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
3.4 KiB
3.4 KiB
Why
当前热点探测流程存在两个问题：
- 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。 - 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_hotspothotspot-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