simon
8ea9b48a9a
- 新增 charts/news_reports.php 报告查询导航页（列表+详情一体，fetch API 渲染） - 新增 js/newsReports.js：AI 摘要/新闻联播/财经新闻/公告调研/数据总览固定模块，stats 归一化兼容多种格式 - index-2.php 研究报告卡片改为导航链接，移除 PHP 目录下拉框 - 更新 AGENTS.md/CLAUDE.md（路径、页面清单、数据模式等核实修正） - 同步服务器拉取的文档：quant 使用手册、podcast-docs - 生成 continuation.md 会话检查点
391 lines
16 KiB
HTML
391 lines
16 KiB
HTML
<!DOCTYPE html>
|
||
<html lang="zh-CN">
|
||
<head>
|
||
<meta charset="UTF-8">
|
||
<meta name="viewport" content="width=device-width, initial-scale=1.0">
|
||
<title>IntlNews 操作手册</title>
|
||
<style>
|
||
:root {
|
||
--bg: #1a1a2e;
|
||
--card: #16213e;
|
||
--accent: #0f3460;
|
||
--green: #00c853;
|
||
--yellow: #ffd600;
|
||
--red: #ff1744;
|
||
--text: #e0e0e0;
|
||
--muted: #8892b0;
|
||
}
|
||
* { margin: 0; padding: 0; box-sizing: border-box; }
|
||
body { font-family: -apple-system, 'Segoe UI', system-ui, sans-serif; background: var(--bg); color: var(--text); line-height: 1.7; padding: 20px; }
|
||
.container { max-width: 960px; margin: 0 auto; }
|
||
h1 { font-size: 2em; margin: 1em 0 0.3em; color: #fff; border-bottom: 2px solid var(--accent); padding-bottom: 0.3em; }
|
||
h2 { font-size: 1.4em; margin: 1.5em 0 0.5em; color: #64ffda; }
|
||
h3 { font-size: 1.1em; margin: 1em 0 0.3em; color: #80cbc4; }
|
||
p, li { margin: 0.4em 0; }
|
||
code { background: #0d2137; padding: 2px 6px; border-radius: 3px; font-size: 0.9em; color: #a8d8ea; }
|
||
pre { background: #0d2137; padding: 12px 16px; border-radius: 6px; overflow-x: auto; border: 1px solid #1a3a5c; margin: 0.8em 0; }
|
||
table { width: 100%; border-collapse: collapse; margin: 1em 0; }
|
||
th, td { padding: 8px 12px; text-align: left; border-bottom: 1px solid #1a3a5c; }
|
||
th { background: var(--accent); color: #fff; font-weight: 600; }
|
||
tr:hover { background: #1a2a4a; }
|
||
.tag { display: inline-block; padding: 1px 8px; border-radius: 10px; font-size: 0.8em; font-weight: 600; }
|
||
.tag-ok { background: #1b5e20; color: #a5d6a7; }
|
||
.tag-warn { background: #e65100; color: #ffcc80; }
|
||
.tag-err { background: #b71c1c; color: #ef9a9a; }
|
||
.tag-new { background: #0d47a1; color: #90caf9; }
|
||
.info-box { background: #0d2137; border-left: 4px solid #64ffda; padding: 12px 16px; border-radius: 0 6px 6px 0; margin: 1em 0; }
|
||
.warn-box { background: #1e1a0d; border-left: 4px solid #ffd600; padding: 12px 16px; border-radius: 0 6px 6px 0; margin: 1em 0; }
|
||
.cmd { display: block; padding: 4px 0; font-family: 'SF Mono', 'Fira Code', monospace; font-size: 0.9em; }
|
||
.cmd::before { content: '$ '; color: #64ffda; }
|
||
.footer { margin-top: 3em; padding-top: 1em; border-top: 1px solid #1a3a5c; color: var(--muted); font-size: 0.85em; text-align: center; }
|
||
</style>
|
||
</head>
|
||
<body>
|
||
<div class="container">
|
||
|
||
<h1>📰 IntlNews — 国际财经新闻 Deep Research</h1>
|
||
<p style="color:var(--muted);">最后更新：2026-07-23 | 运行服务器：pi@192.168.1.160</p>
|
||
|
||
<div class="info-box">
|
||
<strong>项目定位：</strong>面向国际财经新闻的私有化 Deep Research 平台。抓取英文财经新闻 → 英译中 → 事件抽取 → 向量入库 → MCP Agent 深度研究。
|
||
</div>
|
||
|
||
<!-- ==================== 一、架构 ==================== -->
|
||
<h1>一、系统架构</h1>
|
||
<img src="data:image/svg+xml,%3Csvg xmlns='http://www.w3.org/2000/svg' viewBox='0 0 400 250'%3E%3Crect width='400' height='250' fill='%231a1a2e'/%3E%3Ctext x='20' y='30' fill='%2364ffda' font-size='14'%3EPi 4 (8GB) — 全链路独立运行%3C/text%3E%3C/text%3E%3C/svg%3E" alt="Arch" style="display:none;">
|
||
|
||
<pre>
|
||
┌──────────────────────────────────────────────────────┐
|
||
│ Pi 4 (8GB) │
|
||
│ ┌──────────┐ ┌──────────┐ ┌──────────────────┐ │
|
||
│ │ M1 抓取 │──▶│ M2 正文 │──▶│ M3 三层去重 │ │
|
||
│ │ headful │ │ trafilat.│ │ URL/Content/SimH │ │
|
||
│ │ Playwright│ │ │ │ │ │
|
||
│ │ + HTTP 代 │ │ │ │ │ │
|
||
│ │ 理(海外) │ │ │ │ │ │
|
||
│ └──────────┘ └──────────┘ └────────┬─────────┘ │
|
||
│ ▼ │
|
||
│ ┌──────────┐ ┌──────────┐ ┌──────────────────┐ │
|
||
│ │ M6 Qdrant│◀──│ M5 向量 │◀──│ M4 翻译+事件抽取 │ │
|
||
│ │ 入库 │ │ DashScope│ │ DeepSeek v4 │ │
|
||
│ └────┬─────┘ └──────────┘ └──────────────────┘ │
|
||
│ │ │
|
||
│ ▼ │
|
||
│ ┌──────────┐ ┌──────────┐ │
|
||
│ │ M7 日报 │──▶│ doorcome │ │
|
||
│ │ 生成 │ │ 上传 │ │
|
||
│ └──────────┘ └──────────┘ │
|
||
│ │ │
|
||
│ ▼ │
|
||
│ ┌────────────────────────────────────────────────┐ │
|
||
│ │ M8 MCP 服务（Cherry Studio / Claude Code） │ │
|
||
│ └────────────────────────────────────────────────┘ │
|
||
└──────────────────────────────────────────────────────┘
|
||
</pre>
|
||
|
||
<div class="info-box">
|
||
<strong>关键变更：</strong>海外服务器已于 2026-07-14 停用。全链路在 Pi 独立运行，通过 <code>Privoxy → SOCKS5 (ss-local)</code> 代理访问海外新闻网站。<br>
|
||
<strong>反爬策略：</strong>2026-07-23 更新 — 启用 Crawl4AI <code>magic</code> 全自动反检测 + Playwright <code>stealth</code> 模式。investing.com 改用 Google News RSS 代理。
|
||
</div>
|
||
|
||
<!-- ==================== 二、部署 ==================== -->
|
||
<h1>二、部署指南</h1>
|
||
|
||
<h2>2.1 环境要求</h2>
|
||
<ul>
|
||
<li>Python 3.11 + uv</li>
|
||
<li>Xvfb（headful Playwright 虚拟显示器）</li>
|
||
<li>Shadowsocks-libev + v2ray-plugin（SOCKS5 代理）</li>
|
||
<li>Privoxy（HTTP → SOCKS5 转换）</li>
|
||
</ul>
|
||
|
||
<h2>2.2 初始化安装</h2>
|
||
<pre>
|
||
# 1. 克隆仓库
|
||
git clone ssh://gitea:2222/simon/intl_news /home/pi/intlnews
|
||
cd /home/pi/intlnews
|
||
|
||
# 2. Python 环境
|
||
uv sync
|
||
|
||
# 3. 环境变量
|
||
cp .env.example .env
|
||
# 填入: DEEPSEEK_API_KEY, DASHSCOPE_API_KEY, QDRANT_URL
|
||
|
||
# 4. Xvfb 虚拟显示器
|
||
sudo apt install xvfb
|
||
Xvfb :99 -screen 0 1280x1024x24 -ac +extension RANDR &
|
||
|
||
# 5. Shadowsocks + Privoxy（海外代理）
|
||
sudo apt install shadowsocks-libev privoxy
|
||
# 配置 /etc/shadowsocks-libev/config.json
|
||
# 配置 /etc/privoxy/config: forward-socks5t / 127.0.0.1:1088 .
|
||
sudo systemctl enable --now shadowsocks-libev-local
|
||
sudo systemctl enable --now privoxy
|
||
</pre>
|
||
|
||
<h2>2.3 定时调度（crontab）</h2>
|
||
<pre>
|
||
# crontab -e 添加：
|
||
0 6 * * * cd /home/pi/intlnews && bash scripts/domestic_full.sh >> logs/full.log 2>&1
|
||
0 12 * * * cd /home/pi/intlnews && bash scripts/domestic_full.sh >> logs/full.log 2>&1
|
||
0 18 * * * cd /home/pi/intlnews && bash scripts/domestic_full.sh >> logs/full.log 2>&1
|
||
0 22 * * * cd /home/pi/intlnews && bash scripts/domestic_full.sh >> logs/full.log 2>&1
|
||
@reboot Xvfb :99 -screen 0 1280x1024x24 -ac +extension RANDR &
|
||
</pre>
|
||
|
||
<!-- ==================== 三、操作命令 ==================== -->
|
||
<h1>三、操作命令</h1>
|
||
|
||
<h2>3.1 全流程运行</h2>
|
||
<pre>
|
||
# 一键全流程（M1→M6→日报）
|
||
bash scripts/domestic_full.sh
|
||
</pre>
|
||
|
||
<h2>3.2 M1 抓取</h2>
|
||
<pre>
|
||
# 抓取全部 13 个源
|
||
bash scripts/domestic_crawl_8g.sh
|
||
|
||
# 单源调试
|
||
bash scripts/domestic_crawl_8g.sh investing
|
||
bash scripts/domestic_crawl_8g.sh investinglive
|
||
bash scripts/domestic_crawl_8g.sh reuters
|
||
</pre>
|
||
|
||
<h2>3.3 M2→M6 管道</h2>
|
||
<pre>
|
||
# 完整管道（需要先有 raw 数据）
|
||
bash scripts/pipeline.sh
|
||
|
||
# 或逐步执行：
|
||
PYTHONPATH=. .venv/bin/python3 -c "from scheduler.pipeline import run_pipeline; run_pipeline('$(date +%Y%m%d)')"
|
||
</pre>
|
||
|
||
<h2>3.4 日报</h2>
|
||
<pre>
|
||
# 生成当日日报
|
||
PYTHONPATH=. .venv/bin/python3 -c "from scheduler.reporter import generate_report; print(generate_report())"
|
||
|
||
# 查看日报列表
|
||
ls -lt data/reports/
|
||
</pre>
|
||
|
||
<h2>3.5 日志查看</h2>
|
||
<pre>
|
||
# 全量日志
|
||
tail -100 logs/full.log
|
||
|
||
# 筛选指定源
|
||
grep 'investing\|investinglive' logs/full.log | tail -20
|
||
</pre>
|
||
|
||
<!-- ==================== 四、新闻源状态 ==================== -->
|
||
<h1>四、新闻源状态</h1>
|
||
|
||
<table>
|
||
<tr><th>源</th><th>ID</th><th>策略</th><th>日产量</th><th>状态</th></tr>
|
||
<tr>
|
||
<td>Reuters</td><td><code>reuters</code></td><td>Google News RSS</td><td>~30 篇</td>
|
||
<td><span class="tag tag-warn">摘要</span> DataDome</td>
|
||
</tr>
|
||
<tr>
|
||
<td>CNBC</td><td><code>cnbc</code></td><td>CNBC RSS</td><td>~25 篇</td>
|
||
<td><span class="tag tag-ok">正常</span></td>
|
||
</tr>
|
||
<tr>
|
||
<td>MarketWatch</td><td><code>marketwatch</code></td><td>RSS + stealth</td><td>~25 篇</td>
|
||
<td><span class="tag tag-ok">正常</span></td>
|
||
</tr>
|
||
<tr>
|
||
<td>Financial Times</td><td><code>ft</code></td><td>FT RSS</td><td>~20 篇</td>
|
||
<td><span class="tag tag-warn">摘要</span> 付费墙</td>
|
||
</tr>
|
||
<tr>
|
||
<td>Yahoo Finance</td><td><code>yahoo_finance</code></td><td>Yahoo RSS</td><td>~30 篇</td>
|
||
<td><span class="tag tag-ok">正常</span></td>
|
||
</tr>
|
||
<tr>
|
||
<td>Investing.com</td><td><code>investing</code></td><td><strong>Google News RSS</strong> + stealth</td><td>25 篇</td>
|
||
<td><span class="tag tag-new">已修复</span> RSS 代理</td>
|
||
</tr>
|
||
<tr>
|
||
<td>Seeking Alpha</td><td><code>seekingalpha</code></td><td>RSS + stealth</td><td>~20 篇</td>
|
||
<td><span class="tag tag-ok">正常</span></td>
|
||
</tr>
|
||
<tr>
|
||
<td>Barron's</td><td><code>barrons</code></td><td>Dow Jones RSS + stealth</td><td>~20 篇</td>
|
||
<td><span class="tag tag-ok">正常</span></td>
|
||
</tr>
|
||
<tr>
|
||
<td>WSJ</td><td><code>wsj</code></td><td>Dow Jones RSS + stealth</td><td>~20 篇</td>
|
||
<td><span class="tag tag-ok">正常</span></td>
|
||
</tr>
|
||
<tr>
|
||
<td>Economist</td><td><code>economist</code></td><td>RSS + stealth</td><td>~15 篇</td>
|
||
<td><span class="tag tag-ok">正常</span></td>
|
||
</tr>
|
||
<tr>
|
||
<td style="background:#0d47a1;">InvestingLive</td><td><code>investinglive</code></td><td><strong>RSS（全文）</strong></td><td><strong>25 篇</strong></td>
|
||
<td><span class="tag tag-new">2026-07-23 新增</span></td>
|
||
</tr>
|
||
<tr>
|
||
<td>ZeroHedge</td><td><code>zerohedge</code></td><td>FeedBurner RSS</td><td>~15 篇</td>
|
||
<td><span class="tag tag-ok">正常</span></td>
|
||
</tr>
|
||
<tr style="color:var(--muted); text-decoration:line-through;">
|
||
<td>ForexLive</td><td><del><code>forexlive</code></del></td><td>—</td><td>—</td>
|
||
<td><span class="tag tag-err">已移除</span> 301→investinglive</td>
|
||
</tr>
|
||
</table>
|
||
|
||
<div class="warn-box">
|
||
<strong>⚠️ 注意：</strong>RSS 摘要源的全文依赖 headful Playwright 回退抓取，成功率取决于代理线路质量。investing.com 因 Cloudflare 反爬，全文抓取间歇性失败。
|
||
</div>
|
||
|
||
<!-- ==================== 五、数据存储 ==================== -->
|
||
<h1>五、数据存储</h1>
|
||
|
||
<pre>
|
||
/home/pi/intlnews/
|
||
├── data/
|
||
│ ├── raw/{source_id}/{yyyymmdd}/ M1 原始抓取（.html + .md + index.jsonl）
|
||
│ ├── processed/{source_id}/ M2 正文提取结果
|
||
│ ├── dedup/ M3 去重指纹库（SQLite）
|
||
│ ├── translations/{yyyymmdd}/ M4 翻译+事件抽取（JSONL）
|
||
│ ├── embeddings/{yyyymmdd}/ M5 向量文件（JSONL）
|
||
│ ├── reports/ M7 日报（HTML）
|
||
│ └── vectorstore/ M6 Qdrant 本地数据
|
||
├── configs/
|
||
│ ├── sources.yaml 新闻源定义（13 个源）
|
||
│ ├── system.yaml 系统参数
|
||
│ └── profiles/8g_headful.yaml Pi 抓取配置
|
||
├── logs/full.log 运行日志
|
||
└── prompts/ LLM Prompt 模板
|
||
</pre>
|
||
|
||
<!-- ==================== 六、MCP 服务 ==================== -->
|
||
<h1>六、MCP 服务</h1>
|
||
|
||
<p>M8 模块提供 MCP（Model Context Protocol）服务，供 Cherry Studio / Claude Code / Cursor 等客户端接入。</p>
|
||
|
||
<h2>6.1 启动</h2>
|
||
<pre>
|
||
cd /home/pi/intlnews
|
||
PYTHONPATH=. .venv/bin/python3 -m mcp_server.server
|
||
</pre>
|
||
|
||
<h2>6.2 可用工具</h2>
|
||
<table>
|
||
<tr><th>Tool</th><th>参数</th><th>功能</th></tr>
|
||
<tr><td><code>en_news_search</code></td><td>query, top_k</td><td>语义搜索知识库</td></tr>
|
||
<tr><td><code>en_news_filter</code></td><td>source_id, date, sentiment</td><td>按条件筛选事件</td></tr>
|
||
<tr><td><code>en_news_trending</code></td><td>days</td><td>获取近期热点</td></tr>
|
||
<tr><td><code>en_news_report</code></td><td>—</td><td>获取最新日报</td></tr>
|
||
<tr><td><code>en_news_daily_brief</code></td><td>—</td><td>一键生成简报</td></tr>
|
||
</table>
|
||
|
||
<!-- ==================== 七、配置参考 ==================== -->
|
||
<h1>七、配置参考</h1>
|
||
|
||
<h2>7.1 环境变量（.env）</h2>
|
||
<table>
|
||
<tr><th>变量</th><th>用途</th></tr>
|
||
<tr><td><code>DEEPSEEK_API_KEY</code></td><td>DeepSeek LLM（翻译+事件抽取）</td></tr>
|
||
<tr><td><code>DASHSCOPE_API_KEY</code></td><td>DashScope Embedding（向量生成）</td></tr>
|
||
<tr><td><code>QDRANT_URL</code></td><td>Qdrant 服务地址</td></tr>
|
||
</table>
|
||
|
||
<h2>7.2 新闻源配置（sources.yaml）</h2>
|
||
<p>每个源包含：id, name, homepage, rss_url, article_url_pattern, anti_bot_mode 等。</p>
|
||
<p>新增源时参考现有格式，启用/禁用通过 <code>enabled: true/false</code>。</p>
|
||
|
||
<h2>7.3 Profile 配置</h2>
|
||
<p>Pi 服务器使用 <code>8g_headful</code> profile（环境变量 <code>EN_NEWS_PROFILE</code>），通过 Privoxy HTTP 代理访问海外网站。</p>
|
||
<ul>
|
||
<li><code>proxy.enabled: true</code> — 启用 HTTP 代理</li>
|
||
<li><code>crawler.headful: true</code> — 有头浏览器 + Xvfb</li>
|
||
<li><code>crawler.magic: true</code> — Crawl4AI 全自动反检测</li>
|
||
<li><code>crawler.enable_stealth: true</code> — Playwright stealth</li>
|
||
</ul>
|
||
|
||
<!-- ==================== 八、排障 ==================== -->
|
||
<h1>八、常见排障</h1>
|
||
|
||
<table>
|
||
<tr><th style="width:200px;">现象</th><th>排查步骤</th></tr>
|
||
<tr>
|
||
<td>抓取 0 篇</td>
|
||
<td>
|
||
1. 检查 <code>logs/full.log</code> 看 RSS/Web 错误<br>
|
||
2. <code>bash scripts/domestic_crawl_8g.sh <source_id></code> 单源测试<br>
|
||
3. 检查代理是否正常：<code>curl -I --proxy 127.0.0.1:3128 https://example.com</code>
|
||
</td>
|
||
</tr>
|
||
<tr>
|
||
<td>RSS 超时</td>
|
||
<td>
|
||
1. 确认 Shadowsocks 和 Privoxy 在运行<br>
|
||
2. <code>systemctl status shadowsocks-libev-local privoxy</code><br>
|
||
3. 环境变量 <code>HTTP_PROXY</code> 是否设置
|
||
</td>
|
||
</tr>
|
||
<tr>
|
||
<td>Cloudflare 拦截</td>
|
||
<td>
|
||
1. 已启用 <code>magic</code> + <code>stealth</code> 自动反检测<br>
|
||
2. 仍失败则需更换代理 IP（数据中心 IP 被标记）<br>
|
||
3. 改用 Google News RSS 代理（已为 investing/reuters 启用）
|
||
</td>
|
||
</tr>
|
||
<tr>
|
||
<td>日报无数据</td>
|
||
<td>
|
||
1. 检查 <code>data/translations/{date}/</code> 是否有 JSONL<br>
|
||
2. 检查 <code>data/embeddings/{date}/</code> 是否有向量
|
||
</td>
|
||
</tr>
|
||
<tr>
|
||
<td>MCP 连接失败</td>
|
||
<td>
|
||
1. 确认 MCP 服务进程在运行<br>
|
||
2. 检查端口监听：<code>ss -tlnp | grep 8080</code>
|
||
</td>
|
||
</tr>
|
||
</table>
|
||
|
||
<!-- ==================== 九、变更记录 ==================== -->
|
||
<h1>九、变更记录</h1>
|
||
|
||
<table>
|
||
<tr><th>日期</th><th>变更</th></tr>
|
||
<tr>
|
||
<td>2026-07-23</td>
|
||
<td>
|
||
<strong>反爬策略增强：</strong><br>
|
||
- crawler.py: magic/stealth/--disable-webrtc/remove_consent_popups<br>
|
||
- rss_crawler.py: httpx 代理支持<br>
|
||
- investing.com: Google News RSS 代理（绕过 Cloudflare）<br>
|
||
- <strong>forexlive → investinglive 迁移</strong>（域名已 301 重定向）
|
||
</td>
|
||
</tr>
|
||
<tr>
|
||
<td>2026-07-14</td>
|
||
<td>
|
||
- 海外服务器停用，Pi 全链路独立运行<br>
|
||
- 8g_headful profile 新增（headful + HTTP 代理）<br>
|
||
- Shadowsocks + Privoxy 部署
|
||
</td>
|
||
</tr>
|
||
</table>
|
||
|
||
<div class="footer">
|
||
IntlNews — 国际财经新闻私有化 Deep Research 平台<br>
|
||
运行于 pi@192.168.1.160 | 调度 06:00 / 12:00 / 18:00 / 22:00
|
||
</div>
|
||
|
||
</div>
|
||
</body>
|
||
</html>
|