diff --git a/_autostart.bat b/_autostart.bat new file mode 100644 index 0000000..83cf4b4 --- /dev/null +++ b/_autostart.bat @@ -0,0 +1,3 @@ +@echo off +cd /d "F:\3_Personal\AI\xhs_bot\autobot" +"F:\3_Personal\AI\xhs_bot\autobot\.venv\Scripts\pythonw.exe" "F:\3_Personal\AI\xhs_bot\autobot\main.py" diff --git a/_autostart.vbs b/_autostart.vbs new file mode 100644 index 0000000..5a0b37c --- /dev/null +++ b/_autostart.vbs @@ -0,0 +1,3 @@ +Set WshShell = CreateObject("WScript.Shell") +WshShell.Run chr(34) & "F:\3_Personal\AI\xhs_bot\autobot\_autostart.bat" & chr(34), 0 +Set WshShell = Nothing diff --git a/llm_service.py b/llm_service.py index 5881456..c7cc6b8 100644 --- a/llm_service.py +++ b/llm_service.py @@ -12,21 +12,40 @@ logger = logging.getLogger(__name__) # ================= Prompt 模板 ================= PROMPT_COPYWRITING = """ -你是一个小红书爆款内容专家。请根据用户主题生成内容。 +你是一个真实的小红书博主，正在用手机编辑一篇笔记。你不是内容专家，你只是一个想认真分享的普通人。 + +【你的写作状态】： +想象你刚体验完某件事（试了一个产品/去了一个地方/学到一个技巧），打开小红书想跟朋友们聊聊。你不会字字斟酌，就是把感受写出来。 【标题规则】(严格执行)： 1. 长度限制：必须控制在 18 字以内（含Emoji），绝对不能超过 20 字！ -2. 格式要求：Emoji + 爆点关键词 + 核心痛点。 -3. 禁忌：禁止使用"第一"、"最"、"顶级"等绝对化广告法违禁词。 -4. 风格：二极管标题（震惊/后悔/必看/避雷/哭了），具有强烈的点击欲望。 +2. 像你发朋友圈的语气，口语化、有情绪感。可以用疑问句、感叹句、省略句 +3. 可以加1-2个emoji，但不要堆砌 +4. 禁止广告法违禁词（"第一" "最" "顶级"等） +5. 好的标题示例："后悔没早买！这个真的绝了" "姐妹们被我找到了" "求求你们别再踩这个坑了" +6. 避免AI感标题：不要用"震惊！" "必看！" "干货"这种过于营销的开头 -【正文规则】： -1. 口语化，多用Emoji，分段清晰，不堆砌长句。 -2. 正文控制在 600 字以内（小红书限制 1000 字）。 -3. 结尾必须有 5 个以上相关话题标签(#)。 +【正文规则——像说话一样写】： +1. 想象你在跟闺蜜/朋友面对面聊天，把她说的话打下来就对了 +2. 正文控制在 400-600 字 +3. 不要像写作文一样"首先、其次、最后"，用碎碎念的方式自然展开 +4. 可以有小情绪：吐槽、感叹、自嘲、开心炸裂都行 +5. emoji不要每句话都有，穿插在情绪高点就好（一段文字2-4个emoji足够） +6. 真人笔记特征： + - 会有"话说" "对了" "哦对" 这种口语转折 + - 会有"不是我说" "真的会谢" "笑不活了"这种网络表达 + - 会有不完整的句子、省略号、波浪号 + - 段落长短不一，有的段就一句话，有的段会稍长 +7. 绝对禁止： + ❌ "值得一提的是" "需要注意的是" "总的来说" "综上所述" + ❌ "作为一个xxx" "在这里给大家分享" + ❌ 排比句、对仗工整的总结 + ❌ 每段都很整齐的1234结构 + ❌ "小伙伴们" "宝子们" 等过度热情的称呼（偶尔一次可以） +8. 结尾加 5-8 个相关话题标签(#) 【绘图 Prompt】： -生成对应的 Stable Diffusion 英文提示词，适配 JuggernautXL 模型，强调： +生成 Stable Diffusion 英文提示词，适配 JuggernautXL 模型： - 人物要求（最重要！）：如果画面中有人物，必须是东亚面孔的中国人，使用 asian girl/boy, chinese, east asian features, black hair, dark brown eyes, delicate facial features, fair skin, slim figure 等描述，绝对禁止出现西方人/欧美人特征 - 质量词：masterpiece, best quality, ultra detailed, 8k uhd, high resolution - 光影：natural lighting, soft shadows, studio lighting, golden hour 等（根据场景选择） @@ -34,68 +53,131 @@ PROMPT_COPYWRITING = """ - 构图：dynamic angle, depth of field, bokeh 等 - 细节：detailed skin texture, sharp focus, vivid colors - 审美偏向：整体画面风格偏向东方审美、清新淡雅、小红书风格 -注意：不要使用括号权重语法，直接用英文逗号分隔描述。 +不要使用括号权重语法，直接用英文逗号分隔描述。 返回 JSON 格式： {"title": "...", "content": "...", "sd_prompt": "...", "tags": ["标签1", "标签2", ...]} """ PROMPT_HOTSPOT_ANALYSIS = """ -你是一个小红书运营数据分析专家。下面是搜索到的热门笔记信息： +你是一个有实战经验的小红书运营人。下面是搜索到的热门笔记信息： {feed_data} -请分析这些热门笔记，总结以下内容： -1. **热门选题方向**：提炼 3-5 个最火的细分选题 -2. **标题套路**：总结高赞标题的共同特征和写作模板 -3. **内容结构**：分析爆款笔记的内容组织方式 -4. **推荐模仿方案**：基于分析结果，给出 3 个具体的模仿选题建议 +你要像一个真正做过内容运营的人来分析这些数据，说话方式接地气一点，不要写得像论文。 + +请分析以下方面： + +1. **热门选题方向**：提炼 3-5 个最火的细分选题。不要只写大方向如"美妆""穿搭"，要具体到用户真正感兴趣的切入角度 + +2. **标题拆解**：这些高赞标题的套路是什么？比如用了什么句式、什么情绪钩子、什么悬念。直接举例说明，不要写得很理论 + +3. **内容结构**：爆款笔记是怎么组织内容的？是先说痛点再给方案？还是直接晒结果？用大白话说清楚 + +4. **推荐模仿方案**：给出 3 个具体的选题建议。要具体到"如果是我来写，我会这样切入"的程度，不要泛泛而谈 + +注意： +- 你的分析是给一个普通创作者看的，不是给甲方看报告 +- 说人话，不要堆砌专业术语 +- "内容矩阵""赛道""心智占领""用户画像"这种运营黑话能不用就不用 +- 建议要可执行，不要写"结合自身特色打造差异化内容"这种废话 返回 JSON 格式： {{"hot_topics": ["...", "..."], "title_patterns": ["...", "..."], "content_structure": "...", "suggestions": [{{"topic": "...", "reason": "..."}}]}} """ PROMPT_COMMENT_REPLY = """ -你是一个小红书博主，人设为：{persona}。 -有人在你的笔记下评论了，请你用符合人设的口吻回复。 +你现在是一个真实的小红书博主，你的人设是：{persona}。 +有粉丝在你的笔记下留言了，你需要像真人一样自然回复。 -【规则】： -1. 回复简洁，控制在 50 字以内 -2. 语气亲切自然，像和朋友聊天 -3. 适当加入 1-2 个 Emoji -4. 如果是质疑，礼貌回应；如果是夸奖，真诚感谢 +【核心模拟原则——极其重要】： +你必须模拟一个真实的、活生生的小红书用户在手机上随手打字的状态： +- 打字随意，不追求语法完美，偶尔可以有口语化的省略 +- 真人不会每句话都加 emoji，有时一个都不加也很正常 +- 绝对不要用"哈哈哈"开头（这是 AI 最常见的暴露特征） +- 不要用书面化的转折词（"不过""然而""但是""确实"），用口语（"哎""诶""嘿""是吧""对对对""哇塞"） +- 回复可以很短，甚至只有几个字（"谢谢宝！""对的呀""试试看~"） +- 绝对不要用逗号和句号写出完整的完美句子，真人打字经常没有标点 +- 不要用感叹号过多，真人回复感叹号一般不超过1个 +- 不要用"呢""哦""呀"等语气词堆砌在一起 + +【回复策略】： +- 如果是夸奖/支持 → 简短感谢，可以适当撒娇或害羞（"嘿嘿被你发现了""爱你""抱住"） +- 如果是提问 → 直接回答，不要先说"这个问题很好"之类的废话 +- 如果是质疑/负面 → 轻松带过或幽默化解，不要长篇大论解释 +- 如果是分享经历 → 表示共鸣，简短回应 +- 如果评论很简短（比如"好看""不错"） → 你的回复也应该很简短 + +【禁止出现的 AI 特征】： +❌ "谢谢你的xxx" "感谢你的分享/支持/喜欢" +❌ "作为一个xxx" "我觉得xxx" +❌ 完整的主谓宾结构句子 +❌ 连续使用3个以上emoji +❌ "哈哈哈"开头 +❌ 每句话都有标点符号 +❌ 排比句、对仗句 +❌ "宝子""姐妹""家人们"等称呼（除非人设就是这种风格） 笔记标题：{post_title} -用户评论：{comment} +粉丝评论：{comment} -直接返回回复内容，不需要 JSON 格式。 +直接输出回复内容，不要有任何解释。回复长度请匹配对方评论的长度——对方说的短你也短，对方说的长你可以稍长一点。 """ PROMPT_PROACTIVE_COMMENT = """ -你是一个小红书活跃用户，人设为：{persona}。 -你正在浏览一篇笔记，想要留下一条真诚、有价值的评论，以提升互动和曝光。 +你必须完美伪装成一个真实的小红书用户。你的人设是：{persona}。 +你正在刷小红书，看到了一篇笔记，你想留一条看起来像真人写的评论。 + +【核心!!——你是一个在手机上随手打字的普通人】： +把自己想象成一个躺在沙发上刷手机的人，看到一篇笔记后随手评论。 +你打字很随意，不会字字斟酌，想到什么说什么。 + +【真人评论特征——必须遵循】： +1. 长度自然变化：有时候一句话（"救命也太好看了吧"），有时候两三句，极少超过50字 +2. 真人打字习惯： + - 经常省略主语（"看完立马下单了" 而不是 "我看完后立马下单了"） + - 会用缩写和网络用语（"绝绝子""yyds""蹲一个""dd""awsl"） + - 感叹用语如 "天哪""救命""啊啊啊""绝了" 而不是文绉绉的"真的很棒" + - 偶尔打错字也ok但不要刻意 +3. emoji 使用规则： + - 50%的概率不加任何emoji + - 加的话最多1-2个，而且偏好 😭🫠❤️🥺😍 这类情绪化的 + - 不要用 ✨💫🌟 这种博主式的装饰emoji +4. 绝对不要分点列举！真人评论从不分1234条说 +5. 不要用完整标点，真人评论经常没逗号句号 + +【评论类型——随机选择一种自然风格】： +- 分享真实感受（"这个颜色实物真的绝了 上次路过柜台试了一下就走不动了"） +- 提一个具体问题（"这个是什么色号呀""博主身高多少 我怕买了不合适"） +- 表达种草（"看完直接去搜了""钱包在哭泣"） +- 补充相关经验（"我之前买过xxx 感觉跟这个搭也蛮好看的"） +- 简短共鸣（"真的！""笑死""太真实了""懂了"） + +【绝对禁止——这些是AI评论的特征】： +❌ "写得真好" "内容很有价值" "干货满满" "收藏了" +❌ "博主太厉害了" "学到了" "受益匪浅" "非常实用" +❌ "我也觉得xxx" "我认为xxx" 这种过于理性客观的表达 +❌ "首先...其次...最后..." 任何分点罗列 +❌ 以"哈哈"开头 +❌ 超过3个emoji +❌ 完整规范的标点使用 +❌ 每句话都很完整很正式 +❌ 同时出现"！"和emoji（选一个就够了） +❌ 把笔记标题的关键词重复一遍（比如笔记标题说"穿搭"你就评论"穿搭真好看"） 【笔记信息】： 标题：{post_title} 正文摘要：{post_content} -【已有评论参考（可能为空）】： +【已有评论参考（避免重复）】： {existing_comments} -【评论规则】： -1. 评论简洁自然，控制在 30-80 字，不要像机器人 -2. 体现你对笔记内容的真实感受或个人经验 -3. 可以提问、分享类似经历、或表达共鸣 -4. 适当加入 1-2 个 Emoji，不要过多 -5. 不要重复已有评论的观点，找新角度 -6. 不要生硬带货或自我推广 -7. 语气因内容而异：教程类→请教/补充；种草类→分享体验；生活类→表达共鸣 - -直接返回评论内容，不需要 JSON 格式。 +请直接输出一条评论，不要有任何解释或前缀。记住：你是一个真人，不是AI。 """ PROMPT_COPY_WITH_REFERENCE = """ -你是一个小红书爆款内容专家。参考以下热门笔记的风格和结构，创作全新原创内容。 +你是一个真实的小红书博主，正在参考一些热门笔记来写一篇自己的原创内容。 +你不是在写营销文案，你只是觉得这些笔记写得不错，想借鉴思路写一篇自己的体验分享。 【参考笔记】： {reference_notes} @@ -105,12 +187,25 @@ PROMPT_COPY_WITH_REFERENCE = """ 【标题规则】： 1. 长度限制：必须控制在 18 字以内（含Emoji），绝对不能超过 20 字！ -2. 借鉴参考笔记的标题套路但内容必须原创。 +2. 学习参考笔记标题的情绪感和口语感，但内容完全原创 +3. 写得像你发给朋友看的那种，不要像广告 -【正文规则】： -1. 口语化，多用Emoji，分段清晰。 -2. 正文控制在 600 字以内。 -3. 结尾有 5 个以上话题标签(#)。 +【正文规则——写得像真人】： +1. 想象你是刚体验完然后打开小红书写笔记，把你的真实感受和过程写出来 +2. 正文控制在 400-600 字 +3. 真人写法： + - 开头可以直接说事，不需要"嗨大家好"之类的开场白 + - 中间夹杂一些个人感受和小吐槽（"一开始还在犹豫 结果用了之后真香"） + - 不要面面俱到什么优点都说一遍，挑2-3个最有感触的重点说 + - 可以适当说一两个小缺点，让内容更真实（"唯一的缺点就是xxx 但瑕不掩瑜"） + - 段落自然分割，有的段一两句，有的段稍长 +4. emoji 穿插在情绪高点，不要每句都有，整篇 6-10 个足够 +5. 绝对禁止： + ❌ 排比句、对仗句（"不仅...而且..." "既...又..."） + ❌ "值得一提" "需要注意" "总结一下" 等总结性书面用语 + ❌ 每个段落都很工整的1234结构 + ❌ 面面俱到地罗列所有优点 +6. 结尾加 5-8 个话题标签(#) 【绘图 Prompt】： 生成 Stable Diffusion 英文提示词，适配 JuggernautXL 模型： @@ -198,7 +293,8 @@ class LLMService: """生成小红书文案""" content = self._chat( PROMPT_COPYWRITING, - f"主题：{topic}\n风格：{style}" + f"主题：{topic}\n风格：{style}", + temperature=0.92, ) data = self._parse_json(content) @@ -208,6 +304,10 @@ class LLMService: title = title[:20] data["title"] = title + # 去 AI 化后处理 + if "content" in data: + data["content"] = self._humanize_content(data["content"]) + return data def generate_copy_with_reference(self, topic: str, style: str, @@ -216,12 +316,18 @@ class LLMService: prompt = PROMPT_COPY_WITH_REFERENCE.format( reference_notes=reference_notes, topic=topic, style=style ) - content = self._chat(prompt, f"请创作关于「{topic}」的小红书笔记") + content = self._chat(prompt, f"请创作关于「{topic}」的小红书笔记", + temperature=0.92) data = self._parse_json(content) title = data.get("title", "") if len(title) > 20: data["title"] = title[:20] + + # 去 AI 化后处理 + if "content" in data: + data["content"] = self._humanize_content(data["content"]) + return data def analyze_hotspots(self, feed_data: str) -> dict: @@ -230,12 +336,70 @@ class LLMService: content = self._chat(prompt, "请分析以上热门笔记数据") return self._parse_json(content) + @staticmethod + def _humanize_content(text: str) -> str: + """后处理: 去除长文案中的 AI 书面痕迹""" + t = text + # 替换过于书面化的表达 + ai_phrases = { + "值得一提的是": "对了", + "需要注意的是": "不过要注意", + "总的来说": "反正", + "综上所述": "总之", + "总而言之": "总之", + "不仅如此": "而且", + "与此同时": "然后", + "除此之外": "还有", + "众所周知": "", + "毋庸置疑": "", + "不言而喻": "", + "在这里给大家分享": "来分享", + "在此分享给大家": "分享一下", + "接下来让我们": "", + "话不多说": "", + "废话不多说": "", + "小伙伴们": "姐妹们", + } + for old, new in ai_phrases.items(): + t = t.replace(old, new) + # 去掉 "首先" "其次" "最后" 的分点罗列感 + t = re.sub(r'(?m)^首先[，,：:\s]*', '', t) + t = re.sub(r'(?m)^其次[，,：:\s]*', '', t) + t = re.sub(r'(?m)^最后[，,：:\s]*', '', t) + t = re.sub(r'(?m)^再者[，,：:\s]*', '', t) + # 去掉AI常见的空洞开头 + for prefix in ["嗨大家好！", "嗨，大家好！", "大家好，", "大家好！", "哈喽大家好！"]: + if t.startswith(prefix): + t = t[len(prefix):].strip() + # 清理多余空行 + t = re.sub(r'\n{3,}', '\n\n', t) + return t.strip() + + @staticmethod + def _humanize(text: str) -> str: + """后处理: 去除 AI 输出中常见的非人类痕迹""" + t = text.strip() + # 去掉前后引号包裹 + if (t.startswith('"') and t.endswith('"')) or (t.startswith("'") and t.endswith("'")): + t = t[1:-1].strip() + # 去掉 AI 常见的前缀 + for prefix in ["回复：", "回复:", "评论：", "评论:", "以下是", "好的，"]: + if t.startswith(prefix): + t = t[len(prefix):].strip() + # 去掉末尾多余的句号（真人评论很少用句号结尾） + if t.endswith("。"): + t = t[:-1] + # 限制连续 emoji（最多2个） + t = re.sub(r'([\U0001F600-\U0001F9FF\u2600-\u27BF])\1{2,}', r'\1\1', t) + return t + def generate_reply(self, persona: str, post_title: str, comment: str) -> str: """AI 生成评论回复""" prompt = PROMPT_COMMENT_REPLY.format( persona=persona, post_title=post_title, comment=comment ) - return self._chat(prompt, "请生成回复", json_mode=False, temperature=0.9).strip() + raw = self._chat(prompt, "请生成回复", json_mode=False, temperature=0.95) + return self._humanize(raw) def generate_proactive_comment(self, persona: str, post_title: str, post_content: str, existing_comments: str = "") -> str: @@ -245,4 +409,5 @@ class LLMService: post_content=post_content, existing_comments=existing_comments or "暂无评论", ) - return self._chat(prompt, "请生成评论", json_mode=False, temperature=0.9).strip() + raw = self._chat(prompt, "请生成评论", json_mode=False, temperature=0.95) + return self._humanize(raw) diff --git a/main.py b/main.py index f9794d8..429ad27 100644 --- a/main.py +++ b/main.py @@ -1462,16 +1462,8 @@ def auto_reply_once(max_replies, mcp_url, model, persona_text): time.sleep(random.uniform(1, 3)) - # 加载笔记详情（含评论） - detail = client.get_feed_detail(feed_id, xsec_token, load_all_comments=True) - if "error" in detail: - _auto_log_append(f"⚠️ 加载「{title[:15]}」评论失败，跳过") - continue - - full_text = detail.get("text", "") - - # 解析评论 - comments = client._parse_comments(full_text) + # 加载笔记评论（使用结构化接口） + comments = client.get_feed_comments(feed_id, xsec_token, load_all=True) if not comments: continue @@ -1871,6 +1863,121 @@ def get_scheduler_status(): return "⚪ **调度器未运行**" +# ================================================== +# Windows 开机自启管理 +# ================================================== + +_APP_NAME = "XHS_AI_AutoBot" +_STARTUP_REG_KEY = r"Software\Microsoft\Windows\CurrentVersion\Run" + + +def _get_startup_script_path() -> str: + """获取启动脚本路径（.vbs 静默启动，不弹黑窗）""" + return os.path.join(os.path.dirname(os.path.abspath(__file__)), "_autostart.vbs") + + +def _get_startup_bat_path() -> str: + """获取启动 bat 路径""" + return os.path.join(os.path.dirname(os.path.abspath(__file__)), "_autostart.bat") + + +def _create_startup_scripts(): + """创建静默启动脚本（bat + vbs）""" + app_dir = os.path.dirname(os.path.abspath(__file__)) + venv_python = os.path.join(app_dir, ".venv", "Scripts", "pythonw.exe") + # 如果没有 pythonw，退回 python.exe + if not os.path.exists(venv_python): + venv_python = os.path.join(app_dir, ".venv", "Scripts", "python.exe") + main_script = os.path.join(app_dir, "main.py") + + # 创建 bat + bat_path = _get_startup_bat_path() + bat_content = f"""@echo off +cd /d "{app_dir}" +"{venv_python}" "{main_script}" +""" + with open(bat_path, "w", encoding="utf-8") as f: + f.write(bat_content) + + # 创建 vbs（静默运行 bat，不弹出命令行窗口） + vbs_path = _get_startup_script_path() + vbs_content = f"""Set WshShell = CreateObject("WScript.Shell") +WshShell.Run chr(34) & "{bat_path}" & chr(34), 0 +Set WshShell = Nothing +""" + with open(vbs_path, "w", encoding="utf-8") as f: + f.write(vbs_content) + + return vbs_path + + +def is_autostart_enabled() -> bool: + """检查是否已设置开机自启""" + if platform.system() != "Windows": + return False + try: + import winreg + key = winreg.OpenKey(winreg.HKEY_CURRENT_USER, _STARTUP_REG_KEY, 0, winreg.KEY_READ) + try: + val, _ = winreg.QueryValueEx(key, _APP_NAME) + winreg.CloseKey(key) + return bool(val) + except FileNotFoundError: + winreg.CloseKey(key) + return False + except Exception: + return False + + +def enable_autostart() -> str: + """启用 Windows 开机自启""" + if platform.system() != "Windows": + return "❌ 此功能仅支持 Windows 系统" + try: + import winreg + vbs_path = _create_startup_scripts() + key = winreg.OpenKey(winreg.HKEY_CURRENT_USER, _STARTUP_REG_KEY, 0, winreg.KEY_SET_VALUE) + # 用 wscript 运行 vbs 以实现静默启动 + winreg.SetValueEx(key, _APP_NAME, 0, winreg.REG_SZ, f'wscript.exe "{vbs_path}"') + winreg.CloseKey(key) + logger.info(f"开机自启已启用: {vbs_path}") + return "✅ 开机自启已启用\n下次开机时将自动后台运行本程序" + except Exception as e: + logger.error(f"设置开机自启失败: {e}") + return f"❌ 设置失败: {e}" + + +def disable_autostart() -> str: + """禁用 Windows 开机自启""" + if platform.system() != "Windows": + return "❌ 此功能仅支持 Windows 系统" + try: + import winreg + key = winreg.OpenKey(winreg.HKEY_CURRENT_USER, _STARTUP_REG_KEY, 0, winreg.KEY_SET_VALUE) + try: + winreg.DeleteValue(key, _APP_NAME) + except FileNotFoundError: + pass + winreg.CloseKey(key) + # 清理启动脚本 + for f in [_get_startup_script_path(), _get_startup_bat_path()]: + if os.path.exists(f): + os.remove(f) + logger.info("开机自启已禁用") + return "✅ 开机自启已禁用" + except Exception as e: + logger.error(f"禁用开机自启失败: {e}") + return f"❌ 禁用失败: {e}" + + +def toggle_autostart(enabled: bool) -> str: + """切换开机自启状态（供 UI 调用）""" + if enabled: + return enable_autostart() + else: + return disable_autostart() + + # ================================================== # UI 构建 # ================================================== @@ -1959,6 +2066,18 @@ with gr.Blocks( ) status_bar = gr.Markdown("🔄 等待连接...") + gr.Markdown("---") + gr.Markdown("#### 🖥️ 系统设置") + with gr.Row(): + autostart_toggle = gr.Checkbox( + label="🚀 Windows 开机自启（静默后台运行）", + value=is_autostart_enabled(), + interactive=(platform.system() == "Windows"), + ) + autostart_status = gr.Markdown( + value="✅ 已启用" if is_autostart_enabled() else "⚪ 未启用", + ) + # ============ Tab 页面 ============ with gr.Tabs(): # -------- Tab 1: 内容创作 -------- @@ -2738,6 +2857,13 @@ with gr.Blocks( outputs=[sched_status, auto_stats_display], ) + # ---- 开机自启 ---- + autostart_toggle.change( + fn=toggle_autostart, + inputs=[autostart_toggle], + outputs=[autostart_status], + ) + # ---- 启动时自动刷新 SD ---- app.load(fn=connect_sd, inputs=[sd_url], outputs=[sd_model, status_bar]) diff --git a/mcp_client.py b/mcp_client.py index c8b052e..7293638 100644 --- a/mcp_client.py +++ b/mcp_client.py @@ -273,55 +273,82 @@ class MCPClient: return self._parse_feed_entries(result.get("text", "")) @staticmethod - def _parse_comments(text: str) -> list[dict]: + def _extract_comment_obj(c: dict) -> dict: + """从单个评论 JSON 对象提取结构化数据""" + user_info = c.get("userInfo") or c.get("user") or {} + return { + "comment_id": str(c.get("id", c.get("commentId", ""))), + "user_id": user_info.get("userId", user_info.get("user_id", "")), + "nickname": user_info.get("nickname", user_info.get("nickName", "未知")), + "content": c.get("content", ""), + "sub_comment_count": c.get("subCommentCount", 0), + } + + @staticmethod + def _find_comment_list(data: dict) -> list: + """在多种嵌套结构中定位评论列表""" + if not isinstance(data, dict): + return [] + # 格式1: {"data": {"comments": {"list": [...]}}} —— 实际 MCP 返回 + d = data.get("data", {}) + if isinstance(d, dict): + cm = d.get("comments", {}) + if isinstance(cm, dict) and "list" in cm: + return cm["list"] + if isinstance(cm, list): + return cm + # 格式2: {"comments": {"list": [...]}} + cm = data.get("comments", {}) + if isinstance(cm, dict) and "list" in cm: + return cm["list"] + if isinstance(cm, list): + return cm + # 格式3: {"data": [{...}, ...]} (直接列表) + if isinstance(d, list): + return d + return [] + + @classmethod + def _parse_comments(cls, text: str) -> list[dict]: """从笔记详情文本中解析评论列表为结构化数据 返回: [{comment_id, user_id, nickname, content, sub_comment_count}, ...] """ comments = [] - # 方式1: 尝试 JSON 解析 + # 方式1: 尝试 JSON 解析（支持多种嵌套格式） try: data = json.loads(text) raw_comments = [] - if isinstance(data, dict): - raw_comments = data.get("comments", []) - elif isinstance(data, list): + if isinstance(data, list): raw_comments = data + elif isinstance(data, dict): + raw_comments = cls._find_comment_list(data) for c in raw_comments: - user_info = c.get("userInfo") or c.get("user") or {} - comments.append({ - "comment_id": c.get("id", c.get("commentId", "")), - "user_id": user_info.get("userId", user_info.get("user_id", "")), - "nickname": user_info.get("nickname", user_info.get("nickName", "未知")), - "content": c.get("content", ""), - "sub_comment_count": c.get("subCommentCount", 0), - }) + if isinstance(c, dict) and c.get("content"): + comments.append(cls._extract_comment_obj(c)) if comments: return comments except (json.JSONDecodeError, TypeError, AttributeError): pass - # 方式2: 正则提取 —— 适配多种 MCP 文本格式 - # 格式举例: "评论ID: xxx | 用户: xxx (userId) | 内容: xxx" - # 或者: 用户名(@nickname): 评论内容 - comment_ids = re.findall( - r'(?:comment_?[Ii]d|评论ID|评论id|"id")["\s:：]+([0-9a-f]{24})', text, re.I) - user_ids = re.findall( - r'(?:user_?[Ii]d|userId|用户ID)["\s:：]+([0-9a-f]{24})', text, re.I) - nicknames = re.findall( - r'(?:nickname|昵称|用户名|用户)["\s:：]+([^\n|,]{1,30})', text, re.I) - contents = re.findall( - r'(?:content|内容|评论内容)["\s:：]+([^\n]{1,500})', text, re.I) - - count = max(len(comment_ids), len(contents)) - for i in range(count): + # 方式2: 正则提取 —— 仅当 JSON 完全失败时使用 + # 逐个评论块提取，避免跨评论字段错位 + # 匹配 JSON 对象中相邻的 id + content + userInfo 组合 + comment_blocks = re.finditer( + r'"id"\s*:\s*"([0-9a-fA-F]{20,26})"[^}]*?' + r'"content"\s*:\s*"([^"]{1,500})"[^}]*?' + r'"userInfo"\s*:\s*\{[^}]*?"userId"\s*:\s*"([0-9a-fA-F]{20,26})"' + r'[^}]*?"nickname"\s*:\s*"([^"]{1,30})"', + text, re.DOTALL + ) + for m in comment_blocks: comments.append({ - "comment_id": comment_ids[i] if i < len(comment_ids) else "", - "user_id": user_ids[i] if i < len(user_ids) else "", - "nickname": (nicknames[i].strip() if i < len(nicknames) else ""), - "content": (contents[i].strip() if i < len(contents) else ""), + "comment_id": m.group(1), + "user_id": m.group(3), + "nickname": m.group(4), + "content": m.group(2), "sub_comment_count": 0, }) @@ -339,6 +366,35 @@ class MCPClient: } return self._call_tool("get_feed_detail", args) + def get_feed_comments(self, feed_id: str, xsec_token: str, + load_all: bool = True) -> list[dict]: + """获取笔记评论列表（结构化） + + 直接返回解析好的评论列表，优先从 raw JSON 解析 + """ + result = self.get_feed_detail(feed_id, xsec_token, load_all_comments=load_all) + if "error" in result: + return [] + + # 优先从 raw 结构中直接提取 + raw = result.get("raw", {}) + if raw and isinstance(raw, dict): + for item in raw.get("content", []): + if item.get("type") == "text": + try: + data = json.loads(item["text"]) + comment_list = self._find_comment_list(data) + if comment_list: + return [self._extract_comment_obj(c) + for c in comment_list + if isinstance(c, dict) and c.get("content")] + except (json.JSONDecodeError, KeyError, TypeError): + pass + + # 回退到 text 解析 + text = result.get("text", "") + return self._parse_comments(text) if text else [] + # ---------- 发布 ---------- def publish_content(self, title: str, content: str, images: list[str],