feat(emoji): 优化表情分析提示词以提升描述准确性

本次更新针对表情包描述生成的两个关键环节优化了提示词(Prompt),以提高生成描述的质量和信息完整度。

1.  在初始描述生成中,新增了强制性规则,要求模型必须完整转述图片中包含的清晰文字,确保关键文本信息不被遗漏。
2.  重构了“点睛之笔”的精炼提示词,使其目标更明确(为AI后续处理服务),规则更具体(平衡客观与情感、包含核心文字等),并增加了示例,旨在生成更稳定、结构化的精炼描述。
This commit is contained in:
tt-P607
2025-10-23 00:45:28 +08:00
parent 9f28d1943c
commit e8b7841f5a

View File

@@ -969,7 +969,7 @@ class EmojiManager:
image_base64_frames = get_image_manager().transform_gif(image_base64)
if not image_base64_frames:
raise RuntimeError("GIF表情包转换失败")
prompt = "这是一个GIF动图表情包的关键帧。请用不超过250字详细描述它的核心内容1. 动态画面展现了什么变化2. 它传达了什么核心情绪或玩的是什么梗3. 通常在什么场景下使用?请确保描述既包含关键信息,又能充分展现其内涵。"
prompt = "这是一个GIF动图表情包的关键帧。请用不超过250字详细描述它的核心内容1. 动态画面展现了什么变化2. 它传达了什么核心情绪或玩的是什么梗3. 通常在什么场景下使用?请确保描述既包含关键信息,又能充分展现其内涵。重要规则如果图片中包含清晰的文字请务必完整地转述出来这部分文字不计入250字限制。"
description = None
for i in range(3):
try:
@@ -985,7 +985,7 @@ class EmojiManager:
logger.warning("表情包识别失败将在1秒后重试...")
await asyncio.sleep(1)
else:
prompt = "这是一个表情包。请用不超过250字详细描述它的核心内容1. 画面描绘了什么2. 它传达了什么核心情绪或玩的是什么梗3. 通常在什么场景下使用?请确保描述既包含关键信息,又能充分展现其内涵。"
prompt = "这是一个表情包。请用不超过250字详细描述它的核心内容1. 画面描绘了什么2. 它传达了什么核心情绪或玩的是什么梗3. 通常在什么场景下使用?请确保描述既包含关键信息,又能充分展现其内涵。重要规则如果图片中包含清晰的文字请务必完整地转述出来这部分文字不计入250字限制。"
description = None
for i in range(3):
try:
@@ -1058,7 +1058,7 @@ class EmojiManager:
if emotions: # 只有在成功提取关键词后才进行精炼
logger.info("[自然语言精炼] 开始生成“点睛之笔”的自然语言描述")
refine_prompt = f"""
你的任务是为一张表情包一句简洁、自然的描述,就像你在向朋友解释这张图是什么意思一样
你的任务是为一张表情包生成一句简洁的精炼描述用于后续的AI模型处理
这里是关于这个表情包的分析信息:
# 详细描述
@@ -1068,13 +1068,17 @@ class EmojiManager:
{emotions_text}
# 你的任务
请结合以上信息,用一句**一针见血**的自然语言,概括出这个表情包的核心内容
请结合以上所有信息,用一句话概括出这个表情包的核心内容,既要描述客观事实,也要点明其传达的核心情绪
# 规则 (非常重要!)
1. **必须包含图中的核心文字**
2. **必须描述出主角的核心表情和动作**
3. **风格要求**:简单、直接、口语化,就像一个普通人看到这张图后的第一反应
4. **输出格式****请直接返回这句描述,不要添加任何前缀、标题或多余的解释。**
1. **平衡客观与情感**:首先客观描述画面中的主体、表情和动作,然后点出其最主要的情绪(如:喜悦、悲伤、讽刺等)
2. **包含核心文字**:如果表情包中有文字,必须将文字完整地包含在描述中
3. **简洁精炼**:用最少的文字概括最多的信息
4. **输出格式****请直接返回这句描述,不要添加任何前缀、标题、引号或多余的解释。**
示例:
- 原始信息:一只猫戴着墨镜,关键词是“酷、得意”。
- 正确输出:一只戴着黑色墨镜的猫,表情得意。
"""
refined_description, _ = await self.llm_emotion_judge.generate_response_async(
refine_prompt, temperature=0.7, max_tokens=100