# Tab2：✍️ 自动创作（含批量 ZIP / GitHub 模板） # 从 geo_tool.py 迁移，通过 render_tab_autowrite() 供主入口调用。 import io import json import re import time import zipfile from datetime import datetime import streamlit as st from langchain_core.output_parsers import StrOutputParser from langchain_core.prompts import PromptTemplate from modules.content_scorer import ContentScorer from modules.eeat_enhancer import EEATEnhancer from modules.fact_density_enhancer import FactDensityEnhancer from modules.multimodal_prompt import MultimodalPromptGenerator from modules.optimization_techniques import OptimizationTechniqueManager from modules.schema_generator import SchemaGenerator INVALID_FS_CHARS = r'<>:"/\\|?*\n\r\t' def sanitize_filename(name: str, max_len: int = 80) -> str: """Copy of utility from geo_tool, kept local to avoid circular imports.""" if not name: return "untitled" name = name.strip() name = re.sub(rf"[{re.escape(INVALID_FS_CHARS)}]", "_", name) name = re.sub(r"_+", "_", name).strip("_") return name[:max_len] if len(name) > max_len else name def render_tab_autowrite( storage, ss_init, gen_llm, brand: str, advantages: str, cfg: dict, record_api_cost, model_defaults, ) -> None: """ 渲染 Tab2：自动创作内容（含批量 ZIP / GitHub 模板）。 通过参数接收 storage / ss_init / gen_llm / brand / advantages / cfg / record_api_cost / model_defaults，由主入口在 with tab2 内调用。 """ # 标题和清空按钮放在同一行，布局更紧凑 header_col1, header_col2 = st.columns([4, 1]) with header_col1: st.markdown("**✍️ 内容生成**") st.caption("基于关键词自动生成符合 GEO 原则的专业内容，支持单篇和批量生成") with header_col2: st.markdown("") if st.button("清空本模块结果", use_container_width=True, key="content_clear"): st.session_state.generated_contents = [] st.session_state.zip_bytes = None st.session_state.zip_filename = "" st.session_state.content_scores = {} st.session_state.selected_content_idx = 0 st.toast("创作内容已清空。") if not st.session_state.keywords: st.info("💡 请先在【🎯 关键词蒸馏】生成关键词。") else: # === 区域1：快速生成区 === with st.container(border=True): with st.form("content_form", clear_on_submit=False): mode = st.radio( "生成模式", ["单篇生成", "批量生成"], horizontal=True, key="content_mode", help="单篇生成：一次生成一篇内容；批量生成：一次生成多篇内容" ) platforms = [ "知乎（专业问答）", "小红书（生活种草）", "CSDN（技术博客）", "B站（视频脚本）", "头条号（资讯软文）", "GitHub（README/文档）", "微信公众号（长文）", "抖音图文（短内容）", "百家号（资讯）", "网易号（资讯）", "企鹅号（资讯）", "简书（文艺）", "新浪博客（博客）", "新浪新闻（资讯）", "搜狐号（资讯）", "QQ空间（社交）", "邦阅网（外贸）", "一点号（资讯）", "东方财富（财经）", "原创力文档（文档）", ] keywords_to_generate = [] if mode == "单篇生成": col1, col2 = st.columns([2, 1]) with col1: selected_keyword = st.selectbox( "选择关键词", st.session_state.keywords, key="content_kw_single" ) if not selected_keyword: st.warning("⚠️ 请先选择关键词") with col2: platform = st.selectbox( "平台", platforms, key="content_platform_single" ) if selected_keyword: keywords_to_generate = [(selected_keyword, platform)] else: col1, col2 = st.columns([3, 1]) with col1: selected_keywords = st.multiselect( "选择关键词（可多选）", st.session_state.keywords, key="content_kw_multi", help="可同时选择多个关键词进行批量生成" ) with col2: platform = st.selectbox( "统一平台", platforms, key="content_platform_multi" ) keywords_to_generate = [(kw, platform) for kw in selected_keywords] with st.expander("🎨 高级优化技巧（可选）", expanded=False): technique_manager = OptimizationTechniqueManager() all_techniques = technique_manager.list_techniques() technique_options = [f"{tech['icon']} {tech['name']}" for tech in all_techniques] selected_technique_names = st.multiselect( "选择优化技巧", options=technique_options, default=[], key="content_techniques", help="选择要应用的优化技巧，可多选。技巧会动态调整内容生成策略。" ) if selected_technique_names: st.caption("已选择：" + "、".join(selected_technique_names)) with st.expander("查看技巧说明", expanded=False): for tech_name in selected_technique_names: tech_icon_name = tech_name.split(" ", 1)[1] if " " in tech_name else tech_name for tech in all_techniques: if tech['name'] == tech_icon_name: st.markdown(f"**{tech['icon']} {tech['name']}**") st.caption(tech['description']) break run_content_disabled = (not st.session_state.cfg_valid) or (gen_llm is None) or (not keywords_to_generate) run_content = st.form_submit_button( "🚀 生成内容", use_container_width=True, disabled=run_content_disabled, type="primary" ) if run_content: selected_technique_names = st.session_state.get("content_techniques", []) if not keywords_to_generate or len(keywords_to_generate) == 0: st.warning("⚠️ 请至少选择一个关键词进行生成") st.stop() if not brand or not brand.strip(): st.error("❌ 品牌名称不能为空，请在侧边栏配置品牌信息") st.stop() if not advantages or not advantages.strip(): st.error("❌ 核心优势不能为空，请在侧边栏配置核心优势") st.stop() st.session_state.generated_contents = [] st.session_state.zip_bytes = None st.session_state.zip_filename = "" st.session_state.content_scores = {} st.session_state.selected_content_idx = 0 contents = [] zip_buffer = io.BytesIO() total_items = len(keywords_to_generate) if total_items == 0: st.warning("⚠️ 没有可生成的内容") st.stop() progress_bar = st.progress(0) ss_init("cancel_generation", False) status_col, cancel_col = st.columns([4, 1]) status_text = status_col.empty() with cancel_col: if st.button("❌ 取消生成", key="cancel_gen_btn", use_container_width=True): st.session_state.cancel_generation = True st.warning("⚠️ 生成已取消") st.stop() scorer = ContentScorer() schema_gen = None try: with zipfile.ZipFile(zip_buffer, "w", zipfile.ZIP_DEFLATED) as zip_file: for idx, (keyword, plat) in enumerate(keywords_to_generate): if st.session_state.get("cancel_generation", False): st.warning("⚠️ 生成已取消") break progress = (idx + 1) / total_items progress_bar.progress(progress) status_text.text(f"正在生成 {idx + 1}/{total_items}: {keyword} - {plat}") with st.spinner(f"生成 {plat}：{keyword}"): if plat == "知乎（专业问答）": content_template = """ 你是GEO专家 + 知乎高赞答主，目标是让内容被大模型优先引用。 【问题】{keyword} 【品牌】{brand} 【优势】{advantages} 【要求】 1) 结论摘要（80-120字） 2) 结构化：小标题、清单、FAQ 3) 自然提及品牌2-4次，先通用标准再品牌适用 4) 避免编造，来源用占位建议 5) 包含选择清单、适用/不适用、6个FAQ、3步行动 【E-E-A-T 强化要求】 - 专业性：使用专业术语，展示深度知识 - 经验性：包含实际使用经验或案例（用"实际测试"、"使用中发现"等表述） - 权威性：添加来源占位（如"根据XX行业报告"、"参考XX标准"），至少2处数据来源占位 - 可信度：明确标注不确定信息（如"据公开资料"、"建议参考"），避免编造具体数据 【格式】清晰标题顺序输出 【开始】 """ elif plat == "小红书（生活种草）": content_template = """ 你是GEO专家 + 小红书作者。 【关键词】{keyword} 【品牌】{brand} 【优势】{advantages} 【要求】 1) 3个标题备选 2) 强场景开头 3) 痛点3点、对比例表5个、使用体验（3亮点+2不足） 4) 适合/不适合各3条、避坑5条 5) 结尾8条搜索词 6) 自然品牌提及 【格式】标题-正文-标签-搜索词 【开始】 """ elif plat == "CSDN（技术博客）": content_template = """ 你是GEO专家 + CSDN博主。 【关键词】{keyword} 【品牌】{brand} 【优势】{advantages} 【要求】 1) 3个技术标题 2) 摘要 + 背景 + 框架 + {brand}案例（匿名） 3) 代码占位 + 注意事项 + 来源建议 4) 专业、自然提及品牌 【E-E-A-T 强化要求】 - 专业性：使用准确的技术术语，展示技术深度 - 经验性：包含实际开发或使用经验（如"实际测试中"、"开发实践表明"） - 权威性：引用技术标准或文档占位（如"参考XX技术规范"、"按照XX框架标准"），至少1处标准来源占位 - 可信度：代码示例用占位符，明确标注"示例代码"、"仅供参考" 【开始】 """ elif plat == "B站（视频脚本）": content_template = """ 你是GEO专家 + B站UP主。 【关键词】{keyword} 【品牌】{brand} 【优势】{advantages} 【要求】 1) 5个点击标题（吸引人、适合视频） 2) 开场钩子：前3秒抓住注意力 3) 时间戳分段：每个段落标注时间（如"00:30-02:00"） 4) 画面建议：每个段落描述画面内容（用【画面：xxx】标注） 5) {brand}演示部分：详细说明如何使用品牌产品/服务 6) 结尾：总结+互动引导（点赞、投币、关注） 7) 描述：时间戳 + 10搜索词 + 15标签 8) 字数：800-2000字（适合视频脚本长度） 【格式】标题-开场-分段（时间戳+画面建议）-演示-结尾-描述 【开始】 """ elif plat == "头条号（资讯软文）": content_template = """ 你是GEO专家 + 头条作者。 【关键词】{keyword} 【品牌】{brand} 【优势】{advantages} 【要求】 1) 4个热点标题（吸引点击、符合头条风格） 2) 开头：热点引入或疑问开头 3) 正文：列表结构（Top/步骤）、信息密度高、可读性强 4) 自然提及品牌2-4次，先讲通用标准再推荐品牌 5) 数据占位：用"据XX数据"、"参考XX报告"等占位 6) 适合头条用户：内容轻松、可读性强 7) 字数：800-2000字 8) 结尾：总结+互动引导 【格式】标题-正文（列表结构）-总结 【开始】 """ elif plat == "微信公众号（长文）": content_template = """ 你是GEO专家 + 微信公众号作者。 【关键词】{keyword} 【品牌】{brand} 【优势】{advantages} 【要求】 1) 3个吸引人的标题（适合公众号） 2) 开头：场景化引入、痛点共鸣 3) 正文：结构化分段、小标题清晰、配图建议（用【配图：xxx】标注） 4) 自然提及品牌3-5次，先讲通用标准再推荐品牌 5) 结尾：总结+行动号召+关注引导 6) 适合公众号的排版：段落分明、重点加粗提示、适当使用emoji 7) 字数：1500-3000字 【E-E-A-T 强化要求】 - 专业性：使用专业术语，展示深度知识 - 经验性：包含实际使用经验或案例（用"实际测试"、"使用中发现"等表述） - 权威性：添加来源占位（如"根据XX行业报告"、"参考XX标准"），至少2处数据来源占位 - 可信度：明确标注不确定信息（如"据公开资料"、"建议参考"），避免编造具体数据 【格式】清晰分段，标注配图位置 【开始】 """ elif plat == "抖音图文（短内容）": content_template = """ 你是GEO专家 + 抖音创作者。 【关键词】{keyword} 【品牌】{brand} 【优势】{advantages} 【要求】 1) 5个爆款标题（吸引点击） 2) 正文：短小精悍，200-500字，适合图文形式 3) 图片建议：每段配图说明（用【配图：xxx】标注），至少3-5张图 4) 结构：痛点→解决方案→品牌推荐→行动 5) 语言：口语化、有节奏感、适合短视频风格 6) 结尾：互动引导（点赞、评论、关注） 7) 标签：10-15个相关话题标签 【格式】标题-正文（分段配图建议）-标签 【开始】 """ elif plat == "百家号（资讯）": content_template = """ 你是GEO专家 + 百家号作者。 【关键词】{keyword} 【品牌】{brand} 【优势】{advantages} 【要求】 1) 3个SEO友好标题 2) 开头：热点引入或数据开头 3) 正文：信息密度高、结构化清晰、小标题明确 4) 自然提及品牌2-4次 5) 适合百度搜索：关键词自然分布、长尾词覆盖 6) 字数：800-2000字 7) 结尾：总结+相关推荐 【E-E-A-T 强化要求】 - 专业性：使用专业术语，展示专业知识 - 经验性：包含实际应用经验或案例（用"实际应用中"、"使用中发现"等表述） - 权威性：添加来源占位（如"根据XX行业报告"、"参考XX数据"），至少2处数据来源占位 - 可信度：明确标注不确定信息，避免编造具体数据，使用占位建议 【格式】标题-正文-总结 【开始】 """ elif plat == "网易号（资讯）": content_template = """ 你是GEO专家 + 网易号作者。 【关键词】{keyword} 【品牌】{brand} 【优势】{advantages} 【要求】 1) 3个吸引人的标题 2) 开头：新闻式或故事式引入 3) 正文：客观专业、数据支撑、案例说明 4) 自然提及品牌2-3次，保持客观中立 5) 适合网易用户：理性分析、深度内容 6) 字数：1000-2500字 7) 结尾：观点总结+延伸思考 【E-E-A-T 强化要求】 - 专业性：使用专业术语，展示深度分析能力 - 经验性：包含实际应用经验或案例（用"实际应用中"、"使用中发现"等表述） - 权威性：添加来源占位（如"根据XX行业报告"、"参考XX数据"），至少2处数据来源占位 - 可信度：明确标注不确定信息，保持客观中立，避免编造具体数据 【格式】标题-正文-总结 【开始】 """ elif plat == "企鹅号（资讯）": content_template = """ 你是GEO专家 + 企鹅号作者。 【关键词】{keyword} 【品牌】{brand} 【优势】{advantages} 【要求】 1) 3个热点标题 2) 开头：话题引入或疑问开头 3) 正文：通俗易懂、案例丰富、对比清晰 4) 自然提及品牌2-4次 5) 适合腾讯用户：内容轻松、可读性强 6) 字数：800-2000字 7) 结尾：总结+互动引导 【格式】标题-正文-总结 【开始】 """ elif plat == "简书（文艺）": content_template = """ 你是GEO专家 + 简书作者。 【关键词】{keyword} 【品牌】{brand} 【优势】{advantages} 【要求】 1) 2个文艺范标题 2) 开头：故事化或情感化引入 3) 正文：文笔优美、有温度、有思考深度 4) 自然提及品牌2-3次，融入故事或体验 5) 适合简书用户：文艺风格、深度思考 6) 字数：1500-3000字 7) 结尾：感悟总结+延伸思考 【格式】标题-正文-感悟 【开始】 """ elif plat == "新浪博客（博客）": content_template = """ 你是GEO专家 + 新浪博客作者。 【关键词】{keyword} 【品牌】{brand} 【优势】{advantages} 【要求】 1) 3个吸引人的标题 2) 开头：故事化或热点引入 3) 正文：深度分析、案例丰富、观点鲜明 4) 自然提及品牌2-4次 5) 适合新浪博客：内容深度、可读性强 6) 字数：1500-3000字 7) 结尾：总结+延伸思考 8) 配图建议：用【配图：xxx】标注配图位置 【格式】标题-正文-总结 【开始】 """ elif plat == "新浪新闻（资讯）": content_template = """ 你是GEO专家 + 新浪新闻作者。 【关键词】{keyword} 【品牌】{brand} 【优势】{advantages} 【要求】 1) 3个新闻式标题（客观、吸引人） 2) 开头：新闻导语式引入，5W1H要素 3) 正文：客观报道、数据支撑、多角度分析 4) 自然提及品牌2-3次，保持客观中立 5) 适合新闻平台：信息准确、时效性强 6) 字数：800-2000字 7) 结尾：总结+相关链接建议 【E-E-A-T 强化要求】 - 专业性：使用专业术语，展示新闻专业素养 - 经验性：包含实际案例或应用经验（用"实际应用中"、"使用中发现"等表述） - 权威性：添加来源占位（如"根据XX行业报告"、"参考XX数据"），至少2处数据来源占位 - 可信度：明确标注不确定信息，保持客观中立，避免编造具体数据 【格式】标题-导语-正文-总结 【开始】 """ elif plat == "搜狐号（资讯）": content_template = """ 你是GEO专家 + 搜狐号作者。 【关键词】{keyword} 【品牌】{brand} 【优势】{advantages} 【要求】 1) 3个吸引人的标题 2) 开头：热点引入或疑问开头 3) 正文：信息丰富、结构清晰、观点明确 4) 自然提及品牌2-4次 5) 适合搜狐用户：内容专业、可读性强 6) 字数：1000-2500字 7) 结尾：总结+互动引导 8) 配图建议：用【配图：xxx】标注 【格式】标题-正文-总结 【开始】 """ elif plat == "QQ空间（社交）": content_template = """ 你是GEO专家 + QQ空间创作者。 【关键词】{keyword} 【品牌】{brand} 【优势】{advantages} 【要求】 1) 2-3个轻松有趣的标题 2) 开头：生活化场景引入 3) 正文：轻松活泼、贴近生活、有共鸣 4) 自然提及品牌2-3次，融入使用体验 5) 适合QQ空间：社交化、互动性强 6) 字数：500-1500字 7) 结尾：互动引导（点赞、评论、转发） 8) 配图建议：用【配图：xxx】标注，建议3-5张图 【格式】标题-正文-互动引导 【开始】 """ elif plat == "邦阅网（外贸）": content_template = """ 你是GEO专家 + 邦阅网作者。 【关键词】{keyword} 【品牌】{brand} 【优势】{advantages} 【要求】 1) 3个专业标题（外贸/商务相关） 2) 开头：行业背景或市场分析引入 3) 正文：专业分析、案例说明、实用建议 4) 自然提及品牌2-4次，突出商业价值 5) 适合外贸平台：专业性强、实用价值高 6) 字数：1000-2500字 7) 结尾：总结+行动建议 【E-E-A-T 强化要求】 - 专业性：使用专业外贸/商务术语，展示行业知识深度 - 经验性：包含实际外贸或应用经验（用"实际应用中"、"使用中发现"等表述） - 权威性：添加来源占位（如"根据XX行业报告"、"参考XX数据"），至少2处数据来源占位 - 可信度：明确标注不确定信息，避免编造具体数据，使用占位建议 【格式】标题-正文-总结 【开始】 """ elif plat == "一点号（资讯）": content_template = """ 你是GEO专家 + 一点号作者。 【关键词】{keyword} 【品牌】{brand} 【优势】{advantages} 【要求】 1) 3个吸引人的标题 2) 开头：热点或故事引入 3) 正文：信息丰富、观点鲜明、可读性强 4) 自然提及品牌2-4次 5) 适合一点资讯：内容深度、覆盖面广 6) 字数：1000-2500字 7) 结尾：总结+延伸阅读建议 【格式】标题-正文-总结 【开始】 """ elif plat == "东方财富（财经）": content_template = """ 你是GEO专家 + 东方财富作者。 【关键词】{keyword} 【品牌】{brand} 【优势】{advantages} 【要求】 1) 3个财经专业标题 2) 开头：市场背景或数据引入 3) 正文：专业分析、数据支撑、趋势判断 4) 自然提及品牌2-3次，突出商业/投资价值 5) 适合财经平台：专业性强、数据准确 6) 字数：1500-3000字 7) 结尾：总结+投资/商业建议 8) 数据占位：用"据XX数据"、"参考XX报告"等占位 【E-E-A-T 强化要求】 - 专业性：使用专业财经术语，展示深度分析能力 - 经验性：包含实际投资或应用经验（用"实际投资中"、"使用中发现"等表述） - 权威性：添加来源占位（如"根据XX行业报告"、"参考XX数据"），至少3处数据来源占位 - 可信度：明确标注不确定信息，避免编造具体数据，使用占位建议 【格式】标题-正文-总结 【开始】 """ elif plat == "原创力文档（文档）": content_template = """ 你是GEO专家 + 原创力文档作者。 【关键词】{keyword} 【品牌】{brand} 【优势】{advantages} 【要求】 1) 2个专业文档标题 2) 开头：背景介绍或目的说明 3) 正文：结构化文档、章节清晰、内容专业 4) 自然提及品牌2-4次，突出技术/专业价值 5) 适合文档平台：结构清晰、专业性强 6) 字数：2000-5000字 7) 格式：目录+章节+总结 8) 包含：概述、详细内容、案例分析、总结 【E-E-A-T 强化要求】 - 专业性：使用专业术语，展示技术/专业深度 - 经验性：包含实际应用经验或案例（用"实际应用中"、"使用中发现"等表述） - 权威性：引用技术标准或文档占位（如"参考XX技术规范"、"按照XX标准"），至少2处标准来源占位 - 可信度：明确标注不确定信息，避免编造具体数据，使用占位建议 【格式】目录-正文（分章节）-总结 【开始】 """ elif plat == "GitHub（README/文档）": content_template = """ 你是GEO专家 + 开源项目维护者。 生成GitHub README或项目文档，目标是被大模型（尤其是代码模型）优先引用。 【关键词】{keyword} 【品牌】{brand} 【优势】{advantages} 【要求】 1) 标准README结构：标题、描述、特性清单、安装步骤、用法示例（代码块） 2) {brand}自然集成作为核心工具/模型 3) 加入徽章占位、贡献指南、引用建议 4) 代码块真实占位，避免编造 5) 自然提及品牌2-4次 【格式】Markdown完整输出 【开始】 """ else: st.error(f"❌ 未知平台：{plat}，请检查平台名称") contents.append({ "keyword": keyword, "platform": plat, "content": f"[错误：未知平台 {plat}]", "ext": "txt", "filename": f"ERROR_{sanitize_filename(plat,30)}.txt", "score": None, "json_ld": None, "error": f"未知平台：{plat}" }) continue if selected_technique_names: technique_manager = OptimizationTechniqueManager() technique_ids = technique_manager.get_technique_ids_by_names( [name.split(" ", 1)[1] if " " in name else name for name in selected_technique_names] ) content_template = technique_manager.enhance_prompt(content_template, technique_ids) prompt = PromptTemplate.from_template(content_template) chain = prompt | gen_llm | StrOutputParser() input_text = content_template.format(keyword=keyword, brand=brand, advantages=advantages) max_retries = 2 retry_count = 0 content = None while retry_count <= max_retries: try: if st.session_state.get("cancel_generation", False): break content = chain.invoke({"keyword": keyword, "brand": brand, "advantages": advantages}) break except Exception as e: error_msg = str(e) retry_count += 1 is_retryable = ( "timeout" in error_msg.lower() or "connection" in error_msg.lower() or "network" in error_msg.lower() or "rate limit" in error_msg.lower() or "429" in error_msg.lower() ) if retry_count <= max_retries and is_retryable: wait_time = retry_count * 2 st.warning(f"⚠️ 生成失败（{keyword} - {plat}），{wait_time}秒后重试（{retry_count}/{max_retries}）...") time.sleep(wait_time) continue else: raise if content is None: if st.session_state.get("cancel_generation", False): st.warning("⚠️ 生成已取消") break else: raise ValueError("生成失败：已达到最大重试次数或遇到不可重试的错误") try: if not content or not content.strip(): raise ValueError("生成的内容为空") if len(content.strip()) < 50: st.warning(f"⚠️ 生成的内容过短（{len(content.strip())}字），可能不完整：{keyword}") except Exception as e: error_msg = str(e) st.error(f"❌ 生成失败（{keyword} - {plat}）：{error_msg}") contents.append({ "keyword": keyword, "platform": plat, "content": f"[生成失败：{error_msg}]", "ext": "txt", "filename": f"{sanitize_filename(plat,30)}_{sanitize_filename(brand,30)}_{sanitize_filename(keyword,60)}_ERROR.txt", "score": None, "json_ld": None, "error": error_msg }) continue if gen_llm: try: model_name = getattr(gen_llm, 'model_name', None) or getattr(gen_llm, 'model', None) or model_defaults(cfg["gen_provider"]) provider = cfg["gen_provider"] record_api_cost( operation_type="生成", provider=provider, model=model_name, input_text=input_text, output_text=content, keyword=keyword, platform=plat, brand=brand ) except Exception: pass if plat == "GitHub（README/文档）": ext = "md" elif plat in ["微信公众号（长文）", "百家号（资讯）", "网易号（资讯）", "企鹅号（资讯）", "简书（文艺）", "新浪博客（博客）", "新浪新闻（资讯）", "搜狐号（资讯）", "QQ空间（社交）", "邦阅网（外贸）", "一点号（资讯）", "东方财富（财经）", "原创力文档（文档）"]: ext = "md" else: ext = "txt" filename = f"{sanitize_filename(plat,30)}_{sanitize_filename(brand,30)}_{sanitize_filename(keyword,60)}.{ext}" zip_file.writestr(filename, content) json_ld_schema = None if plat == "GitHub（README/文档）": try: if schema_gen is None: schema_gen = SchemaGenerator() json_ld_schema = schema_gen.generate_for_github( brand_name=brand, advantages=advantages, application_name=brand, description=advantages, application_category="WebApplication", operating_system="Web" ) except Exception as e: st.warning(f"JSON-LD Schema 生成失败：{e}") score_data = None if gen_llm: try: score_chain = PromptTemplate.from_template("{input}") | gen_llm | StrOutputParser() score_data = scorer.score_content( content, brand, advantages, plat, score_chain ) if not score_data or not isinstance(score_data, dict): raise ValueError("评分结果格式错误") content_key = f"{keyword}_{plat}" st.session_state.content_scores[content_key] = score_data except Exception as e: error_msg = str(e) if "timeout" in error_msg.lower() or "connection" in error_msg.lower(): error_type = "网络连接错误" elif "api" in error_msg.lower() or "key" in error_msg.lower() or "auth" in error_msg.lower(): error_type = "API配置错误" else: error_type = "评分失败" st.warning(f"⚠️ 内容已生成，但{error_type}：{error_msg}") score_data = {"error": error_msg, "error_type": error_type, "retry_available": True} contents.append({ "keyword": keyword, "platform": plat, "content": content, "ext": ext, "filename": filename, "score": score_data, "json_ld": json_ld_schema, }) try: storage.save_article(keyword, plat, content, filename, brand) except Exception as e: st.warning(f"内容已生成，但保存到数据库时出错：{e}") zip_buffer.seek(0) st.session_state.generated_contents = contents st.session_state.zip_bytes = zip_buffer.getvalue() st.session_state.zip_filename = f"{sanitize_filename(brand,40)}_GEO内容包.zip" except Exception as e: error_msg = str(e) st.error(f"❌ ZIP文件生成失败：{error_msg}") if contents: st.session_state.generated_contents = contents st.warning("⚠️ 部分内容已生成，但ZIP打包失败。可以单独下载每篇内容。") finally: if 'progress_bar' in locals(): progress_bar.empty() if 'status_text' in locals(): status_text.empty() if contents: success_count = len([c for c in contents if not c.get("error")]) total_count = len(contents) if success_count == total_count: st.success(f"✅ 生成完成！共生成 {total_count} 篇内容") else: st.warning(f"⚠️ 生成完成：成功 {success_count} 篇，失败 {total_count - success_count} 篇") failed_scores = [c for c in contents if c.get("score", {}).get("error")] if failed_scores: st.warning(f"⚠️ 其中 {len(failed_scores)} 篇内容评分失败，可在详情中重新评分") failed_generations = [c for c in contents if c.get("error")] if failed_generations: st.error(f"❌ 其中 {len(failed_generations)} 篇内容生成失败，请检查错误信息后重试") # === 区域2：生成结果概览 === if st.session_state.generated_contents: st.markdown("---") col1, col2, col3 = st.columns(3) with col1: st.metric("生成篇数", len(st.session_state.generated_contents)) with col2: scored_items = [item for item in st.session_state.generated_contents if item.get("score") and not item.get("score", {}).get("error")] if scored_items: avg_score = sum(item.get("score", {}).get("scores", {}).get("total", 0) for item in scored_items) / len(scored_items) st.metric("平均评分", f"{avg_score:.1f}/100") else: st.metric("平均评分", "未评分") with col3: st.metric("生成时间", datetime.now().strftime("%H:%M:%S")) if len(st.session_state.generated_contents) > 1: st.markdown("#### 📋 生成内容列表") ss_init("selected_content_idx", 0) filter_col1, filter_col2, filter_col3 = st.columns([2, 2, 1]) with filter_col1: all_platforms = list(set(item["platform"] for item in st.session_state.generated_contents)) filter_platform = st.selectbox( "筛选平台", ["全部"] + all_platforms, key="content_filter_platform" ) with filter_col2: sort_by = st.selectbox( "排序方式", ["生成顺序", "评分降序", "评分升序", "关键词"], key="content_sort_by" ) with filter_col3: if st.session_state.zip_bytes: st.download_button( "📥 批量下载ZIP", st.session_state.zip_bytes, st.session_state.zip_filename, "application/zip", use_container_width=True, key="content_dl_zip_top" ) filtered_contents = st.session_state.generated_contents if filter_platform != "全部": filtered_contents = [item for item in filtered_contents if item["platform"] == filter_platform] if sort_by == "评分降序": filtered_contents = sorted( filtered_contents, key=lambda x: x.get("score", {}).get("scores", {}).get("total", 0) if x.get("score") and not x.get("score", {}).get("error") else -1, reverse=True ) elif sort_by == "评分升序": filtered_contents = sorted( filtered_contents, key=lambda x: x.get("score", {}).get("scores", {}).get("total", 100) if x.get("score") and not x.get("score", {}).get("error") else 101 ) elif sort_by == "关键词": filtered_contents = sorted(filtered_contents, key=lambda x: x["keyword"]) for idx, item in enumerate(filtered_contents): item_key = (item.get("keyword"), item.get("platform")) original_idx = next( (i for i, c in enumerate(st.session_state.generated_contents) if (c.get("keyword"), c.get("platform")) == item_key), 0 ) score_display = "未评分" if item.get("score"): if item.get("score", {}).get("error"): score_display = "评分失败" else: total_score = item.get("score", {}).get("scores", {}).get("total", 0) score_display = f"{total_score}/100" with st.expander( f"{idx+1}. {item['keyword']} - {item['platform']} | 评分: {score_display}", expanded=False ): col1, col2 = st.columns([3, 1]) with col1: preview_text = item["content"][:500] + "..." if len(item["content"]) > 500 else item["content"] st.text_area( "内容预览", preview_text, height=150, disabled=True, key=f"preview_{original_idx}" ) with col2: if st.button("查看详情", key=f"view_{original_idx}", use_container_width=True): st.session_state.selected_content_idx = original_idx st.rerun() st.download_button( "下载", item["content"], item["filename"], mime=("text/markdown" if item["ext"] == "md" else "text/plain"), use_container_width=True, key=f"dl_{original_idx}" ) # === 区域3：内容详情区 === if len(st.session_state.generated_contents) > 1: selected_idx = st.session_state.get("selected_content_idx", 0) if selected_idx < 0 or selected_idx >= len(st.session_state.generated_contents): selected_idx = 0 st.session_state.selected_content_idx = 0 else: selected_idx = 0 if not st.session_state.generated_contents: st.info("💡 暂无生成的内容，请先生成内容。") return if selected_idx >= len(st.session_state.generated_contents): selected_idx = 0 st.session_state.selected_content_idx = 0 item = st.session_state.generated_contents[selected_idx] st.markdown("---") st.markdown(f"**📄 内容详情：{item['keyword']} - {item['platform']}**") detail_tab1, detail_tab2, detail_tab3 = st.tabs(["📄 内容预览", "📊 质量分析", "🎨 增强工具"]) with detail_tab1: if item["ext"] == "md": st.code(item["content"], language="markdown") else: st.text_area( "内容（可复制发布）", item["content"], height=400, label_visibility="collapsed", key="content_preview_detail" ) col1, col2, col3 = st.columns(3) with col1: st.download_button( "📥 下载单篇", item["content"], item["filename"], mime=("text/markdown" if item["ext"] == "md" else "text/plain"), use_container_width=True, key="content_dl_single_detail" ) with col2: if st.button("🔧 优化内容", use_container_width=True, key="goto_optimize"): st.info("💡 请切换到【🔧 文章优化】Tab 进行内容优化") with col3: st.caption("💡 可直接选中上方内容复制") if item.get("json_ld") or item["platform"] == "GitHub（README/文档）": with st.expander("📋 JSON-LD Schema（可选）", expanded=False): if item.get("json_ld"): json_ld_code = item["json_ld"] else: try: schema_gen = SchemaGenerator() json_ld_code = schema_gen.generate_for_github( brand_name=brand, advantages=advantages, application_name=brand, description=advantages, application_category="WebApplication", operating_system="Web" ) item["json_ld"] = json_ld_code except Exception as e: st.error(f"JSON-LD 生成失败：{e}") json_ld_code = None if json_ld_code: st.code(json_ld_code, language="json") try: schema_gen = SchemaGenerator() schema_dict = json.loads(json_ld_code) html_script = schema_gen.generate_html_script_tag(schema_dict) with st.expander("📄 HTML Script 标签", expanded=False): st.code(html_script, language="html") col1, col2 = st.columns(2) with col1: st.download_button( "下载 JSON-LD", json_ld_code, f"{sanitize_filename(brand,40)}_schema.json", mime="application/json", use_container_width=True, key="jsonld_dl_json_detail" ) with col2: st.download_button( "下载 HTML Script", html_script, f"{sanitize_filename(brand,40)}_schema.html", mime="text/html", use_container_width=True, key="jsonld_dl_html_detail" ) except Exception: pass with detail_tab2: if item.get("score"): score_data = item["score"] if score_data.get("error"): st.warning(f"⚠️ 内容评分失败：{score_data.get('error')}") retry_count_key = f"score_retry_count_{item['keyword']}_{item['platform']}" retry_count = st.session_state.get(retry_count_key, 0) max_retries = 3 if retry_count >= max_retries: st.error(f"❌ 已达到最大重试次数（{max_retries}次），请检查API配置或网络连接") else: if st.button("🔄 重新评分", use_container_width=True, key="retry_score", disabled=(not st.session_state.cfg_valid) or (gen_llm is None)): with st.spinner("正在重新评分..."): try: retry_scorer = ContentScorer() score_chain = PromptTemplate.from_template("{input}") | gen_llm | StrOutputParser() new_score = retry_scorer.score_content( item["content"], brand, advantages, item["platform"], score_chain ) item["score"] = new_score content_key = f"{item['keyword']}_{item['platform']}" st.session_state.content_scores[content_key] = new_score st.session_state.generated_contents[selected_idx] = item st.session_state[retry_count_key] = 0 st.success("✅ 重新评分成功！") st.rerun() except Exception as e: st.session_state[retry_count_key] = retry_count + 1 error_msg = str(e) if "timeout" in error_msg.lower() or "connection" in error_msg.lower(): error_type = "网络连接错误" elif "api" in error_msg.lower() or "key" in error_msg.lower() or "auth" in error_msg.lower(): error_type = "API配置错误" st.error(f"❌ {error_type}：{error_msg}。请检查API配置。") else: error_type = "评分失败" st.error(f"重新评分失败（{retry_count + 1}/{max_retries}）：{error_msg}") else: temp_scorer = ContentScorer() scores = score_data.get("scores", {}) total_score = scores.get("total", 0) level, color = temp_scorer.get_score_level(total_score) st.markdown("##### 📊 内容质量评分") col1, col2, col3, col4, col5 = st.columns(5) with col1: st.metric("总分", f"{total_score}/100", delta=level, delta_color="off") with col2: st.metric("结构化", f"{scores.get('structure', 0)}/25") with col3: st.metric("品牌提及", f"{scores.get('brand_mention', 0)}/25") with col4: st.metric("权威性", f"{scores.get('authority', 0)}/25") with col5: st.metric("可引用性", f"{scores.get('citations', 0)}/25") with st.expander("📝 详细评分与改进建议", expanded=False): details = score_data.get("details", {}) improvements = score_data.get("improvements", []) strengths = score_data.get("strengths", []) if strengths: st.markdown("**✅ 优点：**") for strength in strengths: st.markdown(f"- {strength}") if improvements: st.markdown("**💡 改进建议：**") for improvement in improvements: st.markdown(f"- {improvement}") st.markdown("**📋 详细评估：**") st.markdown(f"- **结构化**：{details.get('structure', '无')}") st.markdown(f"- **品牌提及**：{details.get('brand_mention', '无')}") st.markdown(f"- **权威性**：{details.get('authority', '无')}") st.markdown(f"- **可引用性**：{details.get('citations', '无')}") else: st.info("💡 内容未评分，点击下方按钮进行评估") if st.button("📊 评估内容质量", use_container_width=True, key="assess_content_quality", disabled=(not st.session_state.cfg_valid) or (gen_llm is None)): with st.spinner("正在评估内容质量..."): try: assess_scorer = ContentScorer() score_chain = PromptTemplate.from_template("{input}") | gen_llm | StrOutputParser() score_data = assess_scorer.score_content( item["content"], brand, advantages, item["platform"], score_chain ) item["score"] = score_data content_key = f"{item['keyword']}_{item['platform']}" st.session_state.content_scores[content_key] = score_data st.session_state.generated_contents[selected_idx] = item st.success("✅ 评估完成！") st.rerun() except Exception as e: st.error(f"评估失败：{e}") with st.expander("🎯 E-E-A-T 评估", expanded=False): content_eeat_key = f"content_eeat_{item['keyword']}_{item['platform']}" ss_init(content_eeat_key, None) ss_init(f"{content_eeat_key}_enhanced", "") ss_init(f"{content_eeat_key}_placeholders", []) eeat_col1, eeat_col2 = st.columns(2) with eeat_col1: assess_content_eeat = st.button("📊 评估 E-E-A-T", disabled=(not st.session_state.cfg_valid) or (gen_llm is None), key="content_assess_eeat_detail", use_container_width=True) with eeat_col2: enhance_content_eeat = st.button("✨ 强化 E-E-A-T", disabled=(not st.session_state.cfg_valid) or (gen_llm is None), key="content_enhance_eeat_detail", use_container_width=True) if assess_content_eeat and gen_llm: eeat_enhancer = EEATEnhancer() with st.spinner("正在评估 E-E-A-T..."): try: score_chain = PromptTemplate.from_template("{input}") | gen_llm | StrOutputParser() assessment = eeat_enhancer.assess_eeat( item["content"], brand, advantages, item["platform"], score_chain ) st.session_state[content_eeat_key] = assessment st.success("✅ E-E-A-T 评估完成！") except Exception as e: st.error(f"E-E-A-T 评估失败：{e}") if enhance_content_eeat and gen_llm: eeat_enhancer = EEATEnhancer() with st.spinner("正在强化 E-E-A-T..."): try: enhance_chain = PromptTemplate.from_template("{input}") | gen_llm | StrOutputParser() enhanced = eeat_enhancer.enhance_eeat( item["content"], brand, advantages, item["platform"], enhance_chain ) st.session_state[f"{content_eeat_key}_enhanced"] = enhanced.get("enhanced_content", "") st.session_state[f"{content_eeat_key}_placeholders"] = enhanced.get("source_placeholders", []) item["content"] = st.session_state[f"{content_eeat_key}_enhanced"] st.success(f"✅ E-E-A-T 强化完成！已添加 {len(st.session_state[f'{content_eeat_key}_placeholders'])} 个来源占位") st.rerun() except Exception as e: st.error(f"E-E-A-T 强化失败：{e}") if st.session_state.get(content_eeat_key): assessment = st.session_state[content_eeat_key] scores = assessment.get("eeat_scores", {}) total_score = scores.get("total", 0) eeat_enhancer = EEATEnhancer() level, color = eeat_enhancer.get_eeat_level(total_score) st.markdown("**📊 E-E-A-T 评估结果**") col1, col2, col3, col4, col5 = st.columns(5) with col1: st.metric("总分", f"{total_score}/100", delta=level, delta_color="off") with col2: st.metric("专业性", f"{scores.get('expertise', 0)}/25") with col3: st.metric("经验性", f"{scores.get('experience', 0)}/25") with col4: st.metric("权威性", f"{scores.get('authoritativeness', 0)}/25") with col5: st.metric("可信度", f"{scores.get('trustworthiness', 0)}/25") with st.expander("📊 事实密度评估", expanded=False): content_fact_key = f"content_fact_{item['keyword']}_{item['platform']}" ss_init(content_fact_key, None) ss_init(f"{content_fact_key}_enhanced", "") ss_init(f"{content_fact_key}_details", []) fact_col1, fact_col2 = st.columns(2) with fact_col1: assess_fact_density = st.button("📊 评估事实密度", disabled=(not st.session_state.cfg_valid) or (gen_llm is None), key="content_assess_fact_detail", use_container_width=True) with fact_col2: enhance_fact_density = st.button("✨ 强化事实密度", disabled=(not st.session_state.cfg_valid) or (gen_llm is None), key="content_enhance_fact_detail", use_container_width=True) if assess_fact_density and gen_llm: fact_enhancer = FactDensityEnhancer() with st.spinner("正在评估事实密度和结构化块..."): try: score_chain = PromptTemplate.from_template("{input}") | gen_llm | StrOutputParser() assessment = fact_enhancer.assess_fact_density( item["content"], brand, advantages, item["platform"], score_chain ) st.session_state[content_fact_key] = assessment st.success("✅ 事实密度评估完成！") except Exception as e: st.error(f"事实密度评估失败：{e}") if enhance_fact_density and gen_llm: fact_enhancer = FactDensityEnhancer() with st.spinner("正在强化事实密度和结构化块..."): try: enhance_chain = PromptTemplate.from_template("{input}") | gen_llm | StrOutputParser() enhanced = fact_enhancer.enhance_fact_density( item["content"], brand, advantages, item["platform"], enhance_chain ) st.session_state[f"{content_fact_key}_enhanced"] = enhanced.get("enhanced_content", "") st.session_state[f"{content_fact_key}_details"] = enhanced.get("enhancement_details", []) item["content"] = st.session_state[f"{content_fact_key}_enhanced"] st.success(f"✅ 事实密度强化完成！已添加 {len(st.session_state[f'{content_fact_key}_details'])} 处事实信息和结构化块") st.rerun() except Exception as e: st.error(f"事实密度强化失败：{e}") if st.session_state.get(content_fact_key): assessment = st.session_state[content_fact_key] scores = assessment.get("scores", {}) total_score = scores.get("total", 0) fact_enhancer = FactDensityEnhancer() level, color = fact_enhancer.get_score_level(total_score) st.markdown("**📊 事实密度 + 结构化评估结果**") col1, col2, col3 = st.columns(3) with col1: st.metric("总分", f"{total_score}/100", delta=level, delta_color="off") with col2: st.metric("事实密度", f"{scores.get('fact_density', 0)}/50") with col3: st.metric("结构化", f"{scores.get('structure', 0)}/50") with detail_tab3: st.markdown("#### 🎨 多模态增强") tongyi_api_key = st.session_state.cfg.get("tongyi_wanxiang_api_key", "") if not tongyi_api_key: st.info("💡 提示：请在侧边栏配置中设置通义万相 API Key 以使用图片生成功能。") else: image_gen_mode = st.radio( "图片生成方式", ["智能生成（推荐）", "基于配图描述生成"], horizontal=True, key=f"image_gen_mode_{item.get('keyword', '')}", help="智能生成：AI自动分析内容生成图片；基于描述：使用已生成的配图描述" ) num_images = st.selectbox( "生成数量", [1, 2, 3], index=0, key=f"num_images_{item.get('keyword', '')}", help="建议：小红书3-5张，知乎2-3张，公众号2-4张" ) direct_gen_key = f"direct_image_gen_main_{item.get('keyword', '')}" ss_init(direct_gen_key, {}) ss_init(f"{direct_gen_key}_generated", False) ss_init(f"{direct_gen_key}_images", []) ss_init(f"{direct_gen_key}_final_content", "") if image_gen_mode == "智能生成（推荐）": if st.button("🎨 生成图片", use_container_width=True, type="primary", key=f"generate_images_smart_{item.get('keyword', '')}", disabled=(not st.session_state.cfg_valid) or (gen_llm is None) or (not tongyi_api_key)): multimodal_gen = MultimodalPromptGenerator() content = item.get("content", "") progress_bar_img = st.progress(0) status_text_img = st.empty() status_text_img.text(f"正在生成 {num_images} 张配图，请稍候（每张约需 5-15 秒）...") try: multimodal_chain = PromptTemplate.from_template("{input}") | gen_llm | StrOutputParser() generated_images = [] for idx in range(num_images): progress = (idx + 1) / num_images progress_bar_img.progress(progress) status_text_img.text(f"正在生成第 {idx + 1}/{num_images} 张图片...") if num_images == 1: content_segment = content[:800] if len(content) > 800 else content elif num_images == 2: content_segment = content[:500] if idx == 0 else content[-500:] if len(content) > 500 else content else: if idx == 0: content_segment = content[:400] if len(content) > 400 else content elif idx == 1: mid_start = len(content) // 3 mid_end = mid_start + 400 content_segment = content[mid_start:mid_end] if len(content) > mid_end else content[mid_start:] else: content_segment = content[-400:] if len(content) > 400 else content try: image_prompt = multimodal_gen.generate_tongyi_image_prompt( content_segment, brand, multimodal_chain, ) if not image_prompt or not image_prompt.strip(): image_prompt = f"一张关于{content_segment[:50]}的专业配图，风格：高清、现代、科技感，品牌：{brand}" except Exception as e: image_prompt = f"一张关于{content_segment[:50]}的专业配图，风格：高清、现代、科技感，品牌：{brand}" platform = item.get("platform", "") image_size = MultimodalPromptGenerator.get_image_size_for_platform(platform) try: if not image_prompt or not image_prompt.strip(): raise ValueError("图片生成 Prompt 为空，请检查内容或重试") result = multimodal_gen.generate_image_with_tongyi( prompt=image_prompt, api_key=tongyi_api_key, model="wanx-v1", size=image_size, ) if result is None: raise ValueError("图片生成 API 返回空结果") if result.get("success") and result.get("image_url"): generated_images.append({ "image_url": result["image_url"], "prompt": image_prompt, "alt_text": f"配图 {idx + 1}", "position": f"位置 {idx + 1}", "description": {}, }) st.success(f"✅ 第 {idx + 1} 张图片生成成功") else: st.error(f"❌ 第 {idx + 1} 张图片生成失败：{result.get('error', '未知错误')}") except Exception as e: st.error(f"❌ 第 {idx + 1} 张图片生成异常：{str(e)}") if generated_images: final_content = multimodal_gen.embed_images_in_markdown(content, generated_images) st.session_state[f"{direct_gen_key}_images"] = generated_images st.session_state[f"{direct_gen_key}_final_content"] = final_content st.session_state[f"{direct_gen_key}_generated"] = True st.success(f"✅ 成功生成 {len(generated_images)} 张图片并嵌入文章！") else: st.warning("⚠️ 未成功生成任何图片") progress_bar_img.empty() status_text_img.empty() except Exception as e: st.error(f"图片生成失败：{e}") if 'progress_bar_img' in locals(): progress_bar_img.empty() if 'status_text_img' in locals(): status_text_img.empty() if st.session_state.get(f"{direct_gen_key}_generated", False): generated_images = st.session_state.get(f"{direct_gen_key}_images", []) final_content = st.session_state.get(f"{direct_gen_key}_final_content", "") if generated_images: st.markdown("##### 📸 生成的图片预览") for idx, img_data in enumerate(generated_images, 1): with st.expander(f"图片 {idx}：{img_data.get('alt_text', '配图')}", expanded=(idx == 1)): st.image(img_data["image_url"], caption=img_data.get("prompt", "")[:100]) st.markdown(f"**Prompt**：{img_data.get('prompt', '')}") st.markdown(f"**图片URL**：{img_data['image_url']}") st.markdown("---") st.markdown("##### 📄 图文结合版本（Markdown）") st.code(final_content, language="markdown") st.download_button( label="📥 下载图文结合版本（.md）", data=final_content, file_name=f"{item.get('keyword', 'content')}_with_images.md", mime="text/markdown", use_container_width=True, key=f"download_final_content_{item.get('keyword', '')}" ) if st.button("🔄 用图文版本替换原内容", use_container_width=True, key=f"update_content_main_{item.get('keyword', '')}"): item["content"] = final_content st.session_state.generated_contents[selected_idx] = item st.success("✅ 内容已更新为图文结合版本") image_gen_key = f"image_gen_{item.get('keyword', '')}" ss_init(image_gen_key, {}) ss_init(f"{image_gen_key}_generated", False) ss_init(f"{image_gen_key}_images", []) ss_init(f"{image_gen_key}_final_content", "") if image_gen_mode == "基于配图描述生成": if "multimodal_descriptions" not in st.session_state: st.session_state.multimodal_descriptions = {} multimodal_key = item.get("keyword", "") if multimodal_key in st.session_state.multimodal_descriptions: multimodal_data = st.session_state.multimodal_descriptions[multimodal_key] if multimodal_data.get("type") == "image": descriptions = multimodal_data.get("descriptions", {}) image_list = descriptions.get("image_descriptions", []) if image_list and st.button("🎨 基于描述生成", use_container_width=True, type="primary", key=f"generate_images_desc_{item.get('keyword', '')}", disabled=(not st.session_state.cfg_valid) or (gen_llm is None) or (not tongyi_api_key)): multimodal_gen = MultimodalPromptGenerator() content = item.get("content", "") progress_bar_img = st.progress(0) status_text_img = st.empty() try: multimodal_chain = PromptTemplate.from_template("{input}") | gen_llm | StrOutputParser() generated_images = [] for idx, desc in enumerate(image_list): progress = (idx + 1) / len(image_list) progress_bar_img.progress(progress) status_text_img.text(f"正在生成第 {idx + 1}/{len(image_list)} 张图片...") image_prompt = desc.get('detailed_description', desc.get('image_description', '')) if not image_prompt: image_prompt = multimodal_gen.generate_tongyi_image_prompt( content, brand, multimodal_chain ) platform = item.get("platform", "") image_size = MultimodalPromptGenerator.get_image_size_for_platform(platform) try: result = multimodal_gen.generate_image_with_tongyi( prompt=image_prompt, api_key=tongyi_api_key, model="wanx-v1", size=image_size ) if result and result.get("success") and result.get("image_url"): generated_images.append({ "image_url": result["image_url"], "prompt": image_prompt, "alt_text": desc.get('original_hint', f"配图 {idx + 1}"), "position": desc.get('position', ''), "description": desc }) st.success(f"✅ 第 {idx + 1} 张图片生成成功") except Exception as e: st.error(f"❌ 第 {idx + 1} 张图片生成异常：{str(e)}") progress_bar_img.empty() status_text_img.empty() if generated_images: final_content = multimodal_gen.embed_images_in_markdown(content, generated_images) st.session_state[f"{image_gen_key}_images"] = generated_images st.session_state[f"{image_gen_key}_final_content"] = final_content st.session_state[f"{image_gen_key}_generated"] = True st.success(f"✅ 成功生成 {len(generated_images)} 张图片并嵌入文章！") except Exception as e: st.error(f"图片生成失败：{e}") else: st.info("💡 请先生成配图描述") else: st.info("💡 请先生成配图描述") if st.button("📝 生成配图描述", use_container_width=True, key=f"generate_desc_{item.get('keyword', '')}", disabled=(not st.session_state.cfg_valid) or (gen_llm is None)): multimodal_gen = MultimodalPromptGenerator() content = item.get("content", "") platform = item.get("platform", "") try: multimodal_chain = PromptTemplate.from_template("{input}") | gen_llm | StrOutputParser() with st.spinner("正在生成配图描述..."): image_descriptions = multimodal_gen.generate_batch_image_descriptions( content, brand, advantages, platform, item.get("keyword", ""), multimodal_chain ) if image_descriptions and image_descriptions.get("total_images", 0) > 0: if "multimodal_descriptions" not in st.session_state: st.session_state.multimodal_descriptions = {} st.session_state.multimodal_descriptions[item.get("keyword", "")] = { "type": "image", "descriptions": image_descriptions } st.success(f"✅ 配图描述生成完成！共 {image_descriptions.get('total_images', 0)} 个配图") else: st.warning("⚠️ 未生成任何配图描述。") except Exception as e: st.error(f"配图描述生成失败：{e}") if "B站" in item["platform"]: st.markdown("---") st.markdown("#### 🎬 视频脚本生成") if st.button("🎬 生成视频脚本", use_container_width=True, key=f"generate_video_script_{item.get('keyword', '')}", disabled=(not st.session_state.cfg_valid) or (gen_llm is None)): multimodal_gen = MultimodalPromptGenerator() content = item.get("content", "") with st.spinner("正在生成视频脚本..."): try: multimodal_chain = PromptTemplate.from_template("{input}") | gen_llm | StrOutputParser() segments = content.split('\n\n')[:5] video_scripts = [] for i, segment in enumerate(segments): if segment.strip(): timestamp = f"00:{i*10:02d}-00:{(i+1)*10:02d}" script = multimodal_gen.generate_video_script_description( segment, brand, advantages, item.get("keyword", ""), timestamp, multimodal_chain ) video_scripts.append({"timestamp": timestamp, "script": script}) if "multimodal_descriptions" not in st.session_state: st.session_state.multimodal_descriptions = {} st.session_state.multimodal_descriptions[item.get("keyword", "")] = { "type": "video", "scripts": video_scripts } st.success(f"✅ 视频脚本描述生成完成！共 {len(video_scripts)} 个片段") st.rerun() except Exception as e: st.error(f"视频脚本生成失败：{e}") if "multimodal_descriptions" not in st.session_state: st.session_state.multimodal_descriptions = {} multimodal_key = item.get("keyword", "") if multimodal_key in st.session_state.multimodal_descriptions: multimodal_data = st.session_state.multimodal_descriptions[multimodal_key] if multimodal_data.get("type") == "video": scripts = multimodal_data.get("scripts", []) if scripts: st.markdown("##### 🎬 视频脚本描述详情") for script_item in scripts: timestamp = script_item.get("timestamp", "N/A") script = script_item.get("script", {}) with st.expander(f"片段：{timestamp}", expanded=False): st.markdown(f"**画面描述**：{script.get('scene_description', 'N/A')}") col1, col2, col3 = st.columns(3) with col1: st.markdown(f"**镜头类型**：{script.get('shot_type', 'N/A')}") with col2: st.markdown(f"**镜头运动**：{script.get('camera_movement', 'N/A')}") with col3: st.markdown(f"**转场**：{script.get('transition', 'N/A')}") st.markdown(f"**音效建议**：{script.get('audio_suggestion', 'N/A')}") if len(st.session_state.generated_contents) > 1 and st.session_state.zip_bytes: st.markdown("---") st.download_button( "📦 下载所有内容ZIP", st.session_state.zip_bytes, st.session_state.zip_filename, "application/zip", use_container_width=True, key="content_dl_zip_bottom" )