zhoujie
4d83c0f4a9
- 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
4.8 KiB
Context
当前系统有两条独立的发布路径：
scheduler.py→auto_publish_once()→ 直接生成 + 直接发布到小红书（绕过队列）queue_ops.py→generate_to_queue()→PublishQueueSQLite 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_weightstop 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