codebee 0.1.15 → 0.1.16

package/CHANGELOG.md

@@ -4,6 +4,11 @@ CodeBee 的用户可感知变更记录。发布新版时：最上面加一节，
 `<!-- relnotes:start -->…<!-- relnotes:end -->` 段（那段会被 `npm view` 的
 README 元数据带回，供老版本在「发现新版本」时展示新版更新内容）。
 
+## v0.1.16（2026-09-19）
+
+- 帮助中心：首启欢迎引导升级为「左目录 + 右内容」多章帮助中心，七章全就绪——快速上手、模型接入与绑定（多 Key 轮换 / 协议徽章解读 / 报错速查 / 免费档起步）、功能一览、连载创作流程、发布上架、自动化与技能市场、常见问题（9 条踩坑 FAQ）。首启仍只自动弹一次落在「快速上手」，手动打开（设置导航/关于页/Ctrl+K）徽章显示「帮助中心」
+- 就地帮助问号：模型接入、CLI 绑定、自动化、插件市场四个页头新增小「?」，点击直达帮助中心对应章节；供应商空状态与「还没有装好的 CLI」空状态附「看帮助」链接
+
 ## v0.1.15（2026-09-19）
 
 - 禅道集成：定时扫描激活 Bug → 自动建修复任务 → 跑完自动合并 + resolve(fixed) + 报告回写 + 群通知（REST v1，SSRF 守卫；设置页「禅道」子页）

package/README.md

@@ -21,14 +21,10 @@ Kimi Code、MiMo Code、Grok Build、Pi、DeepSeek Harness……），提供
 不会把你的任务内容交给任何第三方。
 
 <!-- relnotes:start -->
-### 最新版更新内容（v0.1.15）
-
-- **禅道集成**：定时扫描激活 Bug → 自动建修复任务 → 跑完自动合并 + resolve + 报告回写 + 群通知
-- **扫榜选材（双源）**：七猫+番茄排行榜抓取聚合，AI 提炼热门题材/人设套路/差异化切入，跨平台重合题材单独标记
-- **可分享报告页**：运行报告一键导出自包含单文件 HTML
-- **引擎调参卡**：设置页直接调压缩阈值/goal 轮数等引擎参数（防并发覆盖）
-- 出站 HTTPS 证书校验加固（修复部分 Mac 上的全外联失败）；发布浏览器 profile 迁出仓库目录
-- 群推送（钉钉/飞书/企微自动适配）与「扫榜选材」任务类型见 v0.1.14
+### 最新版更新内容（v0.1.16）
+
+- **帮助中心**：首启欢迎引导升级为多章帮助中心——快速上手 / 模型接入与绑定 / 连载创作流程 / 发布上架 / 自动化与技能市场 / 功能一览 / 常见问题七章全就绪；模型接入、CLI 绑定、自动化、插件市场页头有「?」就地问号直达对应章节；设置导航、关于页、Ctrl+K 随时可重开
+- 禅道集成、扫榜选材（双源）、可分享报告页、引擎调参卡见 v0.1.15
 <!-- relnotes:end -->
 
 ---
@@ -106,6 +102,11 @@ OpenCode / Continue / Cursor / Trae 十种工具的配置，一次带入全部
 - **运行中指挥**：任务跑着也能递话——文字 / 截图 / 附件注入下一轮；
 - **对话模式**：不拆步骤、直接执行，时间线式对话页，随时追话续上下文；
 - **自动化**：定时任务复用真实运行链，到点自动开跑（错过的一次性任务不补跑）；
+- **禅道 Bug 自动修复**：多产品档案（每产品配我方端/前后端仓库/负责人），定时扫描
+  激活 Bug 先排查定责（模块路由规则 > AI 判端 > 留人工）——我方端自动建修复任务
+  跑完整代码链，修完自动合并；双端问题修完我方部分后带修复报告转派另一端负责人，
+  非我方转回报告人；测试指错人也按排查结论改派；修复失败自动升级转派；群机器人
+  全程播报（设置页「禅道」子页配置）；
 - **多任务并发**：worker 池默认 3（1-6 可调），互不打扰；连载任务超时/中断自动
   断点续跑；
 - **远程访问**：手机同一 WiFi 直开、Tailscale 外网可达、Cloudflare Tunnel 固定

package/app/core/bookmeta.py

@@ -274,9 +274,16 @@ def _norm(data, platform, goal=""):
     channel = cat.QIMAO_CATS.get(reader) or {}
     c_main = _in_table(data.get("category_main"), list(channel))
     c_sub = _name(data.get("category_sub"), 10)
-    subs = channel.get(c_main)
-    if subs and c_sub not in subs:
-        c_sub = ""     # 级联不匹配清空（二级必须挂在一级下）
+    if c_sub and not (c_main and c_sub in (channel.get(c_main) or [])):
+        # 一级/二级不自洽（一级空、或二级不属于该频道——如女生专属的
+        # 「现实故事」配了男生频道）：跨频道反查官方目录纠正，频道与
+        # 一级跟着二级走（表单级联的选项集以此为准）；全目录都没有
+        # 才清空——表单选不出的词不硬填
+        loc = cat.qimao_locate_sub(c_sub)
+        if loc:
+            reader, c_main = loc
+        else:
+            c_sub = ""
     # 作品标签四组（官方每组必选 1-3）：逐组过滤 + 截到 3；老数据 tags 并入
     legacy_tags = data.get("tags") if isinstance(data.get("tags"), list) else []
     groups = {}

package/app/core/bookmeta_catalog.py

@@ -155,6 +155,22 @@ QIMAO_CATS = {
 QIMAO_MAIN_CATEGORIES = [m for ch in QIMAO_CATS.values() for m in ch]
 QIMAO_CASCADE = {m: subs for ch in QIMAO_CATS.values() for m, subs in ch.items()}
 
+
+def qimao_locate_sub(sub):
+    """二级分类跨频道反查：返回 (频道, 一级分类)，目录里没有则 None。
+
+    级联表单的二级选项集随频道变化，「现实故事」（女生·现实主义）
+    等词被编排者配到男生频道时，只能从官方全目录反查出真实归属，
+    供规整层纠正 target_reader/category_main 错配。"""
+    sub = (sub or "").strip()
+    if not sub:
+        return None
+    for ch, mains in QIMAO_CATS.items():
+        for main, subs in mains.items():
+            if sub in subs:
+                return ch, main
+    return None
+
 # 七猫·作品标签四组（男女生频道同池），每组必选 1-3 个
 QIMAO_TAG_GROUPS = {
     "风格": ["热血", "轻松", "暗黑", "现实题材", "虐恋", "治愈", "甜宠", "悬疑", "种田", "清穿", "宅斗", "宫斗", "中短篇", "青春", "军事", "爽文", "恐怖", "烧脑", "正剧", "商战", "权谋", "励志", "搞笑", "日常", "短篇", "短故事", "买股文", "第一人称", "纯爱", "快节奏", "反套路", "新疆现实题材", "国安现实题材"],

package/app/core/covergen.py

@@ -2,11 +2,18 @@
 """封面图生成：调供应商图像 API 产出竖版封面插画，curl 直接落盘到运行目录。
 
 接口形状：OpenAI 兼容 POST {base}/images/generations（Z.ai cogview 系列、
-多数聚合网关都支持，默认返回图片 URL）。模型解析：环境变量
-CODEBEE_IMAGE_MODEL 优先，否则逐个试候选（cogview-3-flash → cogview-4），
-第一个 2xx 的胜出；同一模型先试竖版尺寸再回落方图。
+多数聚合网关都支持，默认返回图片 URL）。端点选取：编排者供应商的 openai 面
+（显式协议或 wire_caps 实测出的另一协议面）优先，其余开了 openai 面的供应商
+按优先级自动跟上——编排者走 anthropic 面不再挡封面。已知主机会补规范图像面
+（智谱 anthropic 面 key 同源，图像只走 /api/paas/v4；实测 face 对图像回
+HTTP 200+失败信封，规范面放前面省一轮空试）。错误信息带响应体真因（聚合
+网关「无可用渠道」不再吞成光秃 HTTPError）。
+图像模型：环境变量
+CODEBEE_IMAGE_MODEL 优先，其次供应商模型清单里认得出的图像模型（关键词），
+否则逐个试默认候选（cogview-3-flash → cogview-4），第一个 2xx 的胜出；
+同一模型先试竖版尺寸再回落方图。
 状态机与建书生成同款（running/done/failed 写任务 cover_gen 字段，
-bump_state 推 SSE）。仅支持 openai 协议供应商。
+bump_state 推 SSE）。
 
 安全边界：
 - 图像 URL 仅接受 https，解析后 IP 命中私网/环回/链路本地一律拒绝
@@ -16,16 +23,22 @@ bump_state 推 SSE）。仅支持 openai 协议供应商。
 """
 from __future__ import annotations
 
+import json
 import logging
 import os
 import socket
 import threading
 import time
+import urllib.error
+import urllib.request
 from pathlib import Path
 
 log = logging.getLogger(__name__)
 
 _IMAGE_CANDIDATES = ("cogview-3-flash", "cogview-4")
+# 模型清单里认得出的图像模型关键词（命中即列为候选，保持清单序）
+_IMAGE_MODEL_KEYWORDS = ("cogview", "dall-e", "gpt-image", "flux", "kolors",
+                         "seedream", "stable-diffusion", "hidream", "imagen")
 _SIZES = ("768x1344", "1024x1024")   # 竖版优先，方图兜底
 
 
@@ -50,6 +63,87 @@ def _pick_key(prov):
     return prov.get("api_key") or ""
 
 
+# 已知主机的规范图像面：wire_caps 记的 openai 面只保 chat 可用，图像端点在
+# 各家规范路径上（真案：智谱 anthropic 面 key 同源可出图，但 wire_caps 面的
+# /api/anthropic 路径对图像返回 HTTP 200+失败信封，必须走 /api/paas/v4）。
+_CANON_IMAGE_FACE = {
+    "open.bigmodel.cn": "https://open.bigmodel.cn/api/paas/v4",
+}
+
+
+def _openai_face(prov):
+    """该供应商可用的 openai 面地址：显式 openai 协议用本体；其余只认 wire_caps
+    里实测通过的 openai 面——两协议面的路径不同（Z.ai：/api/anthropic vs
+    /api/paas/v4），靠猜必错，与绑定链「只挑实测 wire」同纪律。"""
+    proto = str(prov.get("protocol") or "openai")
+    base = str(prov.get("base_url") or "").rstrip("/")
+    if proto == "openai" and base:
+        return base
+    cap = (prov.get("wire_caps") or {}).get("openai") or {}
+    return str(cap.get("base") or "").rstrip("/")
+
+
+def _image_bases(prov):
+    """该供应商可试的图像端点（去重保序）：已知主机的规范图像面在前——
+    实测 face 若恰好是 chat 代理路径（智谱 anthropic 面），对图像必是假 200；
+    规范面直接出图省一轮空试。无规范表的其余主机仍用实测 face。"""
+    from urllib.parse import urlparse
+    face = _openai_face(prov)
+    host = urlparse(face or str(prov.get("base_url") or "")).hostname or ""
+    canon = _CANON_IMAGE_FACE.get(host) or ""
+    bases = [b for b in (canon, face) if b]
+    seen, out = set(), []
+    for b in bases:
+        if b not in seen:
+            seen.add(b)
+            out.append(b)
+    return out
+
+
+def _image_models(prov):
+    """图像模型候选序：环境变量 CODEBEE_IMAGE_MODEL > 供应商模型清单里关键词
+    命中的图像模型（保持清单序）> 默认候选 cogview（Z.ai 免费档先行）。"""
+    models = []
+    env_model = os.environ.get("CODEBEE_IMAGE_MODEL", "").strip()
+    if env_model:
+        models.append(env_model)
+    for m in (prov.get("models") or []):
+        name = str((m.get("name") if isinstance(m, dict) else m) or "").strip()
+        low = name.lower()
+        if name and any(k in low for k in _IMAGE_MODEL_KEYWORDS) and name not in models:
+            models.append(name)
+    models.extend(m for m in _IMAGE_CANDIDATES if m not in models)
+    return models
+
+
+def _candidates():
+    """图像端点候选 [{label, bases, key, allow_private, prov}]：编排者供应商排
+    最前，其余启用且配了密钥的供应商按列表优先级跟上；每家可试端点见
+    _image_bases（实测 face + 已知主机规范面）；同一（端点组+密钥）只收一次。"""
+    from . import modelhub
+    orch = modelhub.resolve_orchestrator()
+    first = [orch[0]] if orch else []
+    first_ids = {p.get("id") for p in first}
+    rest = [p for p in modelhub.providers() if p.get("id") not in first_ids]
+    out, seen = [], set()
+    for prov in first + rest:
+        if not prov.get("enabled", True) or not prov.get("api_key"):
+            continue
+        bases = _image_bases(prov)
+        key = _pick_key(prov)
+        if not bases or not key:
+            continue
+        sig = (tuple(bases), key)
+        if sig in seen:
+            continue
+        seen.add(sig)
+        out.append({"label": prov.get("name") or prov.get("id") or "供应商",
+                    "bases": bases, "key": key,
+                    "allow_private": bool(prov.get("allow_private")),
+                    "prov": prov})
+    return out
+
+
 def _safe_image_url(url):
     """SSRF 校验：仅 https；解析主机全部 IP，私网/环回/链路本地/保留段拒绝。"""
     import ipaddress
@@ -86,75 +180,101 @@ def _curl_to(url, out_path):
         raise RuntimeError("下载内容过小或为空")
 
 
+def _post_images(url, key, body, allow_private, timeout):
+    """图像接口专用 POST：非 2xx 也读响应体真因。_post_json_http 对 HTTPError
+    直接返回 (0, None, repr)，聚合网关的「无可用渠道」会被吞成光秃
+    HTTPError 503；复用同一套 SSRF 校验与出站 TLS 上下文。"""
+    from . import modelhub, tlsctx
+    _host, herr = modelhub._validate_host(url, allow_private)
+    if _host is None:
+        return 0, None, herr
+    try:
+        req = urllib.request.Request(url, method="POST",
+                                     headers={"Authorization": "Bearer " + key,
+                                              "Content-Type": "application/json"},
+                                     data=json.dumps(body).encode("utf-8"))
+        with modelhub._opener().open(req, timeout=timeout) as resp:
+            return resp.status, json.loads(resp.read(1024 * 1024).decode("utf-8", "replace")), ""
+    except urllib.error.HTTPError as e:
+        raw = e.read(65536).decode("utf-8", "replace")
+        try:
+            data = json.loads(raw)
+        except Exception:
+            data = None
+        msg = ""
+        if isinstance(data, dict):
+            msg = str((data.get("error") or {}).get("message")
+                      or data.get("message") or data.get("msg") or "")
+        if not msg:
+            msg = "HTTP %s %s" % (e.code, getattr(e, "reason", "") or "")
+        return e.code, data, msg[:300]
+    except Exception as e:
+        return 0, None, tlsctx.humanize(repr(e)[:300])
+
+
 def _call_images(base, key, model, prompt, size, allow_private):
     """POST /images/generations。返回 (data_item dict, 错误串)；data_item 含 url 或 b64_json。"""
-    from . import builtin_agent
     url = base.rstrip("/") + "/images/generations"
-    status, data, err = builtin_agent._post_json(
-        url,
-        {"Authorization": "Bearer " + key, "Content-Type": "application/json"},
-        {"model": model, "prompt": prompt, "size": size},
-        allow_private, 180)
+    body = {"model": model, "prompt": prompt, "size": size}
+    if os.environ.get("CODEBEE_IMAGE_WATERMARK", "").strip() != "1":
+        # 智谱缺省 watermark=true，图上强制「AI生成」显式角标+隐式数字水印；
+        # 实测传 false 被 200 接受。CODEBEE_IMAGE_WATERMARK=1 恢复供应商默认。
+        body["watermark"] = False
+    status, data, err = _post_images(url, key, body, allow_private, 180)
     if status == 0:
         return None, err or "网络错误"
     if 200 <= status < 300:
+        if isinstance(data, dict) and data.get("success") is False:
+            # 智谱 anthropic 面对未知子路径回 HTTP 200+失败信封，按失败处理
+            return None, str(data.get("msg") or "供应商返回失败信封")
         items = (data or {}).get("data") or []
         if items and isinstance(items[0], dict):
             return items[0], ""
         return None, "响应缺少 data[0]"
-    last = str((data or {}).get("error", {}).get("message", "") if isinstance(data, dict) else "") \
-        or err or ("HTTP %s" % status)
-    return None, last
+    return None, err or ("HTTP %s" % status)
 
 
 def make_cover(run_id, task):
     """同步生成封面到运行目录。成功/失败返回 entry dict（写任务 cover_gen 用）。"""
-    from . import builtin_agent, modelhub, paths
+    from . import builtin_agent, paths
     try:
-        orch = modelhub.resolve_orchestrator()
-        if not orch:
-            raise RuntimeError("未配置编排者供应商（编排设置）")
-        prov, _m = orch
-        if str(prov.get("protocol") or "openai") not in ("openai", ""):
-            raise RuntimeError("封面生成仅支持 openai 协议供应商")
-        base = str(prov.get("base_url") or "").rstrip("/")
-        key = _pick_key(prov)
-        if not base or not key:
-            raise RuntimeError("供应商缺少 base_url 或密钥")
-        allow_private = bool(prov.get("allow_private"))
+        cands = _candidates()
+        if not cands:
+            raise RuntimeError(
+                "没有可用的 openai 协议图像接口（扫了全部供应商的 openai 面，"
+                "含适配测试实测出的）。可到模型管理页对网关跑一次适配测试补出 "
+                "openai 面，或设环境变量 CODEBEE_IMAGE_MODEL 指定图像模型后重试")
         prompt = _cover_prompt(task)
-        models = []
-        env_model = os.environ.get("CODEBEE_IMAGE_MODEL", "").strip()
-        if env_model:
-            models.append(env_model)
-        models.extend(m for m in _IMAGE_CANDIDATES if m not in models)
         last_err = ""
-        for model in models:
-            for size in _SIZES:
-                item, err = _call_images(base, key, model, prompt, size, allow_private)
-                if item is None:
-                    last_err = err
-                    continue
-                img_url = str(item.get("url") or "")
-                if not img_url:
-                    last_err = "该供应商未返回图片 URL（仅内嵌数据），暂不支持"
-                    continue
-                try:
-                    safe_url = _safe_image_url(img_url)
-                except ValueError as e:
-                    last_err = str(e)
-                    continue
-                out_dir = paths.RUNS_DIR / str(run_id)
-                out_dir.mkdir(parents=True, exist_ok=True)
-                out = out_dir / "cover.png"
-                try:
-                    _curl_to(safe_url, out)
-                except RuntimeError as e:
-                    last_err = str(e)
-                    continue
-                return {"status": "done", "file": "cover.png", "run_id": str(run_id),
-                        "model": model, "size": size,
-                        "at": time.strftime("%Y-%m-%d %H:%M:%S")}
+        for cand in cands:
+            for base in cand["bases"]:
+                for model in _image_models(cand["prov"]):
+                    for size in _SIZES:
+                        item, err = _call_images(base, cand["key"], model,
+                                                 prompt, size, cand["allow_private"])
+                        if item is None:
+                            last_err = err
+                            continue
+                        img_url = str(item.get("url") or "")
+                        if not img_url:
+                            last_err = "该供应商未返回图片 URL（仅内嵌数据），暂不支持"
+                            continue
+                        try:
+                            safe_url = _safe_image_url(img_url)
+                        except ValueError as e:
+                            last_err = str(e)
+                            continue
+                        out_dir = paths.RUNS_DIR / str(run_id)
+                        out_dir.mkdir(parents=True, exist_ok=True)
+                        out = out_dir / "cover.png"
+                        try:
+                            _curl_to(safe_url, out)
+                        except RuntimeError as e:
+                            last_err = str(e)
+                            continue
+                        return {"status": "done", "file": "cover.png", "run_id": str(run_id),
+                                "provider": cand["label"], "model": model, "size": size,
+                                "at": time.strftime("%Y-%m-%d %H:%M:%S")}
         raise RuntimeError(last_err or "图像接口无可用模型")
     except Exception as e:
         return {"status": "failed", "error": str(e)[:300],

package/app/core/modelhub.py

@@ -192,6 +192,18 @@ def _validate_host(url, allow_private):
     return host, ""
 
 
+# 「候选列表端点全部 404」的良性提示固定后缀。zcode-plan 等 anthropic 形网关
+# 没有 GET /models：404 与密钥无关、不影响对话调用。调用方用 is_no_list_note()
+# 把它归为预期情况（成功 + 提示），不算失败、不记 KEY 错误。
+_NO_LIST_SUFFIX = ("无模型列表接口（HTTP 404）——"
+                   "模型以导入/手动添加为准，不影响对话调用")
+
+
+def is_no_list_note(err):
+    """404≠密钥错≠网络断：网关本来就没有 /models 列表接口，属良性结果。"""
+    return bool(err) and err.endswith(_NO_LIST_SUFFIX)
+
+
 def _fetch_models_http(base_url, api_key, protocol, allow_private=False):
     """GET {base}/models 拉取模型列表。返回 (names, err)。
 
@@ -199,6 +211,8 @@ def _fetch_models_http(base_url, api_key, protocol, allow_private=False):
     google 走 /v1beta/models，返回项形如 {"name": "models/gemini-x"}。
     protocol="auto"（导入时未指定格式）两条 URL 形状都试——anthropic 与 openai
     的取列表路径本就相同，多试 google 那条只是让 auto 名副其实。
+    全部候选端点皆 404 → err 携带 _NO_LIST_SUFFIX 的良性提示（is_no_list_note
+    判真），不是失败；混入任何真错误（500/401/连不上）则报真错误。
     """
     import urllib.parse
     base = (base_url or "").rstrip("/")
@@ -213,6 +227,7 @@ def _fetch_models_http(base_url, api_key, protocol, allow_private=False):
     else:
         urls = std
     last_err = ""
+    last_404 = ""   # 最后一条 404；全部尝试皆 404 时它是良性结果而非失败
     opener = _opener()
     for url in urls:
         host, herr = _validate_host(url, allow_private)
@@ -248,13 +263,13 @@ def _fetch_models_http(base_url, api_key, protocol, allow_private=False):
                 if e.code == 404:
                     # zcode-plan / open.bigmodel.cn 等 anthropic 形网关没有
                     # GET /models——404 与密钥无关，模型以导入/手填为准
-                    last_err = (url + " 无模型列表接口（HTTP 404）——"
-                                "模型以导入/手动添加为准，不影响对话调用")
+                    last_404 = url + " " + _NO_LIST_SUFFIX
                 else:
                     last_err = tlsctx.humanize("%s → HTTP %s" % (url, e.code))
             except Exception as e:
                 last_err = tlsctx.humanize("%s → %r" % (url, e))
-    return None, last_err
+    # 真错误压过良性 404：500/401/连不上任一出现，就不能报「无列表接口」
+    return None, last_err or last_404
 
 
 def refresh_models(provider_id):
@@ -2533,6 +2548,11 @@ def test_provider(provider_id):
             note_key_ok(provider_id, kk.get("id") or "")
             return {"ok": True, "latency_ms": int((_t.time() - t0) * 1000),
                     "count": len(names), "error": "", "key_id": kk.get("id") or ""}
+        if is_no_list_note(err):
+            # 网关没有 /models：HTTP 往返已证连通，与 KEY 无关——不计失败、
+            # 不记 KEY 错误；密钥真伪交「单模型测试」的 1 token 真对话去验
+            return {"ok": True, "latency_ms": int((_t.time() - t0) * 1000),
+                    "count": 0, "error": "", "note": err, "key_id": kk.get("id") or ""}
         last = err
         note_key_error(provider_id, kk.get("id") or "", err)
     return {"ok": False, "latency_ms": int((_t.time() - t0) * 1000), "error": last}

package/app/core/notify.py

@@ -71,7 +71,10 @@ def push_run_async(run_id):
 
 
 def push_run(run_id):
-    """组装 run 结果摘要并推送（webhook 未配置时静默跳过）。"""
+    """组装 run 结果摘要并推送（webhook 未配置时静默跳过）。
+
+    摘要末尾附分享页路径（notify_base_url 设置非空时拼完整链接，否则只给
+    run_id 供在本机 CodeBee 界面查找）。"""
     hook = _webhook()
     if not hook:
         return False
@@ -90,6 +93,13 @@ def push_run(run_id):
     if v.get("overall") is not None:
         lines.append("综合评分 %.1f（%s）" % (
             float(v["overall"]), "达标" if v.get("publishable") else "未达标"))
+    try:
+        from .settings import load as _sload
+        base = str(_sload().get("notify_base_url") or "").strip().rstrip("/")
+        if base:
+            lines.append("📄 详情：%s/api/runs/%s/share" % (base, run_id))
+    except Exception:
+        pass
     return push_text("\n".join(lines))
 
 

package/app/core/paihang.py

@@ -22,10 +22,13 @@ FANQIE_RANK_URL = "https://fanqienovel.com/rank"
 _UA = ("Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 "
        "(KHTML, like Gecko) Chrome/126 Safari/537.36")
 
-# 页面 UI 噪音词（非书目/分类）
+# 页面 UI 噪音词（非书目/分类）：页面 chrome、导航、tab 名、登录/搜索等
 _NOISE = {"加入书架", "立即阅读", "开始阅读", "免费阅读", "全部", "分类", "排行",
           "排行榜", "完本", "连载中", "阅读", "书城", "男生", "女生",
-          "帮助中心", "作家助手", "客服", "登录", "注册"}
+          "帮助中心", "作家助手", "客服", "登录", "注册", "立即登录",
+          "搜索", "热门作品排行", "大热榜", "新书榜", "完结榜", "收藏榜",
+          "更新榜", "日榜", "月榜", "蝉联", "榜首", "热度", "免费", "畅销",
+          "下载", "客户端", "首页", "我的", "设置", "更多", "返回", "关于"}
 
 _CJK_RE = re.compile(r">([\u4e00-\u9fa5]{2,12})<")
 

package/app/core/pipeline.py

@@ -1472,6 +1472,9 @@ def _plot_modules(workdir):
     """剧情模块库（oh-story 拆文沉淀式）：工作目录里的 plot-modules.md
     （可复用的桥段/冲突/爽点/名场面素材模块），作者手工维护，每章起草与
     评审前自动注入。不存在/为空返回 ""——约定式功能，零配置零噪音。"""
+    p = os.path.abspath(os.path.join(str(workdir or ""), MODULES_FILE))
+    if not _inside(workdir, p) or not os.path.isfile(p):
+        return ""
     try:
         txt = _read_text_any_enc(p)[:_MODULES_MAX_CHARS].strip()
     except OSError:
@@ -1482,6 +1485,49 @@ def _plot_modules(workdir):
             "鼓励化用，不要照抄原句）\n\n" + txt)
 
 
+def _shrink_context_block(sk_block, bible, budget=12000):
+    """分层上下文降级（长提示词在容量受限通道上会挂起/秒拒，2026-09-17 讯飞实测）。
+
+    四层优先级：故事圣经（最高，设定冲突以它为准）> 剧情模块库 > 经验库 > 大纲/前情
+    （后两者在提示词正文里，永不动）。超预算时按优先级保序截断：
+    - 圣经截断保整段（按二级标题边界，无边界才硬截）
+    - 模块库截断保整模块（按「## 」标题边界）
+    - 经验库直接硬截（条目本身短，损失最小）
+    返回 (新 sk_block, 降级说明)。无降级返回原样。"""
+    total = len(sk_block or "") + len(bible or "")
+    if total <= budget:
+        return sk_block, bible, ""
+    notes = []
+    # 1) 先压经验库到 4K（条目短、损失最小）
+    if len(sk_block or "") > 4000:
+        sk_block = sk_block[:4000] + "\n\n（经验库已因上下文容量限制精简）"
+        notes.append("经验库→4K")
+        if len(sk_block) + len(bible or "") <= budget:
+            return sk_block, bible, "；".join(notes)
+    # 2) 模块库按模块边界截断
+    if bible and "## 剧情模块库" in bible:
+        head, sep, mods = bible.partition("## 剧情模块库")
+        mods = sep + mods
+        keep = mods[:6000]
+        cut = keep.rfind("\n## ")
+        if cut > 200:
+            keep = keep[:cut]
+        bible = head + keep + "\n\n（模块库已因上下文容量限制精简）"
+        notes.append("模块库→边界截断")
+        if len(sk_block) + len(bible) <= budget:
+            return sk_block, bible, "；".join(notes)
+    # 3) 圣经按二级标题边界截断到预算
+    if bible:
+        budget_left = max(2000, budget - len(sk_block or ""))
+        keep = bible[:budget_left]
+        cut = keep.rfind("\n## ")
+        if cut > 500:
+            keep = keep[:cut]
+        bible = keep + "\n\n（圣经已因上下文容量限制精简）"
+        notes.append("圣经→边界截断")
+    return sk_block, bible, "；".join(notes)
+
+
 def _critic_lens(critics, agent):
     """该评审的专属视角；单评审/手动指定时不播种（无从轮换，也别稀释注意力）。"""
     try:
@@ -1777,6 +1823,19 @@ def _run_serial_review(run, task, agents, ev, stats, mode, critics, impl, route,
                 if t:
                     tails.append("（第 %d 章结尾）…%s" % (j, t[-260:].strip()))
             prev = "\n".join(tails) or "（无）"
+            # findings 中期记忆（借鉴 agentmemory 持久记忆）：此前各章的关键事实
+            # 追加在 .codebee/findings.md，注入时只取前一章之前的记录（当章发现
+            # 会在当章评审后追加进来）。300+ 章长篇的前情只看近 2 章不够，
+            # findings 填补中期记忆空洞。失败静默。
+            try:
+                fd_p = os.path.join(workdir, ".codebee", "findings.md")
+                if os.path.isfile(fd_p):
+                    fd_txt = _read_text_any_enc(fd_p)
+                    if fd_txt:
+                        # 截到 3000 字防无限膨胀；只在尾部追加时自动增长，注入头固定
+                        prev += "\n\n## 此前章节发现摘要\n" + fd_txt[:3000]
+            except Exception:
+                pass
 
         # 评审-修订（每章至多 1 轮修订）
         rounds_used = 1
@@ -1926,10 +1985,11 @@ def _run_serial_review(run, task, agents, ev, stats, mode, critics, impl, route,
                         time.sleep(30 * draft_attempt)   # 30s / 60s 退避
                     if draft_attempt and len(prompt) > 12000 and sk_block and sk_block in prompt:
                         # 长提示词在容量受限通道（讯飞托管 35B 等）上会挂起/秒拒
-                        # ——降级重试：经验库块截到 4K 字，保留大纲/前情/本章要点
-                        # （2026-09-17 七猫实测：全量 30KB 对讯飞必挂）
-                        use_prompt = prompt.replace(
-                            sk_block, sk_block[:4000] + "\n\n（经验库已因通道容量限制精简）")
+                        # ——分层降级：经验库→4K、模块库按模块边界、圣经按二级标题
+                        # 边界，保大纲/前情/本章要点（2026-09-17 七猫实测：全量
+                        # 30KB 对讯飞必挂）
+                        sk2, bible2, _note = _shrink_context_block(sk_block, bible, budget=12000)
+                        use_prompt = prompt.replace(sk_block, sk2).replace(bible, bible2)
                     res = _run_step(run_id, "draft-c%d" % i, modelhub.bind_agent(impl, difficulty), use_prompt,
                                     step_wd, readonly=False, ev=ev, timeout=2400,
                                     resume=resume_ctx["session"] if resume_ctx else None,
@@ -2185,6 +2245,22 @@ def _run_serial_review(run, task, agents, ev, stats, mode, critics, impl, route,
                                "words": _wc(_read_chapter(workdir, i))})
         # 每章即时持久化：长篇中断/超时后可断点续跑，不丢已完成章的分数
         store.update_run(run_id, chapter_scores=chapter_scores)
+        # findings 沉淀（借鉴 agentmemory 持久记忆）：章节标题+要点追加到
+        # .codebee/findings.md——后续章节起草时随圣经/模块库注入，弥补
+        # 前情提要只看近 2 章结尾的中期记忆空洞。失败静默。
+        try:
+            fd_p = os.path.join(workdir, ".codebee", "findings.md")
+            os.makedirs(os.path.dirname(fd_p), exist_ok=True)
+            header_needed = not os.path.isfile(fd_p)
+            with open(fd_p, "a", encoding="utf-8") as f:
+                if header_needed:
+                    f.write("# 章节发现（每章评审达标后自动追加，供后续章节参考）\n\n")
+                f.write("- 第%d章《%s》：%s（%d 字，%s）\n" % (
+                    i, ch["title"],
+                    ch.get("beats") or "按大纲推进", chapter_scores[-1]["words"],
+                    "%.1f 分" % means.get("情节", 0.0) if means else "无评分"))
+        except Exception:
+            pass
 
     # ---- 3) 全局一致性评审（覆盖 1..end 全书：续写批次必须连同旧章一起查一致性）
     full_text = "\n\n".join(_read_chapter(workdir, i) for i in range(1, end + 1))