fix: 日报摘要可靠性(去模型兜底+重试) 与取数逻辑优化

- llm/client: 移除内置默认模型兜底(deepseek-chat/qwen-plus), 模型必须显式配置否则报错
- reporter._llm_call: 指数退避重试(LLM_RETRY_TIMES 默认3 / LLM_RETRY_BACKOFF_SEC 默认2s)
- pipeline report: report_date 改为当天(原昨天+回溯3天)
- reporter._collect_news_events: 读当天+前一天目录, publish_time 30h 回溯(NEWS_LOOKBACK_HOURS=30), 统一时区
- reporter._collect_xwlb: 固定取 day_str 前一日(已播出联播), source_date 同步
- 公告/调研/互动保持近15日设置(CNINFO_DAYS_BACK), 不受 30h 影响
- 测试: 新增 30h回溯/带时区/重试/模型缺失/xwlb 前一日 用例

.env.example

@@ -77,3 +77,7 @@ NEWS_DB_USER=myquant
 NEWS_DB_PASSWORD=             # 填真实值，禁止写入源码/文档
 NEWS_DB_NAME=myquant
 REPORT_HISTORY_DIR=data/reports_history
+
+# ---- LLM 日报摘要重试 ----
+LLM_RETRY_TIMES=3            # AI 摘要调用失败重试次数(默认 3)
+LLM_RETRY_BACKOFF_SEC=2.0    # 指数退避基数,秒(默认 2.0: 2s,4s,8s...)

continuation.md

@@ -1,6 +1,6 @@
 # continuation.md
 
-> `checkpoint` @ 2026-08-03 21:30
+> `checkpoint` @ 2026-08-05 08:30
 
 ---
 
@@ -10,14 +10,61 @@
 | --- | --- |
 | 新闻源 | 14 个（13 Web + 1 API: xwlb 新闻联播） |
 | Qdrant | 本地文件模式 `data/qdrant_storage/` |
-| 日报 | **M10 完成: 结构化入库 MySQL（myquant 库 news_report/news_event 表），不再生成 HTML** |
+| 日报 | **M10 完成并已部署 pi5: 结构化入库 MySQL；日报按当天日期生成（新闻 30h 回溯 / xwlb 取前一日 / 公告调研近 15 日）** |
-| 调度器 | APScheduler，systemd `a-share-research.service` |
+| DB 连接 | pi 上 systemd 服务 `a-share-db-tunnel` 常驻（0.0.0.0:13306 → doorcome.cn:3306）；**pi5 直连 192.168.1.10:13306** |
-| LLM | `deepseek-v4-flash`（绝不允许擅自修改） |
+| 调度器 | APScheduler，systemd `a-share-research.service`（pi5）；每天 07:00 首次任务生成日报（12/18/22 点不生成） |
-| 服务器 | `pi@192.168.1.160`，项目 `/home/pi/news/` |
+| LLM | `deepseek-v4-flash`（绝不允许擅自修改；模型必须显式配置，无内置兜底） |
+| 服务器 | `pi@192.168.1.160`（生产）/ `pi@192.168.1.10`（DB 隧道宿主） |
 | 抓取方式 | js_render=false → httpx 直连；js_render=true → Playwright |
 
 ---
 
+## 本次完成 (2026-08-05) — 日报可靠性修复与取数逻辑优化
+
+**目标：** 解决日报 AI 摘要偶发失败；修正日报日期与 xwlb/新闻取数语义。
+
+**1. AI 摘要可靠性（llm/client.py + scheduler/reporter.py）：**
+- 去掉内置默认模型兜底（`deepseek-chat`/`qwen-plus`），模型必须显式配置（`DEEPSEEK_MODEL`/`QWEN_MODEL` → `LLM_MODEL`），缺失即报错，避免静默用错模型
+- `_llm_call` 增加指数退避重试：`_LLM_RETRY_TIMES`（默认 3 次）、`_LLM_RETRY_BACKOFF_SEC`（默认 2.0s，可 .env 覆盖），全部失败才抛异常
+- 确认 AI 摘要模型：`deepseek` + `deepseek-v4-flash`（生产实测）
+
+**2. 日报取数逻辑（scheduler/pipeline.py + reporter.py）：**
+- pipeline report 步骤：`report_date = date.today()`（原为昨天+回溯 3 天）
+- `_collect_news_events`：读当天+前一天事件目录，按 `publish_time` 过滤最近 30 小时（`_NEWS_LOOKBACK_HOURS=30`）；时区统一（naive 假定本地时区）；无时间戳事件保留
+- `_collect_xwlb`：固定查 `day_str` 前一日（《新闻联播》19:00 播出，早间日报只能取昨晚已播出的一期）；`source_date` 同步为实际来源日
+- **公告/调研/互动保持原设置：近 15 日（`STOCK_REPORT_DAYS=15`），irm 互动仍跳过**——未受 30h 改动影响
+
+**验证（pi5）：**
+- 单测 9 个（30h 回溯/带时区时间戳/重试/模型缺失报错/xwlb 前一日）全部通过；全量 212 passed + 3 crawler 预存在失败
+- 生产端到端 report_id=191（2026-08-05）：news 20 + cninfo 20 + xwlb 34（08-04 联播），AI 摘要 2076 字
+- 生产服务已重启生效
+
+**本次代码尚未 git 提交（见待办）。**
+
+---
+
+## 本次完成 (2026-08-03 22:00) — pi5 部署与生产测试
+
+**操作：** M10 代码全量同步 pi5 + 生产环境验收（所有测试在 pi5 执行，Mac 不再作为测试环境）。
+
+**文件同步：** rsync 本地 → `pi5:/home/pi/news/`（排除 .venv/data/logs/.git/.env/configs/*.yaml）；清除 pi5 根目录 6 月 17 日旧版散文件（已 tar 备份 /tmp/news_backup_20260803.tar.gz）；pi5 `uv sync` 装 pymysql。
+
+**DB 隧道修复：** pi 原 autossh 参数 `-L 13306:0.0.0.0:3306` 未生效（0.0.0.0 被当远端目标），改为 `-L 0.0.0.0:13306:127.0.0.1:3306` 并持久化为 systemd 服务 `a-share-db-tunnel`（enabled + active）。
+
+**测试结果（pi5）：**
+- 全量 pytest：**208 passed, 3 failed**（3 个失败均为 crawler retry mock 预先存在问题，与 M10 无关）
+- `report-import` 幂等：已存在文件正确 skipped
+- 生产端到端：`a-share report --date 20260802/20260803` → report_id=181/182 入库成功（AI 摘要正常，57/58 事件）
+- DB 总量：finance 52 + intl 128 = 180 行（历史 177 + 端到端测试 2 + 本机 1）
+- 生产服务 `a-share-research` 已重启 active，22:00 定时任务起用新代码
+
+**已知问题：**
+- `tests/test_crawler.py` 3 个 retry 测试失败（预先存在，crawl4ai mock 行为）
+- Mac 本机 anaconda/uv python 出站到 192.168.1.10 被拦截（EHOSTUNREACH；nc/bash/系统 python 正常）——仅影响本机，pi5 不受影响；Mac 本地用 `127.0.0.1` + ssh 隧道绕过
+- 生产 pi5 的 `.env` 里 `NEWS_DB_HOST=192.168.1.10`（直连）；Mac 本地 `.env` 为 `127.0.0.1`（隧道）——**两处 .env 不同，勿互相覆盖**
+
+---
+
 ## 本次完成 (2026-08-03) — M10 日报结构化入库
 
 **目标：** 日报前后端分离的数据层——日报内容结构化存入 MySQL（`news_` 前缀表），历史 178 份日报 HTML 解析入库；本项目不做 API/前端（用户另行实现）。

llm/client.py

@@ -7,7 +7,8 @@
     DeepSeek: DEEPSEEK_API_KEY / DEEPSEEK_BASE_URL / DEEPSEEK_MODEL
     Qwen:     QWEN_API_KEY / QWEN_BASE_URL / QWEN_MODEL
               (QWEN_API_KEY -> DASHSCOPE_API_KEY 兜底)
-    LLM_MODEL           (兜底) LLM_TEMPERATURE / LLM_TIMEOUT_SEC
+    模型必须显式配置(provider 对应的 *_MODEL 或 LLM_MODEL),不再提供内置默认模型。
+    LLM_TEMPERATURE / LLM_TIMEOUT_SEC
 """
 
 from __future__ import annotations
@@ -22,10 +23,6 @@ from openai import AsyncOpenAI, OpenAI
 _DEEPSEEK_DEFAULT_BASE = "https://api.deepseek.com"
 _QWEN_DEFAULT_BASE = "https://dashscope.aliyuncs.com/compatible-mode/v1"
 
-# 默认模型
-_DEEPSEEK_DEFAULT_MODEL = "deepseek-chat"
-_QWEN_DEFAULT_MODEL = "qwen-plus"
-
 # 抽取任务默认参数
 DEFAULT_TIMEOUT_SEC = 60.0
 DEFAULT_TEMPERATURE = 0.1
@@ -69,13 +66,17 @@ def load_llm_config(
     if p == "deepseek":
         api_key = _read_env("DEEPSEEK_API_KEY") or ""
         base = _read_env("DEEPSEEK_BASE_URL", _DEEPSEEK_DEFAULT_BASE) or _DEEPSEEK_DEFAULT_BASE
-        # DEEPSEEK_MODEL → LLM_MODEL(兜底) → 默认
+        # DEEPSEEK_MODEL → LLM_MODEL；模型必须显式配置，不提供内置默认
-        m = model or _read_env("DEEPSEEK_MODEL") or _read_env("LLM_MODEL") or _DEEPSEEK_DEFAULT_MODEL
+        m = model or _read_env("DEEPSEEK_MODEL") or _read_env("LLM_MODEL")
+        if not m:
+            raise ValueError("未配置 LLM 模型: 请设置 DEEPSEEK_MODEL 或 LLM_MODEL")
     elif p in ("qwen", "dashscope"):
         api_key = _read_env("QWEN_API_KEY") or _read_env("DASHSCOPE_API_KEY") or ""
         base = _read_env("QWEN_BASE_URL", _QWEN_DEFAULT_BASE) or _QWEN_DEFAULT_BASE
-        # QWEN_MODEL → LLM_MODEL(兜底) → 默认
+        # QWEN_MODEL → LLM_MODEL；模型必须显式配置，不提供内置默认
-        m = model or _read_env("QWEN_MODEL") or _read_env("LLM_MODEL") or _QWEN_DEFAULT_MODEL
+        m = model or _read_env("QWEN_MODEL") or _read_env("LLM_MODEL")
+        if not m:
+            raise ValueError("未配置 LLM 模型: 请设置 QWEN_MODEL 或 LLM_MODEL")
         p = "qwen"  # 内部统一用 qwen
     else:
         raise ValueError(f"未知 LLM provider: {p!r},仅支持 deepseek / qwen")

scheduler/pipeline.py

@@ -74,39 +74,15 @@ def run_step(name: str, date_str: str) -> StepResult:
     返回: StepResult。
     """
     # report 步骤:内部函数,不走子进程
-    # 日报默认统计"昨天"的数据（因为今天的数据由当天的定时任务处理）。
+    # 日报按当天日期生成: 新闻由 _collect_news_events 回溯过去 30 小时,
-    # 如果昨天没有事件数据，向前回溯最多 3 天，取最近有数据的日期。
+    # xwlb 由 _collect_xwlb 固定取前一日(已播出)联播。
     if name == "report":
         started = datetime.now()
         try:
-            from datetime import timedelta  # noqa: E402
-            from pathlib import Path  # noqa: E402
-
             from .reporter import generate_report  # noqa: E402
 
-            # 向前回溯找最近有事件数据的日期（最多回溯 3 天）
+            report_date = date.today().strftime("%Y%m%d")
-            report_date: str | None = None
+            logger.info("日报: report_date={} (新闻 30h 回溯, xwlb 前一日)", report_date)
-            for offset in range(1, 4):
-                candidate = (date.today() - timedelta(days=offset)).strftime("%Y%m%d")
-                ev_dir = Path(f"data/events/{candidate}")
-                if ev_dir.is_dir() and list(ev_dir.glob("*.json")):
-                    report_date = candidate
-                    break
-
-            if report_date is None:
-                # 没有任何事件数据，仍然尝试生成昨天日报（至少展示管道统计）
-                report_date = (date.today() - timedelta(days=1)).strftime("%Y%m%d")
-                logger.warning(
-                    "日报: 近 3 日均无事件数据 ({} ~ {}), 日报将只含管道统计",
-                    (date.today() - timedelta(days=3)).strftime("%Y%m%d"),
-                    (date.today() - timedelta(days=1)).strftime("%Y%m%d"),
-                )
-            elif report_date != (date.today() - timedelta(days=1)).strftime("%Y%m%d"):
-                logger.warning(
-                    "日报: 昨天 ({}) 无事件数据, 回退使用 {}",
-                    (date.today() - timedelta(days=1)).strftime("%Y%m%d"),
-                    report_date,
-                )
 
             path = generate_report(report_date, upload=True)
             elapsed = (datetime.now() - started).total_seconds()

scheduler/reporter.py

@@ -13,6 +13,7 @@ import json
 import os as _os
 import re as _re
 import subprocess
+import time
 from collections import Counter
 from datetime import date, datetime, timedelta
 from pathlib import Path
@@ -38,6 +39,13 @@ NEWS_DAYS_BACK = 1      # 新闻回溯天数
 
 _MAX_HIGH_EVENTS = 20
 
+# LLM 摘要调用重试参数（环境变量可覆盖）
+_LLM_RETRY_TIMES = int(_os.environ.get("LLM_RETRY_TIMES", "3"))
+_LLM_RETRY_BACKOFF_SEC = float(_os.environ.get("LLM_RETRY_BACKOFF_SEC", "2.0"))
+
+# 日报新闻回溯窗口（小时）：07:00 生成当日日报时覆盖昨日全天至今晨的新闻
+_NEWS_LOOKBACK_HOURS = 30
+
 
 def _load_source_names() -> dict[str, str]:
     import yaml
@@ -102,16 +110,31 @@ def _load_events_from_dir(day_str: str) -> list[dict]:
 def _collect_news_events(day_str: str) -> dict[str, Any]:
     """收集新闻事件(排除 cninfo)。
 
-    事件已按日期目录组织(data/events/{day_str}/),
+    读取 `day_str` 与前一天两个事件目录，按 publish_time 过滤最近
-    不再用 datetime.now() 做 24h 二次过滤,
+    `_NEWS_LOOKBACK_HOURS`（默认 30）小时内的新闻——07:00 生成当日日报时
-    避免日报早上 8 点跑时前一天新闻被全部过滤掉。
+    可覆盖昨日全天至今晨的新闻。无 publish_time 的事件保留(容错)。
     """
-    all_ev = _load_events_from_dir(day_str)
+    day = datetime.strptime(day_str, "%Y%m%d").date()
+    prev_day = (day - timedelta(days=1)).strftime("%Y%m%d")
+    all_ev = _load_events_from_dir(day_str) + _load_events_from_dir(prev_day)
 
+    # publish_time 过滤: 最近 30 小时（时间缺失/格式异常的事件保留）
+    cutoff = (datetime.now() - timedelta(hours=_NEWS_LOOKBACK_HOURS)).astimezone()
     news_ev: list[dict] = []
     for e in all_ev:
         if e["source_id"] == "cninfo":
             continue
+        pt = e.get("publish_time")
+        if pt:
+            try:
+                # naive 时间假定为本地时区, 与带时区(aware)的 cutoff 统一比较
+                t = datetime.fromisoformat(pt)
+                if t.tzinfo is None:
+                    t = t.astimezone()
+                if t < cutoff:
+                    continue
+            except (ValueError, TypeError):
+                pass  # 时间格式异常时保留
         news_ev.append(e)
 
     sentiments: Counter = Counter()
@@ -311,16 +334,21 @@ def _score_xwlb_importance(title: str, content: str = "") -> int:
 def _collect_xwlb(day_str: str) -> dict[str, Any]:
     """收集新闻联播要闻（从 doorcome API /api/xwlbFine/ 获取）。
 
+    《新闻联播》每天 19:00 播出：日报在早上生成时当日联播尚未播出，
+    因此固定取 `day_str` 前一日（最近一期已播出）的联播数据。
+
     API 返回 AI 精编后的独立新闻条目（含标题+正文），
     跳过第 1 条"内容提要"（仅为节目开场白）。
 
-    返回: {"items": [event_dict, ...], "date": "MM月DD日", "source_date": "20260622"}
+    返回: {"items": [event_dict, ...], "date": "MM月DD日", "source_date": "前一日"}
     """
     import urllib.request
 
-    result: dict[str, Any] = {"items": [], "date": "", "source_date": day_str}
+    # 取前一晚(已播出)的联播：day_str 前一天
+    prev_day = (datetime.strptime(day_str, "%Y%m%d") - timedelta(days=1)).strftime("%Y%m%d")
+    result: dict[str, Any] = {"items": [], "date": "", "source_date": prev_day}
 
-    api_url = f"https://api.doorcome.cn/api/xwlbFine/?start_date={day_str}&end_date={day_str}"
+    api_url = f"https://api.doorcome.cn/api/xwlbFine/?start_date={prev_day}&end_date={prev_day}"
     try:
         req = urllib.request.Request(api_url)
         with urllib.request.urlopen(req, timeout=15) as resp:
@@ -338,7 +366,7 @@ def _collect_xwlb(day_str: str) -> dict[str, Any]:
     if dates:
         d = min(dates)
         result["date"] = f"{d[5:7]}月{d[8:10]}日"
-    result["source_date"] = day_str
+    result["source_date"] = prev_day
 
     # 转换为事件格式，跳过第 1 条（内容提要/开场白）
     events: list[dict] = []
@@ -595,27 +623,43 @@ def _build_prompt(lines: list[str], day_str: str) -> str:
 
 
 def _llm_call(client, model: str, prompt: str, max_tokens: int = 1500) -> str:
-    """单次 LLM 调用，返回 strip 后的文本。
+    """单次 LLM 调用（带重试），返回 strip 后的文本。
 
+    失败按指数退避重试 `_LLM_RETRY_TIMES` 次（默认 3），全部失败则抛出最后一次异常。
     若 finish_reason 为 'length' 则说明达到 max_tokens 上限被截断。
     """
-    resp = client.chat.completions.create(
+    last_exc: Exception | None = None
-        model=model,
+    for attempt in range(_LLM_RETRY_TIMES):
-        messages=[
+        try:
-            {"role": "system", "content": "你是 A 股日报撰写助手,输出简洁、有洞察的新闻摘要。"},
+            resp = client.chat.completions.create(
-            {"role": "user", "content": prompt},
+                model=model,
-        ],
+                messages=[
-        temperature=0.3,
+                    {"role": "system", "content": "你是 A 股日报撰写助手,输出简洁、有洞察的新闻摘要。"},
-        max_tokens=max_tokens,
+                    {"role": "user", "content": prompt},
-    )
+                ],
-    content = (resp.choices[0].message.content or "").strip()
+                temperature=0.3,
-    finish = getattr(resp.choices[0], "finish_reason", None)
+                max_tokens=max_tokens,
-    if finish == "length":
+            )
-        logger.warning(
+            content = (resp.choices[0].message.content or "").strip()
-            "AI 摘要可能被截断: max_tokens={} finish_reason=length 实际输出 {} 字符",
+            finish = getattr(resp.choices[0], "finish_reason", None)
-            max_tokens, len(content),
+            if finish == "length":
-        )
+                logger.warning(
-    return content
+                    "AI 摘要可能被截断: max_tokens={} finish_reason=length 实际输出 {} 字符",
+                    max_tokens, len(content),
+                )
+            return content
+        except Exception as e:
+            last_exc = e
+            if attempt < _LLM_RETRY_TIMES - 1:
+                wait = _LLM_RETRY_BACKOFF_SEC * (2 ** attempt)
+                logger.warning(
+                    "AI 摘要 LLM 调用失败(第 {}/{} 次): {}; {} 秒后重试",
+                    attempt + 1, _LLM_RETRY_TIMES, e, round(wait, 2),
+                )
+                time.sleep(wait)
+    logger.error("AI 摘要 LLM 调用重试 {} 次仍失败: {}", _LLM_RETRY_TIMES, last_exc)
+    assert last_exc is not None
+    raise last_exc
 
 
 # --------------------------------------------------------------------------- #

tests/test_llm.py

@@ -322,21 +322,24 @@ async def test_extract_event_async_retries(fake_config: LLMConfig) -> None:
 def test_load_llm_config_deepseek_from_env(monkeypatch: pytest.MonkeyPatch) -> None:
     monkeypatch.setenv("LLM_PROVIDER", "deepseek")
     monkeypatch.setenv("DEEPSEEK_API_KEY", "sk-test-deepseek")
+    monkeypatch.setenv("DEEPSEEK_MODEL", "deepseek-v4-flash")
     monkeypatch.delenv("LLM_MODEL", raising=False)
     cfg = load_llm_config()
     assert cfg.provider == "deepseek"
     assert cfg.api_key == "sk-test-deepseek"
-    assert cfg.model.startswith("deepseek")
+    assert cfg.model == "deepseek-v4-flash"
     assert "deepseek" in cfg.base_url
 
 
 def test_load_llm_config_qwen_from_env(monkeypatch: pytest.MonkeyPatch) -> None:
     monkeypatch.setenv("LLM_PROVIDER", "qwen")
     monkeypatch.setenv("DASHSCOPE_API_KEY", "sk-test-qwen")
+    monkeypatch.setenv("QWEN_MODEL", "qwen-plus")
     monkeypatch.delenv("LLM_MODEL", raising=False)
     cfg = load_llm_config()
     assert cfg.provider == "qwen"
     assert cfg.api_key == "sk-test-qwen"
+    assert cfg.model == "qwen-plus"
     assert "dashscope" in cfg.base_url or "aliyuncs" in cfg.base_url
 
 
@@ -347,5 +350,15 @@ def test_load_llm_config_unknown_provider_raises(monkeypatch: pytest.MonkeyPatch
 
 def test_load_llm_config_missing_key_raises(monkeypatch: pytest.MonkeyPatch) -> None:
     monkeypatch.delenv("DEEPSEEK_API_KEY", raising=False)
-    with pytest.raises(ValueError):
+    monkeypatch.setenv("DEEPSEEK_MODEL", "deepseek-v4-flash")
+    with pytest.raises(ValueError, match="API key"):
+        load_llm_config(provider="deepseek")
+
+
+def test_load_llm_config_missing_model_raises(monkeypatch: pytest.MonkeyPatch) -> None:
+    """去掉内置默认模型后：未显式配置模型必须报错（不再回退 deepseek-chat）。"""
+    monkeypatch.setenv("DEEPSEEK_API_KEY", "sk-test")
+    monkeypatch.delenv("DEEPSEEK_MODEL", raising=False)
+    monkeypatch.delenv("LLM_MODEL", raising=False)
+    with pytest.raises(ValueError, match="模型"):
         load_llm_config(provider="deepseek")

tests/test_report_builder.py

@@ -5,6 +5,8 @@ from __future__ import annotations
 import json
 from datetime import date
 
+import pytest
+
 from scheduler.reporter import _build_report_data
 
 
@@ -85,3 +87,139 @@ class TestBuildReportData:
         r = _build_report_data(news, cninfo, {}, None, "20260710")
         assert r.events == []
         assert r.ai_summary is None
+
+
+class TestLlmCallRetry:
+    """_llm_call 重试逻辑（纯逻辑，mock client）。"""
+
+    @staticmethod
+    def _fake_client(failures: int):
+        """构造 mock client：前 failures 次抛 ConnectionError，之后成功。"""
+        from types import SimpleNamespace
+
+        n = {"count": 0}
+
+        class Completions:
+            def create(self, **kwargs):
+                n["count"] += 1
+                if n["count"] <= failures:
+                    raise ConnectionError("transient")
+                return SimpleNamespace(
+                    choices=[SimpleNamespace(
+                        message=SimpleNamespace(content="今日要点摘要"),
+                        finish_reason="stop",
+                    )]
+                )
+
+        return SimpleNamespace(chat=SimpleNamespace(completions=Completions())), n
+
+    def test_success_first_try(self) -> None:
+        from scheduler.reporter import _llm_call
+        client, n = self._fake_client(0)
+        out = _llm_call(client, "deepseek-v4-flash", "p")
+        assert out == "今日要点摘要"
+        assert n["count"] == 1
+
+    def test_retry_then_success(self, monkeypatch) -> None:
+        import scheduler.reporter as rep
+        monkeypatch.setattr(rep, "_LLM_RETRY_TIMES", 3)
+        monkeypatch.setattr(rep, "_LLM_RETRY_BACKOFF_SEC", 0.01)
+        client, n = self._fake_client(2)  # 前 2 次失败，第 3 次成功
+        out = rep._llm_call(client, "deepseek-v4-flash", "p")
+        assert out == "今日要点摘要"
+        assert n["count"] == 3
+
+    def test_exhausts_retries_raises(self, monkeypatch) -> None:
+        import scheduler.reporter as rep
+        monkeypatch.setattr(rep, "_LLM_RETRY_TIMES", 2)
+        monkeypatch.setattr(rep, "_LLM_RETRY_BACKOFF_SEC", 0.01)
+        client, n = self._fake_client(99)  # 一直失败
+        with pytest.raises(ConnectionError):
+            rep._llm_call(client, "deepseek-v4-flash", "p")
+        assert n["count"] == 2  # 重试 2 次后放弃
+
+
+class TestCollectXwlb:
+    """_collect_xwlb 取数逻辑：应查询日报前一日(已播出的联播)，并跳过内容提要。"""
+
+    def test_queries_previous_day_and_skips_toc(self, monkeypatch) -> None:
+        import json as _json
+        import urllib.request
+
+        captured: dict[str, str] = {}
+
+        def fake_urlopen(req, timeout=15):  # noqa: ARG001
+            captured["url"] = req.full_url
+
+            class Resp:
+                def __enter__(self):
+                    return self
+
+                def __exit__(self, *args):
+                    return False
+
+                def read(self):
+                    return _json.dumps({"data": {"news": [
+                        {"daily_sub_id": 1, "news_title": "内容提要", "news_days": "2026-08-04", "news_improve": "开场白"},
+                        {"daily_sub_id": 2, "news_title": "联播要闻A", "news_days": "2026-08-04", "news_improve": "正文A"},
+                    ]}}).encode("utf-8")
+
+            return Resp()
+
+        monkeypatch.setattr(urllib.request, "urlopen", fake_urlopen)
+        from scheduler.reporter import _collect_xwlb
+
+        result = _collect_xwlb("20260805")
+        # 查询的是前一日(20260804)而非当日
+        assert "start_date=20260804" in captured["url"]
+        assert "end_date=20260804" in captured["url"]
+        # 跳过第 1 条内容提要
+        assert len(result["items"]) == 1
+        assert result["items"][0]["title"] == "联播要闻A"
+        assert result["source_date"] == "20260804"
+        assert result["date"] == "08月04日"
+
+
+class TestCollectNewsEventsLookback:
+    """_collect_news_events 30 小时回溯逻辑。"""
+
+    def test_filters_30h_and_excludes_cninfo(self, monkeypatch) -> None:
+        from datetime import datetime, timedelta
+
+        import scheduler.reporter as rep
+
+        now = datetime.now().astimezone()
+
+        def fake_load(day_str: str) -> list[dict]:  # noqa: ARG001
+            def ev(title: str, hours_ago: float | None, source: str = "cls",
+                   importance: int = 5, aware: bool = False) -> dict:
+                pt = None
+                if hours_ago is not None:
+                    t = now - timedelta(hours=hours_ago)
+                    pt = t.isoformat() if not aware else t.astimezone().isoformat()
+                return {
+                    "title": title, "url": "u", "source_id": source,
+                    "publish_time": pt,
+                    "event": {"importance": importance, "sentiment": "neutral",
+                              "event_type": "其他", "summary": "s"},
+                }
+
+            return [
+                ev("窗口内新闻", 10),
+                ev("窗口内新闻带时区", 12, aware=True),
+                ev("窗口外旧闻", 40),
+                ev("无时间戳", None),
+                ev("公告排除", 5, source="cninfo", importance=2),
+            ]
+
+        monkeypatch.setattr(rep, "_load_events_from_dir", fake_load)
+        result = rep._collect_news_events("20260805")
+
+        # 两个日期目录各返回 5 条(共 10): 旧闻×2、公告×2 被滤, 保留 6 条
+        assert result["total"] == 6
+        titles = {e["title"] for e in result["high"]}
+        assert "窗口内新闻" in titles
+        assert "窗口内新闻带时区" in titles
+        assert "无时间戳" in titles
+        assert "窗口外旧闻" not in titles
+        assert "公告排除" not in titles