feat: 优化回忆录内容处理和章节分类逻辑

- 更新 get_system_prompt 函数，增强对话内容的核心信息提炼和分类能力，确保只保留与人生经历相关的实质内容。
- 修改 _classify_chapter_category 函数，增加对无实质回忆录价值内容的处理，返回 None 以跳过无效段落。
- 在 Android 客户端中，更新章节阅读视图以移除内嵌章节标题，提升排版一致性。
- 新增 TextUtils 工具函数，专门用于移除 LLM 生成的内嵌章节标题，确保正文内容的流畅性。

api/agents/prompts/memory_prompts.py

@@ -49,22 +49,41 @@ def get_system_prompt() -> str:
     return """你是一位专业的传记作家和文字编辑，擅长将口语化的对话内容整理成优雅的书面语回忆录章节。
 
 你的任务：
-1. 接收对话段落文本（口语化）
+1. 接收对话段落文本（口语化，可能来自语音转写）
-2. 识别内容主题，归类到对应章节（童年/教育/事业/家庭/信念/总结）
+2. **先提炼对话中与人生经历相关的核心内容**，过滤掉无关信息
-3. 将口语化表达改写为书面语，保持原意和情感
+3. 识别内容主题，归类到对应章节（童年/教育/事业/家庭/信念/总结）
-4. 生成合适的章节标题和段落结构
+4. 将口语化表达改写为书面语，保持原意和情感
-5. 提取关键信息，形成连贯的叙述
+5. 生成合适的章节标题和段落结构
-6. 建议插图位置（在描述场景、人物、地点的地方）
+6. 提取关键信息，形成连贯的叙述
+7. 建议插图位置（在描述场景、人物、地点的地方）
 
-改写原则：
+## 内容筛选原则（最重要）
-- 保持用户的真实声音和情感
+对话中往往夹杂大量与回忆录无关的噪音，你必须严格筛选，只保留有价值的内容：
-- 使用优雅但不失亲切的书面语
+
+应该保留的内容：
+- 具体的人生事件、经历、故事
+- 提到的人物及其关系（家人、朋友、同事、恩师等）
+- 地点、时间、场景描写
+- 用户的情感表达、内心感受
+- 人生感悟、价值观、信念
+- 具体的细节（食物、声音、画面等）
+
+应该过滤掉的内容：
+- 语气词、填充词（嗯、啊、那个、就是说、对对对、然后呢等）
+- 对话中的寒暄、问候（你好、谢谢、好的等）
+- 用户与AI助手之间的交互指令（你帮我、我想问、你说得对等）
+- 重复、冗余的表述（取核心含义即可）
+- 与个人经历完全无关的闲聊内容
+
+## 改写原则
+- 保持用户的真实情感
+- 使用优雅但不失亲切的书面语，不要直接引用对话原话
 - 适当添加过渡句，使段落连贯
-- 保留生动的细节和对话
+- 保留生动的细节，但将口语表达改写为书面叙述
-- 去除口语中的"嗯"、"那个"等填充词
+- 去除口语中的填充词和无意义重复
 - 保持时间顺序和逻辑清晰
 
-章节分类规则：
+## 章节分类规则
 - 童年相关 → "童年与成长背景"
 - 学校、老师、同学 → "教育经历与青年时期"
 - 工作、职业、成就 → "主要成就与巅峰时刻" 或 "崭露头角"
@@ -79,7 +98,7 @@ def get_chapter_classification_prompt(segments_text: str) -> str:
     """获取章节分类的提示词"""
     return f"""{get_system_prompt()}
 
-请分析以下对话内容，判断应该归类到哪个章节类别：
+请分析以下对话内容，**忽略其中的语气词、寒暄和无关对话**，只关注涉及人生经历的实质内容，判断应该归类到哪个章节类别：
 - childhood: 童年与成长背景
 - education: 教育经历与青年时期
 - career_early: 崭露头角（早期事业）
@@ -92,7 +111,8 @@ def get_chapter_classification_prompt(segments_text: str) -> str:
 对话内容：
 {segments_text}
 
-请只返回章节类别（如：childhood），不要返回其他内容。"""
+请只返回章节类别（如：childhood），不要返回其他内容。
+如果对话内容中没有任何与人生经历相关的实质内容，返回 none。"""
 
 
 def get_text_rewrite_prompt(segments_text: str, chapter_category: str, existing_content: str = "") -> str:
@@ -148,7 +168,7 @@ def get_state_extraction_prompt(user_message: str, current_stage: str, stage_slo
 
     return f"""{get_system_prompt()}
 
-你需要从用户话语中抽取结构化信息，并判断用户实际在谈论哪个人生阶段。
+你需要从用户话语中**先提炼与人生经历相关的核心内容**，然后抽取结构化信息，并判断用户实际在谈论哪个人生阶段。
 
 系统当前跟踪的阶段：{current_stage}
 该阶段可填 slots：{slot_keys}
@@ -170,11 +190,12 @@ def get_state_extraction_prompt(user_message: str, current_stage: str, stage_slo
 }}
 
 要求：
-1. **detected_stage 必须根据用户话语的实际内容判断**，不要默认沿用系统当前阶段。用户可能在聊不同阶段的事情。
+1. **先忽略话语中的语气词、填充词、寒暄、与AI的交互指令等无关内容**，只关注涉及人生经历的实质信息
-2. slots 的 key 必须属于 detected_stage 对应的 slot 列表
+2. **detected_stage 必须根据用户话语的实际内容判断**，不要默认沿用系统当前阶段。用户可能在聊不同阶段的事情
-3. slots 只填写确实提到的内容
+3. slots 的 key 必须属于 detected_stage 对应的 slot 列表
-4. snippet 保持用户原话风格，50 字以内
+4. slots 只填写确实提到的、与人生经历相关的实质内容
-5. 如果没有明确内容，slots 为空对象
+5. **snippet 应是提炼后的核心信息**，去除语气词和冗余表达，50 字以内
+6. 如果用户话语中没有任何与人生经历相关的实质内容（如纯粹的寒暄、指令、语气词），slots 为空对象
 """
 
 
@@ -266,14 +287,23 @@ def get_narrative_prompt(
 {new_content}
 {context_section}
 
-要求：
+## 第一步：提炼核心内容
+在改写之前，请先从对话内容中提炼出与人生经历相关的核心信息：
+- 提取具体的事件、人物、地点、时间、感受
+- 丢弃语气词（嗯、啊、那个、就是说）、寒暄（你好、谢谢）、与AI的交互（你帮我整理一下、对对对你说得对）、无意义的重复
+- 如果对话内容中几乎没有与人生经历相关的实质内容，请输出空字符串
+
+## 第二步：改写为叙述
+基于提炼后的核心内容进行文学改写：
 1. 使用第一人称叙述
-2. 保留少量原话（引用）
+2. **不要直接引用对话原话**，将所有内容改写为流畅的书面叙述
 3. **只输出新内容的改写结果**，不要重复已有内容
 4. 如果有衔接上下文，确保新内容与之自然衔接（语气、时间线连贯）
 5. 语气自然，有情绪
 6. 在适合配图的地方插入图片占位符
 7. 如果有用户的基本信息（出生地、成长地等），在叙述中自然融入地域文化和时代背景
+8. **不要将对话中的交互性语言（如"我跟你说"、"你知道吗"）写入叙述**
+9. **不要在正文中插入章节标题或分类标签**（如"章节：信念与价值观"、"## 童年与成长背景"等），章节标题由系统单独管理
 
 ## 图片占位符格式
 在描述场景、人物、重要时刻的段落后，插入图片占位符，格式为：
@@ -291,6 +321,6 @@ def get_narrative_prompt(
 - 单独占一行，不要嵌入段落中
 - 不要使用括号或星号等其他格式
 
-只输出新对话内容的改写结果（包含图片占位符）。
+只输出新对话内容的改写结果（包含图片占位符）。如果对话中没有值得记录的人生经历内容，输出空字符串。
 """
 

api/tasks/memoir_tasks.py

@@ -98,16 +98,20 @@ def _detect_stage(user_message: str, fallback_stage: str) -> str:
     return fallback_stage
 
 
-def _classify_chapter_category(text: str, fallback_stage: str, llm=None) -> str:
+def _classify_chapter_category(text: str, fallback_stage: str, llm=None) -> str | None:
     """
     将内容分类到 8 个章节类别之一。
     优先使用 LLM，失败则按 5-stage 关键词映射到默认类别。
+    如果 LLM 判定内容无实质回忆录价值，返回 None。
     """
     if llm:
         try:
             prompt = get_chapter_classification_prompt(text)
             response = llm.invoke(prompt)
             category = response.content.strip().lower()
+            if category == "none":
+                logger.info(f"LLM 判定内容无回忆录价值，跳过: {text[:80]}...")
+                return None
             if category in CHAPTER_CATEGORIES:
                 return category
         except Exception as e:
@@ -264,6 +268,9 @@ def process_memoir_segments(self, user_id: str, segment_ids: List[str]):
 
                 # 8-category 章节分类
                 chapter_category = _classify_chapter_category(text, detected_stage, llm)
+                if chapter_category is None:
+                    logger.info(f"段落无回忆录价值，跳过: segment_id={segment.id}")
+                    continue
                 category_to_segments.setdefault(chapter_category, []).append(segment)
 
             # 按 8 分类生成章节内容

app-android/app/src/main/java/com/huaga/life_echo/ui/components/memoir/ChapterReadingView.kt

@@ -48,11 +48,12 @@ fun ChapterReadingView(
                 modifier = Modifier.padding(bottom = 24.dp)
             )
             
-            // 正文内容（支持 Markdown，移除{{IMAGE}}占位符如果没有图片）
+            val processedContent = TextUtils.removeInlineChapterHeadings(
-            val processedContent = TextUtils.removeImagePlaceholders(
+                TextUtils.removeImagePlaceholders(
                     chapter.content,
                     hasImages = chapter.images.isNotEmpty()
                 )
+            )
             MarkdownText(
                 content = processedContent,
                 modifier = Modifier.padding(bottom = 16.dp),

app-android/app/src/main/java/com/huaga/life_echo/ui/components/memoir/FullTextReadingView.kt

@@ -64,11 +64,12 @@ fun FullTextReadingView(
                         modifier = Modifier.padding(bottom = 16.dp)
                     )
                     
-                    // 章节内容（支持 Markdown，移除{{IMAGE}}占位符如果没有图片）
+                    val processedContent = TextUtils.removeInlineChapterHeadings(
-                    val processedContent = TextUtils.removeImagePlaceholders(
+                        TextUtils.removeImagePlaceholders(
                             chapter.content,
                             hasImages = chapter.images.isNotEmpty()
                         )
+                    )
                     MarkdownText(
                         content = processedContent,
                         modifier = Modifier.padding(bottom = 16.dp),

app-android/app/src/main/java/com/huaga/life_echo/utils/TextUtils.kt

@@ -66,6 +66,24 @@ object TextUtils {
         return quotePattern.findAll(text).map { it.groupValues[1] }.toList()
     }
     
+    /**
+     * 移除 LLM 生成的内嵌章节标题（如 "章节：信念与价值观"、"## 章节：童年与成长背景"）
+     * 这些标题已由 UI 单独渲染，混在正文中会导致排版突兀
+     */
+    fun removeInlineChapterHeadings(content: String?): String {
+        if (content.isNullOrBlank()) return ""
+        return content
+            // markdown 标题格式: #{1,6} 章节[：:]...
+            .replace(Regex("^#{1,6}\\s*章节[：:].*$", RegexOption.MULTILINE), "")
+            // 粗体格式: **章节：...**
+            .replace(Regex("\\*\\*章节[：:].+?\\*\\*"), "")
+            // 纯文本格式: 独立一行的 "章节：..."
+            .replace(Regex("^章节[：:].+$", RegexOption.MULTILINE), "")
+            // 清理移除后产生的多余空行
+            .replace(Regex("\n{3,}"), "\n\n")
+            .trim()
+    }
+
     /**
      * 移除图片占位符
      * 如果没有图片，移除所有{{{{IMAGE:...}}}}和{{IMAGE:...}}格式的占位符