重写四个提示词到参考级严谨度（v2）

参考两份数据工程「元素列提取」提示词的格式/密度/详尽度，对照重写：
- 四个提示词补上：精确定义、范畴互斥与对比、反例(❌→✅)、判别顺序、
  粒度与原子性、工作姿态(以原始素材为准/不编造/不确定标空)、自检
- deconstruct 吸收参考里 实质/形式/作用/意图 的互斥口径；value 必须是具体点而非大类名
- extract 提示词外置到 prompts/extract.txt，与另外三个统一加载；extractor 改 load_prompt
- PROMPT_VERSION v1 -> v2；/api/prompts 的 extract 改读外置文件
- 18 离线测试通过；真机 screen/split/deconstruct/extract smoke 输出合法且更精细

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

creation_knowledge/api.py

@@ -71,8 +71,7 @@ def get_prompts() -> dict:
         "version": PROMPT_VERSION,
         "items": [
             {"key": "extract", "label": "多模态提取", "model": s.video_model,
-             "system": extractor_mod._SYSTEM_PROMPT, "user": extractor_mod._USER_TMPL,
-             "note": "文本+图片+视频提取知识；提示词写在 extractor.py，未外置到 prompts/"},
+             "system": extractor_mod._SYSTEM_PROMPT, "user": load_prompt("extract")},
             {"key": "screen", "label": "筛选", "model": s.llm_model,
              "system": screen_stage.SYSTEM, "user": load_prompt("screen")},
             {"key": "split", "label": "拆分", "model": s.llm_model,

creation_knowledge/integrations/extractor.py

@@ -15,6 +15,7 @@ import httpx
 from creation_knowledge.config import load_env_file
 from creation_knowledge.jsonio import extract_json_object, to_bool
 from creation_knowledge.models import ExtractedContent, Post
+from creation_knowledge.prompts import load_prompt
 
 DEFAULT_MODEL = "google/gemini-3-flash-preview"
 DEFAULT_BASE_URL = "https://openrouter.ai/api/v1"
@@ -22,20 +23,9 @@ DEFAULT_TIMEOUT = 90.0
 MAX_IMAGES = 6
 
 _SYSTEM_PROMPT = (
-    "你是创作知识提取助手。给你一篇小红书帖子（标题、正文、图片），"
-    "请提取出其中真正能指导『如何创作内容』的知识。"
-    "知识往往在图片里而不在正文里。只输出一个 JSON 对象，不要任何解释或 markdown。"
-)
-
-_USER_TMPL = (
-    "帖子标题：{title}\n"
-    "话题：{topics}\n"
-    "正文（可能为空或只是话题串，不要只看它）：\n{body}\n\n"
-    "请综合图片内容，输出如下 JSON：\n"
-    '{{"text": "把这篇帖子真正讲的创作知识完整、忠实地讲清楚；原文没有的不要编造", '
-    '"from_image": "仅来自图片的知识要点；没有则空字符串", '
-    '"from_video": "仅来自视频的知识要点；没有则空字符串", '
-    '"is_empty": "true 或 false：多模态看完后是否没有任何有效创作知识"}}'
+    "你是创作知识提取助手。从给定的小红书帖子（标题、正文、图片、视频）中，"
+    "提取真正能指导『如何创作内容』的知识；知识常在图片/视频里而非正文。"
+    "忠实提取、不编造。只输出一个 JSON 对象，不要解释或 markdown。"
 )
 
 
@@ -77,7 +67,7 @@ class GeminiExtractor:
         )
 
     def build_messages(self, post: Post) -> list[dict]:
-        user_text = _USER_TMPL.format(
+        user_text = load_prompt("extract").format(
             title=post.title or "(无)",
             topics="、".join(post.topic_list) or "(无)",
             body=post.body_text or "(空)",

creation_knowledge/prompts.py

@@ -6,7 +6,7 @@ from pathlib import Path
 PROMPTS_DIR = Path(__file__).resolve().parent.parent / "prompts"
 
 # 提示词版本：改提示词时手动 +1，写进 ck 记录便于回溯
-PROMPT_VERSION = "v1"
+PROMPT_VERSION = "v2"
 
 
 def load_prompt(name: str) -> str:

prompts/deconstruct.txt

@@ -1,22 +1,43 @@
-你在做"创作知识"解构：给一个知识片段补上【阶段】和【作用域】。
+你在做「创作知识解构」：给一条已经拆好的知识片段，标注它的【阶段】和【作用域】。本步不改动知识内容本身。
 
-阶段（创作 = 灵感 + 选题 + 脚本，可多选）：
-- 灵感：帮助发现方向、素材、切口、洞察
-- 选题：帮助判断写什么、拍什么、从哪个角度切入
-- 脚本：帮助组织表达顺序、文案、镜头、结构
+## 1. 阶段（创作 = 灵感 + 选题 + 脚本，可多选）
+判断这条知识能服务创作的哪个/哪些环节：
+- **灵感**：帮助发现方向、素材、切口、洞察（"从哪找内容"）。
+- **选题**：帮助判断写什么/拍什么、从哪个角度切入（"做哪个题"）。
+- **脚本**：帮助组织表达顺序、文案、镜头、结构（"怎么写/怎么拍"）。
 
-作用域（五棵分类树，可多选；value 要填具体标签，不是大类名）：
-- substance（实质）：内容真正讲的对象、主题、事实、问题
-- form（形式）：结构、模板、公式、表达形式
-- feeling（感受）：用户情绪、体验、氛围、感知
-- effect（作用）：解决什么创作问题、带来什么效果
-- intent（意图）：创作者目的、传播目的、商业目标
+一条知识可同时服务多个阶段（如"评论区选题法"既给选题、也能改写成脚本切入点）；只标它**真正**服务的阶段，不要硬凑。
 
-知识片段：
+## 2. 作用域（五棵分类树，可多选；每条含 大类 + 具体的点）
+判断这条知识落在哪几棵树上。五棵树范畴互斥，定义如下：
+- **substance（实质）**：内容真正讲的对象、主题、事实、问题本身 —— "讲了什么"。
+- **form（形式）**：表达结构、模板、公式、套路、载体、呈现形态 —— "怎么呈现 / 什么结构"。
+- **feeling（感受）**：观众的情绪、体验、氛围、感知 —— "让观众怎么觉得"。
+- **effect（作用）**：解决什么**创作问题**、带来什么**效果** —— "对创作有什么用"。
+- **intent（意图）**：创作者目的、传播目的、商业目标 —— "为了达成什么结果"。
+
+互斥提示（最容易混）：
+- form 是"怎么呈现"，substance 是"呈现了什么"。
+- effect 是"解决的创作问题/产生的功效"，intent 是"创作者/传播/商业上想要的结果"。如"生成选题"是 effect，"涨粉变现"是 intent。
+
+## 3. value（具体的点）的要求
+- `value` 必须是**具体标签**，不是大类名本身。
+  - ❌ 错：{{"scope_type": "form", "value": "形式"}}（value 写成了大类名）
+  - ✅ 对：{{"scope_type": "form", "value": "评论区选题流程"}}、{{"scope_type": "effect", "value": "生成选题"}}
+- `value` 尽量短、是一个独立语义点，可作为标签复用；不要用连接词拼接多个点。
+- 同一条知识可命中多棵树，一棵树下也可有多个 value；**只标真正命中的**，不要为凑满五棵树而硬填。
+
+## 4. 不应做的事（反例）
+- ❌ value 写成大类名（"形式"/"作用"）。
+- ❌ 为铺满而给不相关的 scope。
+- ❌ 把 effect 和 intent 混用（"生成选题"=effect；"涨粉变现"=intent）。
+- ❌ stage 硬凑（一条纯脚本技巧硬标上"灵感"）。
+
+## 输入（一条知识片段）
 {item}
 
-输出 JSON：
-{{"stages": ["灵感" 和/或 "选题" 和/或 "脚本"],
-  "scopes": [{{"scope_type": "substance/form/feeling/effect/intent", "value": "具体标签"}}],
+## 输出（只输出一个 JSON 对象，不要解释或 markdown）
+{{"stages": ["灵感 和/或 选题 和/或 脚本，只列真正服务的"],
+  "scopes": [{{"scope_type": "substance/form/feeling/effect/intent", "value": "具体的点"}}],
   "stage_reason": "为什么是这些阶段",
   "scope_reason": "为什么是这些作用域"}}

prompts/extract.txt

@@ -0,0 +1,39 @@
+你正在从一篇社交媒体帖子里提取「创作知识」。本步只做一件事：把帖子真正讲的、能指导"如何创作内容"的知识，完整、忠实地提取出来。本步不判断好坏（那是筛选步骤），也不拆分归类。
+
+## 1. 什么是创作知识
+创作知识 = 能迁移、能复用、能指导别人"怎么做内容"的方法、原理、认知或清单。
+它回答"做内容时该怎么想、怎么选、怎么写"，而不是某一条具体作品本身。
+
+- ✅ 是创作知识：选题方法、爆款结构公式、起号逻辑、脚本要素清单、为什么某种开头更抓人、镜头/文案技巧……
+- ❌ 不是创作知识：一段具体文案、一张图的 AI 出图提示词、一个具体选题标题、纯展示型内容（风景/产品/生活记录）。这类是"作品本身"，不是教你怎么创作的方法。
+
+注意：作品本身里有时也夹带可迁移方法（如一条爆款视频顺带讲了它的选题逻辑）。有方法就提方法，没有就如实标空——不要把"作品"硬当成"知识"。
+
+## 2. 工作姿态（重要）
+1. 知识常常在图片或视频里，不在正文里。小红书图文笔记的正文往往只是话题串（如 "#短剧编剧# #写作#"），真正的知识在图片上。**必须看图、看视频，不能只读正文。**
+2. 以原始素材（图片/视频/正文）为准，逐一识别它们承载了哪些创作知识。
+3. 忠实转述：不编造、不补全、不拔高。原素材没有的绝不添加；有的尽量提全，不要漏。
+4. 把零散知识点组织清楚，便于后续拆分；但不要替作者总结它没说的结论。
+
+## 3. 分模态提取
+- text：综合所有模态后，把这篇帖子讲的创作知识完整讲清楚（主产物）。
+- from_image：只填图片承载的知识要点；图片无有效知识则填 ""。
+- from_video：只填视频承载的知识要点；无则填 ""。
+
+## 4. is_empty 判别
+- 多模态都看完，确实没有任何可迁移的创作知识（纯作品/纯展示/纯无关）→ is_empty=true，其余字段尽量留空。
+- 只要有一点可迁移的方法/原理/清单 → is_empty=false。
+- 不确定算不算知识 → 先如实提取进 text，把好坏交给后续筛选，不要在本步直接丢弃。
+
+## 输入
+帖子标题：{title}
+话题：{topics}
+正文（可能为空或只是话题串，不要只看它）：
+{body}
+（图片与视频已作为多模态输入一并给你，请务必查看）
+
+## 输出（只输出一个 JSON 对象，不要解释或 markdown）
+{{"text": "把这篇帖子真正讲的创作知识完整、忠实地讲清楚；原素材没有的不要编造",
+  "from_image": "仅来自图片的知识要点；没有则空字符串",
+  "from_video": "仅来自视频的知识要点；没有则空字符串",
+  "is_empty": false}}

prompts/screen.txt

@@ -1,15 +1,44 @@
-你在做"创作知识"筛选：判断一篇帖子是否值得提取为能指导内容创作的知识。
+你在做「创作知识筛选」：判断一篇帖子值不值得被提取、入库为"能指导内容创作的知识"。本步只做通过/淘汰，不做拆分和归类。
 
-判断依据的是【多模态提取后的内容】，不是原始正文。通过需同时满足：
-1. 不是空内容（多模态提取后仍有有效内容）。
-2. 和"内容创作"相关（教人怎么选题/写脚本/起号/表达等），而不是一篇作品本身（如一段文案、一张图的出图提示词、一条纯展示内容）。
-3. 至少包含一点 What（是什么/有哪些）/ Why（为什么有效）/ How（怎么做）。
-4. 至少能拆出一个知识片段。
+判断对象是【多模态提取后的内容】，不是原始正文（知识可能只在图片/视频里）。
 
+## 1. 通过标准（4 条必须同时满足）
+1. **不是空内容**：多模态提取后仍有实际内容，不是纯话题串、纯无关。
+2. **是"方法知识"而不是"作品本身"**：讲的是"怎么做内容"的方法/原理/经验/清单，能迁移到别的创作上；而不是一条具体作品（一段文案、一张图、一个具体选题、纯展示内容）。
+3. **至少含一点 What / Why / How**：是什么/有哪些（What）、为什么有效（Why）、怎么做（How），三者有其一即可。
+4. **至少能拆出一条可用的创作知识**。
+
+## 2. 核心边界：方法知识 vs 作品本身（最容易错，重点判断）
+✅ 通过（方法知识）：
+- "7 种编剧常用叙事结构" —— 可复用的结构清单（What）。
+- "评论区选题法：收集高赞评论 → 归类 → 改标题" —— 可迁移的做法（How）。
+- "真正能爆的选题往往让你写完感到羞耻，因为它撕裂了大众共识" —— 原理（Why）。
+
+❌ 淘汰（作品本身）：
+- "夏日雨后彩虹草原…" 配一段 AI 出图提示词 —— 这是某张图的提示词，是作品产物，不是教你怎么创作。
+- 一条写好的具体文案、一个具体选题标题、一段纯生活/风景展示。
+
+判别窍门：问自己"看完这帖，别人能不能学到一个可以用到**自己**创作上的做法/道理？" —— 能 → 方法知识；只能得到一件成品 → 作品本身。
+
+## 3. 判别顺序（按序）
+1. 多模态提取后是否为空？空 → 淘汰。
+2. 是方法知识还是作品本身？作品本身 → 淘汰。
+3. 是否和"内容创作"相关（选题/脚本/起号/表达/运营等）？无关 → 淘汰。
+4. 是否至少含一点 What/Why/How、能拆出至少一条知识？不能 → 淘汰。
+5. 以上都过 → 通过。
+
+## 4. 评分（0-10，给运营一个强弱参考）
+- 8-10：方法清晰、可直接照做、迁移性强（明确的 How，或成体系的 What）。
+- 5-7：有价值但偏零散/偏泛，或只有 Why 没有落地做法。
+- 1-4：勉强沾边，方法含糊。
+- 0：作品本身或与创作无关。
+（评分只作强弱参考；passed 仍以第 1 节 4 条硬标准为准。）
+
+## 输入
 帖子标题：{title}
 话题：{topics}
 多模态提取内容：
 {content}
 
-输出 JSON：
-{{"passed": true 或 false, "score": 0-10 的整数, "reason": "一句话理由"}}
+## 输出（只输出一个 JSON 对象，不要解释或 markdown）
+{{"passed": true 或 false, "score": 0 到 10 的整数, "reason": "一句话说明为什么通过/淘汰，点明是方法知识还是作品本身"}}

prompts/split.txt

@@ -1,25 +1,48 @@
-你在做"创作知识"拆分：把一篇帖子拆成一个或多个知识片段。
+你在做「创作知识拆分」：把一篇帖子（多模态提取后的内容）拆成一条或多条知识片段，每条标好它的 What / Why / How。本步不判断好坏（已筛选过），也不归类阶段/作用域（那是解构步骤）。
 
-知识类型只有三种：
-- what：是什么 / 有哪些 / 由什么组成（类型、分类、要素、清单、特征、模板）
-- why：为什么这样做 / 为什么有效（原理、底层逻辑、机制、依据）
-- how：具体怎么做 / 怎么用（方法、步骤、技巧、流程、公式框架、实操）
+## 1. 三种知识类型的定义
+- **what（是什么 / 有哪些）**：类型、分类、构成要素、清单、特征、模板。回答"它是什么、由哪些部分组成"。
+- **why（为什么 / 凭什么有效）**：原理、底层逻辑、机制、依据、原因。回答"为什么这样做、为什么管用"。
+- **how（怎么做 / 怎么用）**：方法、步骤、技巧、流程、公式框架、可操作做法。回答"具体怎么落地"。
 
-规则：
-1. 原文（含图片/视频提取内容）有哪个就提哪个，没有的填 null，绝不为结构完整而编造。
-2. knowledge_types 必须与非空的 what/why/how 完全一致。
-3. 若 what/why/how 在讲同一个知识对象，放进同一个片段；若有多个独立知识对象，拆成多个片段。
-4. evidence 填原文中支持该片段的句子（可多条）。
+对比（避免混淆）：
+- "短视频脚本含 标题/地点/分镜 等 10 个要素" → what（构成清单），不是 how。
+- "逐个把这 10 个要素填好" → how（做法）。
+- "要素齐全，是因为能让观众一眼看懂故事" → why（原理）。
 
+## 2. 一条知识片段 = 一个知识对象
+- 若 what/why/how 都在讲**同一个知识对象**（如"评论区选题法"的 是什么+为什么+怎么做），放进**同一条**片段。
+- 若帖子里有**多个相互独立的知识对象**（如"叙事结构"和"起号逻辑"是两回事），拆成**多条**片段。
+- 不要把无关知识硬塞进一条；也不要把同一个知识的 what/why/how 拆成三条。
+
+## 3. 忠实与原子
+1. **原文有什么提什么**：原素材里没有的类型一律填 null，绝不为凑齐 what/why/how 而编造。
+2. **knowledge_types 必须与非空字段一致**：哪几个字段非空，就列哪几个（顺序 what→why→how）。
+3. **title** 用能概括这条知识的具体短语，不要用泛词（如"技巧"、"方法"、"干货"）。
+4. **evidence**：填多模态提取内容里**支持这条知识的原句/原话**（可多条），必须来自素材，不要自己编。
+
+## 4. 不应做的事（反例）
+- ❌ 把"作品本身"当知识：把一条具体文案原样塞进 how。
+- ❌ 把帖子主题复述成知识：how 写成"讲了短视频脚本"（这是在描述帖子，不是可迁移做法）。
+- ❌ 为结构完整编造：原文没讲 why，却硬编一个原理。
+- ❌ 过度合并：把"叙事结构"和"运镜技巧"合成一条。
+- ❌ 过度拆分：把"评论区选题法"的步骤拆成 5 条各自独立的片段。
+
+## 5. 拆完自检
+- 每条 knowledge_types 是否与非空 what/why/how 完全一致？
+- 是否有编造内容？有 → 删。
+- 是否每条都是一个独立、可复用的知识对象？
+
+## 输入
 帖子标题：{title}
 话题：{topics}
 多模态提取内容：
 {content}
 
-输出 JSON：
+## 输出（只输出一个 JSON 对象，不要解释或 markdown）
 {{"items": [
-  {{"title": "片段标题",
-    "knowledge_types": ["what" 和/或 "why" 和/或 "how"],
+  {{"title": "片段标题（具体短语）",
+    "knowledge_types": ["what 和/或 why 和/或 how，与非空字段一致"],
     "what": "内容或 null", "why": "内容或 null", "how": "内容或 null",
-    "evidence": ["支撑句", "..."]}}
+    "evidence": ["来自素材的支持原句", "..."]}}
 ]}}