feat(asr): REQ-266 热词防护单测与标题注入源扩展

Author: Aparencia

app/src-tauri/src/commands_video.rs

@@ -178,11 +178,15 @@ pub fn detect_video_domain(
 /// @param kind - 领域标识（kebab-case；非法值明确报错）
 /// @param fine - v0.13.6（REQ-220）：细目 id 数组（可选）——候选集 = 粗种子 ∪ 细目种子
 ///               （前端/后端术语不同，细分预热命中率↑）；缺省 None 向后兼容
+/// @param title - v0.20.1（REQ-266）：窗口标题（可选）——标题主题词自动注入
+///               （title_rules::title_hotword_candidates；品牌/纯数字/超长剔除；
+///               tokens 表外字由 use-time filter 兜底）
 #[tauri::command]
 pub fn preheat_domain_hotwords(
     state: State<'_, AppState>,
     kind: String,
     fine: Option<Vec<String>>,
+    title: Option<String>,
 ) -> Result<usize, String> {
     let kind = crate::video_profile_domain::DomainKind::parse(
         &kind.chars().take(30).collect::<String>(),
@@ -198,6 +202,14 @@ pub fn preheat_domain_hotwords(
             candidates.push(c);
         }
     }
+    // 标题主题词候选（REQ-266：窗口标题自动注入源）
+    if let Some(t) = title {
+        for c in crate::title_rules::title_hotword_candidates(&t) {
+            if !candidates.contains(&c) {
+                candidates.push(c);
+            }
+        }
+    }
     let mut vocab = state
         .vocab
         .lock()

app/src-tauri/src/streaming_asr_tests.rs

@@ -382,3 +382,47 @@ fn sensevoice_inference_latency_per_window() {
         total
     );
 }
+
+// ── REQ-266（v0.20.1）：tokens 表外字过滤/崩溃防护单测 ──
+
+#[test]
+fn hotword_filter_keeps_in_vocab_words_only() {
+    // Arrange：tokens 表仅含 {a,b,心,理}；热词表混入表外字词
+    let chars: std::collections::HashSet<char> = ['a', 'b', '心', '理'].into_iter().collect();
+    // Act
+    let out = filter_hotwords_by_tokens("ab 心 a 焦虑 心理 xyz", &chars);
+    // Assert：整词剔除（"焦虑"含 焦 不在表 → 整词删，保语义完整）；全在表者保留
+    assert_eq!(out, "ab 心 a 心理");
+}
+
+#[test]
+fn hotword_filter_all_outside_returns_empty() {
+    // Arrange：无任何表内字
+    let chars: std::collections::HashSet<char> = ['a'].into_iter().collect();
+    // Act
+    let out = filter_hotwords_by_tokens("焦虑 冥想 哲学", &chars);
+    // Assert：空串——调用方回退普通流（防 ContextGraph 崩溃，2026-08-21 修复回归）
+    assert_eq!(out, "");
+}
+
+#[test]
+fn hotword_filter_empty_token_set_is_safe() {
+    let chars: std::collections::HashSet<char> = std::collections::HashSet::new();
+    assert_eq!(filter_hotwords_by_tokens("abc 中文", &chars), "");
+    assert_eq!(filter_hotwords_by_tokens("", &chars), "");
+}
+
+#[test]
+fn token_chars_load_single_char_columns_only() {
+    // Arrange：临时 tokens.txt（行格式 "<符号> <id>"）——只收单字符列
+    // （▁ 为 sherpa 空格 token，属单字符列一并收集——热词文本不含 ▁，无害）
+    let raw = "a 1\nb 2\nab 3\n焦 4\n▁ 5\n";
+    let path = std::env::temp_dir().join(format!("asr_eval_tokens_{}.txt", std::process::id()));
+    std::fs::write(&path, raw).expect("写临时 tokens");
+    // Act
+    let set = load_token_chars(path.to_string_lossy().as_ref()).expect("解析临时 tokens");
+    let _ = std::fs::remove_file(&path);
+    // Assert：单字符列收集；多字符符号不收集
+    assert!(set.contains(&'a') && set.contains(&'b') && set.contains(&'焦') && set.contains(&'▁'));
+    assert_eq!(set.len(), 4);
+}

app/src-tauri/src/title_rules.rs

@@ -30,6 +30,38 @@ pub fn normalize_source_title(raw: &str) -> String {
     trimmed.to_string()
 }
 
+/// 标题 → 热词候选（REQ-266 注入源扩展，纯函数）。
+///
+/// @ai-context: 采集目标窗口标题携带课程/主题专名（"项目从立项到交付全流程|落地
+///              式项目全流程 - 抖音"）——按分隔符切 token、剔除平台品牌与纯数字、
+///              长度 2..=14 字符，去重限量（≤10），供 preheat 注入；tokens 表外字
+///              风险由 use-time 过滤兜底（streaming_asr filter_hotwords_by_tokens）。
+pub fn title_hotword_candidates(raw: &str) -> Vec<String> {
+    const SEPARATORS: &[char] = &['|', '｜', '-', '_', ' ', '/', '·', ':', '：'];
+    let normalized = normalize_source_title(raw);
+    let mut out: Vec<String> = Vec::new();
+    for tok in normalized.split(SEPARATORS) {
+        let tok = tok.trim();
+        let n = tok.chars().count();
+        if !(2..=14).contains(&n) {
+            continue;
+        }
+        if tok.chars().all(|c| c.is_ascii_digit()) {
+            continue; // 纯数字（年份/计数）无术语价值
+        }
+        if BRAND_SUFFIXES.iter().any(|b| tok == *b) {
+            continue; // 平台品牌名不入词表
+        }
+        if !out.iter().any(|t| t == tok) {
+            out.push(tok.to_string());
+        }
+        if out.len() >= 10 {
+            break;
+        }
+    }
+    out
+}
+
 /// 同源去重：existing 含 base → 追加「 #N」（N=现有最大后缀 +1，首个为 #2）。
 ///
 /// @ai-context: 纯比较不猜测——只处理「恰好等于 base」与「base #N」两类；
@@ -163,4 +195,32 @@ mod tests {
         );
         assert_eq!(first_line_title(std::iter::empty::<&str>()), None);
     }
+
+    // ── title_hotword_candidates（REQ-266）──
+
+    #[test]
+    fn title_candidates_split_and_strip_brand() {
+        // "项目从立项到交付全流程|落地式项目全流程 - 抖音" → 两段主题词；品牌剔除
+        let cs = title_hotword_candidates("项目从立项到交付全流程|落地式项目全流程 - 抖音");
+        assert!(cs.contains(&"项目从立项到交付全流程".to_string()));
+        assert!(cs.contains(&"落地式项目全流程".to_string()));
+        assert!(!cs.iter().any(|t| t == "抖音"));
+    }
+
+    #[test]
+    fn title_candidates_bare_brand_and_tiny_empty() {
+        assert!(title_hotword_candidates("抖音").is_empty());
+        assert!(title_hotword_candidates("").is_empty());
+        assert!(title_hotword_candidates("a").is_empty());
+        assert!(title_hotword_candidates("2024").is_empty());
+    }
+
+    #[test]
+    fn title_candidates_dedupe_and_cap() {
+        // 重复 token 只取一次；超出 10 个截断不 panic
+        let many = "词一 词二 词三 词四 词五 词六 词七 词八 词九 词十 词十一 词一";
+        let cs = title_hotword_candidates(many);
+        assert!(cs.len() <= 10);
+        assert_eq!(cs.iter().filter(|t| *t == "词一").count(), 1);
+    }
 }