|
|
@@ -4,6 +4,7 @@ import traceback
|
|
|
from tqdm import tqdm
|
|
|
|
|
|
from applications.api import fetch_deepseek_completion
|
|
|
+from applications.utils import yield_batch
|
|
|
|
|
|
|
|
|
class Const:
|
|
|
@@ -12,109 +13,290 @@ class Const:
|
|
|
TITLE_REWRITE_SUCCESS_STATUS = 1
|
|
|
TITLE_REWRITE_FAIL_STATUS = 99
|
|
|
TITLE_REWRITE_LOCK_STATUS = 101
|
|
|
-
|
|
|
# article status
|
|
|
ARTICLE_AUDIT_PASSED_STATUS = 1
|
|
|
ARTICLE_POSITIVE_STATUS = 0
|
|
|
-
|
|
|
# title useful status
|
|
|
TITLE_USEFUL_STATUS = 1
|
|
|
-
|
|
|
# prompt version
|
|
|
PROMPT_VERSION = "xx_250228" # 信欣2025-02-28提供
|
|
|
-
|
|
|
# block expire time 1h
|
|
|
TITLE_REWRITE_LOCK_TIME = 60 * 60
|
|
|
+ # task status
|
|
|
+ INIT_STATUS = 0
|
|
|
+ PROCESSING_STATUS = 1
|
|
|
+ SUCCESS_STATUS = 2
|
|
|
+ FAIL_STATUS = 99
|
|
|
+ # max processing time
|
|
|
+ MAX_PROCESSING_TIME = 3600
|
|
|
+ # article_status
|
|
|
+ ARTICLE_INIT_STATUS = 1
|
|
|
+ ARTICLE_PUBLISHED_STATUS = 2
|
|
|
+ ARTICLE_BAD_STATUS = 0
|
|
|
+ # limit score
|
|
|
+ LIMIT_SCORE = 0.4
|
|
|
+
|
|
|
+ BATCH_SIZE = 20
|
|
|
|
|
|
|
|
|
class TitleProcess(Const):
|
|
|
- def __init__(self, pool, aliyun_log):
|
|
|
+ def __init__(self, pool, aliyun_log, trace_id):
|
|
|
self.pool = pool
|
|
|
self.aliyun_log = aliyun_log
|
|
|
+ self.trace_id = trace_id
|
|
|
|
|
|
- @classmethod
|
|
|
- def generate_title_rewrite_prompt(cls, ori_title):
|
|
|
+ @staticmethod
|
|
|
+ def generate_title_rewrite_prompt(ori_title):
|
|
|
"""
|
|
|
生成prompt
|
|
|
"""
|
|
|
prompt = f"""
|
|
|
- 请将以下标题改写成适合公众号中小程序点击和传播的文章标题，文章标题的写作规范如下，请学习后进行文章标题的编写。直接输出最终的文章标题，文章标题撰写规范如下：
|
|
|
- 1. 标题结构：要点前置，信息明确
|
|
|
- 核心信息前置：标题开头直接点出文章的核心内容或亮点，吸引读者注意。例如：
|
|
|
- “我国存款最安全的五大银行，永远都不会倒闭，你知道是哪五家吗？”
|
|
|
- “亩产7000斤，被误认成萝卜却曾是‘救命粮’，如今成我国出口名蔬”。
|
|
|
- 简洁明了：标题通常在20字以内，信息集中且易于理解。
|
|
|
- 悬念前置结构：前半句设置反常/冲突场景（如"刑满释放蹬三轮"）+后半句用结果反转制造悬念（"政府领导登门分配工作"）
|
|
|
- 多要素拼接：通过冒号/逗号分隔不同叙事主体（地域+人物冲突+权威评价），如"辽宁女子住高档小区被敲门，法院判决意外"
|
|
|
-
|
|
|
- 2. 情绪表达：激发共鸣，引发好奇
|
|
|
- 情感共鸣：通过情感化的语言触动读者，泪崩/守护/抱头痛哭等情感冲击词，配合家庭伦理场景
|
|
|
- 例如：
|
|
|
- “老母亲分家产，给亲闺女30万，给养女一筐青菜，养女意外摔倒，看到筐子里的东西，瞬间愣住了”。
|
|
|
- “儿子卖车卖房给母亲治病，母亲去世后儿媳收拾房间，打开床底柜，儿子突然痛哭”。
|
|
|
- 悬念与好奇心：通过提问或制造悬念，激发读者点击欲望。例如：
|
|
|
- “你知道是哪五家吗？”
|
|
|
- “打开床底柜，儿子突然痛哭”。
|
|
|
- 冲突性情绪词：拍桌大骂/气愤不已/眼红不已/算计等强对抗性词汇
|
|
|
- 结果反差刺激：用"风光善终/价值过亿/判决意外"等违反预期的结果
|
|
|
-
|
|
|
- 3. 语言风格：口语化、接地气
|
|
|
- 口语化表达：使用通俗易懂的语言，贴近读者生活。
|
|
|
- 刻意使用"赶都赶不走/各吃各的/我就知道你在家"等市井化用语。
|
|
|
- 例如：
|
|
|
- “狗屎运？江西男子钓鱼时发现青鱼尸骸，扒开后捡到鸡蛋大小的青鱼石”。
|
|
|
- “聪明的女人，不会帮婆家3种忙，而蠢女人才一再插手”。
|
|
|
- 接地气的词汇：使用“狗屎运”“蠢女人”等口语化词汇，增强亲切感。
|
|
|
- 身份反差构建：突出人物命运转折（老农→亿万富翁/囚犯→政府帮扶对象）
|
|
|
- 权威背书暗示："专家气愤/法院判决/网友评价"等第三方视角增强可信度
|
|
|
-
|
|
|
- 4. 标点运用：增强语气，突出重点
|
|
|
- 问号与感叹号：通过问号制造悬念，感叹号强化情感。
|
|
|
- 在关键转折点使用（"太气人了！/赔不了！"）
|
|
|
- 问号制造互动：如"容嬷嬷是校花？"激发读者验证心理
|
|
|
- 例如：
|
|
|
- “你知道是哪五家吗？”
|
|
|
- “太无耻了！湖南，一名厨师被公司派到云南‘出差’被拒……”
|
|
|
- 引号与冒号：用于突出关键词或转折点。
|
|
|
- 破折号递进：用"——"引导关键信息（"吃不完最好扔掉——"）
|
|
|
- 例如：
|
|
|
- “被误认成萝卜却曾是‘救命粮’”。
|
|
|
- “女子归还后，失主拒绝支付报酬，还说：要有格局”。
|
|
|
-
|
|
|
- 5. 热点与话题性：结合社会热点或争议
|
|
|
- 社会热点：结合当前热点事件或争议话题，吸引关注。例如：
|
|
|
- “上海：男子超市连续购买46枚过期咸鸭蛋，2天分46次交易，向厂家索赔金14万，法院判了！”
|
|
|
- 争议性话题：通过争议性内容引发讨论。例如：
|
|
|
- “李玉成终于说出实话，公开吐槽马玉琴年纪太大，结婚28年疑似后悔”。
|
|
|
-
|
|
|
- 6. 数字与具体细节：增强可信度与吸引力
|
|
|
- 数字的运用：通过具体数字增强标题的可信度和吸引力。例如：
|
|
|
- “亩产7000斤”。
|
|
|
- “22年河南男子跳河救人，体力耗尽留遗言”。
|
|
|
- 细节描述：通过细节让标题更具画面感。例如：
|
|
|
- “打开床底柜，儿子突然痛哭”。
|
|
|
- “扒开后捡到鸡蛋大小的青鱼石”。
|
|
|
-
|
|
|
- 7. 价值诉求：传递实用信息或情感价值
|
|
|
- 实用信息：提供对读者有价值的信息。例如：
|
|
|
- “我国存款最安全的五大银行，永远都不会倒闭”。
|
|
|
- “72岁老人每天一个蒸苹果，半年后体检，看到指标变化让他乐开了花”。
|
|
|
- 情感价值：通过情感故事或人生哲理打动读者。例如：
|
|
|
- “父母越老越能暴露家庭最真实的一面：当父母70岁，子女不该抱有这三种期待”。
|
|
|
-
|
|
|
- 8. 名人效应与历史情怀：增强吸引力
|
|
|
- 名人效应：提及名人或历史事件，吸引关注。例如：
|
|
|
- “难怪王扶林说陈晓旭不够漂亮，看看他选的原黛玉候选人，那才叫美”。
|
|
|
- “1975年‘下馆子’的老照片，2元能吃些什么，勾起那段最难忘的时光”。
|
|
|
-
|
|
|
- 9.隐藏传播逻辑：通过标题中暗含的、能触发人性弱点（如猎奇、贪婪、同情）或社会痛点的心理机制，通过潜意识刺激读者点击欲望
|
|
|
- 人性弱点触发：贪婪（200万保单）、猎奇（林彪密件）、窥私（家庭算计）
|
|
|
- 生存焦虑关联：医疗（脑瘫儿）、养老（子女不孝）、食品安全（二次加热）
|
|
|
- 身份代入设计：选择"老太太/外甥女/退休母亲"等易引发群体共鸣的角色
|
|
|
- 输入的标题是： '{ori_title}'
|
|
|
+请将以下标题改写成适合公众号中小程序点击和传播的文章标题，文章标题的写作规范如下，请学习后进行文章标题的编写。直接输出最终的文章标题，文章标题撰写规范如下：
|
|
|
+1. 标题结构：要点前置，信息明确
|
|
|
+ 核心信息前置：标题开头直接点出文章的核心内容或亮点，吸引读者注意。例如：
|
|
|
+ “我国存款最安全的五大银行，永远都不会倒闭，你知道是哪五家吗？”
|
|
|
+ “亩产7000斤，被误认成萝卜却曾是‘救命粮’，如今成我国出口名蔬”。
|
|
|
+ 简洁明了：标题通常在20字以内，信息集中且易于理解。
|
|
|
+ 悬念前置结构：前半句设置反常/冲突场景（如"刑满释放蹬三轮"）+后半句用结果反转制造悬念（"政府领导登门分配工作"）
|
|
|
+ 多要素拼接：通过冒号/逗号分隔不同叙事主体（地域+人物冲突+权威评价），如"辽宁女子住高档小区被敲门，法院判决意外"
|
|
|
+
|
|
|
+2. 情绪表达：激发共鸣，引发好奇
|
|
|
+ 情感共鸣：通过情感化的语言触动读者，泪崩/守护/抱头痛哭等情感冲击词，配合家庭伦理场景
|
|
|
+ 例如：
|
|
|
+ “老母亲分家产，给亲闺女30万，给养女一筐青菜，养女意外摔倒，看到筐子里的东西，瞬间愣住了”。
|
|
|
+ “儿子卖车卖房给母亲治病，母亲去世后儿媳收拾房间，打开床底柜，儿子突然痛哭”。
|
|
|
+ 悬念与好奇心：通过提问或制造悬念，激发读者点击欲望。例如：
|
|
|
+ “你知道是哪五家吗？”
|
|
|
+ “打开床底柜，儿子突然痛哭”。
|
|
|
+ 冲突性情绪词：拍桌大骂/气愤不已/眼红不已/算计等强对抗性词汇
|
|
|
+ 结果反差刺激：用"风光善终/价值过亿/判决意外"等违反预期的结果
|
|
|
+
|
|
|
+3. 语言风格：口语化、接地气
|
|
|
+ 口语化表达：使用通俗易懂的语言，贴近读者生活。
|
|
|
+ 刻意使用"赶都赶不走/各吃各的/我就知道你在家"等市井化用语。
|
|
|
+ 例如：
|
|
|
+ “狗屎运？江西男子钓鱼时发现青鱼尸骸，扒开后捡到鸡蛋大小的青鱼石”。
|
|
|
+ “聪明的女人，不会帮婆家3种忙，而蠢女人才一再插手”。
|
|
|
+ 接地气的词汇：使用“狗屎运”“蠢女人”等口语化词汇，增强亲切感。
|
|
|
+ 身份反差构建：突出人物命运转折（老农→亿万富翁/囚犯→政府帮扶对象）
|
|
|
+ 权威背书暗示："专家气愤/法院判决/网友评价"等第三方视角增强可信度
|
|
|
+
|
|
|
+4. 标点运用：增强语气，突出重点
|
|
|
+ 问号与感叹号：通过问号制造悬念，感叹号强化情感。
|
|
|
+ 在关键转折点使用（"太气人了！/赔不了！"）
|
|
|
+ 问号制造互动：如"容嬷嬷是校花？"激发读者验证心理
|
|
|
+ 例如：
|
|
|
+ “你知道是哪五家吗？”
|
|
|
+ “太无耻了！湖南，一名厨师被公司派到云南‘出差’被拒……”
|
|
|
+ 引号与冒号：用于突出关键词或转折点。
|
|
|
+ 破折号递进：用"——"引导关键信息（"吃不完最好扔掉——"）
|
|
|
+ 例如：
|
|
|
+ “被误认成萝卜却曾是‘救命粮’”。
|
|
|
+ “女子归还后，失主拒绝支付报酬，还说：要有格局”。
|
|
|
+
|
|
|
+5. 热点与话题性：结合社会热点或争议
|
|
|
+ 社会热点：结合当前热点事件或争议话题，吸引关注。例如：
|
|
|
+ “上海：男子超市连续购买46枚过期咸鸭蛋，2天分46次交易，向厂家索赔金14万，法院判了！”
|
|
|
+ 争议性话题：通过争议性内容引发讨论。例如：
|
|
|
+ “李玉成终于说出实话，公开吐槽马玉琴年纪太大，结婚28年疑似后悔”。
|
|
|
+
|
|
|
+6. 数字与具体细节：增强可信度与吸引力
|
|
|
+ 数字的运用：通过具体数字增强标题的可信度和吸引力。例如：
|
|
|
+ “亩产7000斤”。
|
|
|
+ “22年河南男子跳河救人，体力耗尽留遗言”。
|
|
|
+ 细节描述：通过细节让标题更具画面感。例如：
|
|
|
+ “打开床底柜，儿子突然痛哭”。
|
|
|
+ “扒开后捡到鸡蛋大小的青鱼石”。
|
|
|
+
|
|
|
+7. 价值诉求：传递实用信息或情感价值
|
|
|
+ 实用信息：提供对读者有价值的信息。例如：
|
|
|
+ “我国存款最安全的五大银行，永远都不会倒闭”。
|
|
|
+ “72岁老人每天一个蒸苹果，半年后体检，看到指标变化让他乐开了花”。
|
|
|
+ 情感价值：通过情感故事或人生哲理打动读者。例如：
|
|
|
+ “父母越老越能暴露家庭最真实的一面：当父母70岁，子女不该抱有这三种期待”。
|
|
|
+
|
|
|
+8. 名人效应与历史情怀：增强吸引力
|
|
|
+ 名人效应：提及名人或历史事件，吸引关注。例如：
|
|
|
+ “难怪王扶林说陈晓旭不够漂亮，看看他选的原黛玉候选人，那才叫美”。
|
|
|
+ “1975年‘下馆子’的老照片，2元能吃些什么，勾起那段最难忘的时光”。
|
|
|
+
|
|
|
+9.隐藏传播逻辑：通过标题中暗含的、能触发人性弱点（如猎奇、贪婪、同情）或社会痛点的心理机制，通过潜意识刺激读者点击欲望
|
|
|
+ 人性弱点触发：贪婪（200万保单）、猎奇（林彪密件）、窥私（家庭算计）
|
|
|
+ 生存焦虑关联：医疗（脑瘫儿）、养老（子女不孝）、食品安全（二次加热）
|
|
|
+ 身份代入设计：选择"老太太/外甥女/退休母亲"等易引发群体共鸣的角色
|
|
|
+输入的标题是： '{ori_title}'
|
|
|
"""
|
|
|
return prompt
|
|
|
|
|
|
+ @staticmethod
|
|
|
+ def category_generation_from_title(title_list):
|
|
|
+ """
|
|
|
+ generate prompt category for given title
|
|
|
+ """
|
|
|
+ prompt = f"""
|
|
|
+请帮我完成以下任务：输入为文章的标题，根据标题判断其内容所属的类目，输出为文章标题及其对应的类目。
|
|
|
+类目需从以下15个品类内选择：
|
|
|
+1. 知识科普
|
|
|
+定义：以通俗易懂的方式普及科学、技术、健康、安全、生活常识、财产保护、医保政策、为人处事方式等内容，旨在提高公众的知识水平和认知能力。内容通常具有教育性和实用性，涵盖自然、社会、文化等多个领域。
|
|
|
+标题示例：
|
|
|
+我国存款最安全的五大银行，永远都不会倒闭，你知道是哪五家吗？
|
|
|
+借条上不要写“这3个字”，不然变成一张废纸，否则用法律也没用
|
|
|
+不能二次加热的3种食物！再次提醒：这3种食物吃不完最好扔掉
|
|
|
+
|
|
|
+2. 军事历史
|
|
|
+定义：聚焦于历史上的军事事件、战争故事、军事策略、英雄人物等内容，旨在还原战争场景、探讨军事决策、揭示历史真相，并展现战争中的人物命运与历史影响。内容通常以叙事、分析或回忆的形式呈现，兼具历史深度和故事性。
|
|
|
+标题示例：
|
|
|
+对越作战永远失踪的332人，陵园没有墓碑，没有名字，只有烈士证
|
|
|
+淮海大战丢失阵地，师长带头冲锋！最后出一口恶气：活捉敌最高指挥官
|
|
|
+抗战时，一村民被敌拉去带路，半道回头忽发现:后面跟个游击队员
|
|
|
+
|
|
|
+3. 家长里短
|
|
|
+定义：围绕家庭成员之间的关系、矛盾、情感、道德、等展开的故事或讨论，内容常涉及婚姻、亲子、婆媳、兄弟姐妹等关系，或是人情往来、金钱纠纷、情感变化等内容，反映家庭生活中的温情、冲突与人性。
|
|
|
+标题示例：
|
|
|
+父母越老越能暴露家庭最真实的一面：当父母70岁，子女不该抱有这三种期待
|
|
|
+老母亲分家产，给亲闺女30万，给养女一筐青菜，养女意外摔倒，看到筐子里的东西，瞬间愣住了
|
|
|
+我花150一天雇了阿姨，两天后上班回来给她300，阿姨说我账算错了
|
|
|
+
|
|
|
+4. 社会法治
|
|
|
+定义：聚焦社会事件、法律纠纷、法院判决、社会现象等内容，通常涉及道德、法律、公平正义等议题，旨在揭示社会问题、探讨法律规则或反映人性与社会现实。
|
|
|
+标题示例：
|
|
|
+山东，女子在小区捡到16万天价项链，业主悬赏3万找回，女子归还后，失主拒绝支付报酬，还说：要有格局，女子认为被骗，将失主告上法庭
|
|
|
+陕西，女子22万买26层房，2年后，楼盘24层就已经封顶！开发商：你闹事造成100万损失，道歉才给赔偿！
|
|
|
+上海：男子超市连续购买46枚过期咸鸭蛋，2天分46次交易，向厂家索赔金14万，法院判了！
|
|
|
+
|
|
|
+5. 奇闻趣事
|
|
|
+定义：以猎奇、娱乐为主，涵盖罕见、奇特、有趣的事件、发现或故事，内容通常具有趣味性和话题性，能够引发读者的好奇心和讨论。
|
|
|
+标题示例：
|
|
|
+狗屎运？江西男子钓鱼时发现青鱼尸骸，扒开后捡到鸡蛋大小的青鱼石，网友：起码值几千！
|
|
|
+内蒙古小伙河边捡到金牌，拒绝上交将其熔成金手镯，专家气愤不已
|
|
|
+男子买了一辆废弃坦克，拆油箱时，他发现了一根又一根的金条……
|
|
|
+
|
|
|
+6. 名人八卦
|
|
|
+定义：围绕名人的生活、言论、事件、八卦等内容展开，通常涉及娱乐圈、政界、历史人物等，旨在满足公众对名人隐私和动态的好奇心。
|
|
|
+标题示例：
|
|
|
+难怪王扶林说陈晓旭不够漂亮，看看他选的原黛玉候选人，那才叫美
|
|
|
+心狠手辣的容嬷嬷年轻时是校花？看了照片后，网友直接闭嘴了！
|
|
|
+李玉成终于说出实话，公开吐槽马玉琴年纪太大，结婚28年疑似后悔
|
|
|
+
|
|
|
+7. 健康养生
|
|
|
+定义：关注健康、养生、疾病预防、生活习惯等方面的知识和建议，内容通常具有实用性和指导性，旨在帮助读者改善生活质量、提升健康水平。
|
|
|
+标题示例：
|
|
|
+72岁老人每天一个蒸苹果，半年后体检，看到指标变化让他乐开了花
|
|
|
+40岁女子每天吃水煮蛋，一年后去体检，检查报告令医生都羡慕不已
|
|
|
+2024年血糖新标准已公布，不再是3.9~6.1，你的血糖还不算高吗？
|
|
|
+
|
|
|
+8. 情感故事
|
|
|
+定义：以人与人之间的情感交流、感人故事、情感经历为主题，内容通常充满温情、感动或反思，旨在引发读者的情感共鸣和思考。
|
|
|
+标题示例：
|
|
|
+男孩饭店吃饭，发现陌生女子和去世母亲很像，走过去说：我妈妈去世了，能抱一下我吗？
|
|
|
+河南一女子直播时，被失散 32 年的父亲认出：闺女等着爸爸接你回家
|
|
|
+1987年，江苏男子借好友一千元，25年后朋友成富豪还他1000万报恩
|
|
|
+流浪狗跟着骑行夫妻跑了一百多公里，一直守护在女主身边，赶都赶不走，当男主得知原因后竟抱着狗狗大哭起来
|
|
|
+
|
|
|
+9. 国家大事
|
|
|
+定义：涉及国家实力、科技发展、资源发现、国际合作等内容，通常以宏观视角展现国家的综合实力、科技成就或国际影响力，体现国家的崛起与发展。
|
|
|
+标题示例：
|
|
|
+我国在南极发现“海上粮仓”，储量高达10亿吨，世界各国眼红不已
|
|
|
+我国贵州发现7000万吨宝藏，价值高达上万亿，多国求合作被拒绝
|
|
|
+距我国3000公里，塞班岛明明归美国管辖，为何岛上大多是中国人？
|
|
|
+
|
|
|
+10. 现代人物
|
|
|
+定义：聚焦活跃在21世纪后具有传奇色彩或巨大贡献的人物、事迹、成就等，内容通常充满戏剧性和启发性，旨在展现人物的非凡经历或历史贡献。
|
|
|
+标题示例：
|
|
|
+她曾狂贪国家上百亿，被发现时已经移居美国，最终还风光一时得善终
|
|
|
+山东女子因坐月子无聊，破译美国2套绝密系统的密码，国家：奖励711万！
|
|
|
+牺牲太大了！航天女英雄刘洋：结婚8年未生子，回地面后“消失”的她怎样了？
|
|
|
+
|
|
|
+11. 怀旧时光
|
|
|
+定义：以回忆和怀旧为主题，涉及过去的历史、文化、生活、照片等内容，旨在唤起读者对过去时光的情感共鸣和怀念。
|
|
|
+标题示例：
|
|
|
+1975年“下馆子”的老照片，2元能吃些什么，勾起那段最难忘的时光
|
|
|
+82年，北京老人捡回两张“破椅子”，遭家人数落，29年后拍出2300万
|
|
|
+这张老照片第一次看到，邓颖超和李讷的罕见合影！
|
|
|
+
|
|
|
+12. 政治新闻
|
|
|
+定义：聚焦政治事件、领导人动态、国际关系等内容，通常以新闻或分析的形式呈现，旨在揭示政治局势、政策变化或国际关系的动态。
|
|
|
+标题示例：
|
|
|
+中方外长行程有变，提前结束访欧匆匆回国，带回来一个好消息
|
|
|
+宋庆龄在北京逝世后，远在美国的宋美龄只说了7个字，字字揪心！
|
|
|
+庐山会议后，叶帅去劝彭德怀认个错，哭着说了一句心里话
|
|
|
+
|
|
|
+13. 历史人物
|
|
|
+定义：聚焦于21世纪前具有重要影响的人物，包括他们的生平、事迹、成就、性格、趣事及其对历史进程的贡献。内容通常以传记、回忆录或历史分析的形式呈现，旨在还原人物的真实面貌并探讨其历史意义。
|
|
|
+标题示例：
|
|
|
+林彪去世后，蒋介石收到林彪与戴笠的一份密谈文件，看后拍桌大骂
|
|
|
+张学良软禁时的一张实拍照片，头发秃顶，两眼无光，像个中年老头
|
|
|
+1912年，孙中山和两个女儿罕见留影，面对镜头父女三人看起来很幸福
|
|
|
+
|
|
|
+14. 社会现象
|
|
|
+定义：关注社会中出现的普遍现象、趋势或问题，通常涉及文化、经济、教育、民生等领域。内容以观察、分析或评论为主，旨在揭示现象背后的原因、影响及社会意义，引发公众的思考和讨论。
|
|
|
+标题示例：
|
|
|
+22年河南男子跳河救人，体力耗尽留遗言，被救女子猛然抓住他：一起走
|
|
|
+浙江一老人刑满释放，靠蹬三轮为生，6年后，政府领导登门拜访：我们帮您分配工作
|
|
|
+儿子收到清华通知书，父亲花5万请全村吃席，镇长看一眼竟说：这是假的
|
|
|
+
|
|
|
+15.财经科技
|
|
|
+定义：聚焦于经济、金融、投资及行业发展的分析与预测，涵盖未来经济趋势、资产价值变化、行业变革及个人理财策略等内容。可以提供前瞻性的财经视角和实用的理财建议，帮助其把握经济动态、优化财务规划并应对行业变化。
|
|
|
+标题示例：
|
|
|
+未来10年，现金和房子都将贬值，只有2样东西最值钱
|
|
|
+外卖时代将被终结？一个全新行业正悄悄取代外卖，你准备好了吗？
|
|
|
+准备存款的一定要知道，今明两年，定期存款要记住“4不存”
|
|
|
+
|
|
|
+输入是一个 LIST， LIST 中的每个元素是一个元组，元组的第一个元素是文章的 ID，第二个元素是文章的标题。
|
|
|
+最后输出结果请用JSON格式输出，key为ID，value为品类，仅输出JSON，不要markdown格式，不要任何其他内容
|
|
|
+如果标题中包含半角双引号，则进行转义
|
|
|
+输入的 LIST 是 {title_list}
|
|
|
+检查你的输出，输出的品类一定需要是输入的 15个品类，只需要输出品类的中文汉字
|
|
|
+ """
|
|
|
+ return prompt
|
|
|
+
|
|
|
+ async def _roll_back_lock_tasks(self, table_name):
|
|
|
+ query = f"""
|
|
|
+ update {table_name}
|
|
|
+ set category_status = %s
|
|
|
+ where category_status = %s and category_status_update_ts <= %s;
|
|
|
+ """
|
|
|
+ await self.pool.async_save(
|
|
|
+ query=query,
|
|
|
+ params=(
|
|
|
+ self.INIT_STATUS,
|
|
|
+ self.PROCESSING_STATUS,
|
|
|
+ int(time.time()) - self.MAX_PROCESSING_TIME,
|
|
|
+ )
|
|
|
+ )
|
|
|
+
|
|
|
+ async def process_single_article(self, content_type, article):
|
|
|
+ match content_type:
|
|
|
+ case "video":
|
|
|
+ article_id = article["id"]
|
|
|
+ title = article["article_title"]
|
|
|
+ case "article":
|
|
|
+ article_id = article["article_id"]
|
|
|
+ title = article["title"]
|
|
|
+ case _:
|
|
|
+ raise ValueError("content type is not supported")
|
|
|
+
|
|
|
+ title_batch = [(article_id, title)]
|
|
|
+ prompt = self.category_generation_from_title(title_batch)
|
|
|
+ try:
|
|
|
+ completion = fetch_deepseek_completion(
|
|
|
+ model="DeepSeek-V3", prompt=prompt, output_type="json"
|
|
|
+ )
|
|
|
+ return completion
|
|
|
+
|
|
|
+ except Exception as e:
|
|
|
+ await self.aliyun_log.log(
|
|
|
+ contents={
|
|
|
+ "trace_id": self.trace_id,
|
|
|
+ "data": {
|
|
|
+ "article_id": article_id,
|
|
|
+ "error": str(e),
|
|
|
+ "traceback": traceback.format_exc(),
|
|
|
+ }
|
|
|
+ }
|
|
|
+ )
|
|
|
+ return None
|
|
|
+
|
|
|
|
|
|
class TitleRewrite(TitleProcess):
|
|
|
|
|
|
@@ -265,5 +447,140 @@ class VideoPoolCategoryGeneration:
|
|
|
pass
|
|
|
|
|
|
|
|
|
-class ArticlePoolCategoryGeneration:
|
|
|
- pass
|
|
|
+class ArticlePoolCategoryGeneration(TitleProcess):
|
|
|
+
|
|
|
+ def __init__(self, pool, aliyun_log, trace_id):
|
|
|
+ super().__init__(pool, aliyun_log, trace_id)
|
|
|
+
|
|
|
+ async def lock_task(self, article_id_tuple: tuple[int, ...]) -> int:
|
|
|
+ update_query = f"""
|
|
|
+ update long_articles.crawler_meta_article
|
|
|
+ set category_status = %s, category_status_update_ts = %s
|
|
|
+ where article_id in %s and category_status = %s;
|
|
|
+ """
|
|
|
+
|
|
|
+ return await self.pool.async_save(
|
|
|
+ query=update_query,
|
|
|
+ params=(
|
|
|
+ self.PROCESSING_STATUS,
|
|
|
+ int(time.time()),
|
|
|
+ article_id_tuple,
|
|
|
+ self.INIT_STATUS,
|
|
|
+ ),
|
|
|
+ )
|
|
|
+
|
|
|
+ async def get_task_list(self, limit=1000):
|
|
|
+ query = f"""
|
|
|
+ select article_id, title from long_articles.crawler_meta_article
|
|
|
+ where category_status = %s and status = %s and score > %s
|
|
|
+ order by score desc limit %s;
|
|
|
+ """
|
|
|
+ return await self.pool.async_fetch(
|
|
|
+ query=query,
|
|
|
+ params=(self.INIT_STATUS, self.ARTICLE_INIT_STATUS, self.LIMIT_SCORE, limit),
|
|
|
+ )
|
|
|
+
|
|
|
+ async def set_category_status_as_success(self,article_id: int, category: str) -> int:
|
|
|
+ update_query = f"""
|
|
|
+ update long_articles.crawler_meta_article
|
|
|
+ set category_by_ai = %s, category_status = %s, category_status_update_ts = %s
|
|
|
+ where article_id = %s and category_status = %s;
|
|
|
+ """
|
|
|
+ return await self.pool.async_save(
|
|
|
+ query=update_query,
|
|
|
+ params=(
|
|
|
+ category,
|
|
|
+ self.SUCCESS_STATUS,
|
|
|
+ int(time.time()),
|
|
|
+ article_id,
|
|
|
+ self.PROCESSING_STATUS,
|
|
|
+ ),
|
|
|
+ )
|
|
|
+
|
|
|
+ async def set_category_status_as_fail(self, article_id: int) -> int:
|
|
|
+ update_query = f"""
|
|
|
+ update long_articles.crawler_meta_article
|
|
|
+ set category_status = %s, category_status_update_ts = %s
|
|
|
+ where article_id = %s and category_status = %s;
|
|
|
+ """
|
|
|
+ return await self.pool.async_save(
|
|
|
+ query=update_query,
|
|
|
+ params=(
|
|
|
+ self.FAIL_STATUS,
|
|
|
+ int(time.time()),
|
|
|
+ article_id,
|
|
|
+ self.PROCESSING_STATUS,
|
|
|
+ ),
|
|
|
+ )
|
|
|
+
|
|
|
+ async def process_each_batch(self, task_batch):
|
|
|
+ title_batch = [(i["article_id"], i["title"]) for i in task_batch]
|
|
|
+ id_tuple = tuple([int(i["article_id"]) for i in task_batch])
|
|
|
+
|
|
|
+ if await self.lock_task(id_tuple):
|
|
|
+ prompt = self.category_generation_from_title(title_batch)
|
|
|
+
|
|
|
+ try:
|
|
|
+ completion = fetch_deepseek_completion(
|
|
|
+ model="DeepSeek-V3", prompt=prompt, output_type="json"
|
|
|
+ )
|
|
|
+ for article in title_batch:
|
|
|
+ article_id = article[0]
|
|
|
+ category = completion.get(str(article_id))
|
|
|
+ if category:
|
|
|
+ await self.set_category_status_as_success(article_id, category)
|
|
|
+ else:
|
|
|
+ await self.set_category_status_as_fail(article_id)
|
|
|
+
|
|
|
+ except Exception as e:
|
|
|
+ await self.aliyun_log.log(
|
|
|
+ contents={
|
|
|
+ "task": "ArticlePoolCategoryGeneration",
|
|
|
+ "function": "process_each_batch",
|
|
|
+ "message": "batch 中存在敏感词，AI 拒绝返回",
|
|
|
+ "status": "fail",
|
|
|
+ "trace_id": self.trace_id,
|
|
|
+ "data": {
|
|
|
+ "article_id": id_tuple,
|
|
|
+ "error": str(e),
|
|
|
+ "traceback": traceback.format_exc(),
|
|
|
+ }
|
|
|
+ }
|
|
|
+ )
|
|
|
+ for article in tqdm(title_batch):
|
|
|
+ single_completion = await self.process_single_article(content_type="article", article=article)
|
|
|
+ article_id = article[0]
|
|
|
+ if single_completion:
|
|
|
+ category = single_completion.get(str(article_id))
|
|
|
+ if category:
|
|
|
+ # set as success
|
|
|
+ await self.set_category_status_as_success(article_id, category)
|
|
|
+ else:
|
|
|
+ await self.set_category_status_as_fail(article_id)
|
|
|
+ else:
|
|
|
+ # set as fail
|
|
|
+ await self.set_category_status_as_fail(article_id)
|
|
|
+ return
|
|
|
+ else:
|
|
|
+ return
|
|
|
+
|
|
|
+ async def deal(self):
|
|
|
+
|
|
|
+ await self._roll_back_lock_tasks(table_name="crawler_meta_article")
|
|
|
+
|
|
|
+ task_list = await self.get_task_list()
|
|
|
+ task_batch_list = yield_batch(data=task_list, batch_size=self.BATCH_SIZE)
|
|
|
+ for task_batch in task_batch_list:
|
|
|
+ await self.process_each_batch(task_batch)
|
|
|
+
|
|
|
+
|
|
|
+
|
|
|
+
|
|
|
+
|
|
|
+
|
|
|
+
|
|
|
+
|
|
|
+
|
|
|
+
|
|
|
+
|
|
|
+
|
luojunhui