Peach: Local-first video metadata scraper and media manager.
ADR-0006:外部元数据批处理边界
- 状态:Accepted
- 日期:2026-08-14
背景
Peach 需要在线补充番号的 performer、studio、series 和内容分类,但外部站点协议、限流和可用性不稳定,返回结果也不能直接成为 ledger 真相。
决策
- 外部元数据作为显式、可恢复的批处理能力,不进入 Web 请求热路径或应用启动流程。
- 只向已声明来源发送标准化番号;不发送本地文件路径、文件名、媒体内容、播放行为或凭据。
- 抓取先写逐来源原始 JSON 和可续跑的字段候选 CSV;只有
/review对具体来源值的显式批准才写 ledger,不保留整批--apply后门。 - 写入同时包含 source/confidence/provenance,并双写规范
entity/asset_entity与当前 UI 兼容投影。 - 默认查询适配器已从「Javinizer-Go v1.5.1 单来源 JSON CLI」改为多来源白名单(2026-08-29
补记):来源必须显式登记才能进入抓取计划,登记位在
src/peach/metadata_policy.py的REGISTERED_SOURCES:r18dev、libredmm、dmm、javlibrary、javdb、javbus、jav321、mgstage、 tokyohot、aventertainment、caribbeancom、dlgetchu、fc2、javstash,并按 official/ official_mirror/community 分级;新增来源走同一位点的显式登记。Peach 自己聚合来源、 规范化字段、保存证据和执行批准,绝不调用其 organizer 或让来源工具持有 Peach 数据库。 - P0 字段覆盖演员、厂牌、系列、发行日期和内容标签;发行时间只落
YYYY-MM-DD,官方/官方镜像 tag 来源排在社区来源前,仍须逐项批准。 - 对 403/429/503 做来源级冷却;HTML 来源视为易变 adapter,失败不得阻塞 Peach。
- 导入脚本本身无副作用,网络和真实数据库操作只发生在
main()的显式命令路径。
被否决的方案
- 页面打开时同步刮削。
- 未复核即覆盖人工字段。
- 把文件路径、完整文件名或媒体上传给第三方做匹配。
- 把易变 HTML 结构当作核心领域协议。
影响
元数据到达存在延迟,并需维护来源解析器;换来的是可追溯、可重跑、可限速和可逐源替换,外部故障不会影响本地播放。
「默认查询适配器」与 REGISTERED_SOURCES 登记位那一条被 ADR-0044 取代:来源级别登记在 metadata_policy.SOURCE_SPECS,链的成员由 metadata_routes.ROUTES 决定,Javinizer-Go 已退场。