CIBank/backend/README.md

餐智库后端服务

餐饮行业知识库后端，提供采集管道、结构化引擎和 RAG 问答 API。

目录结构

backend/
├── app.py              # Flask API 服务（端口 8788）
├── crawler.py          # 采集管道：公众号文章抓取 + 视频号 ASR
├── video_downloader.py # 视频号批量下载管理器（调用 wx_channels_download API）
├── structurer.py       # 结构化引擎：LLM 打标签/摘要/要点/品牌识别
├── daily_pipeline.py   # 每日增量流水线：备份/采集/分析/向量/行业信号
├── rag.py              # RAG 问答：向量检索 + LLM 生成
├── schema.sql          # SQLite 数据库 schema
├── requirements.txt    # Python 依赖
├── .env.example        # 环境变量模板
├── video_config.json   # 视频源配置（账号、finder、下载目录）
├── video_sources.json  # 旧格式视频源（兼容）
├── run.sh              # 一键启动脚本
└── data/               # SQLite 数据库目录（自动创建）

快速开始

1. 安装依赖

cd backend
python3 -m venv venv
source venv/bin/activate
pip install -r requirements.txt
playwright install chromium

2. 配置环境变量

cp .env.example .env
# 编辑 .env，填入你的 DASHSCOPE_API_KEY

3. 启动服务

# 方式一：一键启动前后端
./run.sh

# 方式二：仅启动后端
python app.py

4. 数据采集与分析流程

# 步骤1：采集公众号文章
python crawler.py --source-type 公众号

# 步骤2：视频号批量下载（需要先启动 wx_channels_download 工具）
#   2a. 启动下载工具（另开终端）
#       sudo networksetup -setv6off Wi-Fi          # 禁用 IPv6（关键！）
#       sudo <工具路径>/wx_video_download           # 以管理员启动
#       # 然后重启微信，打开视频号
#
#   2b. 自动检测新视频并下载
python video_downloader.py
#       # 下载完成后自动触发 ASR 转写入库
#
#   2c. 仅下载不转写
python video_downloader.py --no-transcribe
#
#   2d. 仅检查工具是否运行
python video_downloader.py --check

# 步骤3：采集视频号内容（本地视频 → FFmpeg 提取音频 → FunASR 转写）
# 如果已通过 video_downloader.py 自动转写，可跳过此步
# 需要先配置 video_config.json 指定视频文件所在目录
# 需要本地安装 FFmpeg 和 FunASR
python crawler.py --source-type 视频号

# 步骤4：批量结构化分析
python structurer.py analyze

# 步骤5：提取跨文章行业信号
python structurer.py signals --days 30

# 步骤6：生成向量嵌入（用于 RAG 检索）
python structurer.py embed

5. 每日自动流水线

python3 daily_pipeline.py status
python3 daily_pipeline.py daily
python3 daily_pipeline.py full --skip-crawl

daily 仅处理新增或变化内容；full 强制重新分析和重建向量。任务包含数据库备份、运行锁、步骤日志和最近14份备份保留。运行前必须在 .env 配置 DASHSCOPE_API_KEY。

macOS 定时任务模板为 com.cibank.daily-pipeline.plist，默认每天 02:00 运行。安装后可用以下命令检查：

launchctl print gui/$(id -u)/com.cibank.daily-pipeline

6. 视频号下载工具配置

视频号内容获取使用 wx_channels_download 工具， 详细配置指南参考 微信视频号批量下载工具配置指南.md。

关键步骤：

1. 下载工具预编译版本（macOS arm64）
2. xattr -d com.apple.quarantine wx_video_download 去除隔离标记
3. 禁用 IPv6：sudo networksetup -setv6off Wi-Fi（macOS 必做！）
4. 关闭 VPN / 代理软件
5. sudo wx_video_download 以管理员启动
6. 重启微信，打开视频号
7. 配置 video_config.json 指定视频号账号和下载目录
8. 运行 python video_downloader.py 自动检测并下载新视频

使用完毕后恢复：

sudo networksetup -setv6automatic Wi-Fi   # 恢复 IPv6

API 接口

方法	路径	说明
GET	/api/health	健康检查
GET	/api/stats	概览统计
GET	/api/dashboard	仪表盘数据
GET	/api/intel	情报流列表（支持 type/category/q 筛选）
GET	/api/intel/<id>	情报详情
GET	/api/brands	品牌库列表
GET	/api/brands/<id>	品牌详情
GET	/api/analysis	赛道分析数据
GET	/api/reports	报告列表
POST	/api/qa/ask	RAG 问答
POST	/api/crawl/run	触发采集
POST	/api/analyze/run	触发结构化分析
GET	/api/crawl/runs	采集运行记录
GET	/api/sources?type=	信源列表（支持按类型筛选）
POST	/api/sources	添加信源
PUT	/api/sources/<id>	编辑信源
DELETE	/api/sources/<id>	删除信源
POST	/api/sources/<id>/toggle	启用/停用信源

环境变量

变量	说明	默认值
DASHSCOPE_API_KEY	阿里云通义千问 API Key	必填
QWEN_MODEL	使用的千问模型	qwen-plus
EMBEDDING_MODEL	文本向量模型	text-embedding-v3
PORT	Flask 服务端口	8765
CRAWL_ARTICLE_PAUSE	文章采集间隔（秒）	2.0
CRAWL_LIST_PAUSE	列表页滚动间隔（秒）	1.5
CRAWL_MAX_SCROLLS	列表页最大滚动次数	15
CRAWL_LOOKBACK_DAYS	回溯天数	7
FFMPEG_PATH	FFmpeg 可执行文件路径	/usr/local/bin/ffmpeg
FFPROBE_PATH	ffprobe 可执行文件路径	/usr/local/bin/ffprobe
FUNASR_PATH	FunASR 可执行文件路径	/usr/local/bin/funasr
ASR_MODEL	ASR 模型名称	sensevoice
ASR_HOTWORDS	ASR 热词（提升餐饮术语识别率）	餐饮行业热词
VIDEO_AUDIO_ROOT	提取的音频文件存储目录	backend/data/audio
WX_VIDEO_API	wx_channels_download 工具 API 地址	http://127.0.0.1:2022

前端集成

前端通过 Vite 代理将 /api 请求转发到后端 http://127.0.0.1:8788。后端不可用时，前端显示加载失败或空状态。