fischer
/
geo
1
0
Fork 0
Code Issues Pull Requests Packages Projects Releases Wiki Activity
geo/.qoder/repowiki/zh/content/AI平台集成/Kimi平台集成.md

23 KiB
Raw Permalink Blame History

Kimi平台集成

**本文档引用的文件** - [backend/app/workers/platforms/kimi.py](file://backend/app/workers/platforms/kimi.py) - [backend/app/workers/platforms/base.py](file://backend/app/workers/platforms/base.py) - [backend/app/workers/platforms/search_engine.py](file://backend/app/workers/platforms/search_engine.py) - [backend/app/workers/platforms/__init__.py](file://backend/app/workers/platforms/__init__.py) - [backend/app/workers/citation_engine.py](file://backend/app/workers/citation_engine.py) - [backend/app/workers/scheduler.py](file://backend/app/workers/scheduler.py) - [backend/app/models/query.py](file://backend/app/workers/models/query.py) - [backend/app/models/citation_record.py](file://backend/app/models/citation_record.py) - [backend/app/models/query_task.py](file://backend/app/models/query_task.py) - [backend/app/services/query.py](file://backend/app/services/query.py) - [backend/app/services/citation.py](file://backend/app/services/citation.py) - [backend/app/api/queries.py](file://backend/app/api/queries.py) - [backend/app/api/citations.py](file://backend/app/api/citations.py) - [backend/app/main.py](file://backend/app/main.py) - [frontend/lib/platforms.ts](file://frontend/lib/platforms.ts)

更新摘要

变更内容

  • Kimi平台适配器已简化为搜索引擎模式，移除了Playwright浏览器自动化实现
  • 所有平台适配器采用统一的fetch_search_content机制
  • 引入了通用搜索引擎模块，支持DuckDuckGo和Wikipedia回退机制
  • 更新了架构图和组件分析以反映新的实现方式

目录

  1. 简介
  2. 项目结构
  3. 核心组件
  4. 架构总览
  5. 详细组件分析
  6. 依赖关系分析
  7. 性能考虑
  8. 故障排查指南
  9. 结论
  10. 附录

简介

本文件面向需要集成Kimi平台的开发者与运维人员，系统性阐述Kimi适配器的简化实现方式与运行机制。Kimi适配器现已采用搜索引擎查询机制，通过DuckDuckGo和Wikipedia获取与关键词相关的真实内容，替代了原有的Playwright浏览器自动化方案。文档涵盖搜索引擎集成、错误重试与超时处理、资源管理与API调用示例。

项目结构

后端采用FastAPI + SQLAlchemy + APScheduler的异步架构，前端通过Next.js提供可视化界面。Kimi适配器位于工作线程模块，被引用检测引擎统一编排，定时调度器周期性触发查询任务。所有平台适配器现在共享相同的搜索引擎基础设施。

graph TB
subgraph "前端"
FE_Platforms["前端平台映射<br/>frontend/lib/platforms.ts"]
end
subgraph "后端"
API_Queries["查询API<br/>backend/app/api/queries.py"]
API_Citations["引用API<br/>backend/app/api/citations.py"]
Service_Query["查询服务<br/>backend/app/services/query.py"]
Service_Citation["引用服务<br/>backend/app/services/citation.py"]
Scheduler["定时调度器<br/>backend/app/workers/scheduler.py"]
Engine["引用检测引擎<br/>backend/app/workers/citation_engine.py"]
Adapter_Kimi["Kimi适配器<br/>backend/app/workers/platforms/kimi.py"]
SearchEngine["搜索引擎模块<br/>backend/app/workers/platforms/search_engine.py"]
BaseAdapter["基础适配器<br/>backend/app/workers/platforms/base.py"]
Model_Query["查询模型<br/>backend/app/models/query.py"]
Model_Record["引用记录模型<br/>backend/app/models/citation_record.py"]
Model_Task["查询任务模型<br/>backend/app/models/query_task.py"]
end
FE_Platforms --> API_Queries
FE_Platforms --> API_Citations
API_Queries --> Service_Query
API_Citations --> Service_Citation
Service_Query --> Scheduler
Service_Citation --> Scheduler
Scheduler --> Engine
Engine --> Adapter_Kimi
Engine --> SearchEngine
Engine --> BaseAdapter
Engine --> Model_Query
Engine --> Model_Record
Engine --> Model_Task

图表来源

章节来源

核心组件

  • Kimi适配器（搜索引擎模式）：基于HTTP客户端的轻量级适配器，通过fetch_search_content获取搜索结果。
  • 搜索引擎模块：提供DuckDuckGo HTML搜索和Wikipedia API回退机制，支持内容提取和清理。
  • 引用检测引擎：编排多平台查询，执行品牌匹配与竞争品牌检测，并持久化结果。
  • 定时调度器：周期性扫描到期查询，触发执行并更新任务状态。
  • 数据模型：查询、引用记录、查询任务三者构成完整的查询生命周期与结果存储。
  • API与服务：提供REST接口与业务服务，支撑前端展示与手动触发"立即执行"。

章节来源

架构总览

下图展示了从用户发起查询到结果入库的关键路径，以及Kimi适配器在其中的角色。现在Kimi适配器通过搜索引擎获取内容，而非直接操作浏览器。

sequenceDiagram
participant FE as "前端"
participant API as "后端API"
participant SVC as "服务层"
participant SCH as "调度器"
participant ENG as "引用检测引擎"
participant ADP as "Kimi适配器"
participant SE as "搜索引擎模块"
FE->>API : "POST /api/v1/queries 或 /api/v1/citations/run-now"
API->>SVC : "创建查询/立即执行"
SVC->>SCH : "登记查询任务"
SCH->>ENG : "周期性执行查询"
ENG->>ADP : "query(keyword)"
ADP->>SE : "fetch_search_content(platform_name, keyword)"
SE->>SE : "search_duckduckgo 或 Wikipedia"
SE-->>ADP : "返回搜索结果文本"
ADP-->>ENG : "返回原始响应文本"
ENG-->>SVC : "品牌匹配/竞争品牌检测"
SVC-->>API : "写入引用记录"
API-->>FE : "返回查询结果/统计"

图表来源

详细组件分析

Kimi适配器（搜索引擎模式）

更新 Kimi适配器已完全简化，移除了Playwright浏览器自动化实现，现在是一个轻量级的HTTP客户端适配器。

  • 适配器实现
    • 继承自BasePlatformAdapter基类，实现query和_close方法
    • platform_name设置为"kimi"，platform_url设置为"https://kimi.moonshot.cn"
    • query方法包含最多3次重试（共3次尝试），使用指数退避策略
  • 搜索引擎集成
    • _do_query方法调用fetch_search_content获取搜索结果
    • 通过search_duckduckgo获取HTML搜索结果，必要时回退到Wikipedia
    • 返回清理后的搜索结果文本
  • 资源管理
    • close方法为空实现，因为无额外资源需要释放
    • 依赖httpx异步客户端自动管理连接池
flowchart TD
Start(["进入 query(keyword)"]) --> RetryLoop{"重试次数 < 3"}
RetryLoop --> |是| DoQuery["_do_query 执行单次查询"]
DoQuery --> Success["返回搜索结果文本"]
DoQuery --> |异常| Delay["指数退避等待 (2^attempt)"]
Delay --> RetryLoop
RetryLoop --> |否| FinalFail["记录最终失败并抛出异常"]
Success --> End(["结束"])
FinalFail --> End

图表来源

章节来源

搜索引擎模块（Search Engine Module）

新增 新增的通用搜索引擎模块，提供DuckDuckGo和Wikipedia的搜索功能。

  • DuckDuckGo搜索
    • 使用HTML版本搜索，无需API密钥
    • 支持多种结果块匹配策略（标准result块和备选匹配）
    • 自动清理HTML标签和实体，提取可读文本
  • Wikipedia回退机制
    • 当DuckDuckGo受限或失败时自动回退到Wikipedia API
    • 使用Wikipedia API获取词条摘要，避免HTML解析复杂性
    • 支持引用标记清理和文本格式化
  • 内容提取与清理
    • 统一的HTML标签清理函数
    • 文本压缩和空白字符标准化
    • 最大字符长度控制和结果截断
flowchart TD
Start(["fetch_search_content"]) --> DDG["search_duckduckgo"]
DDG --> Valid{"有效结果?"}
Valid --> |是| Clean["清理HTML标签"]
Clean --> Return["返回结果"]
Valid --> |否| Wiki["search_wikipedia 回退"]
Wiki --> WikiValid{"Wikipedia结果?"}
WikiValid --> |是| WikiClean["清理Wikipedia内容"]
WikiClean --> Return
WikiValid --> |否| Error["抛出所有搜索源失败"]

图表来源

章节来源

引用检测引擎（Citation Engine）

  • 平台编排
    • 维护平台适配器映射，支持Kimi、文心、通义等平台
    • 针对每个查询遍历指定平台，执行查询与检测
    • 更新 所有平台现在共享相同的搜索引擎基础设施
  • 品牌匹配
    • 支持精确匹配、别名匹配、模糊匹配三种策略，输出置信度与首次出现位置
  • 竞争品牌检测
    • 基于预设行业品牌库，识别文本中除目标品牌外的其他品牌
  • 任务状态管理
    • 为每次平台查询创建或获取对应任务记录，维护状态与错误信息
  • 结果持久化
    • 将引用检测结果写入引用记录表，包含是否引用、位置、文本片段、竞争品牌及原始响应
classDiagram
class CitationEngine {
+execute_query(query, db) list
+execute_single_platform(keyword, platform, target_brand, aliases) dict
+close() void
}
class KimiAdapter {
+query(keyword) str
+_do_query(keyword) str
+close() void
}
class SearchEngineModule {
+fetch_search_content(platform_name, keyword) str
+search_duckduckgo(query) str
+search_wikipedia(keyword) str
}
class BrandMatcher {
+match(text) dict
}
class CompetitorDetector {
+detect(text, target_brand) list
}
CitationEngine --> KimiAdapter : "依赖"
CitationEngine --> BrandMatcher : "使用"
CitationEngine --> CompetitorDetector : "使用"
KimiAdapter --> SearchEngineModule : "使用"

图表来源

章节来源

定时调度器（Scheduler）

  • 触发机制
    • 使用APScheduler的AsyncIOScheduler，每小时检查一次到期查询
    • 条件：查询状态为激活且next_query_at小于等于当前时间
  • 执行流程
    • 逐条执行查询，调用引用检测引擎，更新任务状态与查询时间字段
  • 关闭流程
    • 应用关闭时停止调度器并关闭各平台适配器
sequenceDiagram
participant S as "调度器"
participant DB as "数据库"
participant ENG as "引用检测引擎"
participant ADP as "Kimi适配器"
S->>DB : "查询到期的查询记录"
loop 遍历查询
S->>ENG : "execute_query(query, db)"
ENG->>ADP : "query(keyword)"
ADP->>ADP : "fetch_search_content"
ADP-->>ENG : "返回搜索结果"
ENG-->>S : "写入引用记录并更新时间"
end
S->>S : "关闭时调用 engine.close()"

图表来源

章节来源

数据模型（Models）

  • 查询（Query）
    • 关键字段：关键词、目标品牌、品牌别名、平台列表、频率、状态、下次查询时间等
  • 引用记录（CitationRecord）
    • 关键字段：是否引用、引用位置、引用文本、竞争品牌列表、原始响应、查询时间等
  • 查询任务（QueryTask）
    • 关键字段：状态、错误信息、计划/开始/完成时间等
erDiagram
QUERY {
uuid id PK
uuid user_id FK
string keyword
string target_brand
jsonb brand_aliases
jsonb platforms
string frequency
string status
timestamp last_queried_at
timestamp next_query_at
timestamp created_at
timestamp updated_at
}
CITATION_RECORD {
uuid id PK
uuid query_id FK
string platform
boolean cited
int citation_position
text citation_text
jsonb competitor_brands
text raw_response
timestamp queried_at
}
QUERY_TASK {
uuid id PK
uuid query_id FK
string platform
string status
text error_message
timestamp scheduled_at
timestamp started_at
timestamp completed_at
}
QUERY ||--o{ CITATION_RECORD : "拥有"
QUERY ||--o{ QUERY_TASK : "拥有"

图表来源

章节来源

API与服务（API & Services）

  • 查询API
    • 支持分页列出、创建、查询详情、更新、删除查询
  • 引用API
    • 支持分页列出引用、统计查询、立即执行查询（触发任务）
  • 服务层
    • 查询服务：校验用户配额、计算下次查询时间、增删改查
    • 引用服务：权限校验、统计聚合、CSV导出、立即执行任务登记

章节来源

依赖关系分析

  • 组件耦合
    • 引用检测引擎对Kimi适配器存在直接依赖；对品牌匹配器与竞争品牌检测器为组合关系
    • 更新 Kimi适配器现在依赖通用搜索引擎模块，而非Playwright
    • 定时调度器仅通过引擎接口触发执行，解耦具体平台实现
  • 外部依赖
    • httpx异步HTTP客户端（用于搜索引擎请求）
    • DuckDuckGo和Wikipedia API（无需认证）
    • PostgreSQL数据库（SQLAlchemy ORM）
    • APScheduler（异步调度）
  • 循环依赖
    • 未发现循环导入或调用链路
graph LR
SCH["调度器"] --> ENG["引用检测引擎"]
ENG --> ADP["Kimi适配器"]
ENG --> BM["品牌匹配器"]
ENG --> CD["竞争品牌检测器"]
ADP --> SE["搜索引擎模块"]
SE --> HTTPX["httpx客户端"]
APIQ["查询API"] --> SVQ["查询服务"]
APIC["引用API"] --> SVC["引用服务"]
SVQ --> DB["数据库"]
SVC --> DB

图表来源

章节来源

性能考虑

  • HTTP客户端优化
    • 使用httpx异步客户端，支持连接池复用和超时控制
    • DuckDuckGo搜索超时设置为30秒，避免长时间阻塞
  • 搜索策略优化
    • 首选DuckDuckGo HTML搜索，自动回退到Wikipedia API
    • 支持最多5个结果的提取，平衡准确性和性能
  • 重试与退避
    • 已采用指数退避（2^attempt），建议结合平台可用性监控动态调整重试上限
  • 数据库索引
    • 查询模型的索引设计有助于高频筛选
    • 建议在引用记录表上针对查询时间、平台、是否引用等字段建立复合索引以提升统计与导出性能
  • 前端平台映射
    • 前端平台键值映射清晰，便于UI展示与用户选择

章节来源

故障排查指南

  • DuckDuckGo限制
    • 现象：DuckDuckGo返回非结果页面或解析失败
    • 处理：自动回退到Wikipedia API；检查网络连接和代理设置
  • Wikipedia API失败
    • 现象：Wikipedia API调用失败或无结果
    • 处理：检查Wikipedia API可用性；确认关键词有效性
  • 搜索结果为空
    • 现象：两个搜索源均无结果
    • 处理：尝试更具体的关键词；检查网络连接
  • 重试仍失败
    • 现象：多次重试后仍失败
    • 处理：查看日志中的最后一次错误；检查平台访问限制与验证码弹窗
  • API调用失败
    • 现象：接口返回4xx/5xx错误
    • 处理：核对鉴权头与请求体；检查用户权限与查询状态；查看服务端日志定位异常

章节来源

结论

Kimi适配器已成功简化为搜索引擎模式，移除了复杂的Playwright浏览器自动化实现，转而采用轻量级的HTTP客户端方案。通过DuckDuckGo和Wikipedia的组合搜索策略，实现了稳定的搜索结果获取。新的架构更加简洁、高效，降低了维护成本，同时保持了与原有系统的兼容性。建议在生产环境中关注HTTP客户端性能、搜索策略优化和数据库索引设计。

附录

API调用示例（路径参考）

  • 创建查询
    • POST /api/v1/queries
    • 请求体字段：keyword、target_brand、brand_aliases、platforms、frequency
    • 成功响应：QueryResponse
  • 立即执行查询
    • POST /api/v1/queries/{query_id}/run-now
    • 成功响应：RunNowResponse（包含任务ID与状态）
  • 查询引用列表
    • GET /api/v1/citations/?query_id={query_id}&platform={platform}
    • 成功响应：CitationListResponse
  • 引用统计
    • GET /api/v1/citations/stats?query_id={query_id}
    • 成功响应：CitationStatsResponse

章节来源