先聊聊，啥叫“章节文本提取事件”

说实话，这玩意儿听着有点高大上。

其实就是把一本小说里每章的关键事儿挑出来。

比如谁死了、谁恋爱、哪段剧情翻转。

哈哈，听起来像是给剧本写脚本的前置工作。

咱就是说这一步Zuo得好，后面写剧本、剪视频dou省心。

第一，你得把海量文字浓缩成干货。

第二，机器读懂文字需要结构化信息。

第三，内容运营常常要根据事件Zuo标签、推荐。

害，别忘了搜索引擎也爱结构化数据。

1️⃣ 切章

先把整本小说按章拆分，一段段塞进数据库。

这活儿一般用 Rust 写正则，稳又快。

不对不对，应该是“用 Rust 正则切章”，别跟我说 JavaScript 那套慢吞吞的。

2️⃣ 拼装 Prompt 给大模型

系统提示里写死输出格式：|章节|角色|核心事件|主线关系|信息密度|预估时长|情绪强度|

L​LM 只要回一行，就算成功。

3️⃣ 调用 Chat Completion 接口

POST 请求里带上 model、stream:false，还有你自己的 API Key。

记得别泄露 URL，这里就不贴了。

4️⃣ 解析返回的 pipe 行

代码里会把多行回复抽出来只留合法的那一行。

再校验字段数目，不合格直接报错。

5️⃣ 写回数据库

把抽好的事件存进 novel_chapters.event 表。

后面的剧本生成就Ke以直接读取这几列啦。

* 超长章节怎么办？*

L​LM 有 token 限制，大章节会被切块。

切完后再合并：角色去重、事件拼接、时长相加……这套规则要写在代码里。

* 格式不对咋整？*

L​LM 有时候会跑题，甚至多回几行废话。

解析层会把它们过滤掉，然后抛出错误信息到 alert.errorReason.

* 并发提取安全么？*

AIO 并发跑多个章节，每章独立，不会相互影响。

哪怕某章卡死了也不会拖全局进度——这点hen重要啊！ 顺带聊聊——为什么百度不收录我的页面？

# 为什么百度不收录 #

说实话，hen多人以为只要有内容就Neng被抓取，其实还有门槛呢。

要确保网站没有 robots.txt 把爬虫拦住。

要有合理的 sitemap，让百度知道你有哪些页面。

再者，页面加载速度太慢或者全是 JS 动态渲染，会让爬虫失望。

Zui后Ru果内容质量低、重复率高，也会被降权甚至直接过滤。

检查 robots.txt，kan有没有 disallow / 的规则。

在站长平台提交 sitemap，让百度主动来抓。

优化首屏渲染时间，把关键信息放在静态 HTML 中。

定期geng新原创、高价值内容，提升站点权威度。

{
  "model": "gpt-4o-mini",
  "stream": false,
  "messages": 
}

// src/agents/workflowAgent/eventExtraction/extractEvents.ts
async function extractChapterEvent {
  const userMsg = `请根据以下小说章节数：${chapter.index}
小说章节卷：${chapter.reel}
小说章节名称：${chapter.title}、
小说章节内容生成事件摘要：
${chapter.content}`;
  const resp = await chatCompletion({
    model: selectedModel,
    stream: false,
    messages: 
  });
  const line = parsePipeLine;
  await updateNovelChapterEvent;
}

输出不是单行 pipe——检查 Prompt 是否写对了。

字段少于七个——kan是不是漏掉了情绪强度或预估时长。

角色重复出现——合并时忘记去重了吧？

超长章节只返回了一半——确认 chunk 合并逻辑是否生效。

网络超时——调低并发数或者换geng稳的代理。

# 好啦，我说完啦 #

其实整个链路跟Zuo饭差不多：

- 切菜 - 调味 - 炒锅 - 出锅装盘 - 品尝评价.

Crap，我刚才好像跑题了不对不对，是想说“每一步dou要细致”。你懂的！哈哈~ 只要保证|七字段|单行输出+严谨校验+容错合并+持久化+, 后面的工作就Neng顺风顺水啦！ 祝你玩转事件抽取，一路顺风~ 🎉