一款面向 AI 领域的自动采集 → 智能分析 → 邮件推送的新闻跟踪系统。后台定时从数据源采集资讯，先规则打分、再 LLM 深度分析，把与你兴趣画像相关且重要的资讯实时发邮件提醒，并每天 10:00 发一份AI 资讯日报。带完整网页管理台，兴趣画像/数据源/通知参数全部可配。

当前版本 v1.0.1（补充说明文档）；当前数据源为高仿真模拟数据（simulate.py），全链路已跑通，接入真实源只需在 sources 适配层实现 fetch()。

系统运转流程（一张图看懂）

┌──────────┐    ┌──────────────┐    ┌──────────────────┐    ┌─────────────────┐
│ 数据源    │    │ 后台调度器     │    │ 智能分析引擎       │    │ 邮件通知          │
│ sources  │───▶│ scheduler     │───▶│ analysis.py      │───▶│ notifier.py      │
│ (7个默认) │    │ (后台线程)     │    │ (规则+LLM两级分析) │    │ (实时+日报)       │
└──────────┘    └──────────────┘    └──────────────────┘    └─────────────────┘
  模拟源 fetch()   每30分钟采集一次      规则打分→候选     LLM完成→重要度判定
  simulate.py      (scan_interval_min)   →后台LLM深度分析  →发实时邮件
                    每天10:00日报         →实时/日报邮件

完整链路：

采集（每 scan_interval_min 分钟，默认 30）：scheduler.collect_once() 调 simulate.fetch_simulated() 拉取新资讯 → 按 URL 去重 → 入库 articles 表。
规则打分（立即）：analysis.analyze_article() 对每条新资讯算兴趣相关度（关键词命中权重 + 领域匹配 + 关注公司命中）和重要度启发式（发布/融资/禁令等强信号词、金额量级、时效性、数据源权重、公司影响），得到综合分 total_score (0-100)。
LLM 深度分析（后台异步）：规则分 ≥ llm_threshold（默认 60）的资讯进入 llm_analyze()，调用 DeepSeek 输出重要度 1-10、相关度、分类、一句话结论，并与规则分融合更新。
实时通知：扫描「重要 + 已分析完成 + 未通知」的资讯，综合分 ≥ realtime_threshold（默认 80）→ 发 🔥 重要AI资讯实时提醒 邮件，标记 notified=1。
每日日报（默认每天 10:00）：汇总往前 summary_window_hours（默认 24h）内综合分 ≥50 的资讯，按分排序取前 max_summary_items（默认 15）条发 📰 AI资讯日报，含领域分布统计。

功能特性

📥 自动定时采集：数据源可增删改、可启停，每源带权重（影响重要度打分）
🧠 两级智能分析：规则打分秒级响应 + DeepSeek LLM 深度分析（重要度/相关度/分类/结论）
🔥 实时重要资讯邮件：综合分达到阈值自动推送，单批最多 10 条
📰 每日 AI 资讯日报：默认每天 10:00，按领域统计 + 重点资讯卡片
🎯 兴趣画像管理：关键词（带权重）、领域、关注公司，全部可在网页维护，改完一键「重新打分」
🔗 数据源管理：7 个内置数据源模板，启停/权重/类型自由配置
📊 网页管理台：仪表盘（总数/重要/待分析/趋势/领域分布）、资讯列表（筛选/搜索/分页）、详情页、通知日志
📧 邮件通知：支持 plain / starttls / ssl 三种 SMTP 模式，可测试发送
🛠 手动操作台：一键采集 / 一键 LLM 分析 / 一键发日报 / 一键造数据 / 重新打分 / 测试邮件

技术栈

后端：Python 3 + Flask（threaded）
数据库：SQLite（原生 sqlite3，WAL 模式，无 ORM）
大模型：DeepSeek deepseek-v4-flash（OpenAI 兼容接口，response_format=json_object）
前端：原生 HTML/CSS/JS + Jinja2 模板（无前端框架）

目录结构

news-tracker/
├── app.py          # Flask 主应用：页面路由 + API
├── config.py       # 全局配置（端口/LLM/邮件/自动化默认值/默认画像/数据源模板）
├── db.py           # SQLite 数据访问层（原生 sqlite3）
├── scheduler.py    # 后台调度器：定时采集 + 每日日报 + 实时通知扫描
├── analysis.py     # 智能分析引擎：规则打分 + LLM 深度分析
├── simulate.py     # 模拟数据源（真实源接入前跑通全链路）
├── notifier.py     # 邮件通知（实时 / 日报，plain/starttls/ssl）
├── start.sh        # 启动/停止/状态脚本
├── templates/      # Jinja2 页面模板
├── static/         # 静态资源
├── data/           # news_tracker.db（运行时生成）
└── logs/           # 运行日志 + app.pid

快速开始

cd works/news-tracker
./start.sh          # 启动（默认端口 16100）
./start.sh status   # 查看状态
./start.sh stop     # 停止
./start.sh restart  # 重启

访问：http://<服务器IP>:16100/

⚠️ 端口 16100 属于外网安全组白名单区间（16001-16100），可直接公网访问。首次启动自动初始化：写入默认数据源/兴趣画像/设置，并 simulate.seed_all() 造一批模拟资讯 + 后台跑一轮 LLM 分析。

配置说明

所有默认值在 config.py，运行时可在网页「设置」页修改并持久化到数据库（网页优先级更高）：

自动化参数（设置页）

配置项	默认值	说明
`auto_collect`	1	是否自动定时采集
`scan_interval_min`	30	采集扫描间隔（分钟）
`realtime_threshold`	80	综合分 ≥ 该值 → 实时邮件通知
`llm_threshold`	60	规则分 ≥ 该值 → 进入 LLM 深度分析
`realtime_enabled`	1	是否启用实时重要资讯邮件
`summary_enabled`	1	是否启用每日汇总
`summary_time`	10:00	每日汇总时间
`summary_window_hours`	24	汇总窗口（往前 N 小时）
`max_summary_items`	15	汇总邮件最多条目数

邮件配置（设置页）

smtp_host / smtp_port / smtp_user / smtp_pass / smtp_mode(plain|starttls|ssl) / email_to / sender_name。默认 mail.tphai.com:587 plain，收件人 wlq@tphai.com。

大模型配置（改 config.py）

LLM_BASE_URL / LLM_API_KEY / LLM_MODEL / LLM_TIMEOUT / LLM_MAX_TOKENS / LLM_TEMPERATURE。

网页页面

路由	说明
`/dashboard`	仪表盘：总资讯/重要资讯/待分析/已通知 + 近7天趋势 + 领域分布
`/news`	资讯列表：按领域/重要/关键词搜索，分页
`/news/<id>`	资讯详情：规则分/LLM分/实体/分析结论
`/sources`	数据源管理：增删改、启停、权重
`/profile`	兴趣画像：关键词/领域/公司维护
`/logs`	通知日志（实时/日报发送记录）
`/settings`	设置：自动化参数 + 邮件配置 + 测试

API

接口	方法	说明
`/api/stats`	GET	统计数据（总数/重要/趋势/领域分布）
`/api/sources`	POST	`action=add\|update\|delete\|toggle` 数据源管理
`/api/profile`	POST	`action=add\|delete`，`kind=keyword\|domain\|company` 画像维护
`/api/settings`	POST	更新 `auto` / `mail` 设置
`/api/actions`	POST	`action=collect`(采集) `llm`(LLM分析) `summary`(发日报) `seed`(造数据) `reanalyze`(重新打分) `test_mail`(测试邮件)

请求体为 JSON，如：{"action": "collect"}、{"action": "llm", "limit": 10}。

数据模型

sources：数据源（name/type/url/weight/enabled/status/last_fetch/last_count）
articles：资讯（title/url/content/summary/domain/entities/importance/relevance/total_score/is_important/analysis/llm_status/notified/status/published_at/collected_at）
keywords / domains / companies：兴趣画像
notification_log：邮件通知日志
settings：KV 配置（auto / mail 为 JSON）

llm_status：pending(待分析) → done(完成) / skipped(未达标跳过) / error(失败)

综合分公式：total_score = 0.4 × 相关度 + 0.6 × 重要度（LLM 分析后按 0.6×规则分 + 0.4×LLM分量 融合）

接入真实数据源

当前用 simulate.py 模拟采集跑通全链路。接入真实源只需：

新建 sources_xxx.py，实现 fetch() -> list[dict]，返回结构与模拟源一致：

# 每条 dict 至少含：
# title, url, content(或summary), published_at(YYYY-MM-DD HH:MM:SS), domain, entities(list)

在 scheduler.collect_once() 里把 simulate.fetch_simulated() 换成真实 fetch()（可多源合并）。
其余逻辑（去重/打分/LLM/通知/网页）无需改动。

当前状态

✅ 服务运行中：端口 16100
✅ 数据库已有 32 条资讯（重要 12 条，LLM 已分析 12 条，已通知 12 条）
✅ 邮件链路已验证（mail.tphai.com:587 plain，收件人 wlq@tphai.com）
🕐 数据源为模拟数据，等待接入真实源

常见问题

收不到邮件？ 在设置页点「测试邮件」；确认 smtp_mode 与端口匹配（plain 一般不加密、starttls 用 587、ssl 用 465）。
想立即看效果？ 数据管理页（/api/actions 手动）点「立即采集 / LLM 分析 / 发送日报」。
改了兴趣画像想重新算分？ 点「重新打分」（reanalyze）即可全量重跑规则打分。
日志在哪？ logs/app.log（服务日志）+ 网页 /logs（通知日志）。

Git

仓库：hz4th_coder/news-tracker
版本：v1.0.0（初版）→ v1.0.1（补 README）

README.md Unescape Escape

📰 新闻智能跟踪系统（news-tracker）