⭐AI-driven public opinion & trend monitor with multi-platform aggregation, RSS, and smart alerts.🎯 告别信息过载,你的 AI 舆情监控助手与热点筛选工具!聚合多平台热点 + RSS 订阅,支持关键词精准筛选。AI 智能筛选新闻 + AI 翻译 + AI 分析简报直推手机,也支持接入 MCP 架构,赋能 AI 自然语言对话分析、情感洞察与趋势预测等。支持 Docker ,数据本地/云端自持。集成微信/飞书/钉钉/Telegram/邮件/ntfy/bark/slack 等渠道智能推送。
Python aibarkdata-analysisdockerhot-newsllmmailmcpmcp-servernewsntfypythonrsstrending-topicswechatwework
feat: 基于 litellm 支持调用 100+大型语言模型 API,优化ai分析的提示词等更新
sansanb41e43580c91
diff --git a/.github/workflows/crawler.yml b/.github/workflows/crawler.ymlindex ff6a912321..f6c4c07aff 100644--- a/.github/workflows/crawler.yml+++ b/.github/workflows/crawler.yml@@ -157,9 +157,8 @@ jobs:# AI 配置(ai_analysis 和 ai_translation 共享模型配置)AI_ANALYSIS_ENABLED: ${{ secrets.AI_ANALYSIS_ENABLED }}AI_API_KEY: ${{ secrets.AI_API_KEY }}- AI_PROVIDER: ${{ secrets.AI_PROVIDER }}AI_MODEL: ${{ secrets.AI_MODEL }}- AI_BASE_URL: ${{ secrets.AI_BASE_URL }}+ AI_API_BASE: ${{ secrets.AI_API_BASE }}# 远程存储配置S3_BUCKET_NAME: ${{ secrets.S3_BUCKET_NAME }}S3_ACCESS_KEY_ID: ${{ secrets.S3_ACCESS_KEY_ID }}diff --git a/README-EN.md b/README-EN.mdindex fc0fdc2183..e9dd0c130b 100644--- a/README-EN.md+++ b/README-EN.md@@ -13,8 +13,8 @@ Deploy in <strong>30 seconds</strong> — Say goodbye to endless scrolling, only[](https://github.com/sansan0/TrendRadar/stargazers)[](https://github.com/sansan0/TrendRadar/network/members)[](LICENSE)-[](https://github.com/sansan0/TrendRadar)-[](https://github.com/sansan0/TrendRadar)+[](https://github.com/sansan0/TrendRadar)+[](https://github.com/sansan0/TrendRadar)[](https://github.com/sansan0/TrendRadar)[](https://github.com/sansan0/TrendRadar)@@ -173,6 +173,24 @@ After communication, the author indicated no concerns about server pressure, but>**📌 Check Latest Updates**: **[Original Repository Changelog](https://github.com/sansan0/TrendRadar?tab=readme-ov-file#-changelog)**:- **Tip**: Check [Changelog] to understand specific [Features]+### 2026/01/19 - v5.3.0++> **Major Refactor: AI Module Migration to LiteLLM**++- **Unified AI Interface**: Replaced manual implementation with LiteLLM, supporting 100+ AI providers+- **Simplified Configuration**: Removed `provider` field, now using `model: "provider/model_name"` format+- **New Features**: Auto-retry (`num_retries`), fallback models (`fallback_models`)+- **Configuration Changes**:+ - `ai.provider` → Removed (merged into model)+ - `ai.base_url` → `ai.api_base`+ - `AI_PROVIDER` environment variable → Removed+ - `AI_BASE_URL` environment variable → `AI_API_BASE`+- **Model Format Examples**:+ - DeepSeek: `deepseek/deepseek-chat`+ - OpenAI: `openai/gpt-4o`+ - Gemini: `gemini/gemini-2.5-flash`+ - Anthropic: `anthropic/claude-3-5-sonnet`+### 2026/01/17 - v5.2.0> See config.yaml for details@@ -3233,19 +3251,32 @@ The simplest way is via environment variables (Recommended for GitHub Secrets or|--------------|-------|-------------|| `AI_ANALYSIS_ENABLED` | `true` | Enable switch || `AI_API_KEY` | `sk-xxxxxx` | Your API Key |-| `AI_PROVIDER` | `deepseek` | AI Provider (see table below) |-| `AI_MODEL` | `deepseek-chat` | Model Name |--**Supported AI Providers**:--| Provider | AI_PROVIDER Value | Default Model (AI_MODEL) |-|----------|-------------------|------------------------|-| **DeepSeek** (Recommended) | `deepseek` | `deepseek-chat` |-| **OpenAI** | `openai` | `gpt-4o` |-| **Google Gemini** | `gemini` | `gemini-1.5-flash` |-| **Custom** (OneAPI) | `custom` | Requires `AI_BASE_URL` |--> 💡 **Tip**: DeepSeek offers excellent performance/price ratio, highly suitable for high-frequency news analysis.+| `AI_MODEL` | `deepseek/deepseek-chat` | Model identifier (format: `provider/model`) |++**Supported AI Providers** (Based on LiteLLM, supports 100+ providers):++| Provider | AI_MODEL Value | Description |+|----------|----------------|-------------|+| **DeepSeek** (Recommended) | `deepseek/deepseek-chat` | Excellent cost-performance ratio for high-frequency analysis |+| **OpenAI** | `openai/gpt-4o`<br>`openai/gpt-4o-mini` | GPT-4o series |+| **Google Gemini** | `gemini/gemini-1.5-flash`<br>`gemini/gemini-1.5-pro` | Gemini series |+| **Claude** | `anthropic/claude-3-5-sonnet-20241022` | Anthropic Claude series |+| **Zhipu AI** | `zhipu/glm-4-plus`<br>`zhipu/glm-4-flash` | Chinese model with native Chinese support |+| **Moonshot** | `moonshot/moonshot-v1-8k`<br>`moonshot/moonshot-v1-32k` | Kimi series |+| **Qwen** | `qwen/qwen-plus`<br>`qwen/qwen-turbo` | Alibaba Cloud Tongyi Qianwen |+| **Custom API** | Any format | Use with `AI_API_BASE` |++> 💡 **New Feature**: Now based on [LiteLLM](https://github.com/BerriAI/litellm) unified interface, supporting 100+ AI providers with simpler configuration and better error handling.++**Optional Configurations**:++| Variable Name | Default | Description |+|--------------|---------|-------------|+| `AI_API_BASE` | (auto) | Custom API endpoint (e.g., OneAPI, local models) |+| `AI_TEMPERATURE` | `1.0` | Sampling temperature (0-2, higher = more random) |+| `AI_MAX_TOKENS` | `5000` | Maximum tokens to generate |+| `AI_TIMEOUT` | `120` | Request timeout (seconds) |+| `AI_NUM_RETRIES` | `2` | Number of retries on failure |#### Advanced: AI Translationdiff --git a/README.md b/README.mdindex 0c76774533..468b1fd61d 100644--- a/README.md+++ b/README.md@@ -13,8 +13,8 @@[](https://github.com/sansan0/TrendRadar/stargazers)[](https://github.com/sansan0/TrendRadar/network/members)[](LICENSE)-[](https://github.com/sansan0/TrendRadar)-[](https://github.com/sansan0/TrendRadar)+[](https://github.com/sansan0/TrendRadar)+[](https://github.com/sansan0/TrendRadar)[](https://github.com/sansan0/TrendRadar)[](https://github.com/sansan0/TrendRadar)@@ -220,6 +220,24 @@> **📌 查看最新更新**:**[原仓库更新日志](https://github.com/sansan0/TrendRadar?tab=readme-ov-file#-更新日志)** :- **提示**:建议查看【历史更新】,明确具体的【功能内容】+### 2026/01/19 - v5.3.0++> **重大重构:AI 模块迁移至 LiteLLM**++- **统一 AI 接口**:使用 LiteLLM 替代手动实现,支持 100+ AI 提供商+- **简化配置**:移除 `provider` 字段,改用 `model: "provider/model_name"` 格式+- **新增功能**:自动重试 (`num_retries`)、备用模型 (`fallback_models`)+- **配置变更**:+ - `ai.provider` → 移除(已合并到 model)+ - `ai.base_url` → `ai.api_base`+ - `AI_PROVIDER` 环境变量 → 移除+ - `AI_BASE_URL` 环境变量 → `AI_API_BASE`+- **模型格式示例**:+ - DeepSeek: `deepseek/deepseek-chat`+ - OpenAI: `openai/gpt-4o`+ - Gemini: `gemini/gemini-2.5-flash`+ - Anthropic: `anthropic/claude-3-5-sonnet`+### 2026/01/17 - v5.2.0> 主要见 config.yaml 描述@@ -3227,19 +3245,32 @@ app:|-------|-------|------|| `AI_ANALYSIS_ENABLED` | `true` | 开启开关 || `AI_API_KEY` | `sk-xxxxxx` | 你的 API Key |-| `AI_PROVIDER` | `deepseek` | AI 提供商(见下表) |-| `AI_MODEL` | `deepseek-chat` | 模型名称 |+| `AI_MODEL` | `deepseek/deepseek-chat` | 模型标识(格式:`provider/model`) |-**支持的 AI 提供商**:+**支持的 AI 提供商**(基于 LiteLLM,支持 100+ 提供商):-| 提供商 | AI_PROVIDER 填什么 | 默认模型 (AI_MODEL) |-|-------|-------------------|-------------------|-| **DeepSeek** (推荐) | `deepseek` | `deepseek-chat` |-| **OpenAI** | `openai` | `gpt-4o` |-| **Google Gemini** | `gemini` | `gemini-1.5-flash` |-| **自定义** (OneAPI) | `custom` | 需额外配置 `AI_BASE_URL` |+| 提供商 | AI_MODEL 填什么 | 说明 |+|-------|----------------|------|+| **DeepSeek** (推荐) | `deepseek/deepseek-chat` | 性价比极高,适合高频分析 |+| **OpenAI** | `openai/gpt-4o`<br>`openai/gpt-4o-mini` | GPT-4o 系列 |+| **Google Gemini** | `gemini/gemini-1.5-flash`<br>`gemini/gemini-1.5-pro` | Gemini 系列 |+| **Claude** | `anthropic/claude-3-5-sonnet-20241022` | Anthropic Claude 系列 |+| **智谱 AI** | `zhipu/glm-4-plus`<br>`zhipu/glm-4-flash` | 国内模型,支持中文 |+| **月之暗面** | `moonshot/moonshot-v1-8k`<br>`moonshot/moonshot-v1-32k` | Kimi 系列 |+| **通义千问** | `qwen/qwen-plus`<br>`qwen/qwen-turbo` | 阿里云通义千问 |+| **自定义 API** | 任意格式 | 配合 `AI_API_BASE` 使用 |-> 💡 **小技巧**:DeepSeek 性价比极高,非常适合用来做这种高频的新闻分析。+> 💡 **新特性**:现已基于 [LiteLLM](https://github.com/BerriAI/litellm) 统一接口,支持 100+ AI 提供商,配置更简单、错误处理更完善。++**可选配置项**:++| 变量名 | 默认值 | 说明 |+|-------|-------|------|+| `AI_API_BASE` | (自动) | 自定义 API 地址(如 OneAPI、本地模型) |+| `AI_TEMPERATURE` | `1.0` | 采样温度(0-2,越高越随机) |+| `AI_MAX_TOKENS` | `5000` | 最大生成 token 数 |+| `AI_TIMEOUT` | `120` | 请求超时时间(秒) |+| `AI_NUM_RETRIES` | `2` | 失败重试次数 |#### 进阶玩法:AI 翻译diff --git a/config/ai_analysis_prompt.txt b/config/ai_analysis_prompt.txtindex 766ac82f56..201de65361 100644--- a/config/ai_analysis_prompt.txt+++ b/config/ai_analysis_prompt.txt@@ -19,60 +19,89 @@# ═══════════════════════════════════════════════════════════════[system]-你是一位专业的新闻分析师和趋势观察者。你的任务是分析热点新闻数据,提供有价值的洞察。+你是一名**高级情报分析师**。你的核心能力是从海量、碎片化的公开来源情报(OSINT)中提炼核心逻辑,并识别被大众忽略的**弱信号**。++## 核心思维模型 (Mental Models)++1. **见微知著 (Signal Detection)**:不要只盯着榜首的大新闻。要善于从"排名第50的冷门技术贴"与"排名第1的热门事件"中找到潜在的因果联系。+2. **交叉验证 (Triangulation)**:利用"热榜"(大众情绪)与"RSS"(专家视角)的差异。当两者观点冲突时,通常隐藏着认知套利的机会。+3. **反直觉思考 (Counter-Intuitive)**:当全网都在叫好时,寻找风险;当全网都在恐慌时,寻找机会。拒绝平庸的共识。+4. **结构化输出 (MECE)**:确保分析维度相互独立且完全穷尽,避免逻辑混乱。## 核心原则-1. 直击要害:避免废话,直接说"是什么"、"有多火"、"要注意什么"。-2. 逻辑闭环:将"现象"、"原因"与"建议"打通,告诉读者信息背后的行动指南。-3. 观点鲜明:明确指出是"泡沫"还是"机遇",是"争议"还是"共识"。-4. 通俗易懂:使用大众能理解的词汇(如"过热"、"降温"、"反转"、"出圈"),避免生造复杂概念。-5. 辩证思维:运用矛盾论视角,识别热点背后的"主要矛盾"与"次要矛盾",抓住事物发展的关键内因。+1. **直击要害**:拒绝"综上所述"、"众所周知"等废话。直接输出结论。+2. **逻辑闭环**:不仅描述"发生了什么",必须解释"为什么发生"以及"未来会怎样"。+3. **去情绪化**:可以分析舆论的情绪,但你自己的分析必须冷静、客观、冷血。+4. **辩证思维**:识别热点背后的"主要矛盾"(如技术变革vs既得利益),抓住事物发展的关键内因。## 数据字段深度解读指南为了做出精准判断,请充分利用以下数据维度:### 1. 基础维度-- 排名:"1"为榜首,数字越小越热。"3-8"表示排名在第3到第8之间波动。-- 出现次数:次数越多,说明在热榜由于停留时间越长,热度越持久。-- 时间范围:如"09:30~12:45",跨度越大说明话题生命力越强。+- **来源平台**:每一行新闻开头的 `[平台名称]`(如 `[微博]`、`[知乎]`)明确指出了数据来源。**请务必注意:后续的排名和轨迹数据仅针对该特定平台的榜单**。+- **排名**:"1"为该平台榜首,数字越小越热。"3-8"表示在该平台排名在第3到第8之间波动。+- **出现次数**:次数越多,说明在热榜停留时间越长,热度越持久。+- **时间范围**:如"09:30~12:45",跨度越大说明话题生命力越强。### 2. 轨迹量化分析 (重要)-当数据包含轨迹信息(如 `1(09:30)→0(10:00)→2(10:30)`)时,请关注:-- 急升/爆发:排名在短时间内大幅上升(如从20名升至3名),往往意味着重大突发事件。-- 僵尸热搜:排名持续阴跌且无反弹(如 10→15→20),说明热度正在衰退。-- 回榜/反转:脱榜(显示为0)后又重回高位,通常意味着有新爆料或反转剧情。+数据格式为 `排名(时间)→排名(时间)...`,例如 `1(09:30)→0(10:00)→2(10:30)`。++**关键定义**:+- **数值含义**:数字代表排名(1为榜首,数字越小越靠前)。**`0` 特指"未上榜"或"脱榜"**(即该时间点不在榜单中)。+- **符号含义**:`→` 代表时间推移。++**防幻觉警示(关键)**:+- **高位横盘 ≠ 急升**:如果轨迹是 `2(10:00)→2(10:30)→2(11:00)`,说明热度**持续稳定**,绝对**不是**"急升"或"爆发"。只有排名数值**显著减小**(如 10→5)才是急升。请务必区分"热度高"和"热度升"。++**请重点分析以下模式**:+- **急升/爆发**:排名数值在短时间内大幅减小(如 20→3),代表热度飙升,往往意味着突发重大事件。+- **衰退/僵尸**:排名数值持续变大且无反弹(如 10→15→20),代表热度正在自然衰退。+- **回榜/反转**:序列中出现 `0` 后又变为高排名(如 5→0→2),代表话题曾脱榜但因新进展"复活",通常暗示有新爆料或剧情反转。### 3. 跨平台特征 (分级标准)-- 全网霸屏:5 个及以上平台同时上榜。真正的“国民级”话题,无死角覆盖。-- 破圈扩散:3-4 个平台同时上榜。话题已突破单一社区壁垒,正在向外蔓延。-- 圈层热点:仅在 1-2 个平台火爆。属于特定人群的狂欢(如仅在技术社区或娱乐榜)。+- **全网霸屏**:5 个及以上平台同时上榜。真正的“国民级”话题,无死角覆盖。+- **破圈扩散**:3-4 个平台同时上榜。话题已突破单一社区壁垒,正在向外蔓延。+- **圈层热点**:仅在 1-2 个平台火爆。属于特定人群的狂欢。++**平台调性参考 (Platform DNA)**:+- **舆论/情绪场**:微博(情绪/吃瓜)、抖音/快手(视觉/传播快)、B站(年轻/玩梗)。+- **理性/专业场**:知乎(深度/批判)、雪球(投资/财经)、IT之家/36氪(科技/商业)。+- **资讯/分发场**:今日头条(社会/民生)、百度热搜(综合/搜索量)。+*分析"平台温差"时,请结合平台调性。例如:某话题在微博火但在知乎冷,可能说明该话题"情绪价值大于逻辑价值"或"缺乏深度讨论点"。*## 分析板块说明 (5个核心板块)1. 核心热点态势 (Core Trends & Momentum)- 整合:"趋势概述"、"热度走势"、"跨平台关联"。- - 任务:直接定性当前最火的话题。结合排名和跨平台数据,判断是"全网刷屏"还是"圈层热议"。- - 写法:避免简单罗列数据,而是总结态势。例如:"某话题霸榜多平台,热度持续超6小时,呈现极速爆发态势。"+ - 任务:**提炼共性与定性**。不仅要识别最火话题,更要尝试寻找不同新闻背后的**底层逻辑或共性叙事**(如:多条看似无关的新闻共同指向"经济复苏乏力"或"AI应用落地"的大趋势)。+ - 重点:判断热度性质(全网霸屏vs圈层自嗨)以及话题间的潜在关联。+ - 写法:拒绝流水账。用"宏观主线+微观佐证"的结构,将散点信息串联成逻辑链条。2. 舆论风向争议 (Sentiment & Controversy)- - 任务:运用矛盾分析法挖掘公众情绪内核。识别舆论场中的"根本对立"(主要矛盾)与"转化趋势",分析主流与非主流观点的博弈。- - 重点:是否存在观点对立?(如技术乐观派 vs 隐私担忧派)。情绪是正面(期待、兴奋)、负面(愤怒、担忧)还是复杂(调侃、质疑)?+ - 任务:**绘制情绪光谱**。拒绝简单的"褒/贬"二元对立。要识别"舆论断层"(如:专家担忧风险而大众狂欢,或媒体冷处理而民间热议)。+ - 核心:寻找**观点冲突点**。哪里有争吵,哪里就有价值。识别是"利益之争"(钱包问题)还是"认知之争"(观念问题)。3. 异动与弱信号 (Signals)- - 任务:通过"轨迹"和"排名变化"捕捉异常。- - 关注:排名骤升的突发事件、首次出现的新鲜话题、或者反直觉的热度波动(如深夜突然高热)。+ - 任务:捕捉**时间轴(轨迹)**和**空间轴(跨平台)**上的异常波动。拒绝平铺直叙的单点罗列。+ - 关注:+ - **跨平台共振**:某话题在A平台爆发后,是否迅速引发B平台关注?(对应"破圈扩散")。+ - **平台温差**:某话题在微博霸榜但在知乎无人问津(对应"圈层热点")。+ - **轨迹突变**:排名骤升(急升)、死而不僵(僵尸)、反转复活(回榜)。4. RSS 深度洞察 (RSS Insights)- - 任务:分析 RSS 订阅源中的专业内容,提炼行业动态和深度信息。- - 关注:技术博客的前沿观点、行业媒体的独家报道、与热榜话题的关联或差异。- - 写法:突出 RSS 内容的"信息增量"——热榜没有但 RSS 有的独特视角或深度分析。+ - 任务:**寻找信息增量**。RSS 源通常比大众热榜更垂直、更专业。+ - 策略:+ - **去重**:果断忽略与热榜大众新闻高度雷同的内容。+ - **互补**:挖掘热榜未覆盖的**硬核细节**(如技术参数、深度行研)或**长尾话题**。+ - **前瞻**:识别可能尚未引爆但极具价值的早期行业信号。5. 研判策略建议 (Outlook & Strategy)- - 整合:"潜在影响"与"建议"。- - 任务:形成闭环。基于上述分析,预测后续走向(如"可能会引起监管注意"),并给出具体建议。- - 对象:建议可面向投资者、品牌方或普通大众,力求落地。+ - 任务:**预测与推演**。不仅总结过去,更要预测未来。+ - 核心:+ - **后续推演**:预测事件的下一阶段(如:是否会反转?监管是否介入?热度是否可持续?)。+ - **行动指南**:给出具体、有针对性的建议。**严禁使用"建议持续关注"等无意义的正确的废话**。[user]请分析以下热点新闻数据:@@ -98,11 +127,11 @@```json{- "core_trends": "核心热点态势(200字以内)。语言要像"大白话"一样通俗,但要像"手术刀"一样精准。拒绝学术词汇。严格按以下格式分段(注意换行):\n(一句话直击本质的开场白)\n\n【宏观主线】:\n(用通俗的话概括大势,如:国外巨头忙基建,国内市场炒应用...)\n\n【微观领域】:\n1. (细分点1):(描述)\n2. (细分点2):(描述)",- "sentiment_controversy": "舆论风向争议(100字以内)。先定性【整体】是褒是贬,再看【局部】有啥吵头。格式:\n【整体定性】:\n(如:全网都在骂,但也有人在这波流量里赚钱...)\n\n【争议焦点】:\n1. (焦点1):...\n2. (焦点2):...",- "signals": "异动与弱信号(100字以内)。按信号类型分点:\n1. 急升信号:...\n2. 异动信号:...\n3. 弱信号:...",- "rss_insights": "RSS 深度洞察(100字以内,无RSS数据时填"暂无RSS数据")。突出RSS的信息增量:\n【独家视角】:\n(热榜没有但RSS有的独特观点或深度分析)\n\n【行业动态】:\n(技术博客、行业媒体的前沿信息)",- "outlook_strategy": "研判策略建议。分受众群体给出建议:\n1. 投资者:...\n2. 品牌方:...\n3. 公众:..."+ "core_trends": "核心热点态势(200字以内)。**任务:提炼共性叙事而非简单罗列**。语言要像'大白话'一样通俗,但要像'手术刀'一样精准。格式:\n(一句话开场白,必须使用'全网霸屏'/'破圈扩散'/'圈层热点'等词汇对整体热度定性)\n\n【宏观主线】:\n(挖掘多条新闻背后的底层逻辑或共性,如:'AI应用落地引发的资本狂欢')\n\n【微观领域】:\n1. (细分点1):...\n2. (细分点2):...",+ "sentiment_controversy": "舆论风向争议(100字以内)。**拒绝和稀泥,直击情绪的'温差'与'断层'**。格式:\n【情绪光谱】:\n(识别'主流声音'与'潜流暗涌'的反差,如:'媒体高歌猛进,民间担忧焦虑')\n\n【核心矛盾】:\n1. (利益/观念冲突):(如:'打工人与资本家的利益对立')\n2. (事实/认知分歧):...",+ "signals": "异动与弱信号(150字以内)。**必须结合跨平台特征分析,拒绝只列举单个平台的涨跌**。**请勿使用 1. 2. 3. 序号,直接使用【标签】分段**。按以下维度分析(至少覆盖2点):\n【跨平台共振/温差】:(如:'某话题实现全网霸屏,但在技术社区遇冷')\n【轨迹突变】:(如:'某话题在下午16点呈现急升/爆发态势,排名从20直冲第1')\n【弱信号捕捉】:(如:'某小众话题在多平台低位隐现,有起势征兆')",+ "rss_insights": "RSS 深度洞察(100字以内,无RSS数据时填'暂无RSS数据')。**核心任务:寻找'热榜盲区'**。格式:\n【认知纠偏】:\n(专业视角如何修正大众热搜的误区或盲目)\n\n【硬核增量】:\n(热榜缺失的关键技术参数、行业内幕或深度数据)",+ "outlook_strategy": "研判策略建议。**拒绝'建议持续关注'等废话,基于'推演'给出行动指南**。格式:\n1. 投资者:(风口捕捉或风险预警)\n2. 品牌方:(流量借势或公关避坑)\n3. 公众:(认知纠偏或生活决策)"}```diff --git a/config/config.yaml b/config/config.yamlindex 55470de803..921940e459 100644--- a/config/config.yaml+++ b/config/config.yaml@@ -285,7 +285,7 @@ storage:formats:sqlite: true # 主存储(必须启用)txt: false # 是否生成 TXT 快照- html: true # 是否生成 HTML 报告(⚠️ 邮件推送必须设为 true)+ html: true # 是否生成 HTML 报告(⚠️ 邮件推送或者需要看网页版报告必须设为 true)# 本地存储配置local:@@ -319,29 +319,38 @@ storage:# 8. AI 模型配置(共享)## ai_analysis 和 ai_translation 共用此模型配置-# 支持 OpenAI、DeepSeek、Google Gemini 等兼容接口+# 基于 LiteLLM 统一接口,支持 100+ AI 提供商# ===============================================================ai:- # AI 提供商配置- # 支持的提供商:- # - deepseek: DeepSeek(默认)- # - openai: OpenAI- # - gemini: Google Gemini- # - custom: 自定义 OpenAI 兼容接口(需填写完整 base_url)- provider: "deepseek" # 提供商- api_key: "" # API Key(建议使用环境变量 AI_API_KEY)-- model: "deepseek-chat" # 模型名称- # DeepSeek: deepseek-chat, deepseek-reasoner- # OpenAI: o3-mini, o1, gpt-4o- # Gemini: gemini-2.5-flash, gemini-2.5-pro-- base_url: "" # 完整 API 地址(可选)- # 留空则使用提供商默认端点- # 其他提供商必须填写完整 URL- # 示例: https://api.openai.com/v1/chat/completions+ # LiteLLM 模型格式: provider/model_name+ # 示例:+ # - deepseek/deepseek-chat (DeepSeek)+ # - openai/gpt-4o (OpenAI)+ # - gemini/gemini-2.5-flash (Google Gemini)+ # - anthropic/claude-3-5-sonnet (Anthropic)+ # - ollama/llama3 (本地 Ollama)+ # 完整列表: https://docs.litellm.ai/docs/providers+ # 如果你对于看英文文档比较头疼,那么可以点击页面右下角的 【Ask AI】 ,用中文询问怎么配置++ model: "deepseek/deepseek-chat"- timeout: 90 # 请求超时(秒)+ api_key: "" # API Key(建议使用环境变量 AI_API_KEY)++ api_base: "" # 自定义 API 端点(可选,大多数情况留空)+ # 示例: https://api.openai.com/v1(自建代理或兼容接口)+ #+ # 💡 高级用法:连接任意兼容 OpenAI 协议的模型商+ # 如果你使用的模型商不在上述支持列表中,但提供了兼容 OpenAI 的接口:+ #+ # 1. api_base 填写: 服务商提供的接口地址+ # 例如: https://api.example.com/v1+ #+ # 2. model 填写: "openai/" + 实际模型名称+ # 例如: openai/deepseek-ai/DeepSeek-V3+ # (原理:前缀 openai/ 强制 LiteLLM 使用 OpenAI 协议格式进行通信)+++ timeout: 120 # 请求超时(秒)# AI 参数配置temperature: 1.0 # 采样温度 (0.0-2.0)@@ -350,23 +359,25 @@ ai:max_tokens: 5000 # 最大生成 token 数# 注意:如果 API 不支持此参数(报 HTTP 400),请设为 0 以禁用发送+ # 高级选项+ num_retries: 1 # 失败重试次数+ fallback_models: [] # 备用模型列表(可选)+ # 示例: ["openai/gpt-4o-mini", "openai/deepseek-ai/DeepSeek-V3"]+# ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━- # 额外自定义参数 (高级选项)+ # 额外参数 (高级选项,一般无需修改)# ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━- # 说明:用于向 AI 传递模型特定的高级生成参数。- # ⚠️ 警告:如果你不了解这些参数的含义,强烈建议【不要改动】,保持当前的注释状态。- # 填写了不符合模型要求的参数会导致 AI 分析报错并停止工作。- #- # 提示:不仅限于下方的示例,你可以根据模型 API 文档自行添加任何支持的字段。+ # LiteLLM 会自动将通用参数转换为各提供商格式,无需手动适配。+ # 仅在需要传递特殊参数时启用此项。#- # 操作:如果你确定需要修改,请删掉该行最前方的 "# " (井号和空格)。- # 注意:如果这几行都带着井号,则代表不使用额外参数(最推荐做法)。+ # 提示:你可以根据模型 API 文档自行添加任何支持的字段。+ # 操作:如需启用,请删掉该行最前方的 "# "(井号和空格)。+ # 注意:如果这几行都带着井号,则代表不使用额外参数(推荐做法)。# -------------------------------------------------------------# extra_params:- # top_p: 1.0 # [通用] 核采样:值越小生成结果越集中- # topK: 40 # [Gemini 专用] 限制候选词数量- # presence_penalty: 0.0 # [OpenAI 专用] 鼓励模型谈论新话题- # # 你也可以在此继续添加模型支持的其他新字段,例如 stop, logit_bias 等+ # top_p: 1.0 # 核采样(通用)+ # presence_penalty: 0.0 # 话题多样性(OpenAI/DeepSeek)+ # stop: ["END"] # 停止词列表(通用)# ===============================================================diff --git a/docker/.env b/docker/.envindex 8ae43ea4e3..a3ae70420a 100644--- a/docker/.env+++ b/docker/.env@@ -64,12 +64,11 @@ GENERIC_WEBHOOK_TEMPLATE=AI_ANALYSIS_ENABLED=false# AI API Key(必填,启用 AI 功能时需要)AI_API_KEY=-# AI 提供商 (deepseek|openai|gemini|custom)-AI_PROVIDER=deepseek-# 模型名称-AI_MODEL=deepseek-chat-# 自定义 API 端点(使用 custom 提供商时必填)-AI_BASE_URL=+# 模型名称(LiteLLM 格式: provider/model_name)+# 示例: deepseek/deepseek-chat, openai/gpt-4o, gemini/gemini-2.5-flash+AI_MODEL=deepseek/deepseek-chat+# 自定义 API 端点(可选,大多数情况留空)+AI_API_BASE=# ============================================# 远程存储配置(S3 兼容协议,支持 R2/OSS/COS/S3 等)diff --git a/docker/docker-compose-build.yml b/docker/docker-compose-build.ymlindex 54c5dd9735..3fbe88e9a8 100644--- a/docker/docker-compose-build.yml+++ b/docker/docker-compose-build.yml@@ -45,9 +45,8 @@ services:# AI 配置(ai_analysis 和 ai_translation 共享模型配置)- AI_ANALYSIS_ENABLED=${AI_ANALYSIS_ENABLED:-false}- AI_API_KEY=${AI_API_KEY:-}- - AI_PROVIDER=${AI_PROVIDER:-}- AI_MODEL=${AI_MODEL:-}- - AI_BASE_URL=${AI_BASE_URL:-}+ - AI_API_BASE=${AI_API_BASE:-}# 远程存储配置(S3 兼容协议)- S3_ENDPOINT_URL=${S3_ENDPOINT_URL:-}- S3_BUCKET_NAME=${S3_BUCKET_NAME:-}diff --git a/docker/docker-compose.yml b/docker/docker-compose.ymlindex b1b37af7f5..85e81206b7 100644--- a/docker/docker-compose.yml+++ b/docker/docker-compose.yml@@ -43,9 +43,8 @@ services:# AI 配置(ai_analysis 和 ai_translation 共享模型配置)- AI_ANALYSIS_ENABLED=${AI_ANALYSIS_ENABLED:-false}- AI_API_KEY=${AI_API_KEY:-}- - AI_PROVIDER=${AI_PROVIDER:-}- AI_MODEL=${AI_MODEL:-}- - AI_BASE_URL=${AI_BASE_URL:-}+ - AI_API_BASE=${AI_API_BASE:-}# 远程存储配置(S3 兼容协议)- S3_ENDPOINT_URL=${S3_ENDPOINT_URL:-}- S3_BUCKET_NAME=${S3_BUCKET_NAME:-}diff --git a/pyproject.toml b/pyproject.tomlindex 9a6228f09d..e4dc962d42 100644--- a/pyproject.toml+++ b/pyproject.toml@@ -1,6 +1,6 @@[project]name = "trendradar"-version = "5.2.0"+version = "5.3.0"description = "TrendRadar - 热点新闻聚合与分析工具"requires-python = ">=3.10"dependencies = [@@ -11,6 +11,7 @@ dependencies = ["websockets>=13.0,<14.0","feedparser>=6.0.0,<7.0.0","boto3>=1.35.0,<2.0.0",+ "litellm>=1.57.0,<2.0.0",][project.scripts]diff --git a/requirements.txt b/requirements.txtindex 02ce99725a..3cb8ca4479 100644--- a/requirements.txt+++ b/requirements.txt@@ -5,3 +5,4 @@ fastmcp>=2.12.0,<2.14.0websockets>=13.0,<14.0boto3>=1.35.0,<2.0.0feedparser>=6.0.0,<7.0.0+litellm>=1.57.0,<2.0.0diff --git a/trendradar/__init__.py b/trendradar/__init__.pyindex 10b28a3f40..f32b70f3d9 100644--- a/trendradar/__init__.py+++ b/trendradar/__init__.py@@ -9,5 +9,5 @@ TrendRadar - 热点新闻聚合与分析工具from trendradar.context import AppContext-__version__ = "5.2.0"+__version__ = "5.3.0"__all__ = ["AppContext", "__version__"]diff --git a/trendradar/ai/analyzer.py b/trendradar/ai/analyzer.pyindex c4d62678f3..d2ebc09cbe 100644--- a/trendradar/ai/analyzer.py+++ b/trendradar/ai/analyzer.py@@ -3,15 +3,16 @@AI 分析器模块调用 AI 大模型对热点新闻进行深度分析-支持 OpenAI、Google Gemini、Azure OpenAI 等兼容接口+基于 LiteLLM 统一接口,支持 100+ AI 提供商"""import json-import osfrom dataclasses import dataclassfrom pathlib import Pathfrom typing import Any, Callable, Dict, List, Optional+from trendradar.ai.client import AIClient+@dataclassclass AIAnalysisResult:@@ -50,7 +51,7 @@ class AIAnalyzer:初始化 AI 分析器Args:- ai_config: AI 模型共享配置(provider, api_key, model 等)+ ai_config: AI 模型配置(LiteLLM 格式)analysis_config: AI 分析功能配置(language, prompt_file 等)get_time_func: 获取当前时间的函数debug: 是否开启调试模式@@ -60,14 +61,13 @@ class AIAnalyzer:self.get_time_func = get_time_funcself.debug = debug- # 从共享配置获取模型参数- self.api_key = ai_config.get("API_KEY") or os.environ.get("AI_API_KEY", "")- self.provider = ai_config.get("PROVIDER", "deepseek")- self.model = ai_config.get("MODEL", "deepseek-chat")- self.base_url = ai_config.get("BASE_URL", "")- self.timeout = ai_config.get("TIMEOUT", 90)- self.temperature = ai_config.get("TEMPERATURE", 1.0)- self.max_tokens = ai_config.get("MAX_TOKENS", 5000)+ # 创建 AI 客户端(基于 LiteLLM)+ self.client = AIClient(ai_config)++ # 验证配置+ valid, error = self.client.validate_config()+ if not valid:+ print(f"[AI] 配置警告: {error}")# 从分析配置获取功能参数self.max_news = analysis_config.get("MAX_NEWS_FOR_ANALYSIS", 50)@@ -75,18 +75,6 @@ class AIAnalyzer:self.include_rank_timeline = analysis_config.get("INCLUDE_RANK_TIMELINE", False)self.language = analysis_config.get("LANGUAGE", "Chinese")- # 额外的自定义参数(支持字典或 JSON 字符串)- self.extra_params = ai_config.get("EXTRA_PARAMS", {})- if isinstance(self.extra_params, str) and self.extra_params.strip():- try:- self.extra_params = json.loads(self.extra_params)- except json.JSONDecodeError:- print(f"[AI] 解析 extra_params 失败,将忽略: {self.extra_params}")- self.extra_params = {}-- if not isinstance(self.extra_params, dict):- self.extra_params = {}-# 加载提示词模板self.system_prompt, self.user_prompt_template = self._load_prompt_template(analysis_config.get("PROMPT_FILE", "ai_analysis_prompt.txt")@@ -146,7 +134,7 @@ class AIAnalyzer:Returns:AIAnalysisResult: 分析结果"""- if not self.api_key:+ if not self.client.api_key:return AIAnalysisResult(success=False,error="未配置 AI API Key,请在 config.yaml 或环境变量 AI_API_KEY 中设置"@@ -198,9 +186,9 @@ class AIAnalyzer:print(user_prompt)print("=" * 80 + "\n")- # 调用 AI API+ # 调用 AI API(使用 LiteLLM)try:- response = self._call_ai_api(user_prompt)+ response = self._call_ai(user_prompt)result = self._parse_response(response)# 如果配置未启用 RSS 分析,强制清空 AI 返回的 RSS 洞察@@ -215,30 +203,13 @@ class AIAnalyzer:result.max_news_limit = self.max_newsreturn resultexcept Exception as e:- import requestserror_type = type(e).__name__error_msg = str(e)- # 针对不同错误类型提供更友好的提示- if isinstance(e, requests.exceptions.Timeout):- friendly_msg = f"AI API 请求超时({self.timeout}秒),请检查网络或增加超时时间"- elif isinstance(e, requests.exceptions.ConnectionError):- friendly_msg = f"无法连接到 AI API ({self.base_url or self.provider}),请检查网络和 API 地址"- elif isinstance(e, requests.exceptions.HTTPError):- status_code = e.response.status_code if hasattr(e, 'response') and e.response else "未知"- if status_code == 401:- friendly_msg = "AI API 认证失败,请检查 API Key 是否正确"- elif status_code == 429:- friendly_msg = "AI API 请求频率过高,请稍后重试"- elif status_code == 500:- friendly_msg = "AI API 服务器内部错误,请稍后重试"- else:- friendly_msg = f"AI API 返回错误 (HTTP {status_code}): {error_msg[:100]}"- else:- # 截断过长的错误消息- if len(error_msg) > 150:- error_msg = error_msg[:150] + "..."- friendly_msg = f"AI 分析失败 ({error_type}): {error_msg}"+ # 截断过长的错误消息+ if len(error_msg) > 200:+ error_msg = error_msg[:200] + "..."+ friendly_msg = f"AI 分析失败 ({error_type}): {error_msg}"return AIAnalysisResult(success=False,@@ -364,6 +335,15 @@ class AIAnalyzer:return news_content, rss_content, hotlist_total, rss_total, total_count+ def _call_ai(self, user_prompt: str) -> str:+ """调用 AI API(使用 LiteLLM)"""+ messages = []+ if self.system_prompt:+ messages.append({"role": "system", "content": self.system_prompt})+ messages.append({"role": "user", "content": user_prompt})++ return self.client.chat(messages)+def _format_time_range(self, first_time: str, last_time: str) -> str:"""格式化时间范围(简化显示,只保留时分)"""def extract_time(time_str: str) -> str:@@ -409,116 +389,6 @@ class AIAnalyzer:return "→".join(parts)- def _call_ai_api(self, user_prompt: str) -> str:- """调用 AI API"""- if self.provider == "gemini":- return self._call_gemini(user_prompt)- return self._call_openai_compatible(user_prompt)-- def _get_api_url(self) -> str:- """获取完整 API URL"""- if self.base_url:- return self.base_url-- # 预设完整端点- urls = {- "deepseek": "https://api.deepseek.com/v1/chat/completions",- "openai": "https://api.openai.com/v1/chat/completions",- }- url = urls.get(self.provider)- if not url:- raise ValueError(f"{self.provider} 需要配置 base_url(完整 API 地址)")- return url-- def _call_openai_compatible(self, user_prompt: str) -> str:- """调用 OpenAI 兼容接口"""- import requests-- url = self._get_api_url()-- headers = {- "Authorization": f"Bearer {self.api_key}",- "Content-Type": "application/json",- }-- messages = []- if self.system_prompt:- messages.append({"role": "system", "content": self.system_prompt})- messages.append({"role": "user", "content": user_prompt})-- payload = {- "model": self.model,- "messages": messages,- "temperature": self.temperature,- }-- # 某些 API 不支持 max_tokens- if self.max_tokens:- payload["max_tokens"] = self.max_tokens-- if self.extra_params:- payload.update(self.extra_params)-- response = requests.post(- url,- headers=headers,- json=payload,- timeout=self.timeout,- )- response.raise_for_status()-- data = response.json()- return data["choices"][0]["message"]["content"]-- def _call_gemini(self, user_prompt: str) -> str:- """调用 Google Gemini API"""- import requests-- model = self.model or "gemini-1.5-flash"- url = f"https://generativelanguage.googleapis.com/v1beta/models/{model}:generateContent?key={self.api_key}"-- headers = {- "Content-Type": "application/json",- }-- payload = {- "contents": [{- "role": "user",- "parts": [{"text": user_prompt}]- }],- "generationConfig": {- "temperature": self.temperature,- },- "safetySettings": [- {"category": "HARM_CATEGORY_HARASSMENT", "threshold": "BLOCK_NONE"},- {"category": "HARM_CATEGORY_HATE_SPEECH", "threshold": "BLOCK_NONE"},- {"category": "HARM_CATEGORY_SEXUALLY_EXPLICIT", "threshold": "BLOCK_NONE"},- {"category": "HARM_CATEGORY_DANGEROUS_CONTENT", "threshold": "BLOCK_NONE"},- ]- }-- if self.system_prompt:- payload["system_instruction"] = {- "parts": [{"text": self.system_prompt}]- }-- if self.max_tokens:- payload["generationConfig"]["maxOutputTokens"] = self.max_tokens-- if self.extra_params:- payload["generationConfig"].update(self.extra_params)-- response = requests.post(- url,- headers=headers,- json=payload,- timeout=self.timeout,- )- response.raise_for_status()-- data = response.json()- return data["candidates"][0]["content"]["parts"][0]["text"]-def _parse_response(self, response: str) -> AIAnalysisResult:"""解析 AI 响应"""result = AIAnalysisResult(raw_response=response)diff --git a/trendradar/ai/client.py b/trendradar/ai/client.pynew file mode 100644index 0000000000..9178bf9db9--- /dev/null+++ b/trendradar/ai/client.py@@ -0,0 +1,114 @@+# coding=utf-8+"""+AI 客户端模块++基于 LiteLLM 的统一 AI 模型接口+支持 100+ AI 提供商(OpenAI、DeepSeek、Gemini、Claude、国内模型等)+"""++import os+from typing import Any, Dict, List, Optional++from litellm import completion+++class AIClient:+ """统一的 AI 客户端(基于 LiteLLM)"""++ def __init__(self, config: Dict[str, Any]):+ """+ 初始化 AI 客户端++ Args:+ config: AI 配置字典+ - MODEL: 模型标识(格式: provider/model_name)+ - API_KEY: API 密钥+ - API_BASE: API 基础 URL(可选)+ - TEMPERATURE: 采样温度+ - MAX_TOKENS: 最大生成 token 数+ - TIMEOUT: 请求超时时间(秒)+ - NUM_RETRIES: 重试次数(可选)+ - FALLBACK_MODELS: 备用模型列表(可选)+ """+ self.model = config.get("MODEL", "deepseek/deepseek-chat")+ self.api_key = config.get("API_KEY") or os.environ.get("AI_API_KEY", "")+ self.api_base = config.get("API_BASE", "")+ self.temperature = config.get("TEMPERATURE", 1.0)+ self.max_tokens = config.get("MAX_TOKENS", 5000)+ self.timeout = config.get("TIMEOUT", 120)+ self.num_retries = config.get("NUM_RETRIES", 2)+ self.fallback_models = config.get("FALLBACK_MODELS", [])++ def chat(+ self,+ messages: List[Dict[str, str]],+ **kwargs+ ) -> str:+ """+ 调用 AI 模型进行对话++ Args:+ messages: 消息列表,格式: [{"role": "system/user/assistant", "content": "..."}]+ **kwargs: 额外参数,会覆盖默认配置++ Returns:+ str: AI 响应内容++ Raises:+ Exception: API 调用失败时抛出异常+ """+ # 构建请求参数+ params = {+ "model": self.model,+ "messages": messages,+ "temperature": kwargs.get("temperature", self.temperature),+ "timeout": kwargs.get("timeout", self.timeout),+ "num_retries": kwargs.get("num_retries", self.num_retries),+ }++ # 添加 API Key+ if self.api_key:+ params["api_key"] = self.api_key++ # 添加 API Base(如果配置了)+ if self.api_base:+ params["api_base"] = self.api_base++ # 添加 max_tokens(如果配置了且不为 0)+ max_tokens = kwargs.get("max_tokens", self.max_tokens)+ if max_tokens and max_tokens > 0:+ params["max_tokens"] = max_tokens++ # 添加 fallback 模型(如果配置了)+ if self.fallback_models:+ params["fallbacks"] = self.fallback_models++ # 合并其他额外参数+ for key, value in kwargs.items():+ if key not in params:+ params[key] = value++ # 调用 LiteLLM+ response = completion(**params)++ # 提取响应内容+ return response.choices[0].message.content++ def validate_config(self) -> tuple[bool, str]:+ """+ 验证配置是否有效++ Returns:+ tuple: (是否有效, 错误信息)+ """+ if not self.model:+ return False, "未配置 AI 模型(model)"++ if not self.api_key:+ return False, "未配置 AI API Key,请在 config.yaml 或环境变量 AI_API_KEY 中设置"++ # 验证模型格式(应该包含 provider/model)+ if "/" not in self.model:+ return False, f"模型格式错误: {self.model},应为 'provider/model' 格式(如 'deepseek/deepseek-chat')"++ return True, ""diff --git a/trendradar/ai/translator.py b/trendradar/ai/translator.pyindex 1600a58c96..c452e1ba8b 100644--- a/trendradar/ai/translator.py+++ b/trendradar/ai/translator.py@@ -3,15 +3,16 @@AI 翻译器模块对推送内容进行多语言翻译-使用共享的 AI 模型配置+基于 LiteLLM 统一接口,支持 100+ AI 提供商"""import json-import osfrom dataclasses import dataclass, fieldfrom pathlib import Pathfrom typing import Any, Dict, List, Optional+from trendradar.ai.client import AIClient+@dataclassclass TranslationResult:@@ -40,7 +41,7 @@ class AITranslator:Args:translation_config: AI 翻译配置 (AI_TRANSLATION)- ai_config: AI 模型共享配置 (AI)+ ai_config: AI 模型配置(LiteLLM 格式)"""self.translation_config = translation_configself.ai_config = ai_config@@ -49,28 +50,8 @@ class AITranslator:self.enabled = translation_config.get("ENABLED", False)self.target_language = translation_config.get("LANGUAGE", "English")- # 从共享配置获取模型参数- self.api_key = ai_config.get("API_KEY") or os.environ.get("AI_API_KEY", "")- self.provider = ai_config.get("PROVIDER", "deepseek")- self.model = ai_config.get("MODEL", "deepseek-chat")- self.base_url = ai_config.get("BASE_URL", "")- self.timeout = ai_config.get("TIMEOUT", 90)-- # AI 参数配置- self.temperature = ai_config.get("TEMPERATURE", 1.0)- self.max_tokens = ai_config.get("MAX_TOKENS", 5000)-- # 额外参数- self.extra_params = ai_config.get("EXTRA_PARAMS", {})- if isinstance(self.extra_params, str) and self.extra_params.strip():- try:- self.extra_params = json.loads(self.extra_params)- except json.JSONDecodeError:- print(f"[翻译] 解析 extra_params 失败,将忽略: {self.extra_params}")- self.extra_params = {}-- if not isinstance(self.extra_params, dict):- self.extra_params = {}+ # 创建 AI 客户端(基于 LiteLLM)+ self.client = AIClient(ai_config)# 加载提示词模板self.system_prompt, self.user_prompt_template = self._load_prompt_template(@@ -122,7 +103,7 @@ class AITranslator:result.error = "翻译功能未启用"return result- if not self.api_key:+ if not self.client.api_key:result.error = "未配置 AI API Key"return result@@ -138,31 +119,16 @@ class AITranslator:user_prompt = user_prompt.replace("{content}", text)# 调用 AI API- response = self._call_ai_api(user_prompt)+ response = self._call_ai(user_prompt)result.translated_text = response.strip()result.success = Trueexcept Exception as e:- import requestserror_type = type(e).__name__error_msg = str(e)-- if isinstance(e, requests.exceptions.Timeout):- result.error = f"翻译请求超时({self.timeout}秒)"- elif isinstance(e, requests.exceptions.ConnectionError):- result.error = f"无法连接到 AI API"- elif isinstance(e, requests.exceptions.HTTPError):- status_code = e.response.status_code if hasattr(e, 'response') and e.response else "未知"- if status_code == 401:- result.error = "API 认证失败"- elif status_code == 429:- result.error = "API 请求频率过高"- else:- result.error = f"API 错误 (HTTP {status_code})"- else:- if len(error_msg) > 100:- error_msg = error_msg[:100] + "..."- result.error = f"翻译失败 ({error_type}): {error_msg}"+ if len(error_msg) > 100:+ error_msg = error_msg[:100] + "..."+ result.error = f"翻译失败 ({error_type}): {error_msg}"return result@@ -187,7 +153,7 @@ class AITranslator:batch_result.fail_count = len(texts)return batch_result- if not self.api_key:+ if not self.client.api_key:for text in texts:batch_result.results.append(TranslationResult(original_text=text,@@ -231,7 +197,7 @@ class AITranslator:user_prompt = user_prompt.replace("{content}", batch_content)# 调用 AI API- response = self._call_ai_api(user_prompt)+ response = self._call_ai(user_prompt)# 解析批量翻译结果translated_texts = self._parse_batch_response(response, len(non_empty_texts))@@ -319,110 +285,11 @@ class AITranslator:return translated[:expected_count]- def _call_ai_api(self, user_prompt: str) -> str:- """调用 AI API"""- if self.provider == "gemini":- return self._call_gemini(user_prompt)- return self._call_openai_compatible(user_prompt)-- def _get_api_url(self) -> str:- """获取完整 API URL"""- if self.base_url:- return self.base_url-- urls = {- "deepseek": "https://api.deepseek.com/v1/chat/completions",- "openai": "https://api.openai.com/v1/chat/completions",- }- url = urls.get(self.provider)- if not url:- raise ValueError(f"{self.provider} 需要配置 base_url")- return url-- def _call_openai_compatible(self, user_prompt: str) -> str:- """调用 OpenAI 兼容接口"""- import requests-- url = self._get_api_url()-- headers = {- "Authorization": f"Bearer {self.api_key}",- "Content-Type": "application/json",- }-+ def _call_ai(self, user_prompt: str) -> str:+ """调用 AI API(使用 LiteLLM)"""messages = []if self.system_prompt:messages.append({"role": "system", "content": self.system_prompt})messages.append({"role": "user", "content": user_prompt})- payload = {- "model": self.model,- "messages": messages,- "temperature": self.temperature,- }-- if self.max_tokens:- payload["max_tokens"] = self.max_tokens-- if self.extra_params:- payload.update(self.extra_params)-- response = requests.post(- url,- headers=headers,- json=payload,- timeout=self.timeout,- )- response.raise_for_status()-- data = response.json()- return data["choices"][0]["message"]["content"]-- def _call_gemini(self, user_prompt: str) -> str:- """调用 Google Gemini API"""- import requests-- model = self.model or "gemini-1.5-flash"- url = f"https://generativelanguage.googleapis.com/v1beta/models/{model}:generateContent?key={self.api_key}"-- headers = {- "Content-Type": "application/json",- }-- payload = {- "contents": [{- "role": "user",- "parts": [{"text": user_prompt}]- }],- "generationConfig": {- "temperature": self.temperature,- },- "safetySettings": [- {"category": "HARM_CATEGORY_HARASSMENT", "threshold": "BLOCK_NONE"},- {"category": "HARM_CATEGORY_HATE_SPEECH", "threshold": "BLOCK_NONE"},- {"category": "HARM_CATEGORY_SEXUALLY_EXPLICIT", "threshold": "BLOCK_NONE"},- {"category": "HARM_CATEGORY_DANGEROUS_CONTENT", "threshold": "BLOCK_NONE"},- ]- }-- if self.system_prompt:- payload["system_instruction"] = {- "parts": [{"text": self.system_prompt}]- }-- if self.max_tokens:- payload["generationConfig"]["maxOutputTokens"] = self.max_tokens-- if self.extra_params:- payload["generationConfig"].update(self.extra_params)-- response = requests.post(- url,- headers=headers,- json=payload,- timeout=self.timeout,- )- response.raise_for_status()-- data = response.json()- return data["candidates"][0]["content"]["parts"][0]["text"]+ return self.client.chat(messages)diff --git a/trendradar/core/loader.py b/trendradar/core/loader.pyindex 5fdd0d5077..c65cef84ea 100644--- a/trendradar/core/loader.py+++ b/trendradar/core/loader.py@@ -217,19 +217,25 @@ def _load_display_config(config_data: Dict) -> Dict:def _load_ai_config(config_data: Dict) -> Dict:- """加载 AI 模型共享配置"""+ """加载 AI 模型配置(LiteLLM 格式)"""ai_config = config_data.get("ai", {})timeout_env = _get_env_int_or_none("AI_TIMEOUT")return {- "PROVIDER": _get_env_str("AI_PROVIDER") or ai_config.get("provider", "deepseek"),+ # LiteLLM 核心配置+ "MODEL": _get_env_str("AI_MODEL") or ai_config.get("model", "deepseek/deepseek-chat"),"API_KEY": _get_env_str("AI_API_KEY") or ai_config.get("api_key", ""),- "MODEL": _get_env_str("AI_MODEL") or ai_config.get("model", "deepseek-chat"),- "BASE_URL": _get_env_str("AI_BASE_URL") or ai_config.get("base_url", ""),- "TIMEOUT": timeout_env if timeout_env is not None else ai_config.get("timeout", 90),+ "API_BASE": _get_env_str("AI_API_BASE") or ai_config.get("api_base", ""),++ # 生成参数+ "TIMEOUT": timeout_env if timeout_env is not None else ai_config.get("timeout", 120),"TEMPERATURE": ai_config.get("temperature", 1.0),"MAX_TOKENS": ai_config.get("max_tokens", 5000),++ # LiteLLM 高级选项+ "NUM_RETRIES": ai_config.get("num_retries", 2),+ "FALLBACK_MODELS": ai_config.get("fallback_models", []),"EXTRA_PARAMS": ai_config.get("extra_params", {}),}diff --git a/version b/versionindex 7cbea073be..e230c8396d 100644--- a/version+++ b/version@@ -1 +1 @@-5.2.0\ No newline at end of file+5.3.0\ No newline at end of file