data = self._extract_template_json_data(summary_text) + layout_data = json_layout_data or self._build_summary_layout_data(summary_text) metrics_data = self._build_summary_template_metrics( message_stats=message_stats, layout_data=layout_data, metadata=metadata, ) sections = layout_data.get("sections", []) or [] - topic_cards = self._build_topic_cards_from_sections(sections, limit=5) + if json_layout_data and json_layout_data.get("topic_cards"): + topic_cards = json_layout_data.get("topic_cards", [])[:5] + else: + topic_cards = self._build_topic_cards_from_sections(sections, limit=5) topic_titles = [card.get("title", "") for card in topic_cards] auxiliary_sections = self._build_auxiliary_sections(sections, topic_titles) - named_modules = self._build_template_named_modules(sections) + if json_layout_data and isinstance(json_layout_data.get("named_modules"), dict): + named_modules = json_layout_data.get("named_modules", {}) + else: + named_modules = self._build_template_named_modules(sections) resource_hub_items = self._build_resource_hub_items(named_modules.get("shared_resources", [])) # 说明： # 1. 这里注入“本地字体 CSS”到模板，避免依赖 Google Fonts 等外网资源； diff --git a/plugins/message_summary/群总结AI (1).yml b/plugins/message_summary/群总结AI (1).yml index 77596f6..402ffa2 100644 --- a/plugins/message_summary/群总结AI (1).yml +++ b/plugins/message_summary/群总结AI (1).yml @@ -322,87 +322,41 @@ workflow: - id: template_system_prompt role: system text: | - 你是一名「微信群总结结构化编辑官」，你的输出将用于 Gemini 风格总结卡片渲染。 + 你是一名「微信群总结结构化编辑官」，输出将直接用于总结卡片模板渲染。 - 目标： - 1. 让内容结构尽量贴合 gemini-code 模板模块； - 2. 信息密度高，但保持短句、可扫描； - 3. 不做空泛抒情，不要写冗长大段落。 + 核心要求： + 1. 只输出 JSON 对象，不要输出 Markdown，不要输出解释文本； + 2. 不要使用 ```json 代码块包裹； + 3. 必须覆盖至少 5 个话题； + 4. 不要翻译昵称，不要改写 @昵称； + 5. 字段缺失时用空字符串或空数组，禁止省略关键字段。 - 必须遵守： - 1. 必须覆盖至少 5 个话题（缺少时也要从聊天里归并凑足 5 个主题）； - 2. 不要翻译用户昵称，不要改写 @昵称； - 3. 输出必须是纯 Markdown，不要 JSON，不要 ``` 代码块； - 4. 每个话题都要包含： - - 时段 - - 参与人数 - - 核心观点回顾（2-3条） - - 客观分析（1-2条） - - 亮点瞬间（1条） - 5. 每条 bullet 尽量不超过 40 字； - 6. 结论用“可执行建议”表达，不要空话。 + 输出 JSON Schema（字段名必须一致）： + { + "title": "字符串，整篇标题", + "lead": "字符串，2-3句导语", + "topics": [ + { + "title": "话题标题", + "time_range": "时段，如 09:20-10:10", + "participants": "参与人数，如 18人", + "overview_points": ["核心观点1", "核心观点2", "核心观点3"], + "analysis_points": ["客观分析1", "客观分析2"], + "quote_text": "亮点金句或高光总结" + } + ], + "shared_resources": ["资源项1", "资源项2"], + "marketplace": ["交易项1", "交易项2"], + "unresolved_pool": ["待解问题1", "待解问题2"], + "core_knowledge_points": ["知识点1", "知识点2"], + "top_contributors": ["昵称A", "昵称B", "昵称C"] + } - 输出格式请严格按以下骨架： - - # 🌟「[群名] - [最新日期] 总结」🌟 - - ## ⚡ 一分钟速览 - - 今日消息数：[总数] - - 最热时段：[时段] - - ### 🏆 核心话题与结论 - 1. [话题1简述]：[一句结论] - 2. [话题2简述]：[一句结论] - 3. [话题3简述]：[一句结论] - 4. [话题4简述]：[一句结论] - 5. [话题5简述]：[一句结论] - - ### 💰 交易/资源快报 - - [@用户A] [卖货/资源] - - [@用户B] [卖货/资源] - - ### 📌 今日总结 - [1-2句结论 + 后续建议] - - ## 🌌 话题详情 - ### 1️⃣ 【[话题1]】 - - **时段**：[开始]-[结束] - - **参与人数**：[人数] - #### 🔍 核心观点回顾 - - [观点1] - - [观点2] - #### 🧩 客观分析 - - [共识/分歧/价值] - #### 🔥 亮点瞬间 - > [金句或高光总结] - - （继续话题2~5，保持同结构） - - ## 🔗 Shared Resources - - [仓库/文档/工具链接 + 一句说明] - - [仓库/文档/工具链接 + 一句说明] - - ## 🛒 Marketplace - - [出/求] [标的]：[价格或状态] - - [出/求] [标的]：[价格或状态] - - ## ❓ Unresolved Pool - - [待解问题1] - - [待解问题2] - - ## 🧠 Core Knowledge Points - - [关键配置/经验1] - - [关键配置/经验2] - - ## 🎖️ 今日荣誉榜 - ### 🏆 群聊 MVP：[@用户N] - - 理由1 - - 理由2 - - ## 👥 Top Contributors - - [昵称A] - - [昵称B] - - [昵称C] + 生成约束： + 1. topics 数组长度必须为 5（不足请归并补齐）； + 2. overview_points 每个话题 2-3 条，analysis_points 每个话题 1-2 条； + 3. 每条文本尽量 <= 40 字，短句可扫描； + 4. 结论要具体，不要空泛。 - id: template_user_prompt role: user text: '{{#1775526517808.query#}}' diff --git a/temp/md2image/summary_demo_render_latest.png b/temp/md2image/summary_demo_render_latest.png new file mode 100644 index 0000000..e0922d8 Binary files /dev/null and b/temp/md2image/summary_demo_render_latest.png differ