Pipeline · PPT 大纲生成

流程

用户输入（章节 IDs）
        ↓
1. 加载章节内容
        ↓
2. 构造 prompt
        ↓
3. 调 LLM 流式生成
        ↓
4. 累积 chunks → 完整文本
        ↓
5. 用 with_structured_output 解析为 OutlineSection[]
        ↓
6. 持久化 outline 草稿
        ↓
返回 outline_id（前端 polling 或 SSE）

Service 编排（流式版）

# backend/services/outline_generator.py
async def generate_outline_stream(
    req: OutlineGenReq,
    user_id: int,
) -> AsyncGenerator[str, None]:
    """流式生成大纲 — 5 步"""

    # 1. 校验 + 配额
    OutlineValidator.validate_gen(req)
    await self._credits.assert_can_afford(user_id, cost=req.slide_count // 5)

    # 2. 加载章节
    chapters = await self._chapter_repo.find_by_ids(req.chapter_ids)
    OutlineValidator.assert_chapters_exist(chapters, req.chapter_ids)

    # 3. 构造 prompt
    prompt = build_outline_prompt(chapters, req.slide_count, req.style)

    # 4. 流式调用 LLM 并返回 chunk
    full_text = ""
    async for chunk in call_with_fallback(prompt):
        full_text += chunk
        payload = JsonData.stream_data(chunk.encode()).model_dump_json()
        yield f"data: {payload}\n\n"

    # 5. 解析 + 持久化
    try:
        parsed = OutlineParser.parse(full_text)   # → OutlineSection[]
        outline = await self._repo.save_draft(user_id, parsed)

        done = JsonData.stream_data(
            b"",
            msg="done",
            outline_id=str(outline.id),
            total_tokens=estimate_tokens(full_text),
        ).model_dump_json()
        yield f"data: {done}\n\n"

        # 6. 扣积分
        await self._credits.deduct(user_id, cost=req.slide_count // 5)

    except OutlineParseError as e:
        err = JsonData.stream_data(b"", msg="error", error=str(e)).model_dump_json()
        yield f"data: {err}\n\n"

与 Skills 协同

实现这条 pipeline 需要同时拉这些 skill：

测试策略

# 单元测试 — Validator / Parser 单独测
def test_outline_parser():
    text = "1. 引言\n  - 主题\n2. 主体\n..."
    sections = OutlineParser.parse(text)
    assert len(sections) == 2
    assert sections[0].title == "引言"

# 集成测试 — mock LLM 流
@pytest.fixture
def mock_llm(monkeypatch):
    async def fake_stream(prompt):
        yield "1. 引言\n"
        yield "  - 主题\n"
        yield "2. 主体\n"

    monkeypatch.setattr("services.llm_client.call_with_fallback", fake_stream)

自检

• [ ] 5-6 步骤清晰？
• [ ] 每步前有中文注释？
• [ ] 校验 / 解析独立类？
• [ ] LLM 调用走工厂 + 降级？
• [ ] SSE 用 done / error 帧通知？
• [ ] 失败不扣积分？

相关

• 父：./index.md
• 兄弟：method-as-flow.md · validator-converter-split.md
• 配套：../../framework/fastapi/llm/sse-protocol.md · ../factory/llm-provider-factory.md