File size: 5,313 Bytes
deedb97 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 | /**
* 导入小说工作流定义
*
* 逆向推演全流程：
* 步骤1: 写入正文 + 构建知识库
* 步骤2: 向量采样 + AI 推演全局配置/架构/角色
* 步骤3: AI 按章推演精准蓝图 + 蓝图入向量库 + 拼装轻量全局摘要
* 步骤4: 完成后处理（刷新 UI 状态）
*/
import type { WorkflowDefinition } from '../../stores/workflow-store'
import type { ImportedChapter } from './commands/import-novel.command'
export interface ImportWorkflowParams {
/** 拆分后的章节数据 */
chapters: ImportedChapter[]
}
/**
* 创建导入小说工作流
*/
export function createImportWorkflow(params: ImportWorkflowParams): WorkflowDefinition {
return {
type: 'novel_import',
title: `📥 导入小说（${params.chapters.length} 章）`,
steps: [
// ===== 步骤 1: 写入正文 + 构建知识库 =====
{
name: '写入正文与构建知识库',
description: `将 ${params.chapters.length} 章正文写入 manuscript/ 并灌入向量知识库`,
executor: async (step, context, callbacks) => {
const { ImportInitializeCommand } = await import('./commands/import-novel.command')
const cmd = new ImportInitializeCommand(params.chapters)
return cmd.execute({ step, context, callbacks })
},
},
// ===== 步骤 2: 向量采样 + AI 推演全局设定 =====
{
name: 'AI 推演全局配置与架构',
description: '通过向量检索关键片段，AI 推演小说配置、故事架构、角色卡',
executor: async (step, context, callbacks) => {
const { InferGlobalSettingsCommand } = await import('./commands/import-novel.command')
const cmd = new InferGlobalSettingsCommand()
return cmd.execute({ step, context, callbacks })
},
},
// ===== 步骤 3: AI 按章推演蓝图 + 蓝图入向量库 + 拼装摘要 =====
{
name: 'AI 逐章推演蓝图',
description: `逐章推演蓝图 + 蓝图要点入向量库 + 拼装全局摘要（共 ${params.chapters.length} 章）`,
executor: async (step, context, callbacks) => {
const { InferBlueprintsPerChapterCommand } = await import('./commands/import-novel.command')
const cmd = new InferBlueprintsPerChapterCommand()
return cmd.execute({ step, context, callbacks })
},
},
// ===== 步骤 4: 完成后处理 =====
{
name: '完成后处理',
description: '刷新项目状态，加载角色卡与蓝图数据',
executor: async (_step, _context, callbacks) => {
callbacks.log('🔄 正在刷新项目数据...')
callbacks.setProgress(30)
// 刷新文件树
const { useProjectStore } = await import('../../stores/project-store')
await useProjectStore.getState().refreshFileTree()
// 加载角色卡
try {
const { useCharacterStore } = await import('../../stores/character-store')
const project = useProjectStore.getState().currentProject
if (project) {
await useCharacterStore.getState().loadCharacters(project.path)
}
} catch { /* 忽略 */ }
// 加载草稿索引
try {
const { useDraftStore } = await import('../../stores/draft-store')
await useDraftStore.getState().loadAllDrafts()
} catch { /* 忽略 */ }
callbacks.log('🎉 小说导入全流程完成！所有数据已就位。')
callbacks.setProgress(100)
},
},
],
onComplete: {
mode: 'silent',
message: '🎉 小说导入完成！全部结构化数据已生成，可以开始续写了。',
},
}
}
/**
* 预估导入的 Token 消耗
* @param totalWords 总字数
* @param chapterCount 章节数
* @returns 预估信息
*/
export function estimateImportCost(_totalWords: number, chapterCount: number): {
estimatedTokens: number
estimatedMinutes: number
breakdown: string
} {
// 粗略预估（偏保守）：
// 1. 全局推演：首章+末章(约6000字) × 2(输入+输出) ≈ 12000 tokens
// 2. 按章蓝图：每章正文(平址3000字) + 蓝图输出(约500字) ≈ 3500 tokens/章
// 3. 全局摘要：从蓝图拼装，零 LLM 调用
// 4. 知识库向量化不计入 LLM Token
const globalInferTokens = 15000
const blueprintTokensPerChapter = 4000
const totalBlueprintTokens = blueprintTokensPerChapter * chapterCount
const estimatedTokens = globalInferTokens + totalBlueprintTokens
// 预估时间（假设每次 LLM 调用约 8-15 秒，并发 3）
const llmCallCount = 1 + Math.ceil(chapterCount / 3) // 全局推演 + 蓝图批次
const estimatedMinutes = Math.ceil(llmCallCount * 12 / 60) // 按每次 12 秒计算
const breakdown = [
`· 全局推演：~${(globalInferTokens / 1000).toFixed(0)}K tokens`,
`· 蓝图推演：~${(totalBlueprintTokens / 1000).toFixed(0)}K tokens（${chapterCount} 章 × ${(blueprintTokensPerChapter / 1000).toFixed(1)}K）`,
`· 全局摘要：零消耗（从蓝图拼装）`,
`· 总计：~${(estimatedTokens / 1000).toFixed(0)}K tokens`,
].join('\n')
return { estimatedTokens, estimatedMinutes, breakdown }
}
|