| 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364 |
- """取数 / 多模态读取的数据结构（pydantic）。
- 只保留基建用到的类型：帖子（Post）、视觉卡片（Card）、多模态提取产物（ExtractedContent）。
- """
- from __future__ import annotations
- from typing import Literal, Optional
- from pydantic import BaseModel, Field
- CardKind = Literal["image", "frame", "segment"]
- class Card(BaseModel):
- """一张"卡片"：图文帖的一张图、视频抽出的一帧，或原生视频提炼出的一个时间段。
- 下游溯源只认 index（1-based）。"""
- index: int
- kind: CardKind = "image"
- url: Optional[str] = None # 段卡可无图；图片/帧有 url
- timestamp: Optional[float] = None # 仅 frame：该帧在视频中的秒数
- start: Optional[float] = None # 仅 segment：起始秒
- end: Optional[float] = None # 仅 segment：结束秒
- class Post(BaseModel):
- """fetch_post_detail 的产物：一条帖子的原始内容（文本 + 图片 + 视频）。"""
- id: str # xhs_<content_id>，复用为 ingest source.id
- platform: str = "xiaohongshu"
- provider: str = ""
- url: str
- content_id: str
- unique_key: str = ""
- title: str = ""
- content_type: str = "" # video / 图文
- content_mode: str = "" # image_post / video_post / article / unsupported
- body_text: str = ""
- media_count: int = 0
- cover_url: Optional[str] = None
- topic_list: list[str] = Field(default_factory=list)
- image_urls: list[str] = Field(default_factory=list)
- video_urls: list[str] = Field(default_factory=list)
- cards: list[Card] = Field(default_factory=list) # 统一视觉卡片（图/帧）
- author_id: Optional[str] = None
- author_name: Optional[str] = None
- raw: dict = Field(default_factory=dict) # 原始响应
- class CardExtract(BaseModel):
- """某张卡片上提取到的知识要点（按卡片归因）。"""
- index: int
- content: str = ""
- class ExtractedContent(BaseModel):
- """extract_content 的产物：多模态汇总后的真实内容。不直接用 body_text。"""
- text: str = "" # 汇总后的正文/讲解
- cards: list[CardExtract] = Field(default_factory=list) # 按卡片归因的提取
- from_image: str = "" # 兼容保留：图片里提取到的知识要点
- from_video: str = "" # 兼容保留：视频里提取到的知识要点
- is_empty: bool = False # 多模态提取后仍无有效内容
|
