group-daily-digest-template.md 6.12 KB

群日报生成模板:按日期拉取、分类、注册

用于为一个微信群生成单日 Markdown 日报,并注册到 WeChat Viewer 的 daily_reports 表。本模板不触发新摘要,只消费已有缓存。

适用场景

  • 某群昨日消息 50~200 条,含公众号文章、图片、视频号、引用回复。
  • 文章摘要已部分缓存(check-summaries 命中),未命中部分仅列标题+链接。
  • 最终产出:Markdown 日报 + 注册到 /api/reports 的 report_id。

数据流

YESTERDAY=$(date -d 'yesterday' +%Y-%m-%d)
GET /api/messages?talker=<chatroom_id>&date=$YESTERDAY&limit=500
  → 提取 type=49 的文章,url 反转义 &amp;→&,去重
POST /api/articles/check-summaries {"urls": [...], "type": "summary"}
  → 两阶段匹配:dedup_key (biz|mid|idx|sn) → 标题回退
  → 分类(标题关键词)
  → 提取核心观点(正则匹配 ## 核心观点)
  → 编撰 Markdown
POST /api/reports
  → 返回 report_id,写入文件供下游图片 job 读取

关键代码片段

1. 提取文章并去重

articles = []
for m in msgs:
    if m.get('type') == 49:
        for a in m.get('articles', []):
            url = a.get('url', '').replace('&amp;', '&')
            if url and url not in [x['url'] for x in articles]:
                articles.append({'url': url, 'title': a.get('title', ''), 'sender': m.get('sender_nickname', '') or 'Unknown'})

2. 两阶段摘要匹配

import re

def extract_dedup_key(url):
    biz = re.search(r'__biz=([^&]+)', url)
    mid = re.search(r'mid=(\d+)', url)
    idx = re.search(r'idx=(\d+)', url)
    sn  = re.search(r'sn=([a-f0-9]+)', url)
    if biz and mid and idx and sn:
        return f"{biz.group(1)}|{mid.group(1)}|{idx.group(1)}|{sn.group(1)}"
    return None

# Stage 1: dedup_key 直接匹配
for url, entry in entry_map.items():
    key = extract_dedup_key(url)
    if key and key in cached:
        entry['summary'] = cached[key].get('content', '')
        entry['cached'] = True

# Stage 2: 标题回退(短链 /s/xxx 没有 biz/mid/idx/sn)
cached_titles = {}
for key, val in cached.items():
    m = re.match(r'^#\s+(.+?)\s+摘要', val.get('content', ''), re.DOTALL)
    if m:
        cached_titles[m.group(1).strip().lower()] = key
for url, entry in entry_map.items():
    if not entry.get('cached'):
        t = entry['title'].strip().lower()
        if t in cached_titles:
            entry['summary'] = cached[cached_titles[t]].get('content', '')
            entry['cached'] = True

3. 提取核心观点

def extract_core_points(summary, max_points=3):
    if not summary:
        return []
    match = re.search(r'##\s*核心观点\s*\n(.*?)(?:\n##|\Z)', summary, re.DOTALL)
    if match:
        block = match.group(1).strip()
        points = re.split(r'\n(?=\d+\.\s)', block)
        return [re.sub(r'^\d+\.\s*', '', p).strip() for p in points if p.strip()][:max_points]
    return []

4. 分类函数示例

def classify(e):
    title = e['title'].lower()
    if '开源' in title and '卡' in title:
        return '政策与地缘'
    if '印度' in title or '做空' in title or '外资' in title:
        return '商业与产业'
    if 'harness' in title or 'dataflow' in title:
        return '产品、工具与框架'
    if 'vercel' in title or 'electron' in title or 'tauri' in title or '原生框架' in title:
        return '产品、工具与框架'
    if '短剧' in title or 'oii' in title or '出海' in title:
        return 'AI 内容与应用'
    if 'claude' in title or 'opus' in title or 'fable' in title or 'code' in title or '程序员' in title:
        return 'AI 编程与模型'
    if 'deepseek' in title or 'anthropic' in title or '战略' in title:
        return 'AI 编程与模型'
    return '商业与产业'

5. 注册日报

curl -s -X POST http://127.0.0.1:5001/api/reports \
  -H 'Content-Type: application/json' \
  --data-binary @"$HOME/payload_1tgo.json"

Payload(由 Python 生成):

payload = {
    'chatroom_id': '34778561085@chatroom',
    'chatroom_name': '1-TGO和朋友们的AGI',
    'report_date': '2026-07-25',
    'content': report,           # Markdown 全文
    'msg_count': 30,
    'image_count': 6,
    'article_count': 13
}

注册成功后保存 report_id:

python3 -c "import json; print(json.load(open('report_response.json'))['data']['report_id'])" > daily_digest_1tgo.report_id

日报结构建议

  1. 概览:消息类型统计、已缓存/待摘要文章数、讨论热度、活跃供稿人数。
  2. 今日头条:5 篇已缓存的核心文章,每篇 3 条核心观点。
  3. 文章精选:按分类列出,已缓存每篇 2 条核心观点,未缓存标注 ⏳ 待摘要。
  4. 讨论精选:3~8 条文本消息(截断到 120 字符)。
  5. 供稿名单:按消息数降序排列。

Pitfalls

  • 分类与待摘要不要重复入列:先把每篇文章按标题分到分类目录,循环结束后再扫描 entry_map 中 cached=False 的条目加入“待摘要”。若在同一循环里 if not cached: categories['待摘要'].append(e),同一篇文章会同时出现在分类和待摘要中。2026-07-25 的 1-TGO 日报初版因这一错误导致 8 篇未缓存文章重复出现,修正后重新注册 report_id=522。
  • Python 中的 $HOME 是字面量:open('$HOME/file.json') 不会展开。使用 os.path.expanduser('~') 或 Termux 绝对路径 /data/data/com.termux/files/home/...。
  • 生成日报时不触发新摘要:只调用 check-summaries,不要调用 summarize,不要轮询等待。未命中文章只列标题+链接。
  • /api/messages 的 date 参数已生效(2026-07-23 修复):未修复前会返回最近 N 条而非指定日期。现在已按日期过滤,但仍建议验证返回时间戳范围。
  • 核心观点可能不存在:正则未命中时返回空列表,避免日报 crash。
  • 文章标题中的中文引号:不要在 Python 源码中硬编码中文引号标题。用数据驱动方式:先 jq 或 Python 把文章信息写入 JSON,再从 JSON 读取构建日报。