文本美学与算法排版：基于 LLM 与 AST 的智能排版引擎开发
在长文本阅读场景中，未经优化的纯文本往往缺乏视觉呼吸感。段落过长、标点乱用、缺乏层次感，都会大幅降低用户的阅读完成率。本文探讨如何结合 LLM 的语义理解能力与 AST 确定性节点转换，构建一套自动将长文本重构为高可读性美化排版的智能引擎。
flowchart TD A[原始长文本输入] --> B[LLM 语义层：段落切分与焦点提取] B --> C[Unified / Remark AST 节点生成] C --> D{排版规范断言器} D -- 缺少引言/结构过于密集 -- > E[自动注入 Callout / 引用节点] D -- 标点/空格不规范 -- > F[中英文混排空格与标点挤压修补] E --> G[确定性 HTML / Markdown 输出] F --> G一、文本排版的美学瓶颈与自动化挑战
在现代数字阅读中，良好的排版不仅仅是选个好看的字体，更关乎信息传递的效率。长文本排版面临三大工程挑战：
- 认知过载：动辄五六百字的超长段落，使用户在移动端阅读时产生强烈的压迫感。
- 视觉节奏单调：缺乏粗体引导、引用块（Blockquote）与结构化列表，整个页面呈现为无差别的“文字墙”。
- 细节格式混乱：中英文混排时缺少半角空格、全半角标点符号混用，破坏了版面的严谨性。
依靠人工逐字调整排版耗时费力，而简单的正则表达式又无法理解上下文语义。我们需要引入“LLM 语义感知 + AST 确定性修补”的双层管线。
二、双层排版管线的设计与分工
排版引擎的工作流分为语义层与物理转换层：
- LLM 语义层：负责理解文本的上下文主旨。它不改变文章的原意，仅在段落的语义转折处插入换行标记，并识别出最适合作为高亮引用（Pull Quote）的核心金句。
- AST 物理修补层：基于确切的语法树节点，执行标点符号净化、中英文间距微调以及 CSS Class 注入。
三、确定性排版修补器的工程实现
以下基于 Node.js 实现了排版引擎的物理修补层。它使用unified与remark-parse，对 Markdown 语法树进行确切的微观格式修正。
// lib/typographyEngine.ts import { unified } from 'unified'; import remarkParse from 'remark-parse'; import remarkStringify from 'remark-stringify'; import { visit } from 'unist-util-visit'; /** * 中英文混排自动加空格修补器 */ function panguFormat(text: string): string { // 在 CJK 字符与 ANSI 字符（英文字母、数字）之间自动补全单个半角空格 return text .replace(/([\u4e00-\u9fa5])([a-zA-Z0-9])/g, '$1 $2') .replace(/([a-zA-Z0-9])([\u4e00-\u9fa5])/g, '$1 $2'); } /** * 智能排版引擎核心转换函数 */ export async function beautifyTypography(markdownInput: string): Promise<string> { const processor = unified() .use(remarkParse) .use(remarkStringify, { bullet: '-', fence: '`', fences: true, incrementListMarker: true, }); const ast = processor.parse(markdownInput); // 1. 遍历所有文本节点，执行标点与中英文间距格式化 visit(ast, 'text', (node: any) => { if (typeof node.value === 'string') { node.value = panguFormat(node.value); } }); // 2. 遍历段落节点，防范超长段落 visit(ast, 'paragraph', (node: any) => { // 如果段落中包含多个句号且长度超过 300 字，标记为需要分段 const textContent = node.children.map((c: any) => c.value || '').join(''); if (textContent.length > 300) { node.data = node.data || {}; node.data.hProperties = { className: ['typography-dense-paragraph'], }; } }); // 编译回规范的 Markdown 文本 return processor.stringify(ast); }四、结合 LLM 的语义增强与金句提炼
在物理修补层之上，我们挂载轻量级的 LLM 语义组件。它的任务是分析文章的感情色彩，在长文章的核心转折点自动提炼“关键结论卡片”：
// services/semanticEnhancer.ts import { OpenAI } from 'openai'; const openai = new OpenAI(); export async function extractPullQuotes(articleText: string): Promise<string[]> { const response = await openai.chat.completions.create({ model: 'gpt-4o-mini', messages: [ { role: 'system', content: '你是一个出版级的专业版面编辑。请分析输入的文章，挑选出 1 至 2 句最具洞察力的核心句子作为版面高亮引用。直接返回 JSON 字符串数组。' }, { role: 'user', content: articleText } ], response_format: { type: 'json_object' }, temperature: 0.1, }); const parsed = JSON.parse(response.choices[0].message.content || '{}'); return parsed.quotes || []; }五、架构折衷与极简规则
在落地智能排版引擎时，必须注意以下设计原则：
- 绝对保持文本的原汁原味：排版引擎的职责是美化展示形式，而不是重写文字。LLM 只能进行段落切分与金句提取，严禁修改原作者的措辞与语气。
- 性能与流式兼容：对于实时生成的 Markdown（如打字机效果），物理修补应该在前端渲染层通过轻量正则实时处理，而将 AST 与 LLM 增强留给保存归档阶段。
- 视觉呼吸感高于一切：优秀的排版在于适度的留白。通过合理的行间距与中英文间距，让读者在不自觉中读完长文。
把确定的语法树解析与聪明的语义理解相结合，就能让每一篇纯文本都呈现出出版画册般的高雅质感。
