doco收尾: 22期融合A稿成品归拢 + ep021/022补稿 + cli路径修复
- ep021(海战颠覆者)、ep022(硬核脑洞)全流程P1→C4跑通 - ep007/010 C4说话人区分重跑补漏 - cli.py episode_dir加.resolve()修复子进程路径翻倍bug - 22份融合A稿按播出顺序归拢至doco/deliverables/ - 排播对照表2026episode_list.xlsx导入 - 词典累积至267+条 - 两份CLAUDE.md更新交接状态 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
This commit is contained in:
simonkoson
+18
-15
@@ -16,8 +16,8 @@
|
||||
|
||||
## 🔖 状态栏 (STATUS — 每次结束 session 前必须更新这三行)
|
||||
|
||||
- **最后更新**：Claude Code ｜ 2026-06-24
|
||||
- **当前状态一句话**：**20 期全部出稿完成（16/16 批量跑零失败）。** doco 流水线验证通过。下一步：通哥逐期核验分段 → doco 收工 → 带 20 期成品回 TPS 主项目知识库。
|
||||
- **最后更新**：Claude Code ｜ 2026-06-26
|
||||
- **当前状态一句话**：**doco 子项目开发收尾。** 22 期融合A稿全部产出（含说话人区分重跑），已归拢至 `doco/deliverables/`。第01期（武器装备里的形状规律）缺A稿暂跳过。下一步：带 22 期成品回 TPS 主项目知识库批量导入。
|
||||
- **下一个动手的人从这里开始**：见下方「⏩ 交接备注」
|
||||
|
||||
---
|
||||
@@ -81,14 +81,15 @@
|
||||
|
||||
## 3. 当前进度（核心交接区，以最新快照为准）
|
||||
|
||||
- **已完成至**：ep001-004 四期全流程出稿。一键脚本 `doco run` + 批量脚本 `_batch_run.py` 已就绪。16 期骨架全部生成并通过核验。C3 prompt 已收紧（专名铁律）。C4 batch_size 已降至 25。
|
||||
- **正在做**：无（等通哥逐期核验分段标签）。
|
||||
- **卡点 / 待解**：20 期出稿已全部产出，通哥核验分段后 doco 收工，带成品回 TPS 主项目。
|
||||
- **已完成至**：**doco 子项目开发收尾。** 22 期融合A稿全部产出（ep001-022，含说话人区分 C4 重跑），已归拢至 `doco/deliverables/`（按播出顺序命名，22 份）。第01期（武器装备里的形状规律）缺A稿暂跳过。排播对照表 `doco/data/2026episode_list.xlsx` 已就位。
|
||||
- **正在做**：无。doco 开发完成，等待回归 TPS 主项目。
|
||||
- **卡点 / 待解**：下一步把 22 期融合A稿批量导入 TPS 主项目知识库（走 Phase 3 上传/embedding 链路）。
|
||||
|
||||
---
|
||||
|
||||
## 4. 已完成（只追加，最新在最上）
|
||||
|
||||
- [2026-06-26 ｜Claude Code] **doco 子项目收尾：ep021/022 补稿 + 说话人重跑 + 成品归拢。** 本 session 完成：① **ep021（海战颠覆者）、ep022（硬核脑洞）两期新补 A 稿全流程 P1→C4 跑通**——ep021 骨架 LLM 自动生成失败（`extract_a_paragraphs()` 过滤空段后重编号，LLM 用了 raw docx 下标），手写骨架 JSON（32 段=26 normal+6 ignore 粗体章节标题）通过校验；ep022 骨架 LLM 自动通过（38 段全 normal，inline header）；ep021 C3 review 13 条（均 OCR 修正，专名零替换）、C4 punct_ok 25/26；ep022 C3 review 5 条、C4 punct_ok 全过；② **cli.py 路径 bug 修复**：`episode_dir = Path("programs")/episode_id` 相对路径在子进程中二次解析导致路径翻倍（`programs/ep021/programs/ep021/...`），加 `.resolve()` 修复——此 bug 从未触发因 ep004 用 `--skip-p1` 且 `_batch_run.py` 用绝对路径；③ **ep007、ep010 C4 说话人区分重跑**（06-24 批量重跑时这两期被遗漏，融合A稿时间戳仍为 06-23），重跑完成、产物已更新；④ **排播对照表** `doco/data/2026episode_list.xlsx`（25 期播出日期/期次/节目名/编导/收视）导入，建立 ep→播出顺序完整映射；⑤ **成品归拢** `doco/deliverables/` 文件夹：22 份融合A稿按播出顺序统一命名（`第XX期_YYYYMMDD_节目名_编导_融合A稿.docx`），缺第01期（武器装备里的形状规律，无A稿）；⑥ 通哥人工核验 ep021/022 质量高，仅两处小毛刺（ep021 一段话归错段落、ep022 一个标签应为三维动画），确认技术路径有效。
|
||||
- [2026-06-23 ｜Claude Code] **批量化基础设施完工 + ep004 全流程通过 + 16 期批量跑启动**。本 session 完成：① ep004（枪王对决，最难·小剧场密·58段）全流程 P1→C4 一次通过，C4 punct_ok 58/58 全过、confidence 全 ≥0.80（batch_size=25 效果显著，无批次回退）；② 新增 `doco run` 一键全流程命令（Cline 实现，Opus 审核），参数 `--episode-id / --a-script / --input-video / --batch-size / --skip-p1`，ep004 `--skip-p1` 验证通过；③ C3 SYSTEM_PROMPT 收紧专名铁律（防 ASR 同音字替换权威 B稿专名）；④ Ollama 并发提至 16 路（`OLLAMA_NUM_PARALLEL=16`，8 路实测 GPU 96%、显存充裕）；⑤ 16 期新目录建立 + 文件拷贝 + 骨架批量生成并集中核验（真名零泄露、隔断/ignore 正确）；⑥ `_batch_run.py` 批量脚本启动跑 ep005-ep020。**doco PRD 完成标准已与通哥确定**：20 期全出稿 → 带成品回 TPS 主项目知识库批量导入。
|
||||
- [2026-06-22 晚｜Claude Code] **ep002 C4 审核完毕，全流程收工**。Cline 跑完 C4 compose 出稿 `20260127潜艇的仿生之路_穆佩弦_融合A稿.docx`。Opus 审核核验：硬校验（汉字零改）全过、733 行全覆盖、标点回退 0 段。**但发现两个问题**：① Cline 自报空段名称错了两个（报"解说3/解说6"，实际是"三维动画解说3/解说8"）、隔断数也报错（报 3 个，实际 4 个）——再次印证不信 Cline 自检；② **9/19 批次（47%）LLM 对齐失败走回退**（全 confidence=0.30），本次因失败批次恰在大段中间未翻车，但属黄色预警。**分段偏差根因**：A 稿是拍摄前剧本，专家采访段与实际播出内容差异巨大（A 稿一句话提纲 vs 专家自由发挥两分钟），LLM 无法正确匹配——这是信息不对应，非算法问题。通哥手动批改分段（~10 处高亮标签），内容本身正确。**结论（通哥拍板）**：治本靠编导给贴近播出版的稿子，现阶段接受"程序保证文字零改 + 编导手调分段"的模式。
|
||||
- [2026-06-22 ｜Claude Code] **ep002 C3 融合通过**。融合B稿 733行（零偏移），review 10条（5 minor_edit 全是 OCR 错字修正，专名无同音替换）。C4 compose 交 Cline 跑中。
|
||||
@@ -119,8 +120,8 @@
|
||||
- [ ] **【产品 backlog】原稿缺【专家N】/【三维动画N】标签**：ep003 复查发现编导原稿里就没有专家、后续三维动画的分段标注，骨架如实反映=融合A稿里也没有（通哥手工补了高亮）。不赖程序（原稿零信号，LLM 与人一样猜不准），**不让程序猜**。治本=提醒编导/责编原稿把【专家N】等段头标全；50 期前在导入须知里写清。
|
||||
- [x] **【已完成】C3 prompt 收紧**：`fusion_review.py` SYSTEM_PROMPT 新增专名铁律——厂名/型号/番号/国名/人名/机构名遇 B稿与 ASR 同音异写，一律以 B稿为准，零容忍采 ASR。
|
||||
- [x] **【已完成】串一键脚本**：`doco run` 命令（P1→P2→C1→C2→C3→C4 六阶段串联），ep004 验证通过。模板脚本放 `src/doco/templates/`。
|
||||
- [x] **批量跑 20 期（完成）**：ep001-004 + ep005-ep020 共 20 期全部出稿，16 期批量跑零失败（847 分钟），B稿行数 699-874，融合B稿行数全部零偏移。
|
||||
- [ ] **doco 收工后回 TPS 主项目**：20 期融合A稿批量导入知识库（走 Phase 3 已有的上传/embedding 链路），为 Phase 4a 语义搜索提供冷启动数据。
|
||||
- [x] **批量跑 22 期（完成）**：ep001-020 共 20 期 + ep021/022 新补 2 期，全部出稿。说话人区分 C4 重跑覆盖全部 22 期。成品归拢至 `doco/deliverables/`（22 份，按播出顺序命名）。
|
||||
- [ ] **doco 收工后回 TPS 主项目**：22 期融合A稿批量导入知识库（走 Phase 3 已有的上传/embedding 链路），为 Phase 4a 语义搜索提供冷启动数据。成品位于 `doco/deliverables/`。
|
||||
- [x] **【已修复】`fusion_align.py` align_batch 崩溃 bug**：`_parse_align_json` 调用在 `try/except` 之外，LLM 返回空字符串时进程崩溃。Cline 已修，移入 try/except 内，错误时优雅回退。
|
||||
- [ ] **骨架小瑕疵 backlog（不拦路，后期顺手或跳过）**：ep002 演播室主持人 vs 主持人 是否统一；ep004 小剧场角色编号乱(斯9/斯通纳10、卡8跨场)直接改 JSON 即可，不必重调 LLM；ep003 行内`【固摇轨】`留在参照正文(无害，不进输出)。
|
||||
- [x] **C2** 讯飞 ASR 适配层（密钥外置 + asr_adapter 并入 + `doco asr` 命令 + 真转写310句）
|
||||
@@ -168,25 +169,27 @@
|
||||
|
||||
## 7. ⏩ 交接备注（写给下一个接手的 session）
|
||||
|
||||
> 下次开工读完这段应能 0 摩擦续上。接手后可清空重写。**（2026-06-23 重写）**
|
||||
> 下次开工读完这段应能 0 摩擦续上。接手后可清空重写。**（2026-06-26 重写）**
|
||||
|
||||
- **大局**：doco 子项目进入收尾阶段。ep001-004 四期全流程已出稿验证通过。16 期新节目（ep005-ep020）正在 `_batch_run.py` 批量跑中。20 期全部出稿后，doco 收工，融合A稿作为知识库资源带回 TPS 主项目。
|
||||
- **批量跑状态**：`python _batch_run.py` 在独立终端跑中。脚本有断点续跑能力（B稿v2 存在则跳过 P1+P2，ASR 已有则跳过转写，融合B稿已有则跳过 C3，融合A稿已有则跳过 C4）。中断后直接重跑即可。
|
||||
- **第一句话该干的**：看 `_batch_run.py` 跑完没有。跑完看汇总表，有失败的排查原因重跑。全部成功后，逐期打开融合A稿 docx 核验分段标签，分段偏差的地方手调。
|
||||
- **大局**：**doco 子项目开发已完成。** 22 期融合A稿全部产出（含说话人区分重跑），成品归拢至 `doco/deliverables/`（22 份，按播出顺序 `第XX期_YYYYMMDD_节目名_编导_融合A稿.docx` 命名）。缺第01期（武器装备里的形状规律，无A稿）。下一步是把成品带回 TPS 主项目知识库。
|
||||
- **第一句话该干的**：切回 TPS 主项目，把 `doco/deliverables/` 里 22 份融合A稿批量导入知识库（走 Phase 3 上传/embedding 链路），为 Phase 4a 语义搜索提供冷启动数据。
|
||||
- **排播对照表**：`doco/data/2026episode_list.xlsx`（25 期完整播出日期/期次/节目名/编导/收视），内部 ep ID → 播出顺序的映射已建立。
|
||||
- **LLM**：小米 MiMo 2.5 Pro，环境变量 `LLM_API_KEY` / `LLM_BASE_URL` / `LLM_MODEL`。
|
||||
- **Ollama**：16 路并发（`OLLAMA_NUM_PARALLEL=16`），4090D 24GB 充裕。
|
||||
- **关键参数**：C4 batch_size=25（`_batch_run.py` 硬编码），C3 batch_size=35。
|
||||
- **量产坑（务必记住）**：
|
||||
- **关键参数**：C4 batch_size=25，C3 batch_size=35。
|
||||
- **量产经验（若后续加期）**：
|
||||
1. **C3 fuse 后必扫 `fusion_review.csv`**：专名被 ASR 同音字替换要打回。C3 prompt 已收紧专名铁律，但仍需人工复核。
|
||||
2. **C4 空段 = 播出剪了那段**，不是 bug。
|
||||
3. **C4 分段偏差是常态**（A 稿≠播出版），编导手调分段标签即可。
|
||||
4. **OCR 漏字不补**（通哥拍板），LLM 补词=破红线。
|
||||
5. Cline 自报结果一律对源数据核验，不轻信。
|
||||
6. thinking 分任务用：骨架/对齐开，标点/抽取/融合关。
|
||||
- **出稿命名**：`{原始A稿stem}_融合A稿.docx`。
|
||||
7. **骨架注意**：`extract_a_paragraphs()` 会过滤空段并重编号，LLM 生成骨架时必须基于过滤后的下标（ep021 踩过此坑，需手写骨架）。
|
||||
8. **cli.py 路径**：`episode_dir` 已改为 `.resolve()` 绝对路径，修复了子进程路径翻倍 bug。
|
||||
- **出稿命名**：episode 目录内为 `{原始A稿stem}_融合A稿.docx`；deliverables 文件夹统一为 `第XX期_YYYYMMDD_节目名_编导_融合A稿.docx`。
|
||||
- **字体坑**：大标题方正小标宋_GBK（商业字体），出稿前确认已装。
|
||||
- **doco 收工后的路**：20 期成品 → TPS 主项目知识库批量导入（走 Phase 3 上传/embedding 链路）→ Phase 4a 语义搜索提供冷启动数据。主项目待办三选一中的"200+ Obsidian md 批量录入"正好是接收口。
|
||||
- **工具脚本清单**（一次性，跑完可删）：`_setup_episodes.py`（建目录+拷文件）、`_batch_skeleton.py`（批量生成骨架）、`_batch_run.py`（批量全流程）。
|
||||
- **doco 收工后的路**：22 期成品 → TPS 主项目知识库批量导入（走 Phase 3 上传/embedding 链路）→ Phase 4a 语义搜索提供冷启动数据。
|
||||
|
||||
---
|
||||
|
||||
|
||||
Reference in New Issue
Block a user