✨ feat(scheduler): 新增热点自动采集功能并优化发布路径
- 新增热点自动采集后台线程，支持定时搜索关键词并执行 AI 分析，结果缓存至结构化状态 - 新增热点分析状态管理接口，提供线程安全的 `get_last_analysis` 和 `set_last_analysis` 方法 - 新增热点数据桥接函数 `feed_hotspot_to_engine`，将分析结果注入 TopicEngine 实现热点加权推荐 - 新增热点选题下拉组件，分析完成后自动填充推荐选题，选中后自动写入选题输入框 - 优化 `generate_from_hotspot` 函数，自动获取结构化分析摘要并增强生成上下文 - 新增热点自动采集配置节点，支持通过 `config.json` 管理关键词和采集间隔 ♻️ refactor(queue): 实现智能排期引擎并统一发布路径 - 新增智能排期引擎，基于 `AnalyticsService` 的 `time_weights` 自动计算最优发布时段 - 新增 `PublishQueue.suggest_schedule_time` 和 `auto_schedule_item` 方法，支持时段冲突检测和内容分布控制 - 修改 `generate_to_queue` 函数，新增 `auto_schedule` 和 `auto_approve` 参数，支持自动排期和自动审核 - 重构 `_scheduler_loop` 的自动发布分支，改为调用 `generate_to_queue` 通过队列发布，统一发布路径 - 重构 `auto_publish_once` 函数，移除直接发布逻辑，改为生成内容入队并返回队列信息 - 新增队列时段使用情况查询方法 `get_slot_usage`，支持 UI 热力图展示 📝 docs(openspec): 新增内容排期优化和热点探测优化规范文档 - 新增 `smart-schedule-engine` 规范，定义智能排期引擎的功能需求和场景 - 新增 `unified-publish-path` 规范，定义统一发布路径的改造方案 - 新增 `hotspot-analysis-state` 规范，定义热点分析状态存储的线程安全接口 - 新增 `hotspot-auto-collector` 规范，定义定时热点自动采集的任务流程 - 新增 `hotspot-engine-bridge` 规范，定义热点数据注入 TopicEngine 的桥接机制 - 新增 `hotspot-topic-selector` 规范，定义热点选题下拉组件的交互行为 - 更新 `services-queue`、`services-scheduler` 和 `services-hotspot` 规范，反映功能修改和新增参数 🔧 chore(config): 新增热点自动采集默认配置 - 在 `DEFAULT_CONFIG` 中新增 `hotspot_auto_collect` 配置节点，包含 `enabled`、`keywords` 和 `interval_hours` 字段 - 提供默认关键词列表 `["穿搭", "美妆", "好物"]` 和默认采集间隔 4 小时 🐛 fix(llm): 增强 JSON 解析容错能力 - 新增 `_try_fix_truncated_json` 方法，尝试修复被 token 限制截断的 JSON 输出 - 支持多种截断场景的自动补全，包括字符串值、数组和嵌套对象的截断修复 - 提高 LLM 分析热点等返回 JSON 的函数的稳定性 💄 style(ui): 优化队列管理和热点探测界面 - 在队列生成区域新增自动排期复选框，勾选后隐藏手动排期输入框 - 在日历视图旁新增推荐时段 Markdown 面板，展示各时段权重和建议热力图 - 在热点探测 Tab 新增推荐选题下拉组件，分析完成后动态填充选项 - 在热点探测 Tab 新增热点自动采集控制区域，支持启动、停止和配置采集参数
This commit is contained in:
parent
1889e9a222
commit
4d83c0f4a9
@ -0,0 +1,2 @@
|
|||||||
|
schema: spec-driven
|
||||||
|
created: 2026-02-28
|
||||||
@ -0,0 +1,83 @@
|
|||||||
|
## Context
|
||||||
|
|
||||||
|
当前系统有两条独立的发布路径：
|
||||||
|
1. `scheduler.py` → `auto_publish_once()` → 直接生成 + 直接发布到小红书（绕过队列）
|
||||||
|
2. `queue_ops.py` → `generate_to_queue()` → `PublishQueue` SQLite 持久化 → `QueuePublisher._loop()` → 按排期/审核状态发布
|
||||||
|
|
||||||
|
`AnalyticsService` 已在 `content_weights.json` 中保存 `time_weights`（3小时段权重，如 `"18-21时": {"weight": 85, "count": 12}`），但这些数据没有被排期逻辑使用。用户排期必须手动输入时间字符串。
|
||||||
|
|
||||||
|
## Goals / Non-Goals
|
||||||
|
|
||||||
|
**Goals:**
|
||||||
|
- G1: 基于 `time_weights` 自动计算最优发布时段，为入队内容分配 `scheduled_time`
|
||||||
|
- G2: 消除调度器绕过队列的直接发布路径，统一为队列驱动
|
||||||
|
- G3: 支持内容间距控制（同一时段不超过 N 篇），分散到多天
|
||||||
|
- G4: UI 增加自动排期开关和排期建议展示
|
||||||
|
|
||||||
|
**Non-Goals:**
|
||||||
|
- 不改动 `PublishQueue` 的 SQLite 表结构（不新增列）
|
||||||
|
- 不增加 A/B 测试或基于实时反馈的动态调整
|
||||||
|
- 不修改 `QueuePublisher` 的发布执行逻辑（仅改其上游输入）
|
||||||
|
- 不改变评论/点赞/收藏等非发布类自动化任务
|
||||||
|
|
||||||
|
## Decisions
|
||||||
|
|
||||||
|
### D1: 智能排期引擎放在 `publish_queue.py` 中作为 `PublishQueue` 的方法
|
||||||
|
|
||||||
|
**决定**: 在 `PublishQueue` 类上新增 `suggest_schedule_time()` 和 `auto_schedule_item()` 方法。
|
||||||
|
|
||||||
|
**理由**: 排期引擎需要查询现有队列排期（避免时段冲突），`PublishQueue` 已持有 SQLite 连接和查询方法，放在此处可避免跨模块传递 db 连接。
|
||||||
|
|
||||||
|
**备选方案**: 独立模块 `schedule_engine.py` — 但会增加新文件，且仍需注入 `PublishQueue` 实例来查询已排期项。
|
||||||
|
|
||||||
|
### D2: `time_weights` 通过 `AnalyticsService.get_time_weights()` 新方法获取
|
||||||
|
|
||||||
|
**决定**: 在 `AnalyticsService` 上新增 `get_time_weights() -> dict` 方法，返回 `time_weights` 字典。无数据时返回默认值。
|
||||||
|
|
||||||
|
**理由**: 封装内部 `_weights` 结构，提供干净的 API 供排期引擎调用。
|
||||||
|
|
||||||
|
**默认时段**: 无分析数据时 fallback 到: `{"08-11时": 70, "12-14时": 60, "18-21时": 85, "21-24时": 75}`（小红书高流量经验值）。
|
||||||
|
|
||||||
|
### D3: 统一发布路径 — 调度器 publish 分支改为 generate_to_queue + auto_approve
|
||||||
|
|
||||||
|
**决定**: `_scheduler_loop` 的自动发布分支改为调用 `generate_to_queue(auto_schedule=True, auto_approve=True)`，不再调用 `auto_publish_once` 内的发布逻辑。`auto_publish_once` 保留但重构为仅生成内容入队。
|
||||||
|
|
||||||
|
**理由**:
|
||||||
|
- 统一发布路径，所有内容都走队列审核流程
|
||||||
|
- `QueuePublisher` 已有重试、错误处理、日志记录能力
|
||||||
|
- 调度器生成的内容也会出现在队列表格和日历中，可追溯
|
||||||
|
|
||||||
|
**行为变化**: 调度器发布从「立即生成并发布」变为「生成入队 → QueuePublisher 下一轮 check（最多 60s）发布」。延迟可接受。
|
||||||
|
|
||||||
|
### D4: 时段冲突检测基于 SQLite 查询
|
||||||
|
|
||||||
|
**决定**: `suggest_schedule_time()` 查询 `queue` 表中 `scheduled_time` 列，统计每个时段已排队的数量，优先选择高权重且低负载的时段。
|
||||||
|
|
||||||
|
**规则**:
|
||||||
|
- 每个3小时段最多 `max_per_slot`（默认 2）篇
|
||||||
|
- 同一天内最多 `max_per_day`（默认 5）篇
|
||||||
|
- 优先当天还有空余的高权重时段，当天满则顺延到次日
|
||||||
|
- 最远排到7天后
|
||||||
|
|
||||||
|
### D5: `generate_to_queue` 新增 `auto_schedule` 和 `auto_approve` 参数
|
||||||
|
|
||||||
|
**决定**: `generate_to_queue()` 签名增加 `auto_schedule: bool = False` 和 `auto_approve: bool = False`：
|
||||||
|
- `auto_schedule=True` → 调用 `PublishQueue.suggest_schedule_time()` 为每篇内容分配时间
|
||||||
|
- `auto_approve=True` → 入队后自动调用 `approve()`，状态从 draft 直接变为 scheduled/approved
|
||||||
|
|
||||||
|
**理由**: 最小改动，对现有手动流程无影响；调度器场景两者都开启，UI 场景用户可选。
|
||||||
|
|
||||||
|
### D6: UI 增加自动排期复选框和排期建议面板
|
||||||
|
|
||||||
|
**决定**:
|
||||||
|
- 在「批量生成到队列」区域增加 `auto_schedule` 复选框，勾选后隐藏手动排期输入框
|
||||||
|
- 在日历视图旁增加「📊 推荐时段」Markdown 面板，展示 `time_weights` top 时段
|
||||||
|
|
||||||
|
**理由**: 最小 UI 变更，不重构现有布局。
|
||||||
|
|
||||||
|
## Risks / Trade-offs
|
||||||
|
|
||||||
|
- **[排期延迟]** 调度器发布不再即时，会有最多 60s 延迟（QueuePublisher check 间隔）→ 对社交媒体发布场景可接受，且可通过缩短 `check_interval` 缓解
|
||||||
|
- **[无数据 fallback]** 首次使用时 `time_weights` 为空，排期基于经验默认值 → 运行一段时间后数据学习会逐步优化
|
||||||
|
- **[时段冲突查询性能]** 每次入队都需查询队列排期 → 队列规模通常 < 100 项，SQLite WAL 模式下查询性能无忧
|
||||||
|
- **[auto_approve 安全性]** 调度器自动审核跳过人工审核 → 仅在调度器自动模式下启用，用户手动入队仍需审核
|
||||||
@ -0,0 +1,33 @@
|
|||||||
|
## Why
|
||||||
|
|
||||||
|
当前系统存在两条独立的发布路径：`scheduler.py` 的 `auto_publish_once` 直接生成并发布，完全绕过队列；而 `PublishQueue` + `QueuePublisher` 提供了另一套排期发布机制。两套系统互不感知，导致：
|
||||||
|
|
||||||
|
1. **排期时间全靠手动输入** — 用户必须自己判断最佳发布时间并以文本形式输入 `scheduled_time`，`analytics_service.py` 中已有的 `time_weights`（基于历史数据的3小时段权重）完全没有被利用。
|
||||||
|
2. **调度器发布绕过队列** — 自动化调度器的发布操作不经过审核流程，没有草稿预览、排期管理的保障；而队列系统又缺少自动化生成能力，两者无法联动。
|
||||||
|
3. **无内容分布控制** — 没有机制防止多篇内容扎堆发布，也没有将内容分散到高流量时段的能力。
|
||||||
|
|
||||||
|
## What Changes
|
||||||
|
|
||||||
|
- 新增**智能排期引擎**：基于 `AnalyticsService` 的 `time_weights` 自动计算最佳发布时间槽（peak hours），为入队内容自动分配 `scheduled_time`，避免同一时段拥堵
|
||||||
|
- 新增**自动排期模式**：内容生成入队时可选择"自动排期"，系统自动跨天分散安排到高权重时段
|
||||||
|
- 将调度器的 `auto_publish_once` 重构为**通过队列发布**，统一发布路径，所有发布都经过队列 → 审核 → 排期 → 发布的标准流程
|
||||||
|
- 修改内容排期 UI，增加一键自动排期、排期建议、时段热力图展示
|
||||||
|
|
||||||
|
## Capabilities
|
||||||
|
|
||||||
|
### New Capabilities
|
||||||
|
|
||||||
|
- `smart-schedule-engine`: 智能排期引擎 — 基于 `time_weights` 分析数据计算最优发布时段，自动为队列项分配排期时间，支持内容间距控制和时段负载均衡
|
||||||
|
- `unified-publish-path`: 统一发布路径 — 将 `scheduler.py` 的自动发布改为生成内容到队列 + 自动审核 + QueuePublisher 发布，消除绕过队列的直接发布
|
||||||
|
|
||||||
|
### Modified Capabilities
|
||||||
|
|
||||||
|
- `services-queue`: 队列添加时支持 `auto_schedule=True` 参数调用智能排期引擎；`generate_to_queue` 新增自动排期选项
|
||||||
|
- `services-scheduler`: `_scheduler_loop` 的 publish 分支改为调用 `generate_to_queue`（自动排期 + 自动审核），不再直接调用 `auto_publish_once` 的发布逻辑
|
||||||
|
|
||||||
|
## Impact
|
||||||
|
|
||||||
|
- **代码变更**: `services/publish_queue.py`（新增排期引擎方法）、`services/queue_ops.py`（`generate_to_queue` 增加自动排期参数）、`services/scheduler.py`（publish 路径重构）、`services/analytics_service.py`（暴露 `time_weights` 查询接口）、`ui/app.py`（排期 UI 增强）
|
||||||
|
- **数据依赖**: 智能排期依赖 `content_weights.json` 中的 `time_weights` 字段；首次使用若无数据则 fallback 到默认高流量时段（08-10, 12-14, 18-22）
|
||||||
|
- **行为变更**: 调度器的自动发布不再即时发布，改为入队后由 QueuePublisher 按排期时间发布，会有分钟级延迟
|
||||||
|
- **向后兼容**: 手动输入 `scheduled_time` 仍然有效，智能排期仅在用户未手动指定时生效
|
||||||
@ -0,0 +1,32 @@
|
|||||||
|
## MODIFIED Requirements
|
||||||
|
|
||||||
|
### Requirement: 排期队列操作函数迁移至独立模块
|
||||||
|
系统 SHALL 将内容排期队列相关函数从 `main.py` 提取至 `services/queue_ops.py`，包括：`generate_to_queue`、`_queue_publish_callback`、`queue_refresh_table`、`queue_refresh_calendar`、`queue_preview_item`、`queue_approve_item`、`queue_reject_item`、`queue_delete_item`、`queue_retry_item`、`queue_publish_now`、`queue_start_processor`、`queue_stop_processor`、`queue_get_status`、`queue_batch_approve`、`queue_generate_and_refresh`。
|
||||||
|
|
||||||
|
`generate_to_queue` SHALL 新增 `auto_schedule: bool = False` 和 `auto_approve: bool = False` 参数：
|
||||||
|
- 当 `auto_schedule=True` 时，SHALL 为每篇生成的内容调用 `PublishQueue.auto_schedule_item()` 自动分配排期时间
|
||||||
|
- 当 `auto_approve=True` 时，SHALL 在入队后自动将状态从 `draft` 变为 `approved`（或 `scheduled`，如果有排期时间）
|
||||||
|
|
||||||
|
#### Scenario: 模块导入成功
|
||||||
|
- **WHEN** `main.py` 执行 `from services.queue_ops import queue_generate_and_refresh, queue_refresh_table` 等导入
|
||||||
|
- **THEN** 所有函数可正常调用
|
||||||
|
|
||||||
|
#### Scenario: publish callback 在 main.py 完成注册
|
||||||
|
- **WHEN** 应用启动时 `main.py` 调用 `pub_queue.set_publish_callback(_queue_publish_callback)`（`_queue_publish_callback` 已迁移至 `queue_ops.py`）
|
||||||
|
- **THEN** 队列发布回调 SHALL 正常注册并在队列处理时触发
|
||||||
|
|
||||||
|
#### Scenario: 队列操作读写 pub_queue 单例
|
||||||
|
- **WHEN** `queue_ops.py` 中的函数需要访问 `pub_queue` 或 `queue_publisher`
|
||||||
|
- **THEN** 这些单例 SHALL 通过函数参数传入，不在 `queue_ops.py` 模块顶层初始化
|
||||||
|
|
||||||
|
#### Scenario: 自动排期生成
|
||||||
|
- **WHEN** 调用 `generate_to_queue(auto_schedule=True)` 生成 3 篇内容
|
||||||
|
- **THEN** 每篇内容入队后 SHALL 调用 `auto_schedule_item()` 分配排期时间，3 篇内容 SHALL 分配到不同时段
|
||||||
|
|
||||||
|
#### Scenario: 自动审核生成
|
||||||
|
- **WHEN** 调用 `generate_to_queue(auto_approve=True)`
|
||||||
|
- **THEN** 入队项 SHALL 在添加后立即被审核通过，状态变为 `approved` 或 `scheduled`
|
||||||
|
|
||||||
|
#### Scenario: queue_generate_and_refresh 传递新参数
|
||||||
|
- **WHEN** UI 层调用 `queue_generate_and_refresh` 且用户勾选了自动排期
|
||||||
|
- **THEN** `auto_schedule=True` SHALL 被传递到 `generate_to_queue`
|
||||||
@ -0,0 +1,22 @@
|
|||||||
|
## MODIFIED Requirements
|
||||||
|
|
||||||
|
### Requirement: 自动调度器函数迁移至独立模块
|
||||||
|
系统 SHALL 将调度器相关的状态变量和函数从 `main.py` 提取至 `services/scheduler.py`，包括：`_scheduler_next_times`、`_auto_log`（列表）、`_auto_log_append`、`_scheduler_loop`、`start_scheduler`、`stop_scheduler`、`get_auto_log`、`get_scheduler_status`、`_learn_running`、`_learn_scheduler_loop`、`start_learn_scheduler`、`stop_learn_scheduler`。
|
||||||
|
|
||||||
|
`_scheduler_loop` 中的自动发布分支 SHALL 改为调用 `generate_to_queue(auto_schedule=True, auto_approve=True)` 生成内容入队，不再调用 `auto_publish_once` 中的 MCP client 直接发布逻辑。
|
||||||
|
|
||||||
|
#### Scenario: 调度器启停正常工作
|
||||||
|
- **WHEN** `start_scheduler(...)` 被调用并传入合法参数
|
||||||
|
- **THEN** 调度器线程 SHALL 正常启动，`get_scheduler_status()` 返回运行中状态
|
||||||
|
|
||||||
|
#### Scenario: 日志追加线程安全
|
||||||
|
- **WHEN** 多个自动化任务并发调用 `_auto_log_append(msg)`
|
||||||
|
- **THEN** 日志条目 SHALL 正确追加，不丢失和乱序
|
||||||
|
|
||||||
|
#### Scenario: engagement 通过回调写日志
|
||||||
|
- **WHEN** `services/engagement.py` 中的函数需要写日志时
|
||||||
|
- **THEN** SHALL 通过 `log_fn` 参数（由 `scheduler.py` 传入 `_auto_log_append`）写入，不直接导入 `scheduler.py`
|
||||||
|
|
||||||
|
#### Scenario: 自动发布走队列路径
|
||||||
|
- **WHEN** `_scheduler_loop` 中 `publish_enabled=True` 且到达发布时间
|
||||||
|
- **THEN** SHALL 调用 `generate_to_queue(auto_schedule=True, auto_approve=True)` 替代直接发布，日志记录入队结果
|
||||||
@ -0,0 +1,45 @@
|
|||||||
|
## ADDED Requirements
|
||||||
|
|
||||||
|
### Requirement: 最优时段计算
|
||||||
|
系统 SHALL 基于 `AnalyticsService` 的 `time_weights` 数据计算每个 3 小时段的权重得分，并按得分降序排列为候选时段列表。
|
||||||
|
|
||||||
|
#### Scenario: 有分析数据时按权重排序
|
||||||
|
- **WHEN** `time_weights` 包含至少 1 个时段的权重数据
|
||||||
|
- **THEN** `suggest_schedule_time()` SHALL 按 `weight` 值降序排列时段，优先返回高权重时段的具体时间
|
||||||
|
|
||||||
|
#### Scenario: 无分析数据时使用默认时段
|
||||||
|
- **WHEN** `time_weights` 为空字典或不存在
|
||||||
|
- **THEN** 系统 SHALL 使用默认的高流量时段作为候选：08-11 时（权重 70）、12-14 时（权重 60）、18-21 时（权重 85）、21-24 时（权重 75）
|
||||||
|
|
||||||
|
### Requirement: 时段冲突检测
|
||||||
|
系统 SHALL 在分配排期时间前查询已有队列排期，避免同一时段内容拥堵。
|
||||||
|
|
||||||
|
#### Scenario: 单时段内容上限控制
|
||||||
|
- **WHEN** 某个 3 小时时段中已排期的队列项数量达到 `max_per_slot`（默认 2）
|
||||||
|
- **THEN** 系统 SHALL 跳过该时段，选择下一个权重最高且有空余的时段
|
||||||
|
|
||||||
|
#### Scenario: 单日内容上限控制
|
||||||
|
- **WHEN** 某天的已排期总数达到 `max_per_day`（默认 5）
|
||||||
|
- **THEN** 系统 SHALL 将内容排期到次日的最优可用时段
|
||||||
|
|
||||||
|
#### Scenario: 最远排期范围
|
||||||
|
- **WHEN** 未来 7 天内所有时段均已满
|
||||||
|
- **THEN** `suggest_schedule_time()` SHALL 返回 `None`，内容以 approved 状态入队（不带排期时间）
|
||||||
|
|
||||||
|
### Requirement: 排期时间精确化
|
||||||
|
系统 SHALL 在选定的 3 小时段内随机选择一个精确的分钟级时间点，避免所有内容在整点发布。
|
||||||
|
|
||||||
|
#### Scenario: 时段内随机时间
|
||||||
|
- **WHEN** 系统选定 18-21 时段为最优
|
||||||
|
- **THEN** SHALL 在该时段范围内随机生成精确时间（如 `2026-02-28 19:37:00`），格式为 `%Y-%m-%d %H:%M:%S`
|
||||||
|
|
||||||
|
### Requirement: 队列项自动排期
|
||||||
|
`PublishQueue` SHALL 提供 `auto_schedule_item(item_id, analytics)` 方法，为指定队列项调用排期引擎并更新其 `scheduled_time`。
|
||||||
|
|
||||||
|
#### Scenario: 自动排期成功
|
||||||
|
- **WHEN** 调用 `auto_schedule_item(item_id, analytics)` 且队列项状态为 draft 或 approved
|
||||||
|
- **THEN** 系统 SHALL 计算最优时间并更新该项的 `scheduled_time` 和状态为 `scheduled`
|
||||||
|
|
||||||
|
#### Scenario: 自动排期无可用时段
|
||||||
|
- **WHEN** 调用 `auto_schedule_item()` 但未来 7 天无可用时段
|
||||||
|
- **THEN** 系统 SHALL 保持队列项当前状态不变，返回 `False`
|
||||||
@ -0,0 +1,23 @@
|
|||||||
|
## ADDED Requirements
|
||||||
|
|
||||||
|
### Requirement: 调度器发布通过队列执行
|
||||||
|
`_scheduler_loop` 中的自动发布分支 SHALL 调用 `generate_to_queue(auto_schedule=True, auto_approve=True)` 替代 `auto_publish_once` 中的直接发布逻辑。
|
||||||
|
|
||||||
|
#### Scenario: 调度器触发自动发布
|
||||||
|
- **WHEN** `_scheduler_loop` 的 publish 定时触发且 `publish_enabled=True`
|
||||||
|
- **THEN** 系统 SHALL 调用 `generate_to_queue` 生成内容入队（带 `auto_schedule=True, auto_approve=True`），不再直接调用 MCP client 发布
|
||||||
|
|
||||||
|
#### Scenario: 发布由 QueuePublisher 完成
|
||||||
|
- **WHEN** 调度器生成的内容入队后
|
||||||
|
- **THEN** `QueuePublisher._loop()` SHALL 在下一次检查循环中检测到该排期/待发布项并执行实际发布
|
||||||
|
|
||||||
|
### Requirement: auto_publish_once 重构为入队操作
|
||||||
|
`auto_publish_once` SHALL 重构为仅生成内容并加入队列，不再包含直接调用 MCP client publish 的逻辑。
|
||||||
|
|
||||||
|
#### Scenario: auto_publish_once 返回入队结果
|
||||||
|
- **WHEN** 调用 `auto_publish_once`
|
||||||
|
- **THEN** 函数 SHALL 生成文案和图片、调用 `generate_to_queue` 入队，返回队列项 ID 和排期时间信息
|
||||||
|
|
||||||
|
#### Scenario: QueuePublisher 未运行时的提示
|
||||||
|
- **WHEN** `auto_publish_once` 成功入队但 `QueuePublisher` 未启动
|
||||||
|
- **THEN** 返回信息中 SHALL 包含提示「内容已入队，请启动队列处理器以自动发布」
|
||||||
@ -0,0 +1,34 @@
|
|||||||
|
## 1. AnalyticsService 时段权重接口
|
||||||
|
|
||||||
|
- [x] 1.1 在 `services/analytics_service.py` 新增 `get_time_weights() -> dict` 方法，返回 `time_weights` 字典；无数据时返回默认高流量时段 `{"08-11时": 70, "12-14时": 60, "18-21时": 85, "21-24时": 75}`
|
||||||
|
|
||||||
|
## 2. 智能排期引擎 (PublishQueue)
|
||||||
|
|
||||||
|
- [x] 2.1 在 `services/publish_queue.py` 的 `PublishQueue` 类新增 `suggest_schedule_time(analytics, max_per_slot=2, max_per_day=5) -> str | None` 方法：查询未来 7 天各时段已排期数量，结合 `analytics.get_time_weights()` 权重，返回最优排期时间（格式 `%Y-%m-%d %H:%M:%S`），所有时段满时返回 `None`
|
||||||
|
- [x] 2.2 在 `PublishQueue` 新增 `auto_schedule_item(item_id, analytics, max_per_slot=2, max_per_day=5) -> bool` 方法：调用 `suggest_schedule_time()` 并更新队列项的 `scheduled_time` + 状态为 `scheduled`，无可用时段返回 `False`
|
||||||
|
- [x] 2.3 在 `PublishQueue` 新增 `get_slot_usage(days=7) -> dict` 辅助方法：查询未来 N 天各日期各时段已排期的数量，供排期引擎和 UI 热力图使用
|
||||||
|
|
||||||
|
## 3. generate_to_queue 增加自动排期参数
|
||||||
|
|
||||||
|
- [x] 3.1 修改 `services/queue_ops.py` 中 `generate_to_queue()` 签名，新增 `auto_schedule: bool = False` 和 `auto_approve: bool = False` 参数
|
||||||
|
- [x] 3.2 在 `generate_to_queue` 入队循环中，`auto_schedule=True` 时调用 `_pub_queue.auto_schedule_item(item_id, _analytics)` 为每篇内容自动分配排期时间
|
||||||
|
- [x] 3.3 在 `generate_to_queue` 入队循环中，`auto_approve=True` 时调用 `_pub_queue.approve(item_id)` 自动审核通过
|
||||||
|
- [x] 3.4 修改 `queue_generate_and_refresh()` 签名，新增 `auto_schedule` 参数并传递给 `generate_to_queue`
|
||||||
|
|
||||||
|
## 4. 统一发布路径 (scheduler)
|
||||||
|
|
||||||
|
- [x] 4.1 修改 `services/scheduler.py` 中 `_scheduler_loop` 的自动发布分支：将 `auto_publish_once(...)` 调用替换为 `generate_to_queue(auto_schedule=True, auto_approve=True, count=1, ...)`，记录入队日志
|
||||||
|
- [x] 4.2 重构 `auto_publish_once`：移除直接 MCP client 发布逻辑，改为调用 `generate_to_queue(auto_schedule=True, auto_approve=True, count=1)`，保留函数签名供向后兼容
|
||||||
|
- [x] 4.3 在 `queue_ops.py` 的 `configure()` 中新增 `_analytics` 注入（如尚未注入），确保 `auto_schedule_item` 可获取分析服务
|
||||||
|
|
||||||
|
## 5. UI 排期增强
|
||||||
|
|
||||||
|
- [x] 5.1 在 `ui/app.py` 的「批量生成到队列」区域新增 `gr.Checkbox(label="🤖 自动排期", value=False)` 组件，勾选后隐藏手动排期输入框
|
||||||
|
- [x] 5.2 修改批量生成按钮事件绑定，将自动排期复选框状态作为参数传入 `queue_generate_and_refresh`
|
||||||
|
- [x] 5.3 在日历视图旁新增「📊 推荐时段」`gr.Markdown` 面板，调用 `analytics.get_time_weights()` 展示各时段权重和建议
|
||||||
|
|
||||||
|
## 6. 验证
|
||||||
|
|
||||||
|
- [x] 6.1 `ast.parse()` 验证所有修改文件语法正确
|
||||||
|
- [ ] 6.2 手动测试：生成内容到队列并启用自动排期，确认 `scheduled_time` 被正确分配且不冲突
|
||||||
|
- [ ] 6.3 手动测试：调度器自动发布走队列路径，确认内容出现在队列表格中
|
||||||
@ -0,0 +1,2 @@
|
|||||||
|
schema: spec-driven
|
||||||
|
created: 2026-02-28
|
||||||
@ -0,0 +1,99 @@
|
|||||||
|
## Context
|
||||||
|
|
||||||
|
当前 `services/hotspot.py` 提供三个纯函数式的热点功能：`search_hotspots`（搜索）、`analyze_and_suggest`（LLM 分析）、`generate_from_hotspot`（基于热点生成文案）。分析结果在函数内部被渲染成 Markdown 后直接返回 UI，结构化数据（`hot_topics`、`suggestions` 等）即刻丢失。
|
||||||
|
|
||||||
|
`services/scheduler.py` 已有一套成熟的定时调度模式（`_scheduler_loop` + `threading.Event` + daemon thread），可以复用此模式实现热点自动采集。
|
||||||
|
|
||||||
|
`services/topic_engine.py` 的 `TopicEngine.recommend_topics(hotspot_data=...)` 已支持接收热点数据但从未被实际传入。
|
||||||
|
|
||||||
|
`services/config_manager.py` 使用单例 + JSON 持久化，新增配置节点零改动即可被 `cfg.get()` 读取。
|
||||||
|
|
||||||
|
## Goals / Non-Goals
|
||||||
|
|
||||||
|
**Goals:**
|
||||||
|
|
||||||
|
- 让分析结果在内存中以结构化形式持续可用，供生成和选题引擎消费
|
||||||
|
- 让用户在热点 UI 中直接从分析出的建议列表选择选题，而非手动输入
|
||||||
|
- 提供后台自动热点采集，无需人工触发即可获得最新热点数据
|
||||||
|
- 将热点分析数据桥接到 TopicEngine，使智能选题获得热点维度加权
|
||||||
|
|
||||||
|
**Non-Goals:**
|
||||||
|
|
||||||
|
- 不做热点数据持久化到磁盘（进程内缓存即可，重启后重新采集）
|
||||||
|
- 不修改 LLM prompt 或分析逻辑（`LLMService.analyze_hotspots` 保持不变）
|
||||||
|
- 不改造现有调度器架构（复用已有 `threading.Event` + loop 模式）
|
||||||
|
- 不增加新的外部依赖
|
||||||
|
|
||||||
|
## Decisions
|
||||||
|
|
||||||
|
### D1: 模块级状态 + RLock 存储分析结果
|
||||||
|
|
||||||
|
**选择**：在 `services/hotspot.py` 中新增 `_last_analysis: dict | None` 和对应的 `get_last_analysis()` / `set_last_analysis()` 线程安全接口，复用已有的 `_cache_lock`（RLock）。
|
||||||
|
|
||||||
|
**替代方案**：
|
||||||
|
- 单独的 `HotspotState` 类 — 过度封装，模块内部状态无需类化
|
||||||
|
- 写入文件持久化 — 增加 IO 复杂度，热点数据本身时效性短，内存缓存足够
|
||||||
|
|
||||||
|
**理由**：与已有的 `_cached_proactive_entries` 模式一致，最小改动，线程安全由已有的 `_cache_lock` 覆盖。
|
||||||
|
|
||||||
|
### D2: `analyze_and_suggest` 副作用写入状态
|
||||||
|
|
||||||
|
**选择**：在 `analyze_and_suggest` 函数中，调用 `svc.analyze_hotspots()` 获得 `analysis` dict 后，先调用 `set_last_analysis(analysis)` 缓存，再渲染 Markdown 返回 UI。
|
||||||
|
|
||||||
|
**理由**：无需改变函数签名和返回值，对现有 UI 绑定零破坏。
|
||||||
|
|
||||||
|
### D3: 热点选题下拉组件
|
||||||
|
|
||||||
|
**选择**：在热点探测 UI（`ui/app.py`）中新增 `gr.Dropdown`（选题下拉），当 `analyze_and_suggest` 完成后动态更新下拉选项为 `suggestions` 的 `topic` 列表。选中后写入 `topic_from_hot` Textbox。
|
||||||
|
|
||||||
|
**替代方案**：
|
||||||
|
- 用 Radio 按钮 — 选项数量不固定，Dropdown 更适合
|
||||||
|
- 保持现有 Textbox 手动输入 — 无法利用分析出的建议
|
||||||
|
|
||||||
|
**理由**：Gradio `gr.Dropdown` 支持 `gr.update(choices=...)` 动态更新，与已有的笔记列表下拉模式一致。
|
||||||
|
|
||||||
|
### D4: `generate_from_hotspot` 增强上下文
|
||||||
|
|
||||||
|
**选择**：新增可选参数 `analysis_summary: str = None`。若提供，将其拼入 `reference_notes` 前部（结构化摘要 + 原始片段），总长度仍限制在 3000 字符以内。函数内部同时尝试从 `get_last_analysis()` 自动获取摘要。
|
||||||
|
|
||||||
|
**理由**：向后兼容，现有调用方无需修改。
|
||||||
|
|
||||||
|
### D5: TopicEngine 桥接
|
||||||
|
|
||||||
|
**选择**：新增独立函数 `feed_hotspot_to_engine(topic_engine: TopicEngine)` 在 `services/hotspot.py` 中。该函数读取 `get_last_analysis()`，调用 `topic_engine.recommend_topics(hotspot_data=data)`。
|
||||||
|
|
||||||
|
**替代方案**：
|
||||||
|
- 在 `TopicEngine` 中直接引用 `hotspot.get_last_analysis()` — 导致循环依赖风险
|
||||||
|
- 在 UI 层手动传递 — 增加 UI 复杂度
|
||||||
|
|
||||||
|
**理由**：单向依赖（hotspot → topic_engine），职责清晰。
|
||||||
|
|
||||||
|
### D6: 自动采集任务集成到调度器
|
||||||
|
|
||||||
|
**选择**：在 `services/scheduler.py` 中新增独立的 `_hotspot_collector_loop` + `start_hotspot_collector` / `stop_hotspot_collector`，复用现有的 `threading.Event` + daemon thread 模式。与已有 `_learn_scheduler_loop` 模式完全对齐。
|
||||||
|
|
||||||
|
**配置节点**：`config.json` 新增 `hotspot_auto_collect` 对象：
|
||||||
|
```json
|
||||||
|
{
|
||||||
|
"hotspot_auto_collect": {
|
||||||
|
"enabled": false,
|
||||||
|
"keywords": ["穿搭", "美妆", "好物"],
|
||||||
|
"interval_hours": 4
|
||||||
|
}
|
||||||
|
}
|
||||||
|
```
|
||||||
|
|
||||||
|
**采集流程**：每个 interval → 遍历 keywords → 调用 `search_hotspots` + `analyze_and_suggest`（复用现有函数） → 结果自动写入 `_last_analysis` 状态 → 休眠至下个周期。
|
||||||
|
|
||||||
|
**替代方案**：
|
||||||
|
- 合并到现有 `_scheduler_loop` — 该循环参数已经过多，耦合度太高
|
||||||
|
- 使用 APScheduler 等库 — 引入新依赖，不符合项目风格
|
||||||
|
|
||||||
|
**理由**：独立线程与已有调度器互不干扰，可独立启停。
|
||||||
|
|
||||||
|
## Risks / Trade-offs
|
||||||
|
|
||||||
|
- **内存状态丢失** → 进程重启后 `_last_analysis` 为空，自动采集线程会在首个 interval 后重新填充，可接受
|
||||||
|
- **多关键词分析结果覆盖** → 遍历多个 keywords 时后者覆盖前者的分析结果 → 采用合并策略：新分析的 `hot_topics` 和 `suggestions` 追加到已有列表并去重
|
||||||
|
- **LLM 调用频率** → 自动采集每个关键词都需调用一次 LLM → 通过 `interval_hours`（默认 4 小时）+ keywords 数量（默认 3 个）控制成本
|
||||||
|
- **线程安全竞态** → 手动分析和自动采集可能同时写入 `_last_analysis` → `_cache_lock`（RLock）已覆盖
|
||||||
@ -0,0 +1,34 @@
|
|||||||
|
## Why
|
||||||
|
|
||||||
|
当前热点探测流程存在两个问题：
|
||||||
|
|
||||||
|
1. **数据流断裂**：`analyze_and_suggest` 调用 LLM 分析出的结构化数据（热门选题列表、推荐建议）在渲染成 Markdown 后即被丢弃，后续生成环节拿到的 `topic_from_hotspot` 仍是原始搜索关键词，与分析结论完全脱节；分析结果也从未传入 `TopicEngine` 评分体系，导致智能选题引擎无热点输入可用。
|
||||||
|
2. **完全依赖手动触发**：热点搜索和分析没有自动化机制，需要用户每次手动点击「搜索」和「AI 分析」才能获取最新热点；调度器已具备定时任务能力（`services/scheduler.py`），但从未被用于热点采集，导致系统在无人操作时完全感知不到当前热点变化。
|
||||||
|
|
||||||
|
## What Changes
|
||||||
|
|
||||||
|
- **保留结构化分析结果**：`analyze_and_suggest` 将 LLM 返回的 `dict` 缓存至模块级状态，UI 层仍显示 Markdown，但结构数据可供后续环节使用
|
||||||
|
- **修复选题传递逻辑**：将"推荐选题"下拉列表绑定到解析后的 `suggestions`，用户选择某条建议后 `topic_from_hotspot` 填入该建议标题，而非搜索关键词
|
||||||
|
- **扩大生成参考上下文**：`generate_from_hotspot` 同时接收结构化分析摘要 + 原始搜索片段，替换现有的粗暴 `[:2000]` 截断
|
||||||
|
- **接入 TopicEngine**：分析完成后将 `hotspot_data` 注入 `TopicEngine.recommend_topics()`，使智能选题 Tab 可获得热点加权推荐
|
||||||
|
- **自动采集热点**：在调度器中新增定时热点采集任务，按配置的关键词列表和间隔自动执行「搜索 → LLM 分析 → 更新状态缓存」全流程，结果写入 `_last_analysis`，UI 打开时可直接读取最新数据
|
||||||
|
|
||||||
|
## Capabilities
|
||||||
|
|
||||||
|
### New Capabilities
|
||||||
|
|
||||||
|
- `hotspot-analysis-state`：在 `services/hotspot.py` 中维护会话级结构化分析状态（`_last_analysis`），供同模块其他函数读取；提供 `get_last_analysis()` / `set_last_analysis()` 线程安全存取接口
|
||||||
|
- `hotspot-topic-selector`：在热点探测 UI 中新增"选题下拉"组件，由分析结果的 `suggestions` 动态填充，选中后自动写入 `topic_from_hotspot`
|
||||||
|
- `hotspot-engine-bridge`：新增 `feed_hotspot_to_engine(hotspot_data, topic_engine)` 函数，将热点分析结果注入 `TopicEngine`，使其 `recommend_topics()` 获得实时热点评分
|
||||||
|
- `hotspot-auto-collector`：在调度器中新增 `schedule_hotspot_collection(keywords, interval_hours, mcp_url, llm_model)` 函数，按间隔自动执行热点搜索与 LLM 分析，结果写入 `hotspot-analysis-state`；配置项存储于 `config.json` 的 `hotspot_auto_collect` 节点（`enabled`、`keywords`、`interval_hours`）
|
||||||
|
|
||||||
|
### Modified Capabilities
|
||||||
|
|
||||||
|
- `services-hotspot`：`analyze_and_suggest` 返回值新增结构化分析状态的副作用写入；`generate_from_hotspot` 签名扩展，接受可选的 `analysis_summary` 参数用于增强生成上下文
|
||||||
|
|
||||||
|
## Impact
|
||||||
|
|
||||||
|
- **代码**：`services/hotspot.py`（主要改动）、`services/scheduler.py`（新增定时采集任务）、`ui/app.py`（新增下拉组件绑定）、`services/topic_engine.py`（调用方新增 hotspot 输入）、`services/config_manager.py`（新增 `hotspot_auto_collect` 配置节点）
|
||||||
|
- **API**：`generate_from_hotspot` 函数签名向后兼容（新增可选参数）
|
||||||
|
- **依赖**：无新增外部依赖
|
||||||
|
- **数据**：分析状态为进程内内存缓存，不持久化；自动采集配置持久化至 `config.json`
|
||||||
@ -0,0 +1,27 @@
|
|||||||
|
## ADDED Requirements
|
||||||
|
|
||||||
|
### Requirement: 会话级结构化分析状态存储
|
||||||
|
系统 SHALL 在 `services/hotspot.py` 中维护一个模块级变量 `_last_analysis: dict | None`，用于保存最近一次热点分析的完整结构化结果。
|
||||||
|
|
||||||
|
#### Scenario: 初始状态为空
|
||||||
|
- **WHEN** 应用启动且尚未执行任何热点分析
|
||||||
|
- **THEN** `get_last_analysis()` SHALL 返回 `None`
|
||||||
|
|
||||||
|
#### Scenario: 分析完成后自动写入
|
||||||
|
- **WHEN** `analyze_and_suggest` 成功调用 `LLMService.analyze_hotspots()` 并获得结构化 dict
|
||||||
|
- **THEN** 系统 SHALL 调用 `set_last_analysis(analysis)` 将结果写入 `_last_analysis`
|
||||||
|
|
||||||
|
#### Scenario: 并发安全
|
||||||
|
- **WHEN** 多个线程同时调用 `get_last_analysis()` 和 `set_last_analysis()`
|
||||||
|
- **THEN** 所有读写操作 SHALL 通过 `_cache_lock`（RLock）互斥，不发生数据竞态
|
||||||
|
|
||||||
|
### Requirement: 线程安全的分析状态存取接口
|
||||||
|
系统 SHALL 提供 `get_last_analysis() -> dict | None` 和 `set_last_analysis(data: dict) -> None` 两个公开函数。
|
||||||
|
|
||||||
|
#### Scenario: get_last_analysis 返回深拷贝
|
||||||
|
- **WHEN** 调用 `get_last_analysis()`
|
||||||
|
- **THEN** SHALL 返回 `_last_analysis` 的副本（而非引用），防止外部修改影响缓存
|
||||||
|
|
||||||
|
#### Scenario: set_last_analysis 合并多关键词结果
|
||||||
|
- **WHEN** 调用 `set_last_analysis(new_data)` 且 `_last_analysis` 已有数据
|
||||||
|
- **THEN** SHALL 将 `new_data` 的 `hot_topics` 和 `suggestions` 追加到已有列表并去重，而非完全覆盖
|
||||||
@ -0,0 +1,31 @@
|
|||||||
|
## ADDED Requirements
|
||||||
|
|
||||||
|
### Requirement: 定时热点自动采集任务
|
||||||
|
系统 SHALL 在 `services/scheduler.py` 中提供 `start_hotspot_collector` / `stop_hotspot_collector` 函数，启动独立的后台线程按固定间隔自动采集热点。
|
||||||
|
|
||||||
|
#### Scenario: 启动自动采集
|
||||||
|
- **WHEN** 调用 `start_hotspot_collector(keywords, interval_hours, mcp_url, model)`
|
||||||
|
- **THEN** 系统 SHALL 启动一个 daemon 线程，在首次启动后立即执行一轮采集，随后按 `interval_hours` 间隔循环执行
|
||||||
|
|
||||||
|
#### Scenario: 单轮采集流程
|
||||||
|
- **WHEN** 采集线程执行一轮任务
|
||||||
|
- **THEN** SHALL 遍历 `keywords` 列表，对每个关键词依次调用 `search_hotspots(keyword, "最多点赞", mcp_url)` 获取搜索结果，再调用 `analyze_and_suggest(model, keyword, search_result)` 执行 LLM 分析，分析结果通过 `set_last_analysis()` 合并写入状态缓存
|
||||||
|
|
||||||
|
#### Scenario: 停止自动采集
|
||||||
|
- **WHEN** 调用 `stop_hotspot_collector()`
|
||||||
|
- **THEN** 系统 SHALL 清除运行标志，等待线程优雅退出
|
||||||
|
|
||||||
|
#### Scenario: 防止重复启动
|
||||||
|
- **WHEN** 自动采集已在运行中再次调用 `start_hotspot_collector`
|
||||||
|
- **THEN** SHALL 返回警告信息，不启动新线程
|
||||||
|
|
||||||
|
### Requirement: 热点自动采集配置
|
||||||
|
系统 SHALL 支持通过 `config.json` 的 `hotspot_auto_collect` 节点配置自动采集参数。
|
||||||
|
|
||||||
|
#### Scenario: 配置节点结构
|
||||||
|
- **WHEN** 读取 `config.json` 中的 `hotspot_auto_collect`
|
||||||
|
- **THEN** 该节点 SHALL 包含以下字段：`enabled`（bool，默认 false）、`keywords`（string list，默认 `["穿搭", "美妆", "好物"]`）、`interval_hours`（int，默认 4）
|
||||||
|
|
||||||
|
#### Scenario: 配置缺失时使用默认值
|
||||||
|
- **WHEN** `config.json` 中不存在 `hotspot_auto_collect` 节点
|
||||||
|
- **THEN** `ConfigManager.get("hotspot_auto_collect")` SHALL 返回默认值 `{"enabled": false, "keywords": ["穿搭", "美妆", "好物"], "interval_hours": 4}`
|
||||||
@ -0,0 +1,16 @@
|
|||||||
|
## ADDED Requirements
|
||||||
|
|
||||||
|
### Requirement: 热点数据注入 TopicEngine
|
||||||
|
系统 SHALL 提供 `feed_hotspot_to_engine(topic_engine: TopicEngine) -> list[dict]` 函数，将缓存的热点分析结果传入 `TopicEngine.recommend_topics()`。
|
||||||
|
|
||||||
|
#### Scenario: 有缓存分析结果时注入并返回推荐
|
||||||
|
- **WHEN** 调用 `feed_hotspot_to_engine(topic_engine)` 且 `get_last_analysis()` 返回非空 dict
|
||||||
|
- **THEN** SHALL 调用 `topic_engine.recommend_topics(hotspot_data=data)` 并返回推荐结果列表
|
||||||
|
|
||||||
|
#### Scenario: 无缓存分析结果时返回空推荐
|
||||||
|
- **WHEN** 调用 `feed_hotspot_to_engine(topic_engine)` 且 `get_last_analysis()` 返回 `None`
|
||||||
|
- **THEN** SHALL 调用 `topic_engine.recommend_topics(hotspot_data=None)` 并返回其结果（仅基于权重数据推荐）
|
||||||
|
|
||||||
|
#### Scenario: 函数位于 hotspot 模块避免循环依赖
|
||||||
|
- **WHEN** `feed_hotspot_to_engine` 被定义
|
||||||
|
- **THEN** SHALL 位于 `services/hotspot.py` 中，接受 `TopicEngine` 实例作为参数，不在 `topic_engine.py` 中反向引用 hotspot 模块
|
||||||
@ -0,0 +1,16 @@
|
|||||||
|
## ADDED Requirements
|
||||||
|
|
||||||
|
### Requirement: 热点选题下拉组件
|
||||||
|
系统 SHALL 在热点探测 Tab 中新增一个 `gr.Dropdown` 组件，用于展示 LLM 分析出的推荐选题列表。
|
||||||
|
|
||||||
|
#### Scenario: 分析完成后动态填充下拉选项
|
||||||
|
- **WHEN** `analyze_and_suggest` 执行完成并返回分析结果
|
||||||
|
- **THEN** 下拉组件 SHALL 通过 `gr.update(choices=...)` 更新为分析结果中 `suggestions` 列表的 `topic` 字段值
|
||||||
|
|
||||||
|
#### Scenario: 用户选择下拉项后写入选题输入框
|
||||||
|
- **WHEN** 用户在下拉组件中选择一条推荐选题
|
||||||
|
- **THEN** 系统 SHALL 将选中的 `topic` 文本自动填入 `topic_from_hot` Textbox
|
||||||
|
|
||||||
|
#### Scenario: 无分析结果时下拉为空
|
||||||
|
- **WHEN** 尚未执行热点分析或分析结果中无 `suggestions`
|
||||||
|
- **THEN** 下拉组件 SHALL 显示空选项列表，不影响用户手动输入选题
|
||||||
@ -0,0 +1,23 @@
|
|||||||
|
## MODIFIED Requirements
|
||||||
|
|
||||||
|
### Requirement: 热点探测函数迁移至独立模块
|
||||||
|
系统 SHALL 将热点搜索与分析相关函数从 `main.py` 提取至 `services/hotspot.py`，包括：`search_hotspots`、`analyze_and_suggest`、`generate_from_hotspot`、`_set_cache`、`_get_cache`、`_fetch_and_cache`、`_pick_from_cache`、`fetch_proactive_notes`、`on_proactive_note_selected`。
|
||||||
|
|
||||||
|
新增对外接口：`get_last_analysis`、`set_last_analysis`、`feed_hotspot_to_engine`。
|
||||||
|
|
||||||
|
#### Scenario: 模块导入成功
|
||||||
|
- **WHEN** `main.py` 执行 `from services.hotspot import search_hotspots, analyze_and_suggest` 等导入
|
||||||
|
- **THEN** 所有函数可正常调用
|
||||||
|
|
||||||
|
#### Scenario: 线程安全缓存随模块迁移
|
||||||
|
- **WHEN** `_cache_lock`（`threading.RLock`）随函数一起迁移至 `services/hotspot.py`
|
||||||
|
- **THEN** `_set_cache` / `_get_cache` / `get_last_analysis` / `set_last_analysis` 的线程安全行为保持不变
|
||||||
|
|
||||||
|
#### Scenario: analyze_and_suggest 写入分析状态
|
||||||
|
- **WHEN** `analyze_and_suggest` 成功获得 LLM 分析结果
|
||||||
|
- **THEN** SHALL 在渲染 Markdown 之前调用 `set_last_analysis(analysis)` 缓存结构化数据
|
||||||
|
- **AND** 返回值格式不变（status, summary, keyword）
|
||||||
|
|
||||||
|
#### Scenario: generate_from_hotspot 支持增强上下文
|
||||||
|
- **WHEN** 调用 `generate_from_hotspot` 生成文案
|
||||||
|
- **THEN** 函数 SHALL 自动从 `get_last_analysis()` 获取结构化摘要，与 `search_result` 拼接后传入 `svc.generate_copy_with_reference()`，总参考文本限制在 3000 字符以内
|
||||||
@ -0,0 +1,36 @@
|
|||||||
|
## 1. 分析状态缓存（hotspot-analysis-state）
|
||||||
|
|
||||||
|
- [x] 1.1 在 `services/hotspot.py` 中新增模块级变量 `_last_analysis: dict | None = None`
|
||||||
|
- [x] 1.2 实现 `get_last_analysis() -> dict | None`：加 `_cache_lock` 锁，返回 `_last_analysis` 的深拷贝
|
||||||
|
- [x] 1.3 实现 `set_last_analysis(data: dict) -> None`：加 `_cache_lock` 锁，合并 `hot_topics` 和 `suggestions`（去重），更新 `_last_analysis`
|
||||||
|
- [x] 1.4 在 `analyze_and_suggest` 中添加 `set_last_analysis(analysis)` 调用（在渲染 Markdown 之前）
|
||||||
|
|
||||||
|
## 2. 修改 services-hotspot 已有函数
|
||||||
|
|
||||||
|
- [x] 2.1 修改 `generate_from_hotspot`：在函数内部调用 `get_last_analysis()` 获取结构化摘要，拼接到 `reference_notes` 前部，总长度限制 3000 字符
|
||||||
|
- [x] 2.2 在 `services/hotspot.py` 的 `__init__.py` 或模块顶部导出新增函数：`get_last_analysis`、`set_last_analysis`、`feed_hotspot_to_engine`
|
||||||
|
|
||||||
|
## 3. 热点选题下拉组件（hotspot-topic-selector）
|
||||||
|
|
||||||
|
- [x] 3.1 在 `ui/app.py` 热点探测 Tab 中新增 `gr.Dropdown` 组件（label="推荐选题"）
|
||||||
|
- [x] 3.2 修改 `analyze_and_suggest` 的返回值处理：新增第四个输出绑定到 Dropdown 的 `gr.update(choices=...)`，choices 从 `suggestions` 提取 `topic` 列表
|
||||||
|
- [x] 3.3 绑定 Dropdown 的 `change` 事件：选中后将 `topic` 写入 `topic_from_hot` Textbox
|
||||||
|
|
||||||
|
## 4. TopicEngine 桥接（hotspot-engine-bridge）
|
||||||
|
|
||||||
|
- [x] 4.1 在 `services/hotspot.py` 中实现 `feed_hotspot_to_engine(topic_engine) -> list[dict]`：读取 `get_last_analysis()`，调用 `topic_engine.recommend_topics(hotspot_data=data)`
|
||||||
|
- [x] 4.2 在智能选题相关 UI 中，调用 `feed_hotspot_to_engine` 传入 TopicEngine 实例，使选题推荐获得热点加权
|
||||||
|
|
||||||
|
## 5. 自动采集任务（hotspot-auto-collector）
|
||||||
|
|
||||||
|
- [x] 5.1 在 `services/config_manager.py` 的 `DEFAULT_CONFIG` 中添加 `hotspot_auto_collect` 默认配置节点
|
||||||
|
- [x] 5.2 在 `services/scheduler.py` 中新增 `_hotspot_collector_running = threading.Event()` 和 `_hotspot_collector_thread` 状态变量
|
||||||
|
- [x] 5.3 实现 `_hotspot_collector_loop(keywords, interval_hours, mcp_url, model)`：遍历 keywords 执行搜索 + 分析，结果写入 `set_last_analysis()`，休眠 `interval_hours`
|
||||||
|
- [x] 5.4 实现 `start_hotspot_collector(keywords, interval_hours, mcp_url, model)` 和 `stop_hotspot_collector()`
|
||||||
|
- [x] 5.5 在 UI 中（调度器设置或热点 Tab）添加自动采集的启停控件和状态显示
|
||||||
|
|
||||||
|
## 6. 验证与收尾
|
||||||
|
|
||||||
|
- [x] 6.1 运行 `ast.parse()` 验证所有修改文件语法正确
|
||||||
|
- [ ] 6.2 手动测试：搜索 → 分析 → 查看 `get_last_analysis()` 有值 → 下拉组件填充 → 选题写入 → 生成文案引用分析摘要
|
||||||
|
- [ ] 6.3 手动测试：启动自动采集 → 等待一轮完成 → 确认状态缓存更新
|
||||||
27
openspec/specs/hotspot-analysis-state/spec.md
Normal file
27
openspec/specs/hotspot-analysis-state/spec.md
Normal file
@ -0,0 +1,27 @@
|
|||||||
|
## ADDED Requirements
|
||||||
|
|
||||||
|
### Requirement: 会话级结构化分析状态存储
|
||||||
|
系统 SHALL 在 `services/hotspot.py` 中维护一个模块级变量 `_last_analysis: dict | None`，用于保存最近一次热点分析的完整结构化结果。
|
||||||
|
|
||||||
|
#### Scenario: 初始状态为空
|
||||||
|
- **WHEN** 应用启动且尚未执行任何热点分析
|
||||||
|
- **THEN** `get_last_analysis()` SHALL 返回 `None`
|
||||||
|
|
||||||
|
#### Scenario: 分析完成后自动写入
|
||||||
|
- **WHEN** `analyze_and_suggest` 成功调用 `LLMService.analyze_hotspots()` 并获得结构化 dict
|
||||||
|
- **THEN** 系统 SHALL 调用 `set_last_analysis(analysis)` 将结果写入 `_last_analysis`
|
||||||
|
|
||||||
|
#### Scenario: 并发安全
|
||||||
|
- **WHEN** 多个线程同时调用 `get_last_analysis()` 和 `set_last_analysis()`
|
||||||
|
- **THEN** 所有读写操作 SHALL 通过 `_cache_lock`（RLock）互斥，不发生数据竞态
|
||||||
|
|
||||||
|
### Requirement: 线程安全的分析状态存取接口
|
||||||
|
系统 SHALL 提供 `get_last_analysis() -> dict | None` 和 `set_last_analysis(data: dict) -> None` 两个公开函数。
|
||||||
|
|
||||||
|
#### Scenario: get_last_analysis 返回深拷贝
|
||||||
|
- **WHEN** 调用 `get_last_analysis()`
|
||||||
|
- **THEN** SHALL 返回 `_last_analysis` 的副本（而非引用），防止外部修改影响缓存
|
||||||
|
|
||||||
|
#### Scenario: set_last_analysis 合并多关键词结果
|
||||||
|
- **WHEN** 调用 `set_last_analysis(new_data)` 且 `_last_analysis` 已有数据
|
||||||
|
- **THEN** SHALL 将 `new_data` 的 `hot_topics` 和 `suggestions` 追加到已有列表并去重，而非完全覆盖
|
||||||
31
openspec/specs/hotspot-auto-collector/spec.md
Normal file
31
openspec/specs/hotspot-auto-collector/spec.md
Normal file
@ -0,0 +1,31 @@
|
|||||||
|
## ADDED Requirements
|
||||||
|
|
||||||
|
### Requirement: 定时热点自动采集任务
|
||||||
|
系统 SHALL 在 `services/scheduler.py` 中提供 `start_hotspot_collector` / `stop_hotspot_collector` 函数，启动独立的后台线程按固定间隔自动采集热点。
|
||||||
|
|
||||||
|
#### Scenario: 启动自动采集
|
||||||
|
- **WHEN** 调用 `start_hotspot_collector(keywords, interval_hours, mcp_url, model)`
|
||||||
|
- **THEN** 系统 SHALL 启动一个 daemon 线程，在首次启动后立即执行一轮采集，随后按 `interval_hours` 间隔循环执行
|
||||||
|
|
||||||
|
#### Scenario: 单轮采集流程
|
||||||
|
- **WHEN** 采集线程执行一轮任务
|
||||||
|
- **THEN** SHALL 遍历 `keywords` 列表，对每个关键词依次调用 `search_hotspots(keyword, "最多点赞", mcp_url)` 获取搜索结果，再调用 `analyze_and_suggest(model, keyword, search_result)` 执行 LLM 分析，分析结果通过 `set_last_analysis()` 合并写入状态缓存
|
||||||
|
|
||||||
|
#### Scenario: 停止自动采集
|
||||||
|
- **WHEN** 调用 `stop_hotspot_collector()`
|
||||||
|
- **THEN** 系统 SHALL 清除运行标志，等待线程优雅退出
|
||||||
|
|
||||||
|
#### Scenario: 防止重复启动
|
||||||
|
- **WHEN** 自动采集已在运行中再次调用 `start_hotspot_collector`
|
||||||
|
- **THEN** SHALL 返回警告信息，不启动新线程
|
||||||
|
|
||||||
|
### Requirement: 热点自动采集配置
|
||||||
|
系统 SHALL 支持通过 `config.json` 的 `hotspot_auto_collect` 节点配置自动采集参数。
|
||||||
|
|
||||||
|
#### Scenario: 配置节点结构
|
||||||
|
- **WHEN** 读取 `config.json` 中的 `hotspot_auto_collect`
|
||||||
|
- **THEN** 该节点 SHALL 包含以下字段：`enabled`（bool，默认 false）、`keywords`（string list，默认 `["穿搭", "美妆", "好物"]`）、`interval_hours`（int，默认 4）
|
||||||
|
|
||||||
|
#### Scenario: 配置缺失时使用默认值
|
||||||
|
- **WHEN** `config.json` 中不存在 `hotspot_auto_collect` 节点
|
||||||
|
- **THEN** `ConfigManager.get("hotspot_auto_collect")` SHALL 返回默认值 `{"enabled": false, "keywords": ["穿搭", "美妆", "好物"], "interval_hours": 4}`
|
||||||
16
openspec/specs/hotspot-engine-bridge/spec.md
Normal file
16
openspec/specs/hotspot-engine-bridge/spec.md
Normal file
@ -0,0 +1,16 @@
|
|||||||
|
## ADDED Requirements
|
||||||
|
|
||||||
|
### Requirement: 热点数据注入 TopicEngine
|
||||||
|
系统 SHALL 提供 `feed_hotspot_to_engine(topic_engine: TopicEngine) -> list[dict]` 函数，将缓存的热点分析结果传入 `TopicEngine.recommend_topics()`。
|
||||||
|
|
||||||
|
#### Scenario: 有缓存分析结果时注入并返回推荐
|
||||||
|
- **WHEN** 调用 `feed_hotspot_to_engine(topic_engine)` 且 `get_last_analysis()` 返回非空 dict
|
||||||
|
- **THEN** SHALL 调用 `topic_engine.recommend_topics(hotspot_data=data)` 并返回推荐结果列表
|
||||||
|
|
||||||
|
#### Scenario: 无缓存分析结果时返回空推荐
|
||||||
|
- **WHEN** 调用 `feed_hotspot_to_engine(topic_engine)` 且 `get_last_analysis()` 返回 `None`
|
||||||
|
- **THEN** SHALL 调用 `topic_engine.recommend_topics(hotspot_data=None)` 并返回其结果（仅基于权重数据推荐）
|
||||||
|
|
||||||
|
#### Scenario: 函数位于 hotspot 模块避免循环依赖
|
||||||
|
- **WHEN** `feed_hotspot_to_engine` 被定义
|
||||||
|
- **THEN** SHALL 位于 `services/hotspot.py` 中，接受 `TopicEngine` 实例作为参数，不在 `topic_engine.py` 中反向引用 hotspot 模块
|
||||||
16
openspec/specs/hotspot-topic-selector/spec.md
Normal file
16
openspec/specs/hotspot-topic-selector/spec.md
Normal file
@ -0,0 +1,16 @@
|
|||||||
|
## ADDED Requirements
|
||||||
|
|
||||||
|
### Requirement: 热点选题下拉组件
|
||||||
|
系统 SHALL 在热点探测 Tab 中新增一个 `gr.Dropdown` 组件，用于展示 LLM 分析出的推荐选题列表。
|
||||||
|
|
||||||
|
#### Scenario: 分析完成后动态填充下拉选项
|
||||||
|
- **WHEN** `analyze_and_suggest` 执行完成并返回分析结果
|
||||||
|
- **THEN** 下拉组件 SHALL 通过 `gr.update(choices=...)` 更新为分析结果中 `suggestions` 列表的 `topic` 字段值
|
||||||
|
|
||||||
|
#### Scenario: 用户选择下拉项后写入选题输入框
|
||||||
|
- **WHEN** 用户在下拉组件中选择一条推荐选题
|
||||||
|
- **THEN** 系统 SHALL 将选中的 `topic` 文本自动填入 `topic_from_hot` Textbox
|
||||||
|
|
||||||
|
#### Scenario: 无分析结果时下拉为空
|
||||||
|
- **WHEN** 尚未执行热点分析或分析结果中无 `suggestions`
|
||||||
|
- **THEN** 下拉组件 SHALL 显示空选项列表，不影响用户手动输入选题
|
||||||
@ -1,12 +1,23 @@
|
|||||||
## ADDED Requirements
|
## MODIFIED Requirements
|
||||||
|
|
||||||
### Requirement: 热点探测函数迁移至独立模块
|
### Requirement: 热点探测函数迁移至独立模块
|
||||||
系统 SHALL 将热点搜索与分析相关函数从 `main.py` 提取至 `services/hotspot.py`，包括：`search_hotspots`、`analyze_and_suggest`、`generate_from_hotspot`、`_set_cache`、`_get_cache`、`_fetch_and_cache`、`_pick_from_cache`、`fetch_proactive_notes`、`on_proactive_note_selected`。
|
系统 SHALL 将热点搜索与分析相关函数从 `main.py` 提取至 `services/hotspot.py`，包括：`search_hotspots`、`analyze_and_suggest`、`generate_from_hotspot`、`_set_cache`、`_get_cache`、`_fetch_and_cache`、`_pick_from_cache`、`fetch_proactive_notes`、`on_proactive_note_selected`。
|
||||||
|
|
||||||
|
新增对外接口：`get_last_analysis`、`set_last_analysis`、`feed_hotspot_to_engine`。
|
||||||
|
|
||||||
#### Scenario: 模块导入成功
|
#### Scenario: 模块导入成功
|
||||||
- **WHEN** `main.py` 执行 `from services.hotspot import search_hotspots, analyze_and_suggest` 等导入
|
- **WHEN** `main.py` 执行 `from services.hotspot import search_hotspots, analyze_and_suggest` 等导入
|
||||||
- **THEN** 所有函数可正常调用
|
- **THEN** 所有函数可正常调用
|
||||||
|
|
||||||
#### Scenario: 线程安全缓存随模块迁移
|
#### Scenario: 线程安全缓存随模块迁移
|
||||||
- **WHEN** `_cache_lock`（`threading.RLock`）随函数一起迁移至 `services/hotspot.py`
|
- **WHEN** `_cache_lock`（`threading.RLock`）随函数一起迁移至 `services/hotspot.py`
|
||||||
- **THEN** `_set_cache` / `_get_cache` 的线程安全行为保持不变
|
- **THEN** `_set_cache` / `_get_cache` / `get_last_analysis` / `set_last_analysis` 的线程安全行为保持不变
|
||||||
|
|
||||||
|
#### Scenario: analyze_and_suggest 写入分析状态
|
||||||
|
- **WHEN** `analyze_and_suggest` 成功获得 LLM 分析结果
|
||||||
|
- **THEN** SHALL 在渲染 Markdown 之前调用 `set_last_analysis(analysis)` 缓存结构化数据
|
||||||
|
- **AND** 返回值格式不变（status, summary, keyword）
|
||||||
|
|
||||||
|
#### Scenario: generate_from_hotspot 支持增强上下文
|
||||||
|
- **WHEN** 调用 `generate_from_hotspot` 生成文案
|
||||||
|
- **THEN** 函数 SHALL 自动从 `get_last_analysis()` 获取结构化摘要，与 `search_result` 拼接后传入 `svc.generate_copy_with_reference()`，总参考文本限制在 3000 字符以内
|
||||||
|
|||||||
@ -1,8 +1,12 @@
|
|||||||
## ADDED Requirements
|
## MODIFIED Requirements
|
||||||
|
|
||||||
### Requirement: 排期队列操作函数迁移至独立模块
|
### Requirement: 排期队列操作函数迁移至独立模块
|
||||||
系统 SHALL 将内容排期队列相关函数从 `main.py` 提取至 `services/queue_ops.py`，包括：`generate_to_queue`、`_queue_publish_callback`、`queue_refresh_table`、`queue_refresh_calendar`、`queue_preview_item`、`queue_approve_item`、`queue_reject_item`、`queue_delete_item`、`queue_retry_item`、`queue_publish_now`、`queue_start_processor`、`queue_stop_processor`、`queue_get_status`、`queue_batch_approve`、`queue_generate_and_refresh`。
|
系统 SHALL 将内容排期队列相关函数从 `main.py` 提取至 `services/queue_ops.py`，包括：`generate_to_queue`、`_queue_publish_callback`、`queue_refresh_table`、`queue_refresh_calendar`、`queue_preview_item`、`queue_approve_item`、`queue_reject_item`、`queue_delete_item`、`queue_retry_item`、`queue_publish_now`、`queue_start_processor`、`queue_stop_processor`、`queue_get_status`、`queue_batch_approve`、`queue_generate_and_refresh`。
|
||||||
|
|
||||||
|
`generate_to_queue` SHALL 新增 `auto_schedule: bool = False` 和 `auto_approve: bool = False` 参数：
|
||||||
|
- 当 `auto_schedule=True` 时，SHALL 为每篇生成的内容调用 `PublishQueue.auto_schedule_item()` 自动分配排期时间
|
||||||
|
- 当 `auto_approve=True` 时，SHALL 在入队后自动将状态从 `draft` 变为 `approved`（或 `scheduled`，如果有排期时间）
|
||||||
|
|
||||||
#### Scenario: 模块导入成功
|
#### Scenario: 模块导入成功
|
||||||
- **WHEN** `main.py` 执行 `from services.queue_ops import queue_generate_and_refresh, queue_refresh_table` 等导入
|
- **WHEN** `main.py` 执行 `from services.queue_ops import queue_generate_and_refresh, queue_refresh_table` 等导入
|
||||||
- **THEN** 所有函数可正常调用
|
- **THEN** 所有函数可正常调用
|
||||||
@ -14,3 +18,15 @@
|
|||||||
#### Scenario: 队列操作读写 pub_queue 单例
|
#### Scenario: 队列操作读写 pub_queue 单例
|
||||||
- **WHEN** `queue_ops.py` 中的函数需要访问 `pub_queue` 或 `queue_publisher`
|
- **WHEN** `queue_ops.py` 中的函数需要访问 `pub_queue` 或 `queue_publisher`
|
||||||
- **THEN** 这些单例 SHALL 通过函数参数传入，不在 `queue_ops.py` 模块顶层初始化
|
- **THEN** 这些单例 SHALL 通过函数参数传入，不在 `queue_ops.py` 模块顶层初始化
|
||||||
|
|
||||||
|
#### Scenario: 自动排期生成
|
||||||
|
- **WHEN** 调用 `generate_to_queue(auto_schedule=True)` 生成 3 篇内容
|
||||||
|
- **THEN** 每篇内容入队后 SHALL 调用 `auto_schedule_item()` 分配排期时间，3 篇内容 SHALL 分配到不同时段
|
||||||
|
|
||||||
|
#### Scenario: 自动审核生成
|
||||||
|
- **WHEN** 调用 `generate_to_queue(auto_approve=True)`
|
||||||
|
- **THEN** 入队项 SHALL 在添加后立即被审核通过，状态变为 `approved` 或 `scheduled`
|
||||||
|
|
||||||
|
#### Scenario: queue_generate_and_refresh 传递新参数
|
||||||
|
- **WHEN** UI 层调用 `queue_generate_and_refresh` 且用户勾选了自动排期
|
||||||
|
- **THEN** `auto_schedule=True` SHALL 被传递到 `generate_to_queue`
|
||||||
|
|||||||
@ -1,8 +1,10 @@
|
|||||||
## ADDED Requirements
|
## MODIFIED Requirements
|
||||||
|
|
||||||
### Requirement: 自动调度器函数迁移至独立模块
|
### Requirement: 自动调度器函数迁移至独立模块
|
||||||
系统 SHALL 将调度器相关的状态变量和函数从 `main.py` 提取至 `services/scheduler.py`，包括：`_scheduler_next_times`、`_auto_log`（列表）、`_auto_log_append`、`_scheduler_loop`、`start_scheduler`、`stop_scheduler`、`get_auto_log`、`get_scheduler_status`、`_learn_running`、`_learn_scheduler_loop`、`start_learn_scheduler`、`stop_learn_scheduler`。
|
系统 SHALL 将调度器相关的状态变量和函数从 `main.py` 提取至 `services/scheduler.py`，包括：`_scheduler_next_times`、`_auto_log`（列表）、`_auto_log_append`、`_scheduler_loop`、`start_scheduler`、`stop_scheduler`、`get_auto_log`、`get_scheduler_status`、`_learn_running`、`_learn_scheduler_loop`、`start_learn_scheduler`、`stop_learn_scheduler`。
|
||||||
|
|
||||||
|
`_scheduler_loop` 中的自动发布分支 SHALL 改为调用 `generate_to_queue(auto_schedule=True, auto_approve=True)` 生成内容入队，不再调用 `auto_publish_once` 中的 MCP client 直接发布逻辑。
|
||||||
|
|
||||||
#### Scenario: 调度器启停正常工作
|
#### Scenario: 调度器启停正常工作
|
||||||
- **WHEN** `start_scheduler(...)` 被调用并传入合法参数
|
- **WHEN** `start_scheduler(...)` 被调用并传入合法参数
|
||||||
- **THEN** 调度器线程 SHALL 正常启动，`get_scheduler_status()` 返回运行中状态
|
- **THEN** 调度器线程 SHALL 正常启动，`get_scheduler_status()` 返回运行中状态
|
||||||
@ -14,3 +16,7 @@
|
|||||||
#### Scenario: engagement 通过回调写日志
|
#### Scenario: engagement 通过回调写日志
|
||||||
- **WHEN** `services/engagement.py` 中的函数需要写日志时
|
- **WHEN** `services/engagement.py` 中的函数需要写日志时
|
||||||
- **THEN** SHALL 通过 `log_fn` 参数（由 `scheduler.py` 传入 `_auto_log_append`）写入，不直接导入 `scheduler.py`
|
- **THEN** SHALL 通过 `log_fn` 参数（由 `scheduler.py` 传入 `_auto_log_append`）写入，不直接导入 `scheduler.py`
|
||||||
|
|
||||||
|
#### Scenario: 自动发布走队列路径
|
||||||
|
- **WHEN** `_scheduler_loop` 中 `publish_enabled=True` 且到达发布时间
|
||||||
|
- **THEN** SHALL 调用 `generate_to_queue(auto_schedule=True, auto_approve=True)` 替代直接发布，日志记录入队结果
|
||||||
|
|||||||
45
openspec/specs/smart-schedule-engine/spec.md
Normal file
45
openspec/specs/smart-schedule-engine/spec.md
Normal file
@ -0,0 +1,45 @@
|
|||||||
|
## ADDED Requirements
|
||||||
|
|
||||||
|
### Requirement: 最优时段计算
|
||||||
|
系统 SHALL 基于 `AnalyticsService` 的 `time_weights` 数据计算每个 3 小时段的权重得分，并按得分降序排列为候选时段列表。
|
||||||
|
|
||||||
|
#### Scenario: 有分析数据时按权重排序
|
||||||
|
- **WHEN** `time_weights` 包含至少 1 个时段的权重数据
|
||||||
|
- **THEN** `suggest_schedule_time()` SHALL 按 `weight` 值降序排列时段，优先返回高权重时段的具体时间
|
||||||
|
|
||||||
|
#### Scenario: 无分析数据时使用默认时段
|
||||||
|
- **WHEN** `time_weights` 为空字典或不存在
|
||||||
|
- **THEN** 系统 SHALL 使用默认的高流量时段作为候选：08-11 时（权重 70）、12-14 时（权重 60）、18-21 时（权重 85）、21-24 时（权重 75）
|
||||||
|
|
||||||
|
### Requirement: 时段冲突检测
|
||||||
|
系统 SHALL 在分配排期时间前查询已有队列排期，避免同一时段内容拥堵。
|
||||||
|
|
||||||
|
#### Scenario: 单时段内容上限控制
|
||||||
|
- **WHEN** 某个 3 小时时段中已排期的队列项数量达到 `max_per_slot`（默认 2）
|
||||||
|
- **THEN** 系统 SHALL 跳过该时段，选择下一个权重最高且有空余的时段
|
||||||
|
|
||||||
|
#### Scenario: 单日内容上限控制
|
||||||
|
- **WHEN** 某天的已排期总数达到 `max_per_day`（默认 5）
|
||||||
|
- **THEN** 系统 SHALL 将内容排期到次日的最优可用时段
|
||||||
|
|
||||||
|
#### Scenario: 最远排期范围
|
||||||
|
- **WHEN** 未来 7 天内所有时段均已满
|
||||||
|
- **THEN** `suggest_schedule_time()` SHALL 返回 `None`，内容以 approved 状态入队（不带排期时间）
|
||||||
|
|
||||||
|
### Requirement: 排期时间精确化
|
||||||
|
系统 SHALL 在选定的 3 小时段内随机选择一个精确的分钟级时间点，避免所有内容在整点发布。
|
||||||
|
|
||||||
|
#### Scenario: 时段内随机时间
|
||||||
|
- **WHEN** 系统选定 18-21 时段为最优
|
||||||
|
- **THEN** SHALL 在该时段范围内随机生成精确时间（如 `2026-02-28 19:37:00`），格式为 `%Y-%m-%d %H:%M:%S`
|
||||||
|
|
||||||
|
### Requirement: 队列项自动排期
|
||||||
|
`PublishQueue` SHALL 提供 `auto_schedule_item(item_id, analytics)` 方法，为指定队列项调用排期引擎并更新其 `scheduled_time`。
|
||||||
|
|
||||||
|
#### Scenario: 自动排期成功
|
||||||
|
- **WHEN** 调用 `auto_schedule_item(item_id, analytics)` 且队列项状态为 draft 或 approved
|
||||||
|
- **THEN** 系统 SHALL 计算最优时间并更新该项的 `scheduled_time` 和状态为 `scheduled`
|
||||||
|
|
||||||
|
#### Scenario: 自动排期无可用时段
|
||||||
|
- **WHEN** 调用 `auto_schedule_item()` 但未来 7 天无可用时段
|
||||||
|
- **THEN** 系统 SHALL 保持队列项当前状态不变，返回 `False`
|
||||||
23
openspec/specs/unified-publish-path/spec.md
Normal file
23
openspec/specs/unified-publish-path/spec.md
Normal file
@ -0,0 +1,23 @@
|
|||||||
|
## ADDED Requirements
|
||||||
|
|
||||||
|
### Requirement: 调度器发布通过队列执行
|
||||||
|
`_scheduler_loop` 中的自动发布分支 SHALL 调用 `generate_to_queue(auto_schedule=True, auto_approve=True)` 替代 `auto_publish_once` 中的直接发布逻辑。
|
||||||
|
|
||||||
|
#### Scenario: 调度器触发自动发布
|
||||||
|
- **WHEN** `_scheduler_loop` 的 publish 定时触发且 `publish_enabled=True`
|
||||||
|
- **THEN** 系统 SHALL 调用 `generate_to_queue` 生成内容入队（带 `auto_schedule=True, auto_approve=True`），不再直接调用 MCP client 发布
|
||||||
|
|
||||||
|
#### Scenario: 发布由 QueuePublisher 完成
|
||||||
|
- **WHEN** 调度器生成的内容入队后
|
||||||
|
- **THEN** `QueuePublisher._loop()` SHALL 在下一次检查循环中检测到该排期/待发布项并执行实际发布
|
||||||
|
|
||||||
|
### Requirement: auto_publish_once 重构为入队操作
|
||||||
|
`auto_publish_once` SHALL 重构为仅生成内容并加入队列，不再包含直接调用 MCP client publish 的逻辑。
|
||||||
|
|
||||||
|
#### Scenario: auto_publish_once 返回入队结果
|
||||||
|
- **WHEN** 调用 `auto_publish_once`
|
||||||
|
- **THEN** 函数 SHALL 生成文案和图片、调用 `generate_to_queue` 入队，返回队列项 ID 和排期时间信息
|
||||||
|
|
||||||
|
#### Scenario: QueuePublisher 未运行时的提示
|
||||||
|
- **WHEN** `auto_publish_once` 成功入队但 `QueuePublisher` 未启动
|
||||||
|
- **THEN** 返回信息中 SHALL 包含提示「内容已入队，请启动队列处理器以自动发布」
|
||||||
@ -533,6 +533,26 @@ class AnalyticsService:
|
|||||||
advice_parts.append(f" • {p_name}: 权重 {p_info['weight']}分 (出现{p_info['count']}次)")
|
advice_parts.append(f" • {p_name}: 权重 {p_info['weight']}分 (出现{p_info['count']}次)")
|
||||||
return "\n".join(advice_parts)
|
return "\n".join(advice_parts)
|
||||||
|
|
||||||
|
# ========== 时段权重查询 ==========
|
||||||
|
|
||||||
|
_DEFAULT_TIME_WEIGHTS = {
|
||||||
|
"08-11时": {"weight": 70, "count": 0},
|
||||||
|
"12-14时": {"weight": 60, "count": 0},
|
||||||
|
"18-21时": {"weight": 85, "count": 0},
|
||||||
|
"21-24时": {"weight": 75, "count": 0},
|
||||||
|
}
|
||||||
|
|
||||||
|
def get_time_weights(self) -> dict:
|
||||||
|
"""返回各时段权重字典。
|
||||||
|
|
||||||
|
有分析数据时返回 time_weights；无数据时返回默认高流量时段。
|
||||||
|
返回格式: {"18-21时": {"weight": 85, "count": 12}, ...}
|
||||||
|
"""
|
||||||
|
tw = self._weights.get("time_weights", {})
|
||||||
|
if tw:
|
||||||
|
return tw
|
||||||
|
return dict(self._DEFAULT_TIME_WEIGHTS)
|
||||||
|
|
||||||
# ========== LLM 深度分析 ==========
|
# ========== LLM 深度分析 ==========
|
||||||
|
|
||||||
def generate_llm_analysis_prompt(self) -> str:
|
def generate_llm_analysis_prompt(self) -> str:
|
||||||
|
|||||||
@ -63,6 +63,12 @@ DEFAULT_CONFIG = {
|
|||||||
"learn_interval": 6,
|
"learn_interval": 6,
|
||||||
# 内容排期参数
|
# 内容排期参数
|
||||||
"queue_gen_count": 3,
|
"queue_gen_count": 3,
|
||||||
|
# 热点自动采集参数
|
||||||
|
"hotspot_auto_collect": {
|
||||||
|
"enabled": False,
|
||||||
|
"keywords": ["穿搭", "美妆", "好物"],
|
||||||
|
"interval_hours": 4,
|
||||||
|
},
|
||||||
}
|
}
|
||||||
|
|
||||||
|
|
||||||
|
|||||||
@ -2,6 +2,7 @@
|
|||||||
services/hotspot.py
|
services/hotspot.py
|
||||||
热点探测、热点生成、笔记列表缓存（供评论管家主动评论使用）
|
热点探测、热点生成、笔记列表缓存（供评论管家主动评论使用）
|
||||||
"""
|
"""
|
||||||
|
import copy
|
||||||
import threading
|
import threading
|
||||||
import logging
|
import logging
|
||||||
|
|
||||||
@ -14,10 +15,61 @@ from .persona import _resolve_persona
|
|||||||
|
|
||||||
logger = logging.getLogger("autobot")
|
logger = logging.getLogger("autobot")
|
||||||
|
|
||||||
|
# ---- 共用: 线程安全缓存 ----
|
||||||
|
# 缓存互斥锁，防止并发回调产生竞态（所有缓存共用）
|
||||||
|
_cache_lock = threading.RLock()
|
||||||
|
# 主动评论缓存
|
||||||
|
_cached_proactive_entries: list[dict] = []
|
||||||
|
# 我的笔记评论缓存
|
||||||
|
_cached_my_note_entries: list[dict] = []
|
||||||
|
|
||||||
# ==================================================
|
# ==================================================
|
||||||
# Tab 2: 热点探测
|
# Tab 2: 热点探测
|
||||||
# ==================================================
|
# ==================================================
|
||||||
|
|
||||||
|
# 最近一次 LLM 热点分析的结构化结果（线程安全，复用 _cache_lock）
|
||||||
|
_last_analysis: dict | None = None
|
||||||
|
|
||||||
|
|
||||||
|
def get_last_analysis() -> dict | None:
|
||||||
|
"""线程安全地获取最近一次热点分析结果的深拷贝"""
|
||||||
|
with _cache_lock:
|
||||||
|
if _last_analysis is None:
|
||||||
|
return None
|
||||||
|
return copy.deepcopy(_last_analysis)
|
||||||
|
|
||||||
|
|
||||||
|
def set_last_analysis(data: dict) -> None:
|
||||||
|
"""线程安全地更新热点分析结果（合并 hot_topics / suggestions 并去重）"""
|
||||||
|
global _last_analysis
|
||||||
|
with _cache_lock:
|
||||||
|
if _last_analysis is None:
|
||||||
|
_last_analysis = copy.deepcopy(data)
|
||||||
|
else:
|
||||||
|
# 合并 hot_topics
|
||||||
|
existing_topics = _last_analysis.get("hot_topics", [])
|
||||||
|
new_topics = data.get("hot_topics", [])
|
||||||
|
seen = set(existing_topics)
|
||||||
|
for t in new_topics:
|
||||||
|
if t not in seen:
|
||||||
|
existing_topics.append(t)
|
||||||
|
seen.add(t)
|
||||||
|
_last_analysis["hot_topics"] = existing_topics
|
||||||
|
|
||||||
|
# 合并 suggestions（按 topic 去重）
|
||||||
|
existing_sug = _last_analysis.get("suggestions", [])
|
||||||
|
existing_sug_topics = {s.get("topic", "") for s in existing_sug}
|
||||||
|
for s in data.get("suggestions", []):
|
||||||
|
if s.get("topic", "") not in existing_sug_topics:
|
||||||
|
existing_sug.append(s)
|
||||||
|
existing_sug_topics.add(s.get("topic", ""))
|
||||||
|
_last_analysis["suggestions"] = existing_sug
|
||||||
|
|
||||||
|
# 其他字段以最新为准
|
||||||
|
for key in data:
|
||||||
|
if key not in ("hot_topics", "suggestions"):
|
||||||
|
_last_analysis[key] = data[key]
|
||||||
|
|
||||||
|
|
||||||
def search_hotspots(keyword, sort_by, mcp_url):
|
def search_hotspots(keyword, sort_by, mcp_url):
|
||||||
"""搜索小红书热门内容"""
|
"""搜索小红书热门内容"""
|
||||||
@ -36,21 +88,25 @@ def search_hotspots(keyword, sort_by, mcp_url):
|
|||||||
|
|
||||||
|
|
||||||
def analyze_and_suggest(model, keyword, search_result):
|
def analyze_and_suggest(model, keyword, search_result):
|
||||||
"""AI 分析热点并给出建议"""
|
"""AI 分析热点并给出建议，同时缓存结构化结果"""
|
||||||
if not search_result:
|
if not search_result:
|
||||||
return "❌ 请先搜索", "", ""
|
return "❌ 请先搜索", "", "", gr.update(choices=[], value=None)
|
||||||
api_key, base_url, _ = _get_llm_config()
|
api_key, base_url, _ = _get_llm_config()
|
||||||
if not api_key:
|
if not api_key:
|
||||||
return "❌ 请先配置 LLM 提供商", "", ""
|
return "❌ 请先配置 LLM 提供商", "", "", gr.update(choices=[], value=None)
|
||||||
try:
|
try:
|
||||||
svc = LLMService(api_key, base_url, model)
|
svc = LLMService(api_key, base_url, model)
|
||||||
analysis = svc.analyze_hotspots(search_result)
|
analysis = svc.analyze_hotspots(search_result)
|
||||||
|
|
||||||
|
# 缓存结构化分析结果（在渲染 Markdown 之前）
|
||||||
|
set_last_analysis(analysis)
|
||||||
|
|
||||||
topics = "\n".join(f"• {t}" for t in analysis.get("hot_topics", []))
|
topics = "\n".join(f"• {t}" for t in analysis.get("hot_topics", []))
|
||||||
patterns = "\n".join(f"• {p}" for p in analysis.get("title_patterns", []))
|
patterns = "\n".join(f"• {p}" for p in analysis.get("title_patterns", []))
|
||||||
|
suggestions_list = analysis.get("suggestions", [])
|
||||||
suggestions = "\n".join(
|
suggestions = "\n".join(
|
||||||
f"**{s['topic']}** - {s['reason']}"
|
f"**{s['topic']}** - {s['reason']}"
|
||||||
for s in analysis.get("suggestions", [])
|
for s in suggestions_list
|
||||||
)
|
)
|
||||||
structure = analysis.get("content_structure", "")
|
structure = analysis.get("content_structure", "")
|
||||||
|
|
||||||
@ -60,14 +116,22 @@ def analyze_and_suggest(model, keyword, search_result):
|
|||||||
f"## 📐 内容结构\n{structure}\n\n"
|
f"## 📐 内容结构\n{structure}\n\n"
|
||||||
f"## 💡 推荐选题\n{suggestions}"
|
f"## 💡 推荐选题\n{suggestions}"
|
||||||
)
|
)
|
||||||
return "✅ 分析完成", summary, keyword
|
|
||||||
|
# 构建选题下拉选项
|
||||||
|
topic_choices = [s["topic"] for s in suggestions_list if s.get("topic")]
|
||||||
|
dropdown_update = gr.update(
|
||||||
|
choices=topic_choices,
|
||||||
|
value=topic_choices[0] if topic_choices else None,
|
||||||
|
)
|
||||||
|
|
||||||
|
return "✅ 分析完成", summary, keyword, dropdown_update
|
||||||
except Exception as e:
|
except Exception as e:
|
||||||
logger.error("热点分析失败: %s", e)
|
logger.error("热点分析失败: %s", e)
|
||||||
return f"❌ 分析失败: {e}", "", ""
|
return f"❌ 分析失败: {e}", "", "", gr.update(choices=[], value=None)
|
||||||
|
|
||||||
|
|
||||||
def generate_from_hotspot(model, topic_from_hotspot, style, search_result, sd_model_name, persona_text):
|
def generate_from_hotspot(model, topic_from_hotspot, style, search_result, sd_model_name, persona_text):
|
||||||
"""基于热点分析生成文案（自动适配 SD 模型，支持人设）"""
|
"""基于热点分析生成文案（自动适配 SD 模型，支持人设，增强分析上下文）"""
|
||||||
if not topic_from_hotspot:
|
if not topic_from_hotspot:
|
||||||
return "", "", "", "", "❌ 请先选择或输入选题"
|
return "", "", "", "", "❌ 请先选择或输入选题"
|
||||||
api_key, base_url, _ = _get_llm_config()
|
api_key, base_url, _ = _get_llm_config()
|
||||||
@ -76,10 +140,30 @@ def generate_from_hotspot(model, topic_from_hotspot, style, search_result, sd_mo
|
|||||||
try:
|
try:
|
||||||
svc = LLMService(api_key, base_url, model)
|
svc = LLMService(api_key, base_url, model)
|
||||||
persona = _resolve_persona(persona_text) if persona_text else None
|
persona = _resolve_persona(persona_text) if persona_text else None
|
||||||
|
|
||||||
|
# 构建增强参考上下文：结构化分析摘要 + 原始搜索片段
|
||||||
|
analysis = get_last_analysis()
|
||||||
|
reference_parts = []
|
||||||
|
if analysis:
|
||||||
|
topics_str = ", ".join(analysis.get("hot_topics", [])[:5])
|
||||||
|
sug_str = "; ".join(
|
||||||
|
s.get("topic", "") for s in analysis.get("suggestions", [])[:5]
|
||||||
|
)
|
||||||
|
structure = analysis.get("content_structure", "")
|
||||||
|
analysis_summary = (
|
||||||
|
f"[热点分析摘要] 热门选题: {topics_str}\n"
|
||||||
|
f"推荐方向: {sug_str}\n"
|
||||||
|
f"内容结构建议: {structure}\n\n"
|
||||||
|
)
|
||||||
|
reference_parts.append(analysis_summary)
|
||||||
|
if search_result:
|
||||||
|
reference_parts.append(search_result)
|
||||||
|
combined_reference = "".join(reference_parts)[:3000]
|
||||||
|
|
||||||
data = svc.generate_copy_with_reference(
|
data = svc.generate_copy_with_reference(
|
||||||
topic=topic_from_hotspot,
|
topic=topic_from_hotspot,
|
||||||
style=style,
|
style=style,
|
||||||
reference_notes=search_result[:2000],
|
reference_notes=combined_reference,
|
||||||
sd_model_name=sd_model_name,
|
sd_model_name=sd_model_name,
|
||||||
persona=persona,
|
persona=persona,
|
||||||
)
|
)
|
||||||
@ -95,19 +179,18 @@ def generate_from_hotspot(model, topic_from_hotspot, style, search_result, sd_mo
|
|||||||
return "", "", "", "", f"❌ 生成失败: {e}"
|
return "", "", "", "", f"❌ 生成失败: {e}"
|
||||||
|
|
||||||
|
|
||||||
|
def feed_hotspot_to_engine(topic_engine) -> list[dict]:
|
||||||
|
"""将缓存的热点分析结果注入 TopicEngine，返回热点加权推荐列表"""
|
||||||
|
data = get_last_analysis()
|
||||||
|
return topic_engine.recommend_topics(hotspot_data=data)
|
||||||
|
|
||||||
|
|
||||||
# ==================================================
|
# ==================================================
|
||||||
# Tab 3: 评论管家
|
# Tab 3: 评论管家
|
||||||
# ==================================================
|
# ==================================================
|
||||||
|
|
||||||
# ---- 共用: 笔记列表缓存（线程安全）----
|
# ---- 共用: 笔记列表缓存（线程安全）----
|
||||||
|
|
||||||
# 主动评论缓存
|
|
||||||
_cached_proactive_entries: list[dict] = []
|
|
||||||
# 我的笔记评论缓存
|
|
||||||
_cached_my_note_entries: list[dict] = []
|
|
||||||
# 缓存互斥锁，防止并发回调产生竞态
|
|
||||||
_cache_lock = threading.RLock()
|
|
||||||
|
|
||||||
|
|
||||||
def _set_cache(name: str, entries: list):
|
def _set_cache(name: str, entries: list):
|
||||||
"""线程安全地更新笔记列表缓存"""
|
"""线程安全地更新笔记列表缓存"""
|
||||||
|
|||||||
@ -717,6 +717,11 @@ class LLMService:
|
|||||||
except json.JSONDecodeError:
|
except json.JSONDecodeError:
|
||||||
pass
|
pass
|
||||||
|
|
||||||
|
# 策略6: 修复截断的 JSON（LLM 输出被 token 限制截断）
|
||||||
|
truncated = self._try_fix_truncated_json(cleaned)
|
||||||
|
if truncated is not None:
|
||||||
|
return truncated
|
||||||
|
|
||||||
# 全部失败，打日志并抛出有用的错误信息
|
# 全部失败，打日志并抛出有用的错误信息
|
||||||
preview = raw[:500] if len(raw) > 500 else raw
|
preview = raw[:500] if len(raw) > 500 else raw
|
||||||
logger.error("JSON 解析全部失败，LLM 原始返回: %s", preview)
|
logger.error("JSON 解析全部失败，LLM 原始返回: %s", preview)
|
||||||
@ -726,6 +731,71 @@ class LLMService:
|
|||||||
f"💡 可能原因: 模型不支持 JSON 输出格式，建议更换模型重试"
|
f"💡 可能原因: 模型不支持 JSON 输出格式，建议更换模型重试"
|
||||||
)
|
)
|
||||||
|
|
||||||
|
@staticmethod
|
||||||
|
def _try_fix_truncated_json(text: str) -> dict | None:
|
||||||
|
"""
|
||||||
|
尝试修复被 token 限制截断的 JSON。
|
||||||
|
|
||||||
|
常见场景：LLM 输出的 content 字段非常长，JSON 在字符串中间被切断，
|
||||||
|
导致缺少闭合引号和大括号。
|
||||||
|
|
||||||
|
策略：从 '{' 开始，逐步尝试在不同位置截断并补全 JSON。
|
||||||
|
"""
|
||||||
|
# 找到 JSON 起始
|
||||||
|
start = text.find('{')
|
||||||
|
if start < 0:
|
||||||
|
return None
|
||||||
|
fragment = text[start:]
|
||||||
|
|
||||||
|
# 快速检查：如果已完整则无需修复
|
||||||
|
try:
|
||||||
|
return json.loads(fragment)
|
||||||
|
except json.JSONDecodeError:
|
||||||
|
pass
|
||||||
|
|
||||||
|
# 从末尾向前找到最后一个完整的 key-value 对的结束位置
|
||||||
|
# 策略A: 尝试直接补全闭合字符
|
||||||
|
for suffix in [
|
||||||
|
'"}', # 被截断的字符串值 + 闭合对象
|
||||||
|
'"]}', # 被截断的数组中字符串 + 闭合数组 + 闭合对象
|
||||||
|
'"}',
|
||||||
|
'" }',
|
||||||
|
'..."}', # 在截断处加省略号
|
||||||
|
'..."\n}',
|
||||||
|
]:
|
||||||
|
try:
|
||||||
|
result = json.loads(fragment + suffix)
|
||||||
|
logger.info("截断 JSON 修复成功 (补全: %s)", repr(suffix))
|
||||||
|
return result
|
||||||
|
except json.JSONDecodeError:
|
||||||
|
continue
|
||||||
|
|
||||||
|
# 策略B: 回退到最后一个完整字段
|
||||||
|
# 找到所有 "key": "value" 或 "key": [...] 的匹配位置
|
||||||
|
# 从后往前尝试在每个逗号处截断
|
||||||
|
for i in range(len(fragment) - 1, max(0, len(fragment) - 2000), -1):
|
||||||
|
if fragment[i] in (',', '\n'):
|
||||||
|
candidate = fragment[:i].rstrip().rstrip(',')
|
||||||
|
# 计算需要补全的括号
|
||||||
|
open_braces = candidate.count('{') - candidate.count('}')
|
||||||
|
open_brackets = candidate.count('[') - candidate.count(']')
|
||||||
|
# 检查是否在字符串内部（简单启发式：奇数个未转义引号）
|
||||||
|
in_string = (candidate.count('"') - candidate.count('\\"')) % 2 == 1
|
||||||
|
closing = ''
|
||||||
|
if in_string:
|
||||||
|
closing += '"'
|
||||||
|
closing += ']' * max(0, open_brackets)
|
||||||
|
closing += '}' * max(0, open_braces)
|
||||||
|
if closing:
|
||||||
|
try:
|
||||||
|
result = json.loads(candidate + closing)
|
||||||
|
logger.info("截断 JSON 修复成功 (回退到位置 %d, 补全: %s)", i, repr(closing))
|
||||||
|
return result
|
||||||
|
except json.JSONDecodeError:
|
||||||
|
continue
|
||||||
|
|
||||||
|
return None
|
||||||
|
|
||||||
# ---------- 业务方法 ----------
|
# ---------- 业务方法 ----------
|
||||||
|
|
||||||
def get_models(self) -> list[str]:
|
def get_models(self) -> list[str]:
|
||||||
|
|||||||
@ -489,6 +489,151 @@ class PublishQueue:
|
|||||||
|
|
||||||
return "\n".join(lines)
|
return "\n".join(lines)
|
||||||
|
|
||||||
|
# ---------- 智能排期引擎 ----------
|
||||||
|
|
||||||
|
def get_slot_usage(self, days: int = 7) -> dict:
|
||||||
|
"""查询未来 N 天各日期各时段已排期的数量。
|
||||||
|
|
||||||
|
返回: {"2026-02-28": {"18-21时": 1, "08-11时": 2}, ...}
|
||||||
|
"""
|
||||||
|
conn = self._get_conn()
|
||||||
|
try:
|
||||||
|
now = datetime.now()
|
||||||
|
cutoff = (now + timedelta(days=days)).strftime("%Y-%m-%d %H:%M:%S")
|
||||||
|
rows = conn.execute(
|
||||||
|
"SELECT scheduled_time FROM queue "
|
||||||
|
"WHERE status IN (?, ?) AND scheduled_time IS NOT NULL AND scheduled_time >= ? AND scheduled_time <= ?",
|
||||||
|
(STATUS_SCHEDULED, STATUS_APPROVED, now.strftime("%Y-%m-%d %H:%M:%S"), cutoff),
|
||||||
|
).fetchall()
|
||||||
|
|
||||||
|
usage: dict[str, dict[str, int]] = {}
|
||||||
|
for row in rows:
|
||||||
|
st = row["scheduled_time"]
|
||||||
|
if not st:
|
||||||
|
continue
|
||||||
|
try:
|
||||||
|
dt = datetime.strptime(st[:19], "%Y-%m-%d %H:%M:%S")
|
||||||
|
except (ValueError, TypeError):
|
||||||
|
continue
|
||||||
|
date_key = dt.strftime("%Y-%m-%d")
|
||||||
|
hour = dt.hour
|
||||||
|
# 映射到3小时段
|
||||||
|
slot = self._hour_to_slot(hour)
|
||||||
|
usage.setdefault(date_key, {})
|
||||||
|
usage[date_key][slot] = usage[date_key].get(slot, 0) + 1
|
||||||
|
return usage
|
||||||
|
finally:
|
||||||
|
conn.close()
|
||||||
|
|
||||||
|
@staticmethod
|
||||||
|
def _hour_to_slot(hour: int) -> str:
|
||||||
|
"""将小时映射到时段标签。"""
|
||||||
|
brackets = [
|
||||||
|
(0, 3, "00-03时"), (3, 6, "03-06时"), (6, 8, "06-08时"),
|
||||||
|
(8, 11, "08-11时"), (11, 12, "11-12时"), (12, 14, "12-14时"),
|
||||||
|
(14, 18, "14-18时"), (18, 21, "18-21时"), (21, 24, "21-24时"),
|
||||||
|
]
|
||||||
|
for lo, hi, label in brackets:
|
||||||
|
if lo <= hour < hi:
|
||||||
|
return label
|
||||||
|
return "21-24时"
|
||||||
|
|
||||||
|
@staticmethod
|
||||||
|
def _slot_to_hour_range(slot: str) -> tuple[int, int]:
|
||||||
|
"""从时段标签提取起止小时 (start, end)。"""
|
||||||
|
import re as _re
|
||||||
|
m = _re.match(r"(\d{2})-(\d{2})时", slot)
|
||||||
|
if m:
|
||||||
|
return int(m.group(1)), int(m.group(2))
|
||||||
|
return 18, 21 # fallback
|
||||||
|
|
||||||
|
def suggest_schedule_time(self, analytics, max_per_slot: int = 2,
|
||||||
|
max_per_day: int = 5) -> str | None:
|
||||||
|
"""基于时段权重和已有排期，计算最优发布时间。
|
||||||
|
|
||||||
|
返回格式: '%Y-%m-%d %H:%M:%S'，所有时段满时返回 None。
|
||||||
|
"""
|
||||||
|
import random as _random
|
||||||
|
|
||||||
|
time_weights = analytics.get_time_weights()
|
||||||
|
if not time_weights:
|
||||||
|
return None
|
||||||
|
|
||||||
|
# 按权重降序排列候选时段
|
||||||
|
sorted_slots = sorted(time_weights.items(),
|
||||||
|
key=lambda x: x[1] if isinstance(x[1], (int, float)) else x[1].get("weight", 0),
|
||||||
|
reverse=True)
|
||||||
|
|
||||||
|
usage = self.get_slot_usage(days=7)
|
||||||
|
now = datetime.now()
|
||||||
|
|
||||||
|
for day_offset in range(8): # 今天 + 未来7天
|
||||||
|
target_date = now + timedelta(days=day_offset)
|
||||||
|
date_key = target_date.strftime("%Y-%m-%d")
|
||||||
|
|
||||||
|
# 检查当天总量
|
||||||
|
day_usage = usage.get(date_key, {})
|
||||||
|
day_total = sum(day_usage.values())
|
||||||
|
if day_total >= max_per_day:
|
||||||
|
continue
|
||||||
|
|
||||||
|
for slot_name, slot_info in sorted_slots:
|
||||||
|
slot_count = day_usage.get(slot_name, 0)
|
||||||
|
if slot_count >= max_per_slot:
|
||||||
|
continue
|
||||||
|
|
||||||
|
start_hour, end_hour = self._slot_to_hour_range(slot_name)
|
||||||
|
|
||||||
|
# 如果是今天，跳过已过去的时段
|
||||||
|
if day_offset == 0 and end_hour <= now.hour:
|
||||||
|
continue
|
||||||
|
# 如果是今天且时段正在进行中，起始小时调整为当前 +1
|
||||||
|
effective_start = start_hour
|
||||||
|
if day_offset == 0 and start_hour <= now.hour < end_hour:
|
||||||
|
effective_start = now.hour + 1
|
||||||
|
if effective_start >= end_hour:
|
||||||
|
continue
|
||||||
|
|
||||||
|
# 在时段内随机选一个时间
|
||||||
|
rand_hour = _random.randint(effective_start, end_hour - 1)
|
||||||
|
rand_minute = _random.randint(0, 59)
|
||||||
|
scheduled = target_date.replace(hour=rand_hour, minute=rand_minute,
|
||||||
|
second=0, microsecond=0)
|
||||||
|
return scheduled.strftime("%Y-%m-%d %H:%M:%S")
|
||||||
|
|
||||||
|
return None
|
||||||
|
|
||||||
|
def auto_schedule_item(self, item_id: int, analytics,
|
||||||
|
max_per_slot: int = 2, max_per_day: int = 5) -> bool:
|
||||||
|
"""为指定队列项自动分配排期时间。
|
||||||
|
|
||||||
|
成功返回 True（状态变为 scheduled），无可用时段返回 False。
|
||||||
|
"""
|
||||||
|
item = self.get(item_id)
|
||||||
|
if not item or item["status"] not in (STATUS_DRAFT, STATUS_APPROVED):
|
||||||
|
return False
|
||||||
|
|
||||||
|
scheduled_time = self.suggest_schedule_time(
|
||||||
|
analytics, max_per_slot=max_per_slot, max_per_day=max_per_day,
|
||||||
|
)
|
||||||
|
if not scheduled_time:
|
||||||
|
logger.warning("auto_schedule_item #%d: 未来7天无可用时段", item_id)
|
||||||
|
return False
|
||||||
|
|
||||||
|
# 更新排期时间 + 状态
|
||||||
|
conn = self._get_conn()
|
||||||
|
try:
|
||||||
|
now_str = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
|
||||||
|
conn.execute(
|
||||||
|
"UPDATE queue SET status = ?, scheduled_time = ?, updated_at = ? WHERE id = ?",
|
||||||
|
(STATUS_SCHEDULED, scheduled_time, now_str, item_id),
|
||||||
|
)
|
||||||
|
conn.commit()
|
||||||
|
logger.info("auto_schedule_item #%d → %s", item_id, scheduled_time)
|
||||||
|
return True
|
||||||
|
finally:
|
||||||
|
conn.close()
|
||||||
|
|
||||||
|
|
||||||
class QueuePublisher:
|
class QueuePublisher:
|
||||||
"""后台队列发布处理器"""
|
"""后台队列发布处理器"""
|
||||||
|
|||||||
@ -3,15 +3,21 @@ services/queue_ops.py
|
|||||||
发布队列操作：生成入队、状态管理、发布控制
|
发布队列操作：生成入队、状态管理、发布控制
|
||||||
"""
|
"""
|
||||||
import os
|
import os
|
||||||
|
import re
|
||||||
import time
|
import time
|
||||||
|
import random
|
||||||
import logging
|
import logging
|
||||||
|
|
||||||
|
from PIL import Image
|
||||||
|
|
||||||
from .config_manager import ConfigManager, OUTPUT_DIR
|
from .config_manager import ConfigManager, OUTPUT_DIR
|
||||||
from .publish_queue import (
|
from .publish_queue import (
|
||||||
PublishQueue, QueuePublisher,
|
PublishQueue, QueuePublisher,
|
||||||
STATUS_DRAFT, STATUS_APPROVED, STATUS_SCHEDULED, STATUS_PUBLISHING,
|
STATUS_DRAFT, STATUS_APPROVED, STATUS_SCHEDULED, STATUS_PUBLISHING,
|
||||||
STATUS_PUBLISHED, STATUS_FAILED, STATUS_REJECTED, STATUS_LABELS,
|
STATUS_PUBLISHED, STATUS_FAILED, STATUS_REJECTED, STATUS_LABELS,
|
||||||
)
|
)
|
||||||
|
from .llm_service import LLMService
|
||||||
|
from .sd_service import SDService
|
||||||
from .mcp_client import get_mcp_client
|
from .mcp_client import get_mcp_client
|
||||||
from .connection import _get_llm_config
|
from .connection import _get_llm_config
|
||||||
from .persona import DEFAULT_TOPICS, DEFAULT_STYLES, _resolve_persona
|
from .persona import DEFAULT_TOPICS, DEFAULT_STYLES, _resolve_persona
|
||||||
@ -52,8 +58,13 @@ def _log(msg: str):
|
|||||||
|
|
||||||
def generate_to_queue(topics_str, sd_url_val, sd_model_name, model, persona_text=None,
|
def generate_to_queue(topics_str, sd_url_val, sd_model_name, model, persona_text=None,
|
||||||
quality_mode_val=None, face_swap_on=False, count=1,
|
quality_mode_val=None, face_swap_on=False, count=1,
|
||||||
scheduled_time=None):
|
scheduled_time=None, auto_schedule=False, auto_approve=False):
|
||||||
"""批量生成内容 → 加入发布队列（不直接发布）"""
|
"""批量生成内容 → 加入发布队列（不直接发布）
|
||||||
|
|
||||||
|
Args:
|
||||||
|
auto_schedule: 为每篇内容自动分配最优排期时间
|
||||||
|
auto_approve: 入队后自动审核通过
|
||||||
|
"""
|
||||||
try:
|
try:
|
||||||
topics = [t.strip() for t in topics_str.split(",") if t.strip()] if topics_str else DEFAULT_TOPICS
|
topics = [t.strip() for t in topics_str.split(",") if t.strip()] if topics_str else DEFAULT_TOPICS
|
||||||
use_weights = cfg.get("use_smart_weights", True) and _analytics.has_weights
|
use_weights = cfg.get("use_smart_weights", True) and _analytics.has_weights
|
||||||
@ -82,10 +93,10 @@ def generate_to_queue(topics_str, sd_url_val, sd_model_name, model, persona_text
|
|||||||
persona = _resolve_persona(persona_text) if persona_text else None
|
persona = _resolve_persona(persona_text) if persona_text else None
|
||||||
|
|
||||||
if use_weights:
|
if use_weights:
|
||||||
weight_insights = f"高权重主题: {', '.join(list(analytics._weights.get('topic_weights', {}).keys())[:5])}\n"
|
weight_insights = f"高权重主题: {', '.join(list(_analytics._weights.get('topic_weights', {}).keys())[:5])}\n"
|
||||||
weight_insights += f"权重摘要: {analytics.weights_summary}"
|
weight_insights += f"权重摘要: {_analytics.weights_summary}"
|
||||||
title_advice = _analytics.get_title_advice()
|
title_advice = _analytics.get_title_advice()
|
||||||
hot_tags = ", ".join(analytics.get_top_tags(8))
|
hot_tags = ", ".join(_analytics.get_top_tags(8))
|
||||||
try:
|
try:
|
||||||
data = svc.generate_weighted_copy(topic, style, weight_insights, title_advice, hot_tags, sd_model_name=sd_model_name, persona=persona)
|
data = svc.generate_weighted_copy(topic, style, weight_insights, title_advice, hot_tags, sd_model_name=sd_model_name, persona=persona)
|
||||||
except Exception:
|
except Exception:
|
||||||
@ -150,7 +161,21 @@ def generate_to_queue(topics_str, sd_url_val, sd_model_name, model, persona_text
|
|||||||
topic=topic, style=style, persona=persona or "",
|
topic=topic, style=style, persona=persona or "",
|
||||||
status=STATUS_DRAFT, scheduled_time=scheduled_time,
|
status=STATUS_DRAFT, scheduled_time=scheduled_time,
|
||||||
)
|
)
|
||||||
results.append(f"#{item_id} {title}")
|
# 自动排期
|
||||||
|
sched_msg = ""
|
||||||
|
if auto_schedule and _analytics:
|
||||||
|
ok = _pub_queue.auto_schedule_item(item_id, _analytics)
|
||||||
|
if ok:
|
||||||
|
item = _pub_queue.get(item_id)
|
||||||
|
sched_msg = f" ⏰{item['scheduled_time'][:16]}" if item else ""
|
||||||
|
_log(f"🕐 #{item_id} 自动排期{sched_msg}")
|
||||||
|
|
||||||
|
# 自动审核
|
||||||
|
if auto_approve:
|
||||||
|
_pub_queue.approve(item_id)
|
||||||
|
_log(f"✅ #{item_id} 自动审核通过")
|
||||||
|
|
||||||
|
results.append(f"#{item_id} {title}{sched_msg}")
|
||||||
_log(f"📋 已加入队列 #{item_id}: {title}")
|
_log(f"📋 已加入队列 #{item_id}: {title}")
|
||||||
|
|
||||||
# 多篇间隔
|
# 多篇间隔
|
||||||
@ -335,13 +360,14 @@ def queue_batch_approve(status_filter):
|
|||||||
|
|
||||||
def queue_generate_and_refresh(topics_str, sd_url_val, sd_model_name, model,
|
def queue_generate_and_refresh(topics_str, sd_url_val, sd_model_name, model,
|
||||||
persona_text, quality_mode_val, face_swap_on,
|
persona_text, quality_mode_val, face_swap_on,
|
||||||
gen_count, gen_schedule_time):
|
gen_count, gen_schedule_time, auto_schedule=False):
|
||||||
"""生成内容到队列 + 刷新表格"""
|
"""生成内容到队列 + 刷新表格"""
|
||||||
msg = generate_to_queue(
|
msg = generate_to_queue(
|
||||||
topics_str, sd_url_val, sd_model_name, model,
|
topics_str, sd_url_val, sd_model_name, model,
|
||||||
persona_text=persona_text, quality_mode_val=quality_mode_val,
|
persona_text=persona_text, quality_mode_val=quality_mode_val,
|
||||||
face_swap_on=face_swap_on, count=gen_count,
|
face_swap_on=face_swap_on, count=gen_count,
|
||||||
scheduled_time=gen_schedule_time.strip() if gen_schedule_time else None,
|
scheduled_time=gen_schedule_time.strip() if gen_schedule_time else None,
|
||||||
|
auto_schedule=auto_schedule,
|
||||||
)
|
)
|
||||||
table = _pub_queue.format_queue_table()
|
table = _pub_queue.format_queue_table()
|
||||||
calendar = _pub_queue.format_calendar(14)
|
calendar = _pub_queue.format_calendar(14)
|
||||||
|
|||||||
@ -514,143 +514,38 @@ def auto_reply_once(max_replies, mcp_url, model, persona_text):
|
|||||||
|
|
||||||
|
|
||||||
def auto_publish_once(topics_str, mcp_url, sd_url_val, sd_model_name, model, persona_text=None, quality_mode_val=None, face_swap_on=False):
|
def auto_publish_once(topics_str, mcp_url, sd_url_val, sd_model_name, model, persona_text=None, quality_mode_val=None, face_swap_on=False):
|
||||||
"""一键发布：自动生成文案 → 生成图片 → 本地备份 → 发布到小红书（含限额 + 智能权重 + 人设 + 画质）"""
|
"""一键发布：生成内容 → 加入发布队列（自动排期 + 自动审核）。
|
||||||
|
|
||||||
|
实际发布由 QueuePublisher 后台处理器完成。
|
||||||
|
"""
|
||||||
try:
|
try:
|
||||||
if _is_in_cooldown():
|
if _is_in_cooldown():
|
||||||
return "⏳ 错误冷却中，请稍后再试"
|
return "⏳ 错误冷却中，请稍后再试"
|
||||||
if not _check_daily_limit("publishes"):
|
if not _check_daily_limit("publishes"):
|
||||||
return f"🚫 今日发布已达上限 ({DAILY_LIMITS['publishes']})"
|
return f"🚫 今日发布已达上限 ({DAILY_LIMITS['publishes']})"
|
||||||
|
|
||||||
topics = [t.strip() for t in topics_str.split(",") if t.strip()] if topics_str else DEFAULT_TOPICS
|
# 延迟导入避免循环依赖
|
||||||
use_weights = cfg.get("use_smart_weights", True) and _analytics.has_weights
|
from .queue_ops import generate_to_queue
|
||||||
|
|
||||||
if use_weights:
|
topics = topics_str if topics_str else ",".join(DEFAULT_TOPICS)
|
||||||
# 智能加权选题
|
msg = generate_to_queue(
|
||||||
topic = _analytics.get_weighted_topic(topics)
|
topics, sd_url_val, sd_model_name, model,
|
||||||
style = _analytics.get_weighted_style(DEFAULT_STYLES)
|
persona_text=persona_text, quality_mode_val=quality_mode_val,
|
||||||
_auto_log_append(f"🧠 [智能] 主题: {topic} | 风格: {style} (加权选择)")
|
face_swap_on=face_swap_on, count=1,
|
||||||
else:
|
auto_schedule=True, auto_approve=True,
|
||||||
topic = random.choice(topics)
|
|
||||||
style = random.choice(DEFAULT_STYLES)
|
|
||||||
_auto_log_append(f"📝 主题: {topic} | 风格: {style} (主题池: {len(topics)} 个)")
|
|
||||||
|
|
||||||
# 生成文案
|
|
||||||
api_key, base_url, _ = _get_llm_config()
|
|
||||||
if not api_key:
|
|
||||||
return "❌ LLM 未配置，请先在全局设置中配置提供商"
|
|
||||||
|
|
||||||
svc = LLMService(api_key, base_url, model)
|
|
||||||
# 解析人设（随机/指定）
|
|
||||||
persona = _resolve_persona(persona_text) if persona_text else None
|
|
||||||
if persona:
|
|
||||||
_auto_log_append(f"🎭 人设: {persona[:20]}...")
|
|
||||||
|
|
||||||
if use_weights:
|
|
||||||
# 使用加权文案生成 (携带权重洞察)
|
|
||||||
weight_insights = f"高权重主题: {', '.join(list(analytics._weights.get('topic_weights', {}).keys())[:5])}\n"
|
|
||||||
weight_insights += f"权重摘要: {analytics.weights_summary}"
|
|
||||||
title_advice = _analytics.get_title_advice()
|
|
||||||
hot_tags = ", ".join(analytics.get_top_tags(8))
|
|
||||||
try:
|
|
||||||
data = svc.generate_weighted_copy(topic, style, weight_insights, title_advice, hot_tags, sd_model_name=sd_model_name, persona=persona)
|
|
||||||
_auto_log_append("🧠 使用智能加权文案模板")
|
|
||||||
except Exception as e:
|
|
||||||
logger.warning("加权文案生成失败, 退回普通模式: %s", e)
|
|
||||||
data = svc.generate_copy(topic, style, sd_model_name=sd_model_name, persona=persona)
|
|
||||||
_auto_log_append("⚠️ 加权模板异常, 使用普通模板")
|
|
||||||
else:
|
|
||||||
data = svc.generate_copy(topic, style, sd_model_name=sd_model_name, persona=persona)
|
|
||||||
|
|
||||||
title = (data.get("title", "") or "")[:20]
|
|
||||||
content = data.get("content", "")
|
|
||||||
sd_prompt = data.get("sd_prompt", "")
|
|
||||||
tags = data.get("tags", [])
|
|
||||||
|
|
||||||
# 如果有高权重标签，补充到 tags 中
|
|
||||||
if use_weights:
|
|
||||||
top_tags = _analytics.get_top_tags(5)
|
|
||||||
for t in top_tags:
|
|
||||||
if t not in tags:
|
|
||||||
tags.append(t)
|
|
||||||
tags = tags[:10] # 限制最多10个标签
|
|
||||||
|
|
||||||
if not title:
|
|
||||||
_record_error()
|
|
||||||
return "❌ 文案生成失败：无标题"
|
|
||||||
_auto_log_append(f"📄 文案: {title}")
|
|
||||||
|
|
||||||
# 生成图片
|
|
||||||
if not sd_url_val or not sd_model_name:
|
|
||||||
return "❌ SD WebUI 未连接或未选择模型，请先在全局设置中连接"
|
|
||||||
|
|
||||||
sd_svc = SDService(sd_url_val)
|
|
||||||
# 自动发布也支持换脸
|
|
||||||
face_image = None
|
|
||||||
if face_swap_on:
|
|
||||||
face_image = SDService.load_face_image()
|
|
||||||
if face_image:
|
|
||||||
_auto_log_append("🎭 换脸已启用")
|
|
||||||
else:
|
|
||||||
_auto_log_append("⚠️ 换脸已启用但未找到头像，跳过换脸")
|
|
||||||
images = sd_svc.txt2img(prompt=sd_prompt, model=sd_model_name,
|
|
||||||
face_image=face_image,
|
|
||||||
quality_mode=quality_mode_val or "快速 (约30秒)",
|
|
||||||
persona=persona)
|
|
||||||
if not images:
|
|
||||||
_record_error()
|
|
||||||
return "❌ 图片生成失败：没有返回图片"
|
|
||||||
_auto_log_append(f"🎨 已生成 {len(images)} 张图片")
|
|
||||||
|
|
||||||
# 本地备份（同时用于发布）
|
|
||||||
ts = int(time.time())
|
|
||||||
safe_title = re.sub(r'[\\/*?:"<>|]', "", title)[:20]
|
|
||||||
backup_dir = os.path.join(OUTPUT_DIR, f"{ts}_{safe_title}")
|
|
||||||
os.makedirs(backup_dir, exist_ok=True)
|
|
||||||
|
|
||||||
# 保存文案
|
|
||||||
with open(os.path.join(backup_dir, "文案.txt"), "w", encoding="utf-8") as f:
|
|
||||||
f.write(f"标题: {title}\n风格: {style}\n主题: {topic}\n\n{content}\n\n标签: {', '.join(tags)}\n\nSD Prompt: {sd_prompt}")
|
|
||||||
|
|
||||||
image_paths = []
|
|
||||||
for idx, img in enumerate(images):
|
|
||||||
if isinstance(img, Image.Image):
|
|
||||||
path = os.path.abspath(os.path.join(backup_dir, f"图{idx+1}.jpg"))
|
|
||||||
if img.mode != "RGB":
|
|
||||||
img = img.convert("RGB")
|
|
||||||
img.save(path, format="JPEG", quality=95)
|
|
||||||
image_paths.append(path)
|
|
||||||
|
|
||||||
if not image_paths:
|
|
||||||
return "❌ 图片保存失败"
|
|
||||||
|
|
||||||
_auto_log_append(f"💾 本地已备份至: {backup_dir}")
|
|
||||||
|
|
||||||
# 发布到小红书
|
|
||||||
client = get_mcp_client(mcp_url)
|
|
||||||
result = client.publish_content(
|
|
||||||
title=title, content=content, images=image_paths, tags=tags
|
|
||||||
)
|
)
|
||||||
if "error" in result:
|
_auto_log_append(f"📋 内容已入队: {msg}")
|
||||||
_record_error()
|
|
||||||
_auto_log_append(f"❌ 发布失败: {result['error']} (文案已本地保存)")
|
|
||||||
return f"❌ 发布失败: {result['error']}\n💾 文案和图片已备份至: {backup_dir}"
|
|
||||||
|
|
||||||
_increment_stat("publishes")
|
# 检查 QueuePublisher 是否在运行
|
||||||
_clear_error_streak()
|
|
||||||
|
|
||||||
# 清理 _temp_publish 中的旧临时文件
|
|
||||||
temp_dir = os.path.join(OUTPUT_DIR, "_temp_publish")
|
|
||||||
try:
|
try:
|
||||||
if os.path.exists(temp_dir):
|
from .queue_ops import _queue_publisher
|
||||||
for f in os.listdir(temp_dir):
|
if _queue_publisher and not _queue_publisher.is_running:
|
||||||
fp = os.path.join(temp_dir, f)
|
_auto_log_append("⚠️ 队列处理器未启动，内容已入队但需启动处理器以自动发布")
|
||||||
if os.path.isfile(fp) and time.time() - os.path.getmtime(fp) > 3600:
|
return msg + "\n⚠️ 请启动队列处理器以自动发布"
|
||||||
os.remove(fp)
|
except ImportError:
|
||||||
except Exception:
|
|
||||||
pass
|
pass
|
||||||
|
|
||||||
_auto_log_append(f"🚀 发布成功: {title} (今日第{_daily_stats['publishes']}篇)")
|
return msg
|
||||||
return f"✅ 发布成功！\n📌 标题: {title}\n💾 备份: {backup_dir}\n📊 今日发布: {_daily_stats['publishes']}/{DAILY_LIMITS['publishes']}\n{result.get('text', '')}"
|
|
||||||
|
|
||||||
except Exception as e:
|
except Exception as e:
|
||||||
_record_error()
|
_record_error()
|
||||||
@ -760,13 +655,17 @@ def _scheduler_loop(comment_enabled, publish_enabled, reply_enabled, like_enable
|
|||||||
_auto_log_append(f"⏰ 下次收藏: {interval // 60} 分钟后")
|
_auto_log_append(f"⏰ 下次收藏: {interval // 60} 分钟后")
|
||||||
_update_next_display()
|
_update_next_display()
|
||||||
|
|
||||||
# 自动发布
|
# 自动发布（通过队列）
|
||||||
if publish_enabled and now >= next_publish:
|
if publish_enabled and now >= next_publish:
|
||||||
try:
|
try:
|
||||||
_auto_log_append("--- 🔄 执行自动发布 ---")
|
_auto_log_append("--- 🔄 执行自动发布（队列模式） ---")
|
||||||
msg = auto_publish_once(topics, mcp_url, sd_url_val, sd_model_name, model,
|
from .queue_ops import generate_to_queue
|
||||||
persona_text=persona_text, quality_mode_val=quality_mode_val,
|
msg = generate_to_queue(
|
||||||
face_swap_on=face_swap_on)
|
topics, sd_url_val, sd_model_name, model,
|
||||||
|
persona_text=persona_text, quality_mode_val=quality_mode_val,
|
||||||
|
face_swap_on=face_swap_on, count=1,
|
||||||
|
auto_schedule=True, auto_approve=True,
|
||||||
|
)
|
||||||
_auto_log_append(msg)
|
_auto_log_append(msg)
|
||||||
except Exception as e:
|
except Exception as e:
|
||||||
_auto_log_append(f"❌ 自动发布异常: {e}")
|
_auto_log_append(f"❌ 自动发布异常: {e}")
|
||||||
@ -1065,6 +964,89 @@ def stop_learn_scheduler():
|
|||||||
return "🛑 定时学习已停止"
|
return "🛑 定时学习已停止"
|
||||||
|
|
||||||
|
|
||||||
|
# ==================================================
|
||||||
|
# 热点自动采集
|
||||||
|
# ==================================================
|
||||||
|
|
||||||
|
_hotspot_collector_running = threading.Event()
|
||||||
|
_hotspot_collector_thread: threading.Thread | None = None
|
||||||
|
|
||||||
|
|
||||||
|
def _hotspot_collector_loop(keywords: list[str], interval_hours: float, mcp_url: str, model: str):
|
||||||
|
"""热点自动采集后台循环：遍历 keywords → 搜索 → LLM 分析 → 写入状态缓存"""
|
||||||
|
from .hotspot import search_hotspots, analyze_and_suggest
|
||||||
|
|
||||||
|
logger.info("热点自动采集已启动, 关键词=%s, 间隔=%s小时", keywords, interval_hours)
|
||||||
|
_auto_log_append(f"🔥 热点自动采集已启动, 每 {interval_hours} 小时采集一次, 关键词: {', '.join(keywords)}")
|
||||||
|
|
||||||
|
while _hotspot_collector_running.is_set():
|
||||||
|
for kw in keywords:
|
||||||
|
if not _hotspot_collector_running.is_set():
|
||||||
|
break
|
||||||
|
try:
|
||||||
|
_auto_log_append(f"🔥 自动采集热点: 搜索「{kw}」...")
|
||||||
|
status, search_result = search_hotspots(kw, "最多点赞", mcp_url)
|
||||||
|
if "❌" in status or not search_result:
|
||||||
|
_auto_log_append(f"⚠️ 热点搜索失败: {status}")
|
||||||
|
continue
|
||||||
|
|
||||||
|
_auto_log_append(f"🔥 自动采集热点: AI 分析「{kw}」...")
|
||||||
|
a_status, _, _, _ = analyze_and_suggest(model, kw, search_result)
|
||||||
|
_auto_log_append(f"🔥 热点采集「{kw}」: {a_status}")
|
||||||
|
|
||||||
|
except Exception as e:
|
||||||
|
_auto_log_append(f"⚠️ 热点采集「{kw}」异常: {e}")
|
||||||
|
|
||||||
|
# 关键词间间隔，避免过快请求
|
||||||
|
for _ in range(30):
|
||||||
|
if not _hotspot_collector_running.is_set():
|
||||||
|
break
|
||||||
|
time.sleep(1)
|
||||||
|
|
||||||
|
# 等待下一轮
|
||||||
|
wait_seconds = int(interval_hours * 3600)
|
||||||
|
_auto_log_append(f"🔥 热点采集完成一轮, {interval_hours}小时后再次采集")
|
||||||
|
for _ in range(int(wait_seconds / 5)):
|
||||||
|
if not _hotspot_collector_running.is_set():
|
||||||
|
break
|
||||||
|
time.sleep(5)
|
||||||
|
|
||||||
|
logger.info("热点自动采集已停止")
|
||||||
|
_auto_log_append("🔥 热点自动采集已停止")
|
||||||
|
|
||||||
|
|
||||||
|
def start_hotspot_collector(keywords_str: str, interval_hours: float, mcp_url: str, model: str):
|
||||||
|
"""启动热点自动采集"""
|
||||||
|
global _hotspot_collector_thread
|
||||||
|
if _hotspot_collector_running.is_set():
|
||||||
|
return "⚠️ 热点自动采集已在运行中"
|
||||||
|
|
||||||
|
keywords = [k.strip() for k in keywords_str.split(",") if k.strip()]
|
||||||
|
if not keywords:
|
||||||
|
return "❌ 请输入至少一个采集关键词"
|
||||||
|
|
||||||
|
api_key, _, _ = _get_llm_config()
|
||||||
|
if not api_key:
|
||||||
|
return "❌ LLM 未配置，请先在全局设置中配置提供商"
|
||||||
|
|
||||||
|
_hotspot_collector_running.set()
|
||||||
|
_hotspot_collector_thread = threading.Thread(
|
||||||
|
target=_hotspot_collector_loop,
|
||||||
|
args=(keywords, interval_hours, mcp_url, model),
|
||||||
|
daemon=True,
|
||||||
|
)
|
||||||
|
_hotspot_collector_thread.start()
|
||||||
|
return f"✅ 热点自动采集已启动 🔥 每 {int(interval_hours)} 小时采集一次, 关键词: {', '.join(keywords)}"
|
||||||
|
|
||||||
|
|
||||||
|
def stop_hotspot_collector():
|
||||||
|
"""停止热点自动采集"""
|
||||||
|
if not _hotspot_collector_running.is_set():
|
||||||
|
return "⚠️ 热点自动采集未在运行"
|
||||||
|
_hotspot_collector_running.clear()
|
||||||
|
return "🛑 热点自动采集已停止"
|
||||||
|
|
||||||
|
|
||||||
# ==================================================
|
# ==================================================
|
||||||
# Windows 开机自启管理
|
# Windows 开机自启管理
|
||||||
# ==================================================
|
# ==================================================
|
||||||
|
|||||||
86
ui/app.py
86
ui/app.py
@ -26,6 +26,7 @@ from services.persona import (
|
|||||||
from services.hotspot import (
|
from services.hotspot import (
|
||||||
search_hotspots, analyze_and_suggest, generate_from_hotspot,
|
search_hotspots, analyze_and_suggest, generate_from_hotspot,
|
||||||
fetch_proactive_notes, on_proactive_note_selected,
|
fetch_proactive_notes, on_proactive_note_selected,
|
||||||
|
get_last_analysis, feed_hotspot_to_engine,
|
||||||
)
|
)
|
||||||
from services.engagement import (
|
from services.engagement import (
|
||||||
load_note_for_comment, ai_generate_comment, send_comment,
|
load_note_for_comment, ai_generate_comment, send_comment,
|
||||||
@ -41,6 +42,7 @@ from services.scheduler import (
|
|||||||
_auto_comment_with_log, _auto_like_with_log, _auto_favorite_with_log,
|
_auto_comment_with_log, _auto_like_with_log, _auto_favorite_with_log,
|
||||||
_auto_publish_with_log, _auto_reply_with_log,
|
_auto_publish_with_log, _auto_reply_with_log,
|
||||||
start_learn_scheduler, stop_learn_scheduler,
|
start_learn_scheduler, stop_learn_scheduler,
|
||||||
|
start_hotspot_collector, stop_hotspot_collector,
|
||||||
_get_stats_summary,
|
_get_stats_summary,
|
||||||
)
|
)
|
||||||
from services.queue_ops import (
|
from services.queue_ops import (
|
||||||
@ -62,10 +64,10 @@ logger = logging.getLogger("autobot")
|
|||||||
# ========== 新增回调: 选题推荐 / 批量创作 / 图文匹配 ==========
|
# ========== 新增回调: 选题推荐 / 批量创作 / 图文匹配 ==========
|
||||||
|
|
||||||
def _fn_topic_recommend(model_name):
|
def _fn_topic_recommend(model_name):
|
||||||
"""获取智能选题推荐列表"""
|
"""获取智能选题推荐列表（自动注入热点数据）"""
|
||||||
analytics = AnalyticsService()
|
analytics = AnalyticsService()
|
||||||
engine = TopicEngine(analytics)
|
engine = TopicEngine(analytics)
|
||||||
return engine.recommend_topics(count=5)
|
return feed_hotspot_to_engine(engine)
|
||||||
|
|
||||||
|
|
||||||
def _fn_batch_generate(model_name, topics, style, sd_model_name, persona_text, template_name):
|
def _fn_batch_generate(model_name, topics, style, sd_model_name, persona_text, template_name):
|
||||||
@ -311,6 +313,10 @@ def build_app(cfg: "ConfigManager", analytics: "AnalyticsService") -> gr.Blocks:
|
|||||||
label="排期时间 (可选)",
|
label="排期时间 (可选)",
|
||||||
placeholder="如 2026-02-10 18:00:00，留空=仅草稿",
|
placeholder="如 2026-02-10 18:00:00，留空=仅草稿",
|
||||||
)
|
)
|
||||||
|
queue_auto_schedule = gr.Checkbox(
|
||||||
|
label="🤖 自动排期（基于历史数据智能分配最优发布时段）",
|
||||||
|
value=False,
|
||||||
|
)
|
||||||
btn_queue_generate = gr.Button(
|
btn_queue_generate = gr.Button(
|
||||||
"📝 批量生成 → 加入队列", variant="primary", size="lg",
|
"📝 批量生成 → 加入队列", variant="primary", size="lg",
|
||||||
)
|
)
|
||||||
@ -375,7 +381,29 @@ def build_app(cfg: "ConfigManager", analytics: "AnalyticsService") -> gr.Blocks:
|
|||||||
)
|
)
|
||||||
|
|
||||||
gr.Markdown("---")
|
gr.Markdown("---")
|
||||||
gr.Markdown("#### 👁️ 内容预览")
|
gr.Markdown("#### <20> 推荐发布时段")
|
||||||
|
def _get_time_weights_display():
|
||||||
|
a = AnalyticsService()
|
||||||
|
tw = a.get_time_weights()
|
||||||
|
if not tw:
|
||||||
|
return "暂无时段数据"
|
||||||
|
sorted_tw = sorted(tw.items(),
|
||||||
|
key=lambda x: x[1] if isinstance(x[1], (int, float)) else x[1].get("weight", 0),
|
||||||
|
reverse=True)
|
||||||
|
lines = ["| 时段 | 权重 | 推荐度 |"]
|
||||||
|
lines.append("|------|:----:|--------|")
|
||||||
|
for slot, info in sorted_tw:
|
||||||
|
w = info if isinstance(info, (int, float)) else info.get("weight", 0)
|
||||||
|
bar = "█" * (w // 10) + "░" * (10 - w // 10)
|
||||||
|
lines.append(f"| {slot} | {w} | {bar} |")
|
||||||
|
return "\n".join(lines)
|
||||||
|
|
||||||
|
queue_time_recommend = gr.Markdown(
|
||||||
|
value=_get_time_weights_display(),
|
||||||
|
)
|
||||||
|
|
||||||
|
gr.Markdown("---")
|
||||||
|
gr.Markdown("#### <20>👁️ 内容预览")
|
||||||
queue_preview_display = gr.Markdown(
|
queue_preview_display = gr.Markdown(
|
||||||
value="*选择队列项 ID 后点击预览*",
|
value="*选择队列项 ID 后点击预览*",
|
||||||
)
|
)
|
||||||
@ -404,6 +432,12 @@ def build_app(cfg: "ConfigManager", analytics: "AnalyticsService") -> gr.Blocks:
|
|||||||
btn_analyze = gr.Button("🧠 AI 分析热点趋势", variant="primary")
|
btn_analyze = gr.Button("🧠 AI 分析热点趋势", variant="primary")
|
||||||
analysis_status = gr.Markdown("")
|
analysis_status = gr.Markdown("")
|
||||||
analysis_output = gr.Markdown(label="分析报告")
|
analysis_output = gr.Markdown(label="分析报告")
|
||||||
|
|
||||||
|
with gr.Row():
|
||||||
|
hot_topic_dropdown = gr.Dropdown(
|
||||||
|
choices=[], label="💡 推荐选题 (从分析结果自动填充)",
|
||||||
|
interactive=True, allow_custom_value=True,
|
||||||
|
)
|
||||||
topic_from_hot = gr.Textbox(
|
topic_from_hot = gr.Textbox(
|
||||||
label="选择/输入创作选题", placeholder="基于分析选一个方向",
|
label="选择/输入创作选题", placeholder="基于分析选一个方向",
|
||||||
)
|
)
|
||||||
@ -427,6 +461,29 @@ def build_app(cfg: "ConfigManager", analytics: "AnalyticsService") -> gr.Blocks:
|
|||||||
variant="primary",
|
variant="primary",
|
||||||
)
|
)
|
||||||
|
|
||||||
|
gr.Markdown("---")
|
||||||
|
gr.Markdown("#### 🔥 热点自动采集")
|
||||||
|
gr.Markdown("> 后台定时搜索热门内容并 AI 分析，自动更新热点缓存供选题使用")
|
||||||
|
with gr.Row():
|
||||||
|
hotspot_collect_keywords = gr.Textbox(
|
||||||
|
label="采集关键词 (逗号分隔)",
|
||||||
|
value=", ".join(config.get("hotspot_auto_collect", {}).get("keywords", ["穿搭", "美妆", "好物"])),
|
||||||
|
placeholder="穿搭, 美妆, 好物",
|
||||||
|
)
|
||||||
|
hotspot_collect_interval = gr.Number(
|
||||||
|
label="采集间隔 (小时)",
|
||||||
|
value=config.get("hotspot_auto_collect", {}).get("interval_hours", 4),
|
||||||
|
minimum=1, maximum=48,
|
||||||
|
)
|
||||||
|
with gr.Row():
|
||||||
|
btn_hotspot_collect_start = gr.Button(
|
||||||
|
"▶ 启动自动采集", variant="primary", size="sm",
|
||||||
|
)
|
||||||
|
btn_hotspot_collect_stop = gr.Button(
|
||||||
|
"⏹ 停止", variant="stop", size="sm",
|
||||||
|
)
|
||||||
|
hotspot_collect_status = gr.Markdown("⚪ 热点自动采集未启动")
|
||||||
|
|
||||||
# -------- Tab 3: 评论管家 --------
|
# -------- Tab 3: 评论管家 --------
|
||||||
with gr.Tab("💬 评论管家"):
|
with gr.Tab("💬 评论管家"):
|
||||||
gr.Markdown("### 智能评论管理：主动评论引流 & 自动回复粉丝")
|
gr.Markdown("### 智能评论管理：主动评论引流 & 自动回复粉丝")
|
||||||
@ -1008,7 +1065,14 @@ def build_app(cfg: "ConfigManager", analytics: "AnalyticsService") -> gr.Blocks:
|
|||||||
btn_analyze.click(
|
btn_analyze.click(
|
||||||
fn=analyze_and_suggest,
|
fn=analyze_and_suggest,
|
||||||
inputs=[llm_model, hot_keyword, search_output],
|
inputs=[llm_model, hot_keyword, search_output],
|
||||||
outputs=[analysis_status, analysis_output, topic_from_hot],
|
outputs=[analysis_status, analysis_output, topic_from_hot, hot_topic_dropdown],
|
||||||
|
)
|
||||||
|
|
||||||
|
# 推荐选题下拉：选中后写入选题输入框
|
||||||
|
hot_topic_dropdown.change(
|
||||||
|
fn=lambda x: x or "",
|
||||||
|
inputs=[hot_topic_dropdown],
|
||||||
|
outputs=[topic_from_hot],
|
||||||
)
|
)
|
||||||
|
|
||||||
btn_gen_from_hot.click(
|
btn_gen_from_hot.click(
|
||||||
@ -1024,6 +1088,18 @@ def build_app(cfg: "ConfigManager", analytics: "AnalyticsService") -> gr.Blocks:
|
|||||||
outputs=[res_title, res_content, res_prompt, res_tags, status_bar],
|
outputs=[res_title, res_content, res_prompt, res_tags, status_bar],
|
||||||
)
|
)
|
||||||
|
|
||||||
|
# 热点自动采集启停
|
||||||
|
btn_hotspot_collect_start.click(
|
||||||
|
fn=start_hotspot_collector,
|
||||||
|
inputs=[hotspot_collect_keywords, hotspot_collect_interval, mcp_url, llm_model],
|
||||||
|
outputs=[hotspot_collect_status],
|
||||||
|
)
|
||||||
|
btn_hotspot_collect_stop.click(
|
||||||
|
fn=stop_hotspot_collector,
|
||||||
|
inputs=[],
|
||||||
|
outputs=[hotspot_collect_status],
|
||||||
|
)
|
||||||
|
|
||||||
# ---- Tab 3: 评论管家 ----
|
# ---- Tab 3: 评论管家 ----
|
||||||
|
|
||||||
# == 子 Tab A: 主动评论引流 ==
|
# == 子 Tab A: 主动评论引流 ==
|
||||||
@ -1280,7 +1356,7 @@ def build_app(cfg: "ConfigManager", analytics: "AnalyticsService") -> gr.Blocks:
|
|||||||
fn=queue_generate_and_refresh,
|
fn=queue_generate_and_refresh,
|
||||||
inputs=[queue_gen_topics, sd_url, sd_model, llm_model,
|
inputs=[queue_gen_topics, sd_url, sd_model, llm_model,
|
||||||
persona, quality_mode, face_swap_toggle,
|
persona, quality_mode, face_swap_toggle,
|
||||||
queue_gen_count, queue_gen_schedule],
|
queue_gen_count, queue_gen_schedule, queue_auto_schedule],
|
||||||
outputs=[queue_gen_result, queue_table, queue_calendar, queue_processor_status],
|
outputs=[queue_gen_result, queue_table, queue_calendar, queue_processor_status],
|
||||||
)
|
)
|
||||||
|
|
||||||
|
|||||||
Loading…
x
Reference in New Issue
Block a user