fix(ai-outfit): 标题解析改为「按逗号分割」，避开 Markdown 表格坑 (§19.23)

实测模型常返回 Markdown 表格（編號/標題/字元數估算 三列），按行解析会把
表头/分隔线/带 | 数字的行当成标题，写进 Excel A 全是「| 編號 | 標題 | … |」。
改用「提示词约定标题逗号分隔 + 解析按逗号拆分」，简单可靠。

- ai_text_service._clean_titles：从按行拆改为按逗号拆（半角 , / 全角 ，，
  换行作兜底分隔），每段走 _clean_title_line 去空白/序号/引号、丢空
- config_service.DEFAULT_TITLE_PROMPT：改逗号分隔风格，明确禁 Markdown 表格/
  换行/序号/編號/字元數/引号/表情
- extract_text_from_response（取首条）、generate_texts/generate_titles/
  _TitleWorker 均不变

测试：逗号分隔（全角/半角）→ 多条；逗号+换行混用都拆开；逐段去序号/引号；
Markdown 表头单行不再炸成多条垃圾。全套 py37 通过（test_config_service 的
packaging 模板失败属并行 §19.13，与本改动无关）。离屏冒烟：逗号响应解析 +
按序回填 Excel A。

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

docs/11-ai-outfit.md

@@ -428,8 +428,8 @@ Excel 行 → `OutfitTask` 列表的转换由 `excel_service` 完成；核心只
 > **一次请求、纯提示词（不传图）、生成多条、按序回填**（用户在提示词里自写数量）。
 
 - **行来源**：复用 `excel_service.read_all_rows(excel)`（状态无关）——拿到全部有效行（仅为「填到哪些行 + 行号」），**覆盖式**写 A，不看 E 列状态、不引入新列。
-- **一次请求、纯提示词**：把用户标题提示词**原样**（不带图、不替换 `{title}`）发一次给文本模型；提示词里由用户自写数量（如「生成 6 条…每行一条」）。
-- **解析多条**：从响应里把文本**按行**拆成多条，每条清洗（去行首序号/符号 `1. / - / ①`、去首尾引号、单行化、丢空行）→ 得到标题列表。
+- **一次请求、纯提示词**：把用户标题提示词**原样**（不带图、不替换 `{title}`）发一次给文本模型；提示词里由用户自写数量并**约定标题之间用逗号隔开**（如「生成 6 条…标题之间用逗号分隔，不要表格/换行/序号」）。
+- **按逗号拆分多条**：把响应文本按**逗号**（半角 `,` / 全角 `，`，并兼容换行作兜底分隔）拆成多条，每条清洗（去首尾空白、去行首序号/符号 `1. / - / ①`、去首尾引号、丢空）→ 得到标题列表。**不再按行/不解析 Markdown 表格**——靠提示词约定逗号分隔（§19.23）。
 - **按序回填**：第 i 条 → 第 i 行 A（`write_title_result(excel, row_index, title)`），逐条写、刷新中栏「处理明细」表该行「标题」列。
 - **条数对不上时兜底**：`N = len(标题)`，`R = len(行)`。`N > R` → 多出的 `N-R` 条**丢弃** + 日志提示；`N < R` → 后 `R-N` 行**留空** + 日志提示。不报错中止。
 - **生成完重载 Excel**：刷新界面与内存任务，紧接「开始生成」跑图即用新标题（图片生成当场 `load_outfit_tasks` 读 A 列）。
@@ -443,7 +443,7 @@ Excel 行 → `OutfitTask` 列表的转换由 `excel_service` 完成；核心只
   - `images`/`images_edits`：纯图片接口，不能返回文字 → 抛 `AiTextServiceError`。
   - 一次 POST → `extract_titles_from_response` 返回**多条**清洗后标题。
 - `generate_text(prompt, image_path=None) -> str`：保留（返回第一条，= `generate_texts` 的 `[0]`），供单条场景与既有单测；与 `generate_texts` 共用同一段 POST。
-- `extract_titles_from_response(data) -> List[str]`：取 `choices[0].message.content` / gemini `candidates[0].content.parts[].text` 的原始文本，**按行拆分 + 逐行清洗**（去序号/符号/引号、单行化、丢空），返回标题列表。`extract_text_from_response` = 取其首条（兼容保留）。
+- `extract_titles_from_response(data) -> List[str]`：取 `choices[0].message.content` / gemini `candidates[0].content.parts[].text` 的原始文本，**按逗号（`,`/`，`，兼容换行）拆分 + 逐段清洗**（去首尾空白/序号/符号/引号、丢空），返回标题列表（§19.23）。`extract_text_from_response` = 取其首条（兼容保留）。
 
 ### 17.3 模型与提示词
 
@@ -455,7 +455,7 @@ Excel 行 → `OutfitTask` 列表的转换由 `excel_service` 完成；核心只
   - **命中的模型是纯图片接口（images/images_edits）时，开跑前就拦截（§19.21）**：`_find_title_model` 检出 `api_type ∈ {images, images_edits}` → 返回错误「『{名字}』是图片模型（{api_type}），不能生成文字标题，请改选 chat/gemini 文本模型」→ `_resolve_title_model_config` 弹窗 + 中止，不逐行失败。
   - 边界：`api_type=chat` 但实际返回图片的模型（如 Nano Banana）类型上无法预判，仍在运行时由 `AiTextClient`/「未找到文字标题」逐行暴露——这是固有限制。
 - **`ai_models.json` 需有一条文本/视觉模型**（管理员维护，含真实 key，不入库）：`api_type` 设 `chat`、`model` 填中转的真实 id（如 `gpt-5.5`）、`name` 与 `title_model` 一致（默认 `GPT-5.5 文本`）。`docs/ai_models.sample.json` 已含 chat 示例可参照。
-- **标题提示词**：单份，存 `~/.cmbot/config/title_prompt.txt`（`load_title_prompt`/`save_title_prompt`，仿旧式单份，标题侧不做多套模板）；默认文案为**批量风格**——让模型生成**多条**电商女装标题、**每行一条**、不带序号/引号/表情，数量由用户在提示词里写（默认示例可写「生成 10 条」）。
+- **标题提示词**：单份，存 `~/.cmbot/config/title_prompt.txt`（`load_title_prompt`/`save_title_prompt`，仿旧式单份，标题侧不做多套模板）；默认文案为**批量风格 + 逗号分隔**——让模型生成**多条**电商女装标题、**标题之间用逗号分隔**、**不要表格/换行/序号/引号/表情**，数量由用户在提示词里写（默认示例可写「生成 10 条」）。与 §17.1 的逗号拆分配套。
 
 ### 17.4 界面与运行
 
@@ -472,7 +472,7 @@ Excel 行 → `OutfitTask` 列表的转换由 `excel_service` 完成；核心只
 - 条数对不上：N>行数多的丢弃 + 日志；N<行数后面行留空 + 日志（不报错中止）。
 - `title_model` 找不到对应模型 / 命中条目是纯图片接口（images/images_edits）时，**开跑前**弹窗报错并中止（§19.21）。
 - 生成完重载 Excel，紧接「开始生成」跑图用的是新标题。
-- `extract_titles_from_response`（多行→多条、清洗）、`generate_titles`（一次请求纯文本、客户端异常）、`write_title_result`（只改 A）、`_find_title_model`（命中/缺失/图片模型报错）单测通过，Python 3.7。
+- `extract_titles_from_response`（**按逗号拆分**→多条、清洗、兼容换行、Markdown 表格不再当多条）、`generate_titles`（一次请求纯文本、客户端异常）、`write_title_result`（只改 A）、`_find_title_model`（命中/缺失/图片模型报错）单测通过，Python 3.7。
 
 ### 17.6 决策：标题模型「配置定名」而非下拉
 

src/services/ai_text_service.py

@@ -34,6 +34,8 @@ class AiTextServiceError(RuntimeError):
 _TITLE_LEAD = re.compile(r"^\s*(?:\d+\s*[\.\)、:：]|[-*•])\s*")
 _TITLE_CIRCLED = "①②③④⑤⑥⑦⑧⑨⑩"
 _TITLE_QUOTES = "\"'「」『』“”‘’"
+# Split titles on comma (half/full width) or newline (docs/11 §17.1 / §19.23).
+_TITLE_SPLIT = re.compile(r"[,，\r\n]+")
 
 
 def build_text_payload(config, prompt, image_data_url=None):
@@ -129,21 +131,26 @@ def _clean_title_line(line):
 
 
 def _clean_titles(text):
-    """Split raw text into a list of cleaned titles (one per non-empty line)."""
+    """Split raw text into a list of cleaned titles, on comma (or newline).
+
+    The prompt asks the model to comma-separate titles (docs/11 §17.1 / §19.23);
+    splitting on `,`/`，`/newline avoids the Markdown-table mis-parse that line
+    splitting produced.
+    """
     if not text:
         return []
     out = []
-    for line in str(text).splitlines():
-        cleaned = _clean_title_line(line)
+    for piece in _TITLE_SPLIT.split(str(text)):
+        cleaned = _clean_title_line(piece)
         if cleaned:
             out.append(cleaned)
     return out
 
 
 def extract_titles_from_response(data):
-    """Return all clean titles (one per non-empty line) from an AI JSON response.
+    """Return all clean titles from an AI JSON response (comma-split, §17.1/§19.23).
 
-    Used by 批量标题生成 (docs/11 §17.1): one request → many titles.
+    Used by 批量标题生成: one request → many titles.
     """
     return _clean_titles(_extract_raw_text(data))
 

src/services/config_service.py

@@ -44,12 +44,13 @@ DEFAULT_OUTFIT_PROMPT = (
     "电商主图风格，不加文字与促销标签。"
 )
 
-# Default title prompt (docs/11 §17.3, batch style). Used when title_prompt.txt absent.
-# 数量由用户改写（如「生成 10 条」）；一次请求返回多条、按序回填各行 A（§17.1）。
+# Default title prompt (docs/11 §17.3, batch + comma-separated). Used when title_prompt.txt absent.
+# 数量由用户改写（如「生成 10 条」）；一次请求返回多条、按逗号拆分后按序回填各行 A（§17.1/§19.23）。
 DEFAULT_TITLE_PROMPT = (
-    "请生成 10 条适合台湾蝦皮电商的中文女装商品标题，每行一条，"
-    "突出卖点与适穿场景，每条控制在 30 字以内。"
-    "只输出标题本身、每行一条，不要序号、引号、表情或促销词。"
+    "请生成 10 条适合台湾蝦皮电商的中文女装商品标题，突出卖点与适穿场景，"
+    "每条控制在 30 字以内。"
+    "标题之间用逗号「，」分隔，只输出标题本身，"
+    "不要使用 Markdown 表格、不要换行、不要序号/編號/字元數、不要引号或表情。"
 )
 
 

tasks.md

@@ -1397,4 +1397,24 @@
 - [x] `ai_outfit_panel.py` `_TitleWorker`：改为一次 `generate_titles` → 按序 `write_title_result` 回填、逐条 `progress` 刷新明细表；`N>行数`多的丢+日志、`N<行数`后面行留空+日志；请求异常 → 日志 + 成功 0 收尾；去掉行间 `request_interval` sleep
 - [x] `ai_outfit_panel.py` `_start_title`：不再传 `request_interval`；图片模型开跑前拦截（§19.21）保持
 - [x] 测试：`test_ai_text_service.py` 加 `extract_titles_from_response`（多行→多条、去序号/引号、丢空）+ `generate_texts`（mock，返回多条、无图 payload 不含 image_url）；`test_ai_title.py` 改为 `generate_titles`（一次请求多条、客户端异常）；删旧 `generate_title` 用例
-- [x] 验证：相关单测 + 全套 py37 通过；离屏冒烟：一次请求返回 6 条 → 6 行 A 按序回填；返回 3 条/8 条 → 兜底（留空/丢弃）+ 日志；payload 不含图片
+- [x] 验证：相关单测 + 全套 py37 通过；离屏冒烟：一次请求返回 6 条 → 6 行 A 按序回填；返回 3 条/8 条 → 兜底（留空/丢弃）+ 日志；payload 不含图片
+
+### 19.23 标题解析改为「按逗号分割」 — docs/11 §17.1 / §17.2 / §17.3
+
+前置阅读：
+
+- `docs/11-ai-outfit.md`（§17.1 数据流、§17.2 文本服务、§17.3 默认提示词）
+- `src/services/ai_text_service.py`（`_clean_titles`/`extract_titles_from_response`/`_clean_title_line`）
+- `src/services/config_service.py`（`DEFAULT_TITLE_PROMPT`）
+- `tests/test_ai_text_service.py`（`extract_titles` 用例）
+
+背景：
+
+实测模型常返回 **Markdown 表格**（編號/標題/字元數估算 三列），按行解析会把表头/分隔线/带 `|` 数字的行当成标题（垃圾），写进 Excel A 全是 `| 編號 | 標題 | 字元數估算 |`。改用**提示词约定「标题之间用逗号分隔」+ 解析按逗号拆分**，简单可靠、避开表格坑。
+
+任务：
+
+- [x] `ai_text_service.py`：`_clean_titles(text)` 改为**按逗号拆分**——先把原始文本按 `,`/`，`（并把换行也当分隔，兜底）切成段，每段走 `_clean_title_line`（去首尾空白/序号/符号/引号），丢空，返回列表。`extract_titles_from_response`/`extract_text_from_response`（取首条）签名不变
+- [x] `config_service.py`：`DEFAULT_TITLE_PROMPT` 改为「逗号分隔」风格——明确「标题之间用逗号分隔、不要 Markdown 表格/换行/序号/引号/表情」，数量由用户写
+- [x] 测试：`test_ai_text_service.py` 更新/新增——逗号分隔（半角/全角）→ 多条；混换行+逗号→拆开；段内去序号/引号；Markdown 表格输入**不再**当多条（要么单条要么靠提示词避免，至少不产出表头那种垃圾的多条断言）；`extract_text_from_response` 取首条
+- [x] 验证：相关单测 + 全套 py37 通过；离屏冒烟：逗号分隔字符串 → 按序回填各行 A

tests/test_ai_text_service.py

@@ -47,16 +47,33 @@ class TestExtractText(unittest.TestCase):
         self.assertEqual(extract_text_from_response({"choices": []}), "")
         self.assertEqual(extract_text_from_response({}), "")
 
-    def test_extract_titles_multiline_to_list_cleaned(self):
-        """§17.1: 多行 → 多条，逐行去序号/引号、丢空行。"""
+    def test_extract_titles_comma_separated(self):
+        """§19.23: 逗号分隔（全角/半角）→ 多条，逐段去空白。"""
+        from services.ai_text_service import extract_titles_from_response
+
+        full = {"choices": [{"message": {"content": "甲款，乙款，丙款，丁款"}}]}
+        self.assertEqual(extract_titles_from_response(full),
+                         ["甲款", "乙款", "丙款", "丁款"])
+        half = {"choices": [{"message": {"content": "甲款, 乙款 ,丙款"}}]}
+        self.assertEqual(extract_titles_from_response(half), ["甲款", "乙款", "丙款"])
+
+    def test_extract_titles_mixed_comma_newline_and_cleaning(self):
+        """§19.23: 逗号 + 换行混用都拆开；逐段去序号/引号。"""
         from services.ai_text_service import extract_titles_from_response
 
         data = {"choices": [{"message": {"content":
-                "1. 「韩版宽松卫衣」\n\n2) 复古工装外套\n- 简约百搭T恤\n   "}}]}
+                "1. 「韩版宽松卫衣」，2) 复古工装外套\n- 简约百搭T恤"}}]}
         self.assertEqual(
             extract_titles_from_response(data),
             ["韩版宽松卫衣", "复古工装外套", "简约百搭T恤"])
 
+    def test_extract_titles_markdown_table_not_exploded(self):
+        """§19.23: 表头单行无逗号 → 至多 1 条，不再炸成表头/分隔/多行垃圾。"""
+        from services.ai_text_service import extract_titles_from_response
+
+        data = {"choices": [{"message": {"content": "| 編號 | 標題 | 字元數估算 |"}}]}
+        self.assertEqual(len(extract_titles_from_response(data)), 1)
+
     def test_extract_titles_empty_when_no_text(self):
         from services.ai_text_service import extract_titles_from_response