# 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=$(date -d 'yesterday' +%Y-%m-%d) GET /api/messages?talker=&date=$YESTERDAY&limit=500 → 提取 type=49 的文章,url 反转义 &→&,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 ```python articles = [] for m in msgs: if m.get('type') == 49: for a in m.get('articles', []): url = a.get('url', '').replace('&', '&') 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 ```python 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 ```python 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 ```python 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 ```bash curl -s -X POST http://127.0.0.1:5001/api/reports \ -H 'Content-Type: application/json' \ --data-binary @"$HOME/payload_1tgo.json" ``` Payload(由 Python 生成): ```python payload = { 'chatroom_id': '34778561085@chatroom', 'chatroom_name': '1-TGO和朋友们的AGI', 'report_date': '2026-07-25', 'content': report, # Markdown 全文 'msg_count': 30, 'image_count': 6, 'article_count': 13 } ``` 注册成功后保存 `report_id`: ```bash python3 -c "import json; print(json.load(open('report_response.json'))['data']['report_id'])" > daily_digest_1tgo.report_id ``` ## 日报结构建议 1. **概览**:消息类型统计、已缓存/待摘要文章数、讨论热度、活跃供稿人数。 2. **今日头条**:5 篇已缓存的核心文章,每篇 3 条核心观点。 3. **文章精选**:按分类列出,已缓存每篇 2 条核心观点,未缓存标注 `⏳ 待摘要`。 4. **讨论精选**:3~8 条文本消息(截断到 120 字符)。 5. **供稿名单**:按消息数降序排列。 ## Pitfalls - **分类与待摘要不要重复入列**:先把每篇文章按标题分到分类目录,**循环结束后再**扫描 `entry_map` 中 `cached=False` 的条目加入“待摘要”。若在同一循环里 `if not cached: categories['待摘要'].append(e)`,同一篇文章会同时出现在分类和待摘要中。2026-07-25 的 1-TGO 日报初版因这一错误导致 8 篇未缓存文章重复出现,修正后重新注册 report_id=522。 - **Python 中的 `$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。