fix: 桌面模式服务器不再拼接指令语气的 user 消息外壳，三端 AI 校对统一中性标签

CHANGELOG.md

@@ -9,6 +9,13 @@
 
 ---
 
+## [0.1.0] - 未发布
+
+### 新增
+- 快捷键支持鼠标侧键：「按住说话」与「免提模式」均可绑定鼠标侧键（后退键 / 前进键）。在设置里点录制、按一下侧键即可绑定。
+
+---
+
 ## [0.0.9] - 2026-07-16
 
 ### 新增

client/src-tauri/src/providers/ai_ollama.rs

@@ -1,6 +1,7 @@
 // Ollama AI 供应商
 // 调用本地 Ollama 的 /api/generate 接口
 
+use super::prompt::wrap_user_text;
 use super::types::{AiProviderConfig, AiResult, TestResult};
 use std::time::Instant;
 
@@ -19,7 +20,9 @@ pub async fn polish(
 
     let url = normalize_url(&config.api_url);
     let sys_prompt = system_prompt.unwrap_or("你是语音转文本的校对助手。");
-    let combined = format!("{}\n\n请处理以下语音转写文本：\n\n{}", sys_prompt, text);
+    // Ollama /api/generate 是单一 prompt 字符串，没有 system/user 角色区分，
+    // 这里手动拼接：system prompt 在前，user 消息（中性标签包裹）在后。
+    let combined = format!("{}\n\n{}", sys_prompt, wrap_user_text(text));
 
     let model = if config.model.is_empty() {
         "qwen2.5:7b"

client/src-tauri/src/providers/ai_openai_compat.rs

@@ -1,6 +1,7 @@
 // OpenAI 兼容 AI 供应商
 // 覆盖所有支持 /v1/chat/completions 的服务：DeepSeek、通义、豆包（火山方舟）等
 
+use super::prompt::wrap_user_text;
 use super::types::{AiProviderConfig, AiResult, TestResult};
 use std::time::Instant;
 
@@ -21,7 +22,7 @@ pub async fn polish(
     let url = format!("{}/chat/completions", base_url);
 
     let sys_prompt = system_prompt.unwrap_or("你是语音转文本的校对助手。");
-    let user_content = format!("请处理以下语音转写文本：\n\n{}", text);
+    let user_content = wrap_user_text(text);
 
     let mut body = serde_json::json!({
         "model": config.model,

client/src-tauri/src/providers/mod.rs

@@ -1,6 +1,7 @@
 // 转写供应商模块 — ASR 和 AI 的 trait 定义及具体实现
 
 pub mod types;
+pub mod prompt;
 pub mod ai_openai_compat;
 pub mod ai_ollama;
 pub mod asr_doubao;

client/src-tauri/src/providers/prompt.rs

@@ -0,0 +1,14 @@
+// AI 校对请求的 user 消息统一构造 —— 云 API / 本地 Ollama 共用。
+//
+// 背景：早期这里的 user 消息外壳是一句祈使句（"请处理以下语音转写文本："），
+// 与服务器模式此前的做法（server/backend/app/llm.py 里 "请校对以下…"）是同一类
+// 问题：当 ASR 识别出的文本本身也是祈使句（如用户说的是"请执行"）时，外壳的
+// "请…" 和文本内容的"请…"首尾相连，容易被模型误读成一句连续指令，而不是
+// "这是一段待清洗的数据"，导致模型反问"请提供文本"而不是正常输出清洗结果。
+//
+// 现在改为与服务器模式完全一致的中性标签包裹，不含任何动词/祈使句，只标出
+// 文本边界，prompt 的全部措辞（风格、约束）仍 100% 由 system_prompt（用户的
+// 预设）决定，这里不再"额外说话"。三种模式（服务器 / 云 API / 本地）保持统一。
+pub fn wrap_user_text(text: &str) -> String {
+    format!("<asr_text>\n{}\n</asr_text>", text)
+}

server/backend/app/llm.py

@@ -40,6 +40,13 @@ _DEFAULT_SYSTEM_PROMPT = """\
 
 _DEFAULT_USER_PREFIX = "请校对以下 <asr_text> 标签内的语音转写文本：\n\n<asr_text>"
 
+# 桌面客户端模式下用户消息的外壳：不含任何动词/祈使句，只用一对标签给待清洗文本
+# 标出边界（模型输出后会被 _strip_thinking 清掉，不会混进结果）。这条壳文字固定、
+# 不可配置——桌面模式的全部 prompt 措辞（风格、约束）都由客户端的 system_prompt
+# 决定，服务器不再额外"发出"任何指令，避免壳文字与文本内容本身恰好都是祈使句时
+# （如 ASR 说的是"请执行"）被模型误当成连续指令。
+_DESKTOP_USER_WRAPPER = "<asr_text>\n{text}\n</asr_text>"
+
 
 class LLMEngine:
     def __init__(self, profile: LLMProfile) -> None:
@@ -54,12 +61,20 @@ class LLMEngine:
 
     # ── public API ──
 
-    async def polish(self, text: str, system_prompt: str | None = None) -> tuple[str, int, dict]:
-        """Polish text, return (result, elapsed_ms, debug_info)."""
+    async def polish(
+        self, text: str, system_prompt: str | None = None, *, is_web_demo: bool = False,
+    ) -> tuple[str, int, dict]:
+        """Polish text, return (result, elapsed_ms, debug_info).
+
+        is_web_demo=False（桌面客户端，默认）：system prompt 完全由调用方（客户端）
+        提供，用户消息用固定的中性标签包一下，服务器不额外拼任何指令措辞。
+        is_web_demo=True：网页体验版没有客户端，永远使用服务器本地 prompts/ 目录下的
+        system.txt / user.txt（或内置默认值），忽略传入的 system_prompt（即使有）。
+        """
         if not text or not self._cfg.enabled:
             return text, 0, {"skipped": True}
 
-        messages = self._build_messages(text, system_prompt)
+        messages = self._build_messages(text, system_prompt, is_web_demo=is_web_demo)
         provider = self._cfg.provider.lower()
 
         try:
@@ -99,9 +114,22 @@ class LLMEngine:
 
     # ── internals ──
 
-    def _build_messages(self, text: str, system_prompt: str | None = None) -> list[dict]:
+    def _build_messages(
+        self, text: str, system_prompt: str | None = None, *, is_web_demo: bool = False,
+    ) -> list[dict]:
+        if not is_web_demo:
+            # 桌面模式：system prompt 全由客户端决定（服务器本地 system.txt 仅在客户端
+            # 异常未传时兜底）；用户消息固定用中性标签包裹，不含任何指令措辞。
+            sys_p = system_prompt or _read_prompt(
+                f"{self._cfg.prompt_dir}/system.txt", _DEFAULT_SYSTEM_PROMPT
+            )
+            user_content = _DESKTOP_USER_WRAPPER.format(text=text)
+            return [{"role": "system", "content": sys_p}, {"role": "user", "content": user_content}]
+
+        # Web demo：没有客户端，永远用服务器本地 prompts/ 目录（或内置默认值）兜底——
+        # 即使调用方误传了 system_prompt 也忽略，双重保险防止客户端预设泄露到公开体验页。
         d = self._cfg.prompt_dir
-        sys_p = system_prompt or _read_prompt(f"{d}/system.txt", _DEFAULT_SYSTEM_PROMPT)
+        sys_p = _read_prompt(f"{d}/system.txt", _DEFAULT_SYSTEM_PROMPT)
         user_prefix = _read_prompt(f"{d}/user.txt", _DEFAULT_USER_PREFIX)
         user_content = f"{user_prefix}{text}\n</asr_text>" if "<asr_text>" in user_prefix else f"{user_prefix}{text}"
         return [{"role": "system", "content": sys_p}, {"role": "user", "content": user_content}]

server/backend/app/main.py

@@ -442,7 +442,9 @@ async def _run_asr_llm(
 
     llm_text, llm_ms, llm_debug = asr_text, 0, {}
     if asr_text and selected_llm and selected_profile.enabled and not disable_ai:
-        llm_text, llm_ms, llm_debug = await selected_llm.polish(asr_text, system_prompt)
+        llm_text, llm_ms, llm_debug = await selected_llm.polish(
+            asr_text, system_prompt, is_web_demo=use_web_demo_profile,
+        )
         if cfg.logging.slow_llm_ms and llm_ms >= cfg.logging.slow_llm_ms:
             logger.warning("Slow LLM detected duration_sec=%.2f llm_ms=%d", duration, llm_ms)
 

server/backend/tests/test_llm_prompt.py

@@ -0,0 +1,59 @@
+"""Tests for LLMEngine message construction: desktop vs web-demo prompt handling.
+
+桌面模式：服务器不得拼接任何指令措辞，system prompt 完全来自调用方，用户消息只用
+中性标签包裹待清洗文本。Web demo：沿用服务器本地 prompts/ 目录兜底（保持原行为）。
+"""
+from __future__ import annotations
+
+import unittest
+
+from backend.app.config import LLMProfile
+from backend.app.llm import LLMEngine, _DEFAULT_SYSTEM_PROMPT
+
+
+class DesktopModeMessageTests(unittest.TestCase):
+    def setUp(self) -> None:
+        self.engine = LLMEngine(LLMProfile(prompt_dir="/nonexistent/prompt/dir"))
+
+    def test_uses_client_system_prompt_verbatim(self) -> None:
+        messages = self.engine._build_messages(
+            "请执行", system_prompt="自定义客户端预设", is_web_demo=False,
+        )
+        self.assertEqual(messages[0]["content"], "自定义客户端预设")
+
+    def test_user_message_has_no_instruction_wording(self) -> None:
+        messages = self.engine._build_messages(
+            "请执行", system_prompt="自定义客户端预设", is_web_demo=False,
+        )
+        user_content = messages[1]["content"]
+        # 不应包含任何祈使句式的服务器指令措辞
+        self.assertNotIn("请校对", user_content)
+        self.assertNotIn("请处理", user_content)
+        # 待清洗文本仍完整出现在标签内
+        self.assertIn("<asr_text>", user_content)
+        self.assertIn("请执行", user_content)
+
+    def test_falls_back_to_local_system_prompt_if_none_given(self) -> None:
+        messages = self.engine._build_messages("你好", system_prompt=None, is_web_demo=False)
+        # 找不到本地 prompts/system.txt（目录不存在）时应回退到内置默认值
+        self.assertEqual(messages[0]["content"], _DEFAULT_SYSTEM_PROMPT)
+
+
+class WebDemoMessageTests(unittest.TestCase):
+    def setUp(self) -> None:
+        self.engine = LLMEngine(LLMProfile(prompt_dir="/nonexistent/prompt/dir"))
+
+    def test_ignores_client_system_prompt_and_uses_server_default(self) -> None:
+        messages = self.engine._build_messages(
+            "你好", system_prompt="客户端预设（web demo 应忽略）", is_web_demo=True,
+        )
+        self.assertEqual(messages[0]["content"], _DEFAULT_SYSTEM_PROMPT)
+
+    def test_wraps_user_text_with_default_prefix(self) -> None:
+        messages = self.engine._build_messages("你好", system_prompt=None, is_web_demo=True)
+        self.assertIn("请校对以下", messages[1]["content"])
+        self.assertIn("你好", messages[1]["content"])
+
+
+if __name__ == "__main__":
+    unittest.main()