拾页 z1（Shiye Z1）

概述

拾页是一个本机运行的内容采集与整理工具：把散落在六个平台（小红书、知乎、微信公众号、微博、B站、抖音）的原帖采集保存为本地原帖库，支持长文分块整理、专题归并、调用大模型生成分析与建议，并通过「萤火森林」动效页面可视化浏览已点亮的内容。

核心能力：

1. 六平台识别与采集：粘贴任意一篇帖子链接，自动识别平台并抓取标题、作者、正文（微博/抖音未登录受限时会如实提示，不假装成功）。
2. 长文整理：不设 6000 字硬拒收，按 Token 预算分块 + 重叠 + 断点续作，缓存绑定「正文+模型+提示词+分块配置」。
3. 专题归并：按「主体必要 + 核心问题一致或内容相似度」判断归并，避免同主体不同主题误并。
4. AI 分析闭环：采集 → 分析 → 建议 → 人工确认 → 入库 → 专题 → 萤火森林点亮。
5. 萤火森林：全屏分散、独立飞动的光点，每颗微光对应一篇真实采集的原帖，点亮表示已入库。

前置条件

• Windows 10/11，Python 3.10+（交付包内含 backend/.venv）
• 前端如需重建：frontend 目录执行 npm ci && npm run build
• 可选：有效的大模型 API Key（用于 AI 分析环节；不填不影响采集与浏览）

执行步骤

1. 启动后台：双击项目根目录的 启动拾页后台.bat。它会检查 Python 环境、前端构建文件和数据目录，启动服务并做健康检查。
2. 打开页面：窗口显示「[启动成功] 健康检查通过」后：
   • 普通页面：http://127.0.0.1:8931/shiye
   • 管理后台：http://127.0.0.1:8931/shiye-admin
3. 采集原帖：在页面输入框粘贴帖子链接（如 bilibili.com/read/cv20514806），等待采集完成，正文自动保存入库。
4. （可选）配置模型：点页面左下角「模型设置」，填 API Base URL、模型名、Key，点「测试连接」验证；连接成功后在原帖旁点「开始分析（调用模型）」，查看建议后人工确认入库。
5. 浏览萤火森林：已入库原帖会在萤火森林中点亮，点击光点可回看原帖与专题。
6. 停止服务：用完后双击 停止拾页后台.bat。服务不写开机自启，重启电脑后需重新启动。

换端口：启动拾页后台.bat 8932（禁止使用 8000）。重复双击启动只会提示「已经启动」，不会开第二个服务。

使用示例

示例 1：采集一篇 B 站图文

用户：帮我收一下这篇 https://www.bilibili.com/read/cv20514806 结果：平台识别为 B 站，正文 5068 字完整保存，森林中新增一颗微光。

示例 2：整理长文并归入专题

用户：把刚收的这篇知乎长文整理一下，归到「数据采集」专题 结果：按 Token 预算分块整理，断点续作，按主体+主题相似度归并进专题。

示例 3：AI 分析建议

用户：对这几篇小红书笔记跑一遍分析，给我建议 结果：调用已配置模型生成分析与建议，人工确认后入库点亮。

故障排查

• 启动失败：看 .shiye-runtime\shiye-8931.log 与同名 .log.err，窗口会打印原因不会闪退。
• 保存原帖报 422：旧页面缓存，刷新页面加载新版本（原帖编辑要求 expected_revision）。
• 模型 Key 401：在「模型设置」里重新填有效 Key 并「测试连接」；Key 只在本进程内存，不写入脚本或日志。
• 微博/抖音采集提示登录：HTTP 采集未登录受限，属如实提示；登录态不导出、不落盘。
• B 站视频：字幕无法稳定取得，视频分析本轮关闭，页面会提示「视频内容尚未分析」。

参考资料

• 完整使用说明见 references/usage.md
• 统一验收报告：review/Z1-FINAL/EXEC_REPORT.md（见项目源码包）
• 六平台能力矩阵：review/Z1-FINAL/A-能力矩阵.md（见项目源码包）