# auto_put_ad_mini — 项目结构文档 > **定位**: 微信小程序投流 — 面向 ROI 的广告粒度自动调控 + 自动创建投放系统 > **最后更新**: 2026-07-27 --- ## 一、项目概述 `auto_put_ad_mini` 是腾讯广告自动化投放系统的**核心生产单元**，专注微信小程序投流场景（`MARKETING_CARRIER_TYPE_MINI_PROGRAM_WECHAT`）。 项目包含**三条独立但协同的生产线**： | 业务线 | 入口 | 频率 | 职责 | |--------|------|------|------| | **Flow A: 决策调控** | `execute_once.py` | 每日 1 次 | Agent 驱动：LLM 动态编排工具调用 → ROI 分析 → 出价调整/暂停广告 | | **Flow B: 创建投放** | `execute_creation_once.py` | 每日 1 次 | 硬编码 Pipeline：创建广告 → 准备创意 → 飞书审批 → 提交腾讯 | | **Flow C: 审核扫描** | `scan_creative_reviews.py` | 每 2 小时 | 硬编码循环：扫描创意审核结果 → 记录拒审事实 | **两种执行模式**： - **Flow A**：Agent 驱动 — `execute_once.py` 通过 Agent 框架启动 LLM，由 LLM 动态决定调用哪些工具、以何种顺序执行。system prompt 中嵌入了推荐的执行流程，但实际编排权在模型。 - **Flow B / C**：确定性 Pipeline — `execute_creation_once.py` 和 `scan_creative_reviews.py` 是硬编码的多阶段脚本，不经过 LLM 编排。 --- ## 二、目录结构 ``` examples/auto_put_ad_mini/ │ ├── 🔵 核心入口 │ ├── run.py # 交互式 Agent REPL（开发调试） │ ├── execute_once.py # Flow A 主入口：Agent 驱动决策调控 │ ├── execute_once_test.py # Flow A 无审批模式（发审批但不阻塞等待，跳过执行） │ ├── execute_creation_once.py # Flow B 主入口：创建投放（Module A + B） │ ├── execute_creation_apply.py # Flow B Phase 3：独立提交创意到腾讯 │ ├── run_full_analysis.py # 仅数据准备步骤（无 LLM，用于调试） │ ├── fetch_data.py # 独立数据拉取脚本 │ └── merge_data.py # 独立数据合并脚本 │ ├── 🟢 生产服务 │ ├── run_daily_service.py # ★ 生产日级服务入口（APScheduler，Flow B + C） │ ├── run_daily_roi.py # 独立日级 ROI 计算 + 飞书审批（可版本化运行） │ ├── server.py # 旧版生产服务器（FastAPI + APScheduler，仅 Flow A） │ ├── schedule.sh # Shell Cron 包装脚本 │ ├── .env.example # 环境变量声明模板 │ └── requirements.txt # 项目专属 Python 依赖 │ ├── 🟡 配置与技能 │ ├── config.py # 核心业务配置（~1073 行） │ ├── presets.json # Agent 预设参数 │ ├── strategy_params.json # 策略参数 │ ├── whitelist.json # 账户白名单（可被 DB 覆盖） │ ├── configs/ │ │ └── material_creative_patterns_seed.json # 素材创意范式种子数据 │ ├── prompts/ │ │ ├── system.prompt # Flow A Agent 系统提示词（嵌入推荐执行流程） │ │ ├── ai_cover_copy.md # AI 封面文案生成 Prompt │ │ ├── ai_generated_material.md # AI 素材生成 Prompt │ │ ├── ai_pattern_selector.md # AI 创意范式选择 Prompt │ │ └── ai_sanitize_video_description.md # 视频描述清洗 Prompt │ └── skills/ # 领域知识（注入 Agent system prompt） │ ├── ad_domain.md # 裂变模型 / R 值 / 动态 ROI 公式 │ ├── decision_strategy.md # 决策框架 / 候选标记 / 7 种 action / 权衡原则 │ ├── platform_rules.md # 腾讯平台硬约束（oCPM 学习期 / API 限制） │ └── posterior_wisdom.md # 后验经验积累 │ ├── 🟣 数据库层 │ └── db/ │ ├── __init__.py # 公开 API │ ├── connection.py # MySQL 连接（pymysql + 连接池） │ ├── config.py # 系统配置 + 白名单 CRUD（5 分钟缓存） │ └── schema.sql # 12 张表 + 默认种子数据 │ ├── 🟠 工具层（35 个文件，含 `__init__.py`） │ └── tools/ │ ├── __init__.py # 包初始化 │ ├── _names.py # 字段名常量 + 禁止词黑名单 │ │ │ ├── ── 腾讯 API + 数据层 ── │ ├── ad_api.py # 腾讯广告 API v3.0 封装（读写统一入口） │ ├── odps_module.py # ODPS 数据源模块 │ ├── data_query.py # ODPS + Reporting API 数据拉取与合并 │ │ │ ├── ── Flow A：决策调控 ── │ ├── roi_calculator.py # 动态 ROI（7日均值）计算器 │ ├── creative_roi_calculator.py # 创意级动态 ROI（pause 候选二次细化依据） │ ├── portfolio_metrics.py # 人群包级汇总（P25/P50/P75） │ ├── ad_decision.py # 决策引擎（候选标记 + 三级分类 + LLM 评估） │ ├── guardrails.py # 护栏验证（频率 / 边界 / 方向 / 兜底） │ ├── execution_engine.py # 执行引擎（API 调用 + 审计日志） │ ├── im_approval.py # 飞书审批（Flow A：发送 + 阻塞轮询回复） │ ├── report_generator.py # 报告生成（Excel + CSV + 飞书表格） │ ├── posterior_collector.py # 后验数据采集 │ └── feishu_doc.py # 飞书文档操作 │ │ │ ├── ── Flow B：创建投放 ── │ ├── ad_creation.py # Module A：广告创建（指纹去重 + 候选枚举） │ ├── creative_creation.py # Module B：创意准备（素材召回 → 落地页 → 候选） │ ├── creative_material_usage.py # 素材使用追踪（7 日去重） │ ├── creative_metrics.py # 创意级指标 │ ├── creative_review.py # 创意审核结果扫描（Flow C 核心逻辑） │ ├── material_recall.py # 素材召回（batchByText，sim ≥ 0.8） │ ├── video_recall.py # 视频内容列表获取 │ ├── video_risk.py # 视频风险标签检查 │ ├── video_feature_query.py # 视频元素特征查询（ODPS 贡献度分析） │ ├── landing_plan.py # 落地页方案创建（xcx/save） │ ├── scene_spec.py # 场景规格 / 微信版位 │ ├── audience_grant.py # 人群包授权验证 │ ├── im_approval_ad_creation.py # 广告创建审批（飞书 Sheet + 轮询） │ ├── im_approval_creation.py # 创意创建审批 │ └── sls_setup.py # SLS 日志上报 │ │ │ ├── ── Flow B：AI 素材 ── │ ├── account_material_strategy.py # 账户级素材来源策略（历史 / AI 生成） │ ├── ai_generated_material.py # AI 生成创意图片素材（LiblibAI 等） │ ├── ai_material_review.py # AI 生成素材审核（Gemini Flash） │ └── material_strategy_learning.py # 素材策略学习持久化（高消耗快照 + 标注） │ │ │ └── ── 投放配置 ── │ └── delivery_config.py # 投放配置解析（出价模式 / 版位 / 地域） │ ├── 🔴 辅助脚本与工具 │ ├── metrics.py # Prometheus 指标导出（可选，需 prometheus-client） │ ├── sync_ad_status.py # 同步已删除广告状态 │ ├── sync_feishu_account_config.py # 同步飞书账户配置到 DB │ ├── scan_creative_reviews.py # Flow C 入口（独立的 2h 循环脚本） │ ├── configure_creation_accounts.py # 批量写入账户三元组配置 │ ├── seed_material_creative_patterns.py # 素材创意范式种子数据导入 │ ├── import_material_strategy_learning.py # 素材策略学习数据导入 │ ├── quick_analysis.py # 快速分析（使用已有数据） │ ├── regenerate_metrics.py # 从已有 CSV 重新生成指标 │ ├── analyze_snapshot.py # 决策质量分析（9 维度评估） │ ├── analyze_dimensions.py # 维度使用率分析 │ ├── verify_decision.py # 决策验证 │ ├── run_decision_test.py # 决策引擎单元测试（绕过 Agent，直接测 ad_decision） │ └── get_chat_id.py # 获取飞书群聊 ID │ ├── 🐛 调试脚本 │ ├── debug_generate_ai_material.py # AI 素材生成调试 │ └── debug_select_creative_patterns.py # 创意范式选择调试 │ ├── 🧪 测试文件（22 个） │ ├── test_e2e_full_flow.py # 端到端全流程测试 │ ├── test_approval_flow_e2e.py # 审批流程端到端测试 │ ├── test_real_approval_flow.py # 真实审批流程测试 │ ├── test_single_ad.py # 单广告测试 │ ├── test_tencent_api.py # API 连通性测试 │ ├── test_creative_review_scan.py # 创意审核扫描测试 │ ├── test_ai_generated_materials.py # AI 素材生成测试 │ ├── test_hot_video_feature_enrichment.py # 热门视频特征增强测试 │ ├── test_landing_video_dedupe.py # 落地视频去重测试 │ ├── test_video_recall_pagination.py # 视频召回分页测试 │ ├── test_compute_signal_scores.py # 信号分数计算测试 │ ├── test_ad_creation_status.py # 广告创建状态测试 │ ├── test_feishu_approval.py # 飞书审批测试 │ ├── test_feishu_import.py # 飞书数据导入测试 │ ├── test_im_approval_creation.py # IM 审批创建测试 │ ├── test_approval_replay.py # 审批回放测试 │ ├── test_chat_send.py # 飞书消息发送测试 │ ├── test_send_with_sheet.py # 飞书 Sheet 发送测试 │ ├── test_send_with_sheet_simple.py # 飞书 Sheet 简化测试 │ ├── test_strategy_upgrade.py # 策略升级测试 │ ├── test_api_simple.py # API 简单连通性测试 │ └── test_analysis_0415.py # 0415 分析验证 │ ├── 📁 K8s 部署清单 │ └── k8s/ │ ├── deployment.yaml # Deployment 模式（APScheduler） │ ├── cronjob.yaml # Flow A CronJob │ ├── cronjob_creation.yaml # Flow B CronJob │ ├── cronjob_creative_review.yaml # Flow C CronJob │ ├── configmap.yaml │ ├── secret.yaml │ ├── pvc.yaml │ ├── namespace.yaml │ └── network-policy.yaml │ ├── 📁 数据与工具 │ ├── data/tencent_constants/ │ │ └── regions_sop_current.json # SOP 地域参考数据 │ ├── shared/reports/ # 共享分析报告（20260427 样本数据） │ └── utils/log_capture.py # 日志捕获 │ └── 📚 文档 ├── PROJECT_STRUCTURE.md # ★ 本文档 ├── CLAUDE.md # 项目级 Claude 开发指南 + 工程纪律 ├── ONBOARDING.md # 新人上手文档 ├── DEPLOYMENT.md # 部署指南 ├── PRODUCTION_AUTOMATION.md # 生产自动化说明 ├── SCHEDULER_GUIDE.md # 调度器使用指南 ├── APPROVAL_FLOW_UPDATE.md # 审批流程更新说明 ├── CREATIVE_CREATION_TODO.md # 创意创建待办 ├── TEST_RESULT.md # 测试结果 ├── DOCKER_TEST.md # Docker 测试指南 ├── test_db_summary.md # DB 测试汇总 ├── doc/ │ └── skill_refactor_plan_20260422.md # Skill 重构方案 └── docs/ ├── ad_automation_platform_architecture_plan_2026-07-25.md # 统一平台架构方案 ├── unified_services_deployment.md # 统一服务部署方案 ├── ai_material_strategy_plan_2026-07-07.md # AI 素材策略方案 ├── material_strategy_learning_db_design_2026-07-08.md # 素材策略学习 DB 设计 ├── strategy_review_2026-04-16.md # 专家级策略 Review └── 不走LLM的规则盘点.md # 绕过 LLM 的规则清单 ``` --- ## 三、Flow A: 决策调控（execute_once.py） ### 3.1 执行模型：Agent 驱动，非硬编码 Pipeline > **关键认知**：`execute_once.py` **不是**一个步骤固定的脚本。它启动一个 Agent（`AgentRunner`），将控制权交给 LLM。LLM 读取 system prompt 中嵌入的推荐流程，**动态决定**调用哪些工具、以何种顺序调用。 实际运行时，LLM 通常会按以下顺序调用工具（顺序由 system prompt 中的推荐流程引导，但 LLM 可以跳过、重排或插入中间步骤）： ``` 用户消息："分析广告，执行完整的ROI计算和决策流程" │ ▼ ┌─ Agent Loop（LLM 动态编排）────────────────────────────────────────┐ │ │ │ ① fetch_creative_data ODPS 拉创意数据 + 广告状态快照 │ │ → outputs/raw/creative_{date}.csv │ │ → outputs/ad_status/ad_status_{date}.csv│ │ │ │ ② merge_creative_data 合并（LLM 可能自动调用，也可能跳过） │ │ │ │ ③ calculate_roi_metrics 计算动态 ROI（7日均值） │ │ → outputs/metrics/metrics_{date}.csv │ │ │ │ ④ calculate_creative_roi 创意级动态 ROI（pause 二次细化依据） │ │ │ │ ⑤ calculate_portfolio_summary 人群包级汇总（P25/P50/P75） │ │ │ │ ⑥ get_ads_for_review 三级分类 + 候选标记 │ │ ├── 零消耗待关停（规则直达） │ │ ├── 待优化评估（进入 LLM 推理） │ │ └── 正常运行（跳过） │ │ │ │ ⑦ [LLM 推理] Agent 自身对候选广告做综合判断 │ │ 注入 skills/*.md 领域知识 │ │ 输出: action + reason │ │ │ │ ⑧ apply_decisions 保存决策 + 合并 metrics 字段 │ │ → outputs/reports/llm_decisions_{date}.csv│ │ │ │ ⑨ validate_decisions 护栏验证（频率/边界/方向/兜底） │ │ │ │ ⑩ generate_report 生成 Excel + CSV 报告 │ │ │ │ ⑪ send_approval_request 飞书 IM 审批（发送 + 阻塞等待回复） │ │ 含 Excel 附件 + 统计摘要 │ │ │ │ ⑫ check_approval_status 轮询审批状态（超时 120 分钟） │ │ │ │ ⑬ execute_decisions 执行审批通过的决策 │ │ → execution_engine → ad_api │ │ → audit JSONL 日志 │ │ │ │ ⑭ check_execution_feedback 执行效果检查 │ │ │ └─────────────────────────────────────────────────────────────────────┘ ``` > `execute_once_test.py` 是该流程的**无审批模式变体**：发送审批请求但不阻塞等待，跳过执行步骤，仅生成报告收尾。用于无运营人员值班的场景。 ### 3.2 核心决策架构（三层） ``` ┌─────────────────────────────────────────────────────────────────┐ │ Layer 1: 规则引擎 (ad_decision.py, Python) │ │ │ │ ① 年龄保护：冷启动 ≤3 天 → 排除 │ │ 早期成长 4-7 天 → 仅允许 bid_up │ │ 成熟期 >7 天 → 全面调控 │ │ │ │ ② 零消耗检测：近 N 天消耗 = 0 → 规则关停 │ │ │ │ ③ 5 个候选标记计算： │ │ ├── roi_low 动态 ROI < P50 × 0.75 │ │ ├── bid_down_candidate 动态 ROI < P50 × 0.90 │ │ ├── bid_up_candidate 动态 ROI > P50 × 1.05（仅冷启动） │ │ ├── decay_signal 裂变率持续下降 │ │ └── high_burn 消耗异常高 + 低 ROI │ └─────────────────────────────────────────────────────────────────┘ │ 标记完的广告列表 → 喂给 LLM ▼ ┌─────────────────────────────────────────────────────────────────┐ │ Layer 2: LLM 推理 (Agent 自身，Claude Sonnet 4.5) │ │ │ │ 注入 skills/*.md 领域知识： │ │ ├── ad_domain.md 裂变模型、R 值、动态 ROI 公式 │ │ ├── decision_strategy.md 7 种 action、权衡原则 │ │ ├── platform_rules.md oCPM 学习期、调价上限 │ │ └── posterior_wisdom.md 历史经验教训 │ │ │ │ 输出 7 种 action： │ │ pause | bid_down | bid_up | scale_up | │ │ creative_adjust | observe | hold │ │ │ │ Reason 规则：纯中文、禁止变量名、解释业务逻辑 │ └─────────────────────────────────────────────────────────────────┘ │ LLM 决策 → 写入 decisions CSV ▼ ┌─────────────────────────────────────────────────────────────────┐ │ Layer 3: 护栏验证 (guardrails.py, Python) │ │ │ │ ① 方向检查：bid_down 是否合理（ROI 真的低？） │ │ ② 频率检查：6h 内不能重复调同一广告 │ │ ③ 边界检查：出价必须在 [0.05, 1.00] 元区间 │ │ ④ 日累计检查：当日累计调幅 ≤ 20% │ │ ⑤ 兜底检查：触发次数应为 0（有则说明规则层有漏） │ │ ⑥ DRY_RUN 模式：True → 仅记录不执行 │ └─────────────────────────────────────────────────────────────────┘ ``` ### 3.3 动态 ROI 计算公式 项目使用**动态 ROI（7日均值）**作为核心决策指标，而非简单 ROI。 ``` 对每一天（日消耗 ≥ 100 元才参与计算）： T0裂变系数 = T0裂变数（fission0_count）/ 首层打开数（open_count） arpu = 总收入 / 总回流人数 当日裂变收益率 = T0裂变数 × arpu / cost 当日回流倍数 = 总回流人数 / 首层打开数 7 日滚动均值（min_periods=3，至少 3 天合格数据即可计算）： T0裂变系数_7日均值 = mean(T0裂变系数) over 7 天 回流倍数_7日均值 = mean(当日回流倍数) over 7 天 裂变效率稳定因子 = 回流倍数_7日均值 / T0裂变系数_7日均值 动态 ROI（7日均值）= 当日裂变收益率 × 裂变效率稳定因子 ``` **决策使用规则**： - **广告级决策**：使用单广告的动态 ROI（7日均值） - **人群包评估**：使用人群包整体的动态 ROI（7日均值）均值 - **关停阈值**：动态 ROI < 渠道 P50 × `ROI_LOW_FACTOR`（默认 0.75）→ 触发 `roi_low` 标记 --- ## 四、Flow B: 创建投放（execute_creation_once.py） ### 4.1 执行模型：硬编码多阶段 Pipeline > 与 Flow A 不同，`execute_creation_once.py` 是**确定性 Python 脚本**，不经过 Agent 框架。所有步骤按固定顺序执行，不依赖 LLM 编排。 ``` Phase -1: sync_feishu_account_config ← 飞书配置 → DB（account + template） │ Phase 0 (Module A): 创建广告 │ ① enumerate_new_ad_candidates 按账户枚举候选 │ ├── 指纹去重：audience × 素材 组合 │ ├── 按 tier ROI 排序 │ └── 目标：每账户 ADS_PER_ACCOUNT=2 个在投广告 │ ② 飞书审批广告创建方案（im_approval_ad_creation.py） │ ③ POST /adgroups/add │ 固定参数：marketing_goal=USER_GROWTH, bid_mode=OCPM │ targeting: age 45-66, 特定区域, 6:00-23:00 投放 │ day_amount: 200 CNY │ Phase 1 (Module B): 准备创意 │ ① find_ads_needing_creatives 找缺少创意的广告 │ 目标：每广告 TARGET_CREATIVES_PER_AD=8 个合格创意 │ ② 对每个广告： │ ├── account_material_strategy 判断素材来源（历史 / AI 生成） │ ├── video_recall 拉取视频内容列表 │ ├── video_risk 风险标签检查（≥6 拦截） │ ├── video_feature_query 查询 ODPS 视频特征（解构选题/实质） │ ├── material_recall batchByText 召回（sim ≥ 0.8） │ ├── material 排序 按消耗降序 │ ├── 7 日去重 同素材同人群包不重复 │ └── landing_plan xcx/save 落地页方案 │ ③ 输出: creation_pending_{date}.json │ Phase 2: 飞书审批 │ 发送创意候选列表 → 等待运营审批（im_approval_creation.py） │ config: CREATION_APPROVAL_REQUIRED=True │ Phase 3: 提交创意 (execute_creation_apply.py) ① 读取已审批的 pending records ② POST /dynamic_creatives/add ③ 写入 creative_creation_task 表 ④ 飞书通知执行结果 ``` ### 4.2 AI 素材链路（2026-07 新增） 部分账户支持 AI 生成素材替代历史素材召回： ``` account_material_strategy.py 判断素材来源 │ ├── source=history（默认）→ 走传统素材召回链路（Phase 1②） │ └── source=ai_generated → 走 AI 生成链路： ① ai_generated_material.py 调用 LiblibAI / 其他生成引擎 ② ai_material_review.py Gemini Flash 审核生成结果 ③ ai_pattern_selector.md 范式选择 Prompt ④ ai_cover_copy.md 封面文案生成 Prompt ⑤ 审核通过 → 进入 landing_plan + 审批流程 ``` **素材策略学习**（`material_strategy_learning.py`）： - 独立于创建管线，不产生腾讯侧副作用 - 存储高消耗素材快照 + 视觉标注 - 为后续素材范式优化提供数据基础 ### 4.3 关键配置 | 参数 | 默认值 | 说明 | |------|--------|------| | `ADS_PER_ACCOUNT` | 2 | 每账户目标在投广告数 | | `TARGET_CREATIVES_PER_AD` | 8 | 每广告目标合格创意数 | | `CREATION_APPROVAL_REQUIRED` | True | 创意是否需要审批 | | `RECALL_SIM_THRESHOLD` | 0.8 | 素材召回相似度阈值 | | `RECALL_DAYS` | 180 | 素材召回时间窗口 | | `MAX_LANDING_ATTEMPTS_PER_AD` | 100 | 每广告落地页创建最大尝试次数 | | `VIDEO_RISK_MAX_ALLOWED_LEVEL` | 5 | 视频风险等级上限（6-10 拦截） | --- ## 五、Flow C: 审核扫描（scan_creative_reviews.py） 确定性脚本，不经过 Agent 框架： ``` 每 2 小时执行一次： creative_review.scan_pending_reviews() ├── 读 DB: creative_creation_task（review_status=pending） ├── 调 API: GET /dynamic_creatives/get（查审核结果） ├── 写 DB: creative_review_result（审核结果） └── 写 DB: creative_rejection_fact（拒审事实，供后续召回排除） DENIED 创意不计入有效创意，触发自动补量。 ``` --- ## 六、入口点全景 | 入口 | 执行模型 | 用途 | 谁来调用 | |------|---------|------|---------| | `run.py` | Agent REPL | 交互式调试、人工分析 | 开发者手动 | | `execute_once.py` | Agent 驱动 | **Flow A 决策调控**（LLM 编排工具） | K8s CronJob / server.py | | `execute_once_test.py` | Agent 驱动 | **Flow A 无审批模式**（不阻塞等待审批） | 无运营时的无人值守测试 | | `execute_creation_once.py` | 硬编码 Pipeline | **Flow B 创建投放** | run_daily_service.py / K8s CronJob | | `execute_creation_apply.py` | 硬编码脚本 | **Flow B Phase 3** 独立提交 | 手动或 import | | `run_daily_service.py` | 常驻调度 | **★ 生产日级服务**（Flow B + C，APScheduler） | Docker Compose / K8s Deployment | | `run_daily_roi.py` | 硬编码脚本 | 独立日级 ROI 计算 + 可选飞书审批 | 手动或 Cron | | `run_full_analysis.py` | 调试工具 | 仅数据准备（无 LLM） | 开发者手动 | | `fetch_data.py` | 独立工具 | 仅拉取 ODPS 数据 | 开发者手动 | | `merge_data.py` | 独立工具 | 仅合并数据 | 开发者手动 | | `server.py` | 常驻服务 | 旧版 Flow A 调度（FastAPI + APScheduler） | 历史保留，非当前生产入口 | | `scan_creative_reviews.py` | 硬编码脚本 | **Flow C 审核扫描** | run_daily_service.py / K8s CronJob | | `sync_ad_status.py` | 辅助脚本 | 同步广告状态 | execute_once.py Step 0 | | `sync_feishu_account_config.py` | 辅助脚本 | 同步飞书账户配置 | execute_creation_once.py Phase -1 | | `configure_creation_accounts.py` | 运维工具 | 批量写入账户配置 | 运维手动 | --- ## 七、部署架构 ### 7.1 Docker Compose（当前生产方案） 同一镜像 `ad-put-agent` 启动两个容器： ``` docker-compose.yml ├── ad_control_service → tencent_realtime_control/run_control_service.py │ 实时 CPM 调控 + 飞书 WebSocket 指令 │ └── ad_daily_service → auto_put_ad_mini/run_daily_service.py Flow B（创建投放）+ Flow C（审核扫描） ``` > **注意**：Flow A（Agent 驱动决策调控）当前不在生产 Compose 中运行。`server.py` 保留但不再是生产入口。 ### 7.2 两种 K8s 部署模式 | 模式 | 文件 | 调度方式 | 优点 | |------|------|---------|------| | **Deployment + APScheduler** | `k8s/deployment.yaml` + `server.py` 或 `run_daily_service.py` | APScheduler 读取 DB `cron_schedule` | HTTP 健康检查、手动触发 API | | **Kubernetes CronJob** | `k8s/cronjob*.yaml` | K8s CronJob | 简单、K8s 原生重试 | ### 7.3 生产时间线 ``` 北京时间 10:00 (UTC 02:00) → Flow A: Agent 驱动决策调控（execute_once.py） 北京时间 10:30 (UTC 02:30) → Flow B: 创建投放（execute_creation_once.py） 每 2 小时 → Flow C: 创意审核扫描（scan_creative_reviews.py） 每 10 分钟 → CPM 实时调控（tencent_realtime_control） ``` ### 7.4 动态配置（DB 驱动） | 配置项 | DB 表 | 默认值 | 说明 | |--------|-------|--------|------| | `cron_schedule` | `system_config` | `0 2 * * *` | 调度表达式 | | `execution_enabled` | `system_config` | `false` | 是否启用实际执行 | | `run_on_startup` | `system_config` | `false` | 启动时是否执行一次 | | `whitelist_enabled` | `system_config` | `true` | 白名单机制开关 | | `roi_low_factor` | `system_config` | `0.75` | 关停线系数 | **优先级**：DB > 环境变量 > 代码默认值 --- ## 八、数据库表（12 张） | 表名 | 用途 | Flow | |------|------|------| | `account_whitelist` | 账户白名单 | A / B | | `ad_delivery_template` | 投放模板（出价 / 定向 / 预算） | B | | `ad_creation_account_config` | 账户 × 人群包 × 出价配置 | B | | `brand_asset_template` | 品牌资产模板 | B | | `feedback_asset_template` | 反馈资产模板 | B | | `system_config` | 系统配置（KV） | A / B | | `decision_history` | 决策历史 | A | | `creative_creation_task` | 创意创建任务 | B / C | | `creative_review_result` | 创意审核结果 | C | | `creative_rejection_fact` | 创意拒审事实 | C | | `video_element_feature_cache` | 视频特征缓存 | B | | `creative_material_usage` | 素材使用记录（7 日去重） | B | --- ## 九、与 auto_put_ad 的关系 ``` auto_put_ad（完整多 Agent 体系） auto_put_ad_mini（当前生产） ┌──────────────────────────┐ ┌──────────────────────────────┐ │ 受众策略 Agent │ │ │ │ 创意策略 Agent │ │ Flow A: Agent 驱动决策调控 │ │ 预算策略 Agent ───────┐ │ │ （LLM 编排 → 护栏 → 执行） │ │ 监控调控 Agent ───┐ │ │ │ │ │ 数据分析 Agent │ │ │ │ Flow B: 创建投放 │ │ 系统运维 Agent │ │ │ │ （广告 + 创意 + AI素材 │ │ 自学习 / 反馈环 │ │ │ │ + 审批 + 提交） │ └──────────────────┼───┼───┘ │ │ │ │ │ Flow C: 审核扫描 │ │ └── 出价 ──────▶│ （每 2h 确定性脚本） │ └──── 决策 ──────▶ │ │ └──────────────────────────────┘ ``` - `auto_put_ad_mini` 最初是 `auto_put_ad` 中「监控调控 Agent」的独立落地版 - 演进中发展出完整的三层决策架构 + 独立的创建子系统（含 AI 素材链路） - 两者共享腾讯广告 API 封装思路和领域知识 - `tencent_realtime_control` 作为独立的 CPM 实时调控服务，与 mini 的 Flow A 互补 --- ## 十、关键设计原则 1. **Agent 驱动 vs 确定性 Pipeline**：Flow A 由 LLM 动态编排工具调用（灵活性高、能处理边界情况），Flow B/C 是硬编码多阶段脚本（确定性、可审计、无 LLM 幻觉风险）。两者各司其职。 2. **三层决策架构**：规则标记 → LLM 推理 → 护栏兜底，各层职责清晰，LLM 只做"综合判断"不做"规则计算" 3. **两条业务线解耦**：决策调控（Flow A）和创建投放（Flow B + C）使用独立的入口 / CronJob / 审批流，避免互相阻塞 4. **DB 驱动配置**：关键开关（执行启用 / 白名单 / 调度表达式）在 DB 中，无需重启即可调整 5. **人工审批嵌入**：执行前必须通过飞书 IM 审批（可配置关闭），含 Excel 附件 + 统计摘要 6. **7 日去重保护**：素材使用记录保留 7 天，防止同一素材重复提交审核 7. **年龄分层保护**：≤3 天冷启动零干预、4-7 天仅允许提价、>7 天全面调控 8. **提降分离**：提价 5%-10%、降价 3%-5%，降价更保守（oCPM 模式下降价效果非线性放大） 9. **副作用意识**：素材召回 / AI 生成 / `xcx/save` / 广告创建等均有外部副作用，端到端中断不会自动回滚 10. **幂等优先**：重复运行应跳过已完成的工作，只补缺口