Files
Obsidian/MyWorks/新媒体发布平台.md
T
2026-07-21 14:53:24 +08:00

266 lines
11 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
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。
---