agens-studio 0.1.0

package/src/services/mimoClient.js

@@ -0,0 +1,567 @@
+import { config } from '../../config.js';
+import { getRelevantSamples, getGlobalPrefs, getCorrections } from './promptMemory.js';
+
+/**
+ * mimo 大模型客户端
+ * ------------------------------------------------------------------
+ * 用于提示词优化。OpenAI 兼容协议，鉴权 header 为 api-key。
+ *
+ * 核心方法：optimizePrompt
+ *   - 把用户简短的中文描述扩写成高质量中文提示词
+ *   - 从记忆库取相关高分样本 + 全局偏好，作为 few-shot 示例
+ *   - 让模型输出纯中文文本，不解释
+ * ------------------------------------------------------------------
+ */
+
+const MODE_LABELS = {
+  image: '文生图',
+  img2img: '图生图',
+  text2video: '文生视频',
+  image2video: '图生视频',
+  multi2video: '多图生视频',
+  keyframe: '关键帧动画',
+};
+
+/**
+ * 调用 mimo chat completions
+ * @param {string} system
+ * @param {string} user
+ * @returns {Promise<string>} 模型回复文本
+ */
+async function chat(system, user) {
+  const cfg = config.mimo;
+  const res = await fetch(`${cfg.baseUrl}${cfg.endpoint}`, {
+    method: 'POST',
+    headers: {
+      'Content-Type': 'application/json',
+      // 注意：mimo 用 api-key header，不是 Authorization
+      'api-key': cfg.apiKey,
+    },
+    body: JSON.stringify({
+      model: cfg.model,
+      messages: [
+        { role: 'system', content: system },
+        { role: 'user', content: user },
+      ],
+      max_completion_tokens: cfg.maxTokens,
+      temperature: cfg.temperature,
+      top_p: cfg.topP,
+      stream: false,
+      stop: null,
+      frequency_penalty: 0,
+      presence_penalty: 0,
+    }),
+  });
+  const text = await res.text();
+  if (!res.ok) {
+    throw new Error(`mimo 调用失败 (${res.status}): ${text.slice(0, 300)}`);
+  }
+  let data;
+  try { data = JSON.parse(text); } catch { throw new Error('mimo 响应不是有效 JSON'); }
+  const content = data.choices?.[0]?.message?.content;
+  if (!content) throw new Error('mimo 响应未包含内容');
+  return content.trim();
+}
+
+/**
+ * 优化正向提示词（中文 → 中文）
+ * 文生图/图生图/视频通用入口；图生图时传 imageDescription（识图结果）
+ */
+export async function optimizePrompt({ text, mode, extraHints, imageDescription }) {
+  return optimize({ text, mode, extraHints, kind: 'positive', imageDescription });
+}
+
+/**
+ * 优化反向提示词（描述「不想要的内容」，中文 → 中文）
+ */
+export async function optimizeNegativePrompt({ text, mode, positive }) {
+  return optimize({ text, mode, kind: 'negative', positive });
+}
+
+/**
+ * 重写提示词（层级2：用户带着具体修改指令重新优化）
+ * @param {object} input
+ * @param {string} input.text 用户原始输入
+ * @param {string} input.mode 生成模式
+ * @param {string} input.lastResult 上一次的优化结果
+ * @param {string} input.instruction 用户的修改指令（如「更简洁」「不要镜头运动」）
+ * @param {boolean} [input.isNegative] 是否反向提示词的重写
+ * @param {string} [input.positive] 反向重写时的正向参考
+ * @param {string} [input.imageDescription] 图生图重写时的识图结果（保持 [保留] 有依据）
+ */
+export async function rewritePrompt({ text, mode, lastResult, instruction, isNegative, positive, imageDescription }) {
+  return optimize({
+    text,
+    mode,
+    kind: isNegative ? 'negative' : 'positive',
+    positive,
+    rewriteInstruction: instruction,
+    lastResult,
+    imageDescription,
+  });
+}
+
+/**
+ * 内部通用优化函数（正向/反向共用调用逻辑，差异在 system prompt）
+ * @param {string} [rewriteInstruction] 重写指令（层级2：用户的具体修改要求）
+ * @param {string} [lastResult] 上一次的优化结果（重写时参考）
+ * @param {string} [imageDescription] 图生图时的识图结果（让模型知道原图内容）
+ */
+async function optimize({ text, mode, extraHints, kind, positive, rewriteInstruction, lastResult, imageDescription }) {
+  const isNegative = kind === 'negative';
+  const modeLabel = MODE_LABELS[mode] || '通用';
+  const prefs = await getGlobalPrefs(kind);
+  const samples = await getRelevantSamples(text, mode, config.promptMemory.feedSamples, kind);
+
+  // ---------- 构造 system prompt ----------
+  const systemParts = isNegative ? buildNegativeSystem() : buildPositiveSystem(mode);
+
+  // 全局偏好
+  if (prefs.favoriteStyle || (prefs.commonKeywords && prefs.commonKeywords.length)) {
+    systemParts.push('', isNegative
+      ? '【该用户常需排除的元素】（请参考用户历史，补充类似负面要素）'
+      : '【该用户的历史偏好】（请在优化时自然融入，不要生硬堆砌）');
+    if (prefs.favoriteStyle) systemParts.push(`- ${isNegative ? '常排除' : '偏好风格'}：${prefs.favoriteStyle}`);
+    if (prefs.commonKeywords.length) systemParts.push(`- ${isNegative ? '常见负面' : '常用'}元素：${prefs.commonKeywords.join('、')}`);
+  }
+
+  // ---------- 构造 user prompt（含 few-shot 示例）----------
+  const userParts = [];
+
+  if (samples.length) {
+    userParts.push(isNegative
+      ? '【历史优秀反向样本】（用户认可的反向写法，请参考其覆盖的负面维度）'
+      : '【历史优秀样本】（用户认可的写法，请参考其详细程度和风格）');
+    samples.forEach((s, i) => {
+      userParts.push(`示例${i + 1}（${MODE_LABELS[s.mode] || ''}）：`);
+      userParts.push(`原：${s.original}`);
+      userParts.push(`优：${s.optimized}`);
+      userParts.push('');
+    });
+  }
+
+  // 修正要求（点踩原因 + 重写指令）—— 告诉模型这类主题要避免什么
+  const corrections = await getCorrections(text, mode, 3, kind);
+  if (corrections.length) {
+    userParts.push('【用户曾反馈的修正要求】（请务必避免同类问题）');
+    corrections.forEach((c) => {
+      if (c.correction) {
+        userParts.push(`- 优化「${c.original}」时用户不满意：${c.correction}`);
+      }
+      c.rewrites.forEach((rw) => {
+        if (rw) userParts.push(`- 用户曾要求改写「${c.original}」：${rw}`);
+      });
+    });
+    userParts.push('');
+  }
+
+  // 重写指令（本次如果是重写，带上具体要求）
+  if (rewriteInstruction) {
+    userParts.push('【本次是重写】用户对上一次结果不满意，明确提出以下要求，请严格遵循：');
+    userParts.push(rewriteInstruction);
+    if (lastResult) {
+      userParts.push(`（上一次的结果是：${lastResult}，请在此基础上修改）`);
+    }
+    userParts.push('');
+  }
+
+  // 图生图识图结果（让模型知道原图内容，用于"保留"结构）
+  if (!isNegative && imageDescription) {
+    userParts.push('【用户上传的原图识别结果】（图生图必须基于此，[保留]标签要引用这里的元素）');
+    userParts.push(imageDescription);
+    userParts.push('');
+  }
+
+  userParts.push(`【当前任务】`);
+  userParts.push(`生成模式：${modeLabel}`);
+  if (isNegative && positive) {
+    userParts.push(`正向提示词（参考主题，反向要与之相关但不重复）：${positive}`);
+  }
+  if (!isNegative && extraHints && extraHints.length) {
+    userParts.push(`用户额外要求：${extraHints.join('；')}`);
+  }
+  userParts.push('');
+  userParts.push(isNegative
+    ? `请把下面这条反向描述优化成完整的反向提示词：`
+    : `请优化下面这条提示词：`);
+  userParts.push(text);
+
+  const system = systemParts.join('\n');
+  const user = userParts.join('\n');
+
+  let optimized = await chat(system, user);
+  optimized = cleanOutput(optimized);
+
+  // 带维度标签的模式（生图 + 视频 4 种）：解析标签分维度展示
+  // 反向提示词：纯文本输出（cleanOutput 已处理）
+  const useTags = !isNegative && [
+    'image', 'img2img', 'text2video', 'image2video', 'multi2video', 'keyframe',
+  ].includes(mode);
+  if (useTags) {
+    // 尝试解析成维度对象；若模型没按标签输出，降级为整段文本
+    const dims = parseDimensionTags(optimized, mode);
+    return { optimized, dimensions: dims };
+  }
+  return { optimized };
+}
+
+/**
+ * 解析带维度标签的输出（通用：支持任意标签集）
+ * 文生图：[主体][场景][风格][光照][镜头][构图][细节密度][质量]
+ * 图生图：[修改][新风格][增删][保留]
+ * 文生视频：[主体][动作][场景][镜头][光照][风格]
+ * 图生视频：[运动][稳定]
+ * 多图生视频：[关系][过渡][风格]
+ * 关键帧动画：[过渡][保持][运动]
+ * 没匹配到标签则返回 null（前端按纯文本展示）
+ *
+ * 返回的 key 是中文标签原文，前端 DIM_LABELS 做展示映射。
+ */
+function parseDimensionTags(text, mode) {
+  const result = {};
+  // 用正则按 [标签] 切分
+  const re = /\[([^\]]+)\]/g;
+  const splits = [];
+  let m;
+  while ((m = re.exec(text)) !== null) {
+    splits.push({ tag: m[1].trim(), start: m.index, end: re.lastIndex });
+  }
+  if (splits.length === 0) return null;
+  for (let i = 0; i < splits.length; i++) {
+    const s = splits[i];
+    const contentEnd = i + 1 < splits.length ? splits[i + 1].start : text.length;
+    const content = text.slice(s.end, contentEnd).trim();
+    if (content) result[s.tag] = content; // key 用中文标签原文
+  }
+  // 至少匹配到 2 个维度才算成功，否则降级
+  if (Object.keys(result).length < 2) return null;
+  return result;
+}
+
+/**
+ * 把维度对象拼成纯文本（去掉标签），传给 agens 用
+ */
+export function dimensionsToText(dims) {
+  if (!dims) return '';
+  return Object.values(dims).filter(Boolean).join('，');
+}
+
+/**
+ * 生成多个候选提示词（不同风格方向）
+ * 一次让 mimo 输出 3 个候选，每个用 ===候选N：方向名=== 分隔
+ * @returns {Promise<{candidates: [{label, optimized, dimensions}]}>}
+ */
+export async function generateCandidates({ text, mode, imageDescription }) {
+  // 复用 optimize 的 system prompt，但要求输出 3 个不同方向
+  const baseSystem = buildPositiveSystem(mode);
+  const system = [
+    ...baseSystem,
+    '',
+    '【本次特殊要求 - 生成 3 个候选】',
+    '请生成 3 个风格方向不同的候选提示词，用以下格式严格分隔：',
+    '===候选1：方向名===',
+    '（该方向的维度标签提示词）',
+    '===候选2：方向名===',
+    '（该方向的维度标签提示词）',
+    '===候选3：方向名===',
+    '（该方向的维度标签提示词）',
+    '',
+    '3 个候选必须在视觉风格/氛围/构图上有明显差异（如写实电影感 / 梦幻艺术感 / 极简氛围）。',
+    '每个候选都要完整覆盖该模式的所有维度标签。',
+  ].join('\n');
+
+  // 构造 user prompt
+  const userParts = [];
+  if (imageDescription) {
+    userParts.push('【用户上传的原图识别结果】');
+    userParts.push(imageDescription);
+    userParts.push('');
+  }
+  userParts.push('请基于以下输入生成 3 个候选提示词：');
+  userParts.push(text);
+
+  const raw = await chat(system, userParts.join('\n'));
+
+  // 解析 3 个候选
+  const candidates = parseCandidates(raw, mode);
+  // 兜底：如果没解析出候选，至少保证有内容
+  if (candidates.length === 0) {
+    const dims = parseDimensionTags(raw, mode);
+    candidates.push({ label: '默认', optimized: cleanOutput(raw), dimensions: dims });
+  }
+  return { candidates };
+}
+
+/** 解析多候选输出 */
+function parseCandidates(raw, mode) {
+  const blocks = raw.split(/===候选\d+[：:]/);
+  const labels = raw.match(/===候选\d+[：:][^=\n]+/g) || [];
+  const result = [];
+  for (let i = 1; i < blocks.length; i++) { // i=1 跳过 split 第一个空块
+    const content = blocks[i].trim();
+    if (!content || content.length < 10) continue;
+    // 提取方向名
+    let label = `候选${result.length + 1}`;
+    if (labels[result.length]) {
+      const m = labels[result.length].match(/[：:]([^=\n]+)/);
+      if (m) label = m[1].replace(/===.*/, '').trim();
+    }
+    const dims = parseDimensionTags(content, mode);
+    const plainText = cleanOutput(content);
+    result.push({ label, optimized: plainText, dimensions: dims });
+  }
+  return result.slice(0, 3);
+}
+
+/** 正向 system prompt 构造（按模式拆分：文生图/图生图/视频） */
+function buildPositiveSystem(mode) {
+  if (mode === 'image') return buildText2ImageSystem();
+  if (mode === 'img2img') return buildImage2ImageSystem();
+  if (mode === 'text2video') return buildText2VideoSystem();
+  if (mode === 'image2video') return buildImage2VideoSystem();
+  if (mode === 'multi2video') return buildMulti2VideoSystem();
+  if (mode === 'keyframe') return buildKeyframeSystem();
+  return buildText2VideoSystem(); // 兜底
+}
+
+/**
+ * 文生图 system prompt：严格覆盖官方推荐的 8 维度，带维度标签输出
+ * Agnes Image 2.1 Flash 对高信息密度画面有优化，默认强调。
+ */
+function buildText2ImageSystem() {
+  return [
+    '你是专业的 AI 绘画提示词工程师，擅长把简短的中文想法扩写成高质量、细节丰富的中文提示词，用于 Agnes Image 生图模型。',
+    '',
+    '【必须覆盖以下 8 个维度，缺一不可】',
+    '1. 主体：画面核心对象（是谁/是什么，什么状态/动作）',
+    '2. 场景/环境：发生在哪里，背景氛围',
+    '3. 视觉风格：写实/动漫/3D/艺术/电影感等',
+    '4. 光照：光线类型、方向、色温（如柔和金光、戏剧性侧光）',
+    '5. 镜头角度：俯视/平视/仰视/特写',
+    '6. 构图：广角/居中/三分法/对称',
+    '7. 细节密度：丰富细节、高信息密度（生图模型对此优化过，务必体现）',
+    '8. 质量要求：超清、8K、高细节',
+    '',
+    '【输出格式 - 极其重要】',
+    '每个维度用「[维度名]内容」的标签格式输出，全部写在一行或换行均可，例如：',
+    '[主体]一座发光的悬浮城市[场景]悬于雾气弥漫的峡谷之上，日出时分[风格]电影级写实[光照]柔和金色晨光[镜头]高空俯瞰广角[构图]对称构图，主体居中[细节密度]丰富的建筑细节，高信息密度[质量]8K超清，高细节',
+    '',
+    '【硬性要求】',
+    '1. 必须输出全部 8 个标签，顺序不限但缺一不可',
+    '2. 必须中文，描述具体有画面感，禁止空泛词（如「很美」）',
+    '3. 禁止任何前言、后记、解释、markdown 格式',
+    '4. 第一项就必须是 [主体] 标签',
+  ];
+}
+
+/**
+ * 图生图 system prompt：采用「修改要求 + 新风格 + 增删元素 + 保留元素」结构
+ * 配合识图结果，明确告诉模型改什么、保什么。
+ */
+function buildImage2ImageSystem() {
+  return [
+    '你是专业的 AI 图生图提示词工程师，负责把用户的修改意图转化为高质量中文提示词，用于基于原图的图像编辑。',
+    '',
+    '【图生图的核心原则】',
+    '图生图必须同时说清「要改什么」和「要保留什么」。如果只说改不说留，模型会丢失原图结构。',
+    '',
+    '【必须采用以下 4 个标签结构输出】',
+    '[修改] 要改变什么（如转成赛博朋克夜景）',
+    '[新风格] 目标视觉风格（如赛博朋克电影感）',
+    '[增删] 需要添加或移除的元素（如添加霓虹灯、移除行人）',
+    '[保留] 必须保持不变的元素（如人物姿势、构图、相机角度）',
+    '',
+    '输出示例：',
+    '[修改]将白天街景转为赛博朋克夜景，加霓虹灯和湿润路面反光[新风格]赛博朋克电影感，冷色调[增删]添加霓虹招牌、全息广告；移除阳光直射[保留]保持原街道布局、建筑形状、人物位置和相机角度',
+    '',
+    '【硬性要求】',
+    '1. 必须输出全部 4 个标签',
+    '2. [保留] 标签极其重要，必须基于识图结果明确写出要保留的元素',
+    '3. 必须中文，禁止前言、后记、解释、markdown',
+    '4. 第一项必须是 [修改] 标签',
+  ];
+}
+
+/**
+ * 视频正向 system prompt（文生视频/图生视频等，保持原有逻辑）
+ */
+/** 文生视频 system prompt：6 维度（主体+动作+场景+镜头+光照+风格） */
+function buildText2VideoSystem() {
+  return [
+    '你是专业的 AI 视频提示词工程师，擅长把简短的中文想法扩写成高质量中文提示词，用于 Agnes Video 文生视频。',
+    '',
+    '【必须覆盖以下 6 个维度，缺一不可】',
+    '1. 主体：画面核心对象（是谁/是什么，什么状态）',
+    '2. 动作：主体的动作/运动（视频必须有动态）',
+    '3. 场景：环境背景、氛围',
+    '4. 镜头：镜头运动方式（跟踪/平移/推进/固定/环绕）',
+    '5. 光照：光线类型、方向、色温',
+    '6. 风格：视觉风格（写实/电影感/动漫等）',
+    '',
+    '【输出格式 - 极其重要】',
+    '每个维度用「[维度名]内容」的标签格式输出，例如：',
+    '[主体]一位年轻宇航员在红色沙漠星球上行走[动作]缓缓前行，风吹起尘埃飘动[场景]广袤红色沙漠，远处有岩石地貌[镜头]缓慢的电影级跟踪镜头[光照]戏剧性夕阳侧光[风格]写实科幻风格',
+    '',
+    '【硬性要求】',
+    '1. 必须输出全部 6 个标签',
+    '2. 必须中文，[动作]和[镜头]是视频核心，务必具体',
+    '3. 禁止前言、后记、解释、markdown',
+    '4. 第一项必须是 [主体] 标签',
+  ];
+}
+
+/** 图生视频 system prompt：动+稳（哪些动、哪些保持稳定） */
+function buildImage2VideoSystem() {
+  return [
+    '你是专业的 AI 图生视频提示词工程师，负责把用户的动画意图转化为高质量中文提示词，用于基于原图生成动态视频。',
+    '',
+    '【图生视频核心原则】',
+    '图生视频必须同时说清「哪些内容需要运动」和「哪些主体元素需要保持稳定」。只说动不说稳，主体会变形。',
+    '',
+    '【必须采用以下 2 个标签结构输出】',
+    '[运动] 哪些内容需要动（如：头发轻摆、呼吸起伏、背景灯光闪烁、水流）',
+    '[稳定] 哪些主体元素必须保持稳定（基于识图：人物面部、服装、姿势、构图）',
+    '',
+    '输出示例：',
+    '[运动]人物轻微呼吸起伏，头发随风轻摆，背景灯光柔和闪烁，裙摆微微飘动[稳定]保持人物面部表情、服装样式、站立姿势和构图位置不变，主体身份一致',
+    '',
+    '【硬性要求】',
+    '1. 必须输出 [运动] 和 [稳定] 两个标签',
+    '2. [稳定] 极其重要，必须基于识图结果明确写出要稳定的元素',
+    '3. 必须中文，禁止前言、后记、解释、markdown',
+    '4. 第一项必须是 [运动] 标签',
+  ];
+}
+
+/** 多图生视频 system prompt：关系+过渡+风格 */
+function buildMulti2VideoSystem() {
+  return [
+    '你是专业的 AI 多图生视频提示词工程师，负责基于多张输入图片生成过渡视频的提示词。',
+    '',
+    '【多图生视频核心原则】',
+    '必须描述输入图片之间的关系，以及画面如何过渡演变。',
+    '',
+    '【必须采用以下 3 个标签结构输出】',
+    '[关系] 输入图片之间的关系（如：第一张为起点场景，第二张为目标场景）',
+    '[过渡] 画面如何演变（平滑变换、渐变、蒙太奇、时间推移）',
+    '[风格] 统一风格保持一致（光照、色调、视觉风格）',
+    '',
+    '输出示例：',
+    '[关系]第一张图为起始的白天街景，第二张图为目标场景的夜晚霓虹街景[过渡]从白天平滑过渡到夜晚，光影逐渐变化，行人车流自然流动，镜头缓慢推进[风格]电影级写实，保持整体色调一致，自然运动节奏',
+    '',
+    '【硬性要求】',
+    '1. 必须输出 [关系]、[过渡]、[风格] 三个标签',
+    '2. [过渡] 是核心，务必描述具体的演变过程',
+    '3. 必须中文，禁止前言、后记、解释、markdown',
+    '4. 第一项必须是 [关系] 标签',
+  ];
+}
+
+/** 关键帧动画 system prompt：过渡+保持+运动 */
+function buildKeyframeSystem() {
+  return [
+    '你是专业的 AI 关键帧动画提示词工程师，负责在多个关键帧之间生成平滑过渡的提示词。',
+    '',
+    '【关键帧动画核心原则】',
+    '必须清晰描述关键帧之间的过渡关系，明确保持一致的元素和过渡中的运动。',
+    '',
+    '【必须采用以下 3 个标签结构输出】',
+    '[过渡] 从首帧到尾帧的过渡过程描述（如何演变）',
+    '[保持] 需要保持一致的元素（角色身份、相机角度、风格）',
+    '[运动] 过渡中的自然运动（如人物动作、镜头移动）',
+    '',
+    '输出示例：',
+    '[过渡]从首帧的清晨阳光场景平滑过渡到尾帧的黄昏暮色场景，光影随时间自然变化[保持]保持角色身份一致、相机角度固定、整体视觉风格统一[运动]人物缓缓转头，镜头轻微推进，云层缓慢飘动',
+    '',
+    '【硬性要求】',
+    '1. 必须输出 [过渡]、[保持]、[运动] 三个标签',
+    '2. [保持] 必须基于识图结果，明确写出首尾帧的共同元素',
+    '3. 必须中文，禁止前言、后记、解释、markdown',
+    '4. 第一项必须是 [过渡] 标签',
+  ];
+}
+
+/** 反向 system prompt 构造 */
+function buildNegativeSystem() {
+  return [
+    '你是专业的 AI 创作反向提示词工程师，专门为 AI 绘画和视频生成服务，描述「画面中不希望出现的元素和缺陷」。',
+    '',
+    '【反向提示词的作用】',
+    '反向提示词用于告诉模型「不要生成什么」，用来规避画质问题、不符合主题的元素、版权风险等。',
+    '',
+    '【覆盖维度 - 尽量全面】',
+    '1. 画质缺陷：模糊、低分辨率、噪点、压缩痕迹、像素化',
+    '2. 结构错误：人体结构畸形、多余的手指/肢体、面部扭曲、不对称、透视错误',
+    '3. 文字水印：水印、logo、签名、文字、字幕、边框',
+    '4. 风格偏差：卡通化（当需要写实）、低质量渲染、塑料感、过度修饰',
+    '5. 主题相关：根据用户主题排除不合适的元素',
+    '6. 构图问题：构图失衡、主体偏移、裁切不当、空白过多',
+    '',
+    '【输出要求 - 极其重要】',
+    '1. 必须输出中文，用逗号分隔的短语形式（不是完整句子）',
+    '2. 每个负面元素 2-6 个字，简洁明确',
+    '3. 覆盖 10-20 个负面要素',
+    '4. 禁止任何 markdown 格式、前言、解释',
+    '5. 第一项就必须是负面要素',
+    '',
+    '正确示例（直接这样输出，不要任何额外内容）：',
+    '模糊, 低分辨率, 噪点, 压缩痕迹, 像素化, 水印, logo, 文字, 字幕, 边框, 人体畸形, 多余手指, 面部扭曲, 透视错误, 塑料感, 过度修饰, 构图失衡, 主体偏移, 杂乱背景, 低质量',
+  ];
+}
+
+/**
+ * 清理模型输出，确保是纯净的提示词文本
+ * 处理：markdown 格式、多版本分节、前缀后记、引号包裹、代码块
+ */
+function cleanOutput(s) {
+  if (!s) return '';
+  let t = s.trim();
+
+  // 1. 去掉 markdown 代码块包裹
+  t = t.replace(/```[a-z]*\n?/gi, '').replace(/```/g, '');
+
+  // 2. 如果有 markdown 标题/分节（# 开头、--- 分隔），说明输出多个版本，
+  //    优先取「进阶版/详细版/优化版」段落，否则取第一个实质内容段
+  const lines = t.split(/\n/).map((l) => l.trim());
+  // 找带「>」引用的段落（通常是真正的提示词）
+  const quoteBlocks = [];
+  let cur = [];
+  for (const l of lines) {
+    if (/^>+/.test(l)) {
+      cur.push(l.replace(/^>+\s*/, ''));
+    } else if (cur.length) {
+      quoteBlocks.push(cur.join(''));
+      cur = [];
+    }
+  }
+  if (cur.length) quoteBlocks.push(cur.join(''));
+
+  if (quoteBlocks.length) {
+    // 优先取较长的（通常是进阶版），过滤掉太短的标题性引用
+    const candidates = quoteBlocks.filter((b) => b.length >= 30);
+    if (candidates.length) {
+      t = candidates.sort((a, b) => b.length - a.length)[0];
+    }
+  }
+
+  // 3. 去掉 markdown 加粗/标题符号
+  t = t.replace(/^#+\s*/gm, '').replace(/\*\*/g, '').replace(/^---+$/gm, '');
+
+  // 4. 去掉常见前缀（优化后：/以下是…/好的，/基础版 等）
+  t = t.replace(
+    /^(优化后|优化结果|结果|提示词|以下是优化后的提示词?|好的[，,]?|基础版|进阶版|详细版|优化版|画面描述)[：:]*\s*/i,
+    ''
+  );
+
+  // 5. 去掉首尾引号
+  t = t.replace(/^["""「『《]+/, '').replace(/[""」』》]+$/, '');
+
+  // 6. 截到第一个空行之前（避免取到后面的解释）
+  const firstPara = t.split(/\n\s*\n/)[0];
+  if (firstPara && firstPara.length >= 20) t = firstPara;
+
+  // 7. 合并多余空白
+  t = t.replace(/\n+/g, ' ').replace(/\s{2,}/g, ' ').trim();
+
+  return t;
+}