视频解构

jihuaqiang f9a2be0463 fix(decode): update workflow URL for topic decoding 1 일 전
models fe35854035 feat: 新版本解构api 1 일 전
tasks f9a2be0463 fix(decode): update workflow URL for topic decoding 1 일 전
utils 2f8eef1976 fix: update task description and improve error handling in decode workflow 1 일 전
.env 50f87c1d01 fix: 将APP_ENV从prod改为local并添加task_status字段 1 개월 전
.gitignore 7ef07398db chore: 更新.gitignore和.env配置 1 개월 전
Dockerfile ed375c2a24 build(docker): 更新Dockerfile配置和依赖管理 1 개월 전
README.md fe35854035 feat: 新版本解构api 1 일 전
docker-compose.yaml 90be8d1687 fix: 修复decode_workflow模型字段默认值及环境配置 1 개월 전
main.py 2f8eef1976 fix: update task description and improve error handling in decode workflow 1 일 전
requirements.txt 2f8eef1976 fix: update task description and improve error handling in decode workflow 1 일 전

README.md

Video Decode 项目本地运行指南

环境要求

  • Python 3.13+ (当前版本: 3.13.2)
  • MySQL 数据库

快速开始

1. 安装依赖

pip install -r requirements.txt

或者使用国内镜像加速:

pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple

2. 配置环境变量

在项目根目录创建 .env 文件,配置数据库连接信息:

# 环境配置 (local/dev/prod)
APP_ENV=local

# 数据库配置
DB_HOST=localhost
DB_PORT=3306
DB_USER=your_db_user
DB_PASSWORD=your_db_password
DB_NAME=content-deconstruction-supply-test

# 其他环境变量(根据项目需要添加)

注意: 如果不配置 .env 文件,系统会使用代码中的默认值(生产环境数据库)。

3. 启动服务

方式一:使用 uvicorn 直接启动

uvicorn main:app --host 0.0.0.0 --port 8000 --reload

方式二:使用 Python 启动

python -m uvicorn main:app --host 0.0.0.0 --port 8000 --reload

4. 验证服务

启动后访问:

主要 API 接口

  1. POST /api/v1/content/tasks/decode - 创建解码任务
  2. GET /api/v1/content/tasks/{taskId} - 获取任务详情
  3. POST /api/v1/content/tasks/pattern - 创建模式任务

使用 Docker 运行(可选)

构建并启动

docker-compose up -d

查看日志

docker-compose logs -f

停止服务

docker-compose down

常见问题

1. 数据库连接失败

  • 检查 .env 文件中的数据库配置是否正确
  • 确认数据库服务是否启动
  • 检查网络连接和防火墙设置

2. 依赖安装失败

  • 使用国内镜像:pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple
  • 检查 Python 版本是否符合要求(3.13+)

3. 端口被占用

  • 修改启动命令中的端口号:--port 8001
  • 或者停止占用 8000 端口的其他服务

开发建议

  • 开发环境建议使用 --reload 参数,方便调试
  • 生产环境建议使用 gunicorn + uvicorn workers 部署
  • 定期检查日志输出,使用 loguru 进行日志管理