website-new官网项目的后台管理的内容列表中的文章,对应处于草稿状态的文章,我希望有这样的需求: 1、读取草稿文章的内容,通过大模型改写文章; 2、将改写好的文章,覆盖数据库中的原文章,并将文章的状态从“草稿”改成“发布”; 3、如果你能识别图片内容的话,丢弃无效的图片(比如:包含二维码的图片,包含原作者图像的图片,包含一般性人物头像的图片等),对于有效图片,可以通过我们的AI生图Seedream模型,重新生成类似的图片; 4、将改写好的文章发布公众号文章; 对于以上功能和需求,用户可能发起的方式有: 1、通过技能触发,也就是直接在nanobot里面,告诉你,在网站后台找到某个草稿文章,改写和覆盖,然后发布公众号文章; 2、用户在管理后台的草稿文章列表中,点击某个按钮“改写和发布”,然后通过固定的代码流程实现上述功能; 关于以上我的论述,你理解一下,给出你的想法和建议! 我们先讨论方案,再决定具体实现。 --- Nanobot给LLM的提示词!改写提示词在 `website-new/rewrite/pipeline.py` 里,核心是这个 `SYSTEM_PROMPT`: ``` 你是一个专业的医疗健康内容编辑。请将下面的文章改写为适合微信公众号发布的版本。 改写要求: 1. 保持医疗准确性: 不得改变任何医学事实、数据、诊断标准、用药建议 2. 风格口语化: 用亲近自然的语气,像医生朋友在聊天。适当使用emoji(每段不超过1个) 3. 保留结构: 保留原文的章节标题和信息层次,但标题可以重新提炼得更吸引人 4. 精简优化: 去除重复表述,合并相近内容,让文章更紧凑 5. 适合手机阅读: 段落短小(2-3句一段),善用小标题和列表 6. 只输出改写后的 markdown,不要加任何解释说明 输出格式: 纯 markdown 文本,可以包含: - **粗体** 强调关键信息 - 无序列表 - - ## 二级标题(如果需要) - 段间空行分隔 ``` **调用参数**:模型 `deepseek-v4-flash`,temperature 0.7,max_tokens 4096。 顺便提一下,pipeline 里也有「志玲模式」——传 `--content-file` 参数可以跳过 LLM 改写,直接用你预改写好的 markdown 去发布。 --- ## 你的需求我这样理解 核心流程是一条流水线: ``` 草稿文章 → LLM改写 → 图片清洗/重生成 → 覆盖DB+改状态 → 发布公众号 ``` 两个触发入口:① 跟我聊天触发(Nanobot skill);② 管理后台按钮触发(前后端自动化)。 --- ## 我的分析和建议 ### 1. 方案①(Nanobot skill)—— 现在就能做,几乎零成本 我本身就是一个 LLM,你告诉我找某篇草稿,我就可以: - 通过 API/数据库读取文章内容 - 改写正文 - 更新数据库(状态改为"发布") - 调用 `baoyu-post-to-wechat` 发公众号 **图片处理**是唯一需要额外工具的环节。需要分两层: | 检测类型 | 技术方案 | 难度 | |---------|---------|------| | 二维码 | `pyzbar` 库,准确率很高 | 低 | | 人物头像/人像 | OpenCV 人脸检测 或 调用视觉模型 | 中 | | "原作者图像"等语义判断 | 必须用视觉 LLM(如 GPT-4V),纯代码做不到 | 高 | 建议**图片处理分阶段**:先上二维码过滤(简单可靠),人像检测视需求再加。 ### 2. 方案②(管理后台按钮)——需要后端支持 这个链路长,涉及: - **前端**:文章列表加"改写和发布"按钮,点击后调 API,展示进度 - **后端**:新增 API 端点,编排整个流水线(读文章→调 LLM→处理图片→更新 DB→发公众号) - **异步化**:整条链路耗时可能 30s~2min(LLM + 图片生成),不适合同步 HTTP,建议用后台任务 + 轮询状态 ### 3. 能不能复用现有东西? 已有的可以直接用: - **公众号发布**:`baoyu_optimized.py` 的发布逻辑 + 博客同步 - **Seedream 生图**:API Key 和模型已配好 - **文章 DB 操作**:后端 FastAPI 已有文章 CRUD,直接调 ORM 或 API 跟 `wewrite` skill 的关系:wewrite 流程是「改编→排版→发布」,你这个新需求本质上是同一套流程,只是**起点不同**(CMS 草稿 vs 外部来源)。可以考虑把核心流水线抽象出来共用。 ### 4. 我建议的实施顺序 1. **先跑通方案①**(Nanobot 手动触发)——验证整条链路可行,摸清耗时和坑 2. **再补方案②**(后台按钮)——基于方案①的成熟逻辑,封装成后端 API + 前端按钮 3. **图片 AI 判断最后做**——前期先人工判断哪些图要丢,稳定后再接入视觉模型 --- ## 想先确认几个问题 - 改写风格有偏好吗?比如保持原文结构还是自由发挥?面向什么受众? - 图片重生成:是希望 Seedream「根据原图描述生成类似的」,还是「根据文章上下文全新配图」? - 方案①要不要我现在就试一篇文章跑通看看效果? - --- 好,我仔细看了现有代码,现在给你分析。 --- ## 现有两个技能的职责 | | wewrite | baoyu-post-to-wechat | |---|---|---| | **输入** | 外部来源内容 | Markdown/HTML 文件 | | **职责** | 改编→排版→发布 | 文件→公众号草稿 + 博客同步 | | **博客同步** | 无 | **有**(blog_sync.py,同步到 129.211.173.87 那个博客) | 两者都不适合直接套用。新流程的独特性在于: - **输入是 CMS 数据库里的草稿文章**(不是文件,不是外部来源) - **需要回写 CMS 数据库**(改状态) - **不需要博客同步**(那个是另一个项目) --- ## 我的建议:新建一个独立 skill 推荐方案:**新建 `cms-rewrite-publish`**,不修改现有两个 skill。 理由很简单: **复用而不修改**——`baoyu-post-to-wechat` 里的 `WeChatPublisher` 类是干净的公众号 API 封装(获取 token、上传图片、创建草稿),新 skill 直接 `import` 它来用,但**不调用** `publish_markdown_with_images()`(因为它绑定了博客同步)。 新 skill 的流程: ``` CMS草稿 → 我(LLM)改写 → WeChatPublisher.create_draft() → SQLite改状态 ``` 具体来说: ``` 1. 通过 API 或 SQLite 找到草稿文章(按标题 / 按栏目最新) 2. 我读取内容,直接改写(我就是 LLM,不需要调外部 API) 3. 调用 WeChatPublisher.create_draft(title, html, author, digest, cover) 4. SQLite UPDATE articles SET status='published' WHERE id=? 5. (图片处理后期再加) ``` 关键点: - **博客同步被自然绕过**——因为我们直接调 `create_draft()`,不走 `publish_markdown_with_images()` 那条带 blog_sync 的路径 - **`baoyu-post-to-wechat` 完全不动**——它继续服务原有的「文件→发布」场景 - **新 skill 轻量**——主要是编排逻辑 + CMS 操作,公众号能力都复用 --- ## 跟你的触发方式的对应 两种触发方式都能覆盖: | 触发方式 | 实现 | |---------|------| | 跟我聊天说「改写 xxx 标题的草稿」 | 新 skill 的 SKILL.md 写清楚触发词,我按流程执行 | | 后台按钮(方案②后续) | 后端新增 API,内部调用同样的 Python 逻辑 | --- ## 如果同意,下一步我做什么? 1. 检查一下 `baoyu_optimized.py` 里 `create_draft()` 的签名,确认直接调用没问题 2. 创建新 skill 目录和 SKILL.md 3. 写一个轻量的 Python 脚本做 CMS 侧操作(查文章、更新状态) 4. 先拿一篇真实草稿跑通全流程验证 你觉得这个方向可以吗? --- 基于你写的完整设计文档已写入 `/home/ubuntu/website-new/docs/CMS_REWRITE_PUBLISH.md` 你逐步执行你说的4点: 1. 检查一下 `baoyu_optimized.py` 里 `create_draft()` 的签名,确认直接调用没问题 2. 创建新 skill 目录和 SKILL.md 3. 写一个轻量的 Python 脚本做 CMS 侧操作(查文章、更新状态) 4. 先拿一篇真实草稿跑通全流程验证 另外:关于第3点, Python 脚本的一些事情。这个技能是跟网站项目紧耦合的,我建议相关的Python代码,放到网站项目/mnt/datadisk0/www/new-media-platform/website-new的某个目录下比较好。 --- ## pinkbear提取sogou.weixin的逻辑!!! 非常好 你现在的提取真实 URL 逻辑,是不是跟/home/ubuntu/new-media-platform/website-new/backend/app/routers 一样? 已修复完成,总结一下改动: **问题原因**:搜狗 `link?url=` 页面返回的是反爬页面(仅 822 字节),包含一段 JS 用 `url += '...'` 拼接出真实的 `mp.weixin.qq.com/s?` 链接。之前直接把这个反爬页面当文章内容解析,导致所有文章内容为空(标题全是"搜狗搜索")。 **修复内容**(`api/lib/wechat-crawler.ts`): 1. **新增 `extractSogouRedirectUrl()`** — 从反爬页 JS 中提取拼接的真实微信文章 URL 2. **新增 `isSogouAntiSpiderPage()`** — 检测是否为搜狗反爬页面(特征:长度 < 2000 + `setTimeout` + `url +=` + `mp.weixin.qq.c`) 3. **修改 `fetchWechatArticle()`** — 检测到反爬页面后: - 提取真实 URL → 延迟 1.5s → 带微信 UA 直接请求 `mp.weixin.qq.com` - 将获取到的正文 HTML 传给 `extractWechatContent` 正常解析 **清理**: - 已从数据库删除 94 条空内容微信文章 - 服务已重建并重启运行中 **不一样。两者策略完全不同:** **pink-app(`wechat-crawler.ts`)** — 纯 HTTP 方案(axios) - 请求搜狗链接 → 拿到反爬 HTML → 用正则从 `setTimeout` 内的 JS 代码中提取出 `url += '...'` 拼接后的真实 `mp.weixin.qq.com/s?` URL → 用那个 URL 重新请求文章内容 - 不依赖浏览器,纯文本解析 **new-media-platform(`wechat_crawl.py`)** — Playwright 浏览器方案 - 直接启动 Playwright + Stealth 浏览器 → 先访问搜狗搜索页建立会话 → 然后 `page.goto(url)` 加载页面 - JS 由浏览器自动执行,不需要手动提取 URL - 反爬页面的 `setTimeout` + `window.location.replace(url)` 在浏览器中会自动跳转到真实微信 URL **简而言之**:pink-app 是"文本提取型"——从代码里抠出真实 URL 再请求;新平台是"浏览器渲染型"——让 Playwright 自己处理 JS 跳转。 如果新平台也想像 pink-app 这样纯 HTTP 请求绕过反爬,可以复用 pink-app 的 `extractSogouRedirectUrl` 逻辑,改成 Python 版本。不过 Playwright 方案稳定性更好,代价是资源消耗大。 --- 蔡叔叔,查过了: --- **微信公众号 API 只有两步流程:** 1. `draft/add` → 创建草稿(我们现在做的) 2. `freepublish/submit` → 将草稿提交发布 **没有一步直达的接口**,必须经过草稿。 --- 所以目前保留在草稿箱是合理的。如果要全自动,加上第二步 `freepublish/submit` 就行,一行代码的事。但我建议**不自动发布**,原因跟你说的完全一致: - 改写质量不可 100% 保证,人工过一眼更稳 - 封面图、摘要这些 AI 生成的东西有时需要微调 - 万一 DeepSeek 抽风输出敏感内容,还能拦住 现在每天早 8 点、晚 8 点自动生成 2 篇进草稿箱,操作人员上班看一眼点发布就行,效率和安全感都有。 ---