diff --git a/.claude/settings.json b/.claude/settings.json
new file mode 100644
index 0000000..f56b842
--- /dev/null
+++ b/.claude/settings.json
@@ -0,0 +1,9 @@
+{
+  "permissions": {
+    "allow": [
+      "Bash(git checkout *)",
+      "Bash(git add *)",
+      "Bash(git commit -m ' *)"
+    ]
+  }
+}
diff --git a/.gitignore b/.gitignore
index 686c8a1..b7f0952 100644
--- a/.gitignore
+++ b/.gitignore
@@ -191,4 +191,6 @@ cython_debug/
 **/docker/*
 backend/app/static/*
 
-test*.*
\ No newline at end of file
+test*.*
+
+docs/**
\ No newline at end of file
diff --git a/CLAUDE.md b/CLAUDE.md
new file mode 100644
index 0000000..9dc9aa7
--- /dev/null
+++ b/CLAUDE.md
@@ -0,0 +1,108 @@
+# CLAUDE.md
+
+This file provides guidance to Claude Code (claude.ai/code) when working with code in this repository.
+
+## 项目简介
+
+InsightRadar（聚势智见）是一个热点资讯聚合平台。核心流程：定时爬取微博、知乎、百度等平台热搜 → 用本地 Embedding 模型（Qwen3-Embedding-4B）做余弦相似度语义聚类 → 合并为 `UnifiedEvent`（大事件）→ 调用 DeepSeek 等大模型生成 AI 摘要与标签 → 按用户订阅关键词定时推送邮件简报。
+
+## 开发命令
+
+### 后端（Python / FastAPI）
+
+```bash
+cd backend
+uv sync                            # 安装依赖
+uv run python main.py              # 启动开发服务器（默认 :8000）
+# 或
+uv run uvicorn app.main:app --reload --port 8000
+```
+
+### 前端（Vue 3 / Vite）
+
+```bash
+cd frontend
+npm install
+npm run dev          # 开发服务器（Vite，默认 :5173，代理到后端）
+npm run build        # 构建产物到 dist/
+npm run type-check   # TypeScript 类型检查
+npm run lint         # oxlint + eslint 双重 lint（自动修复）
+npm run format       # Prettier 格式化 src/
+```
+
+### 生产部署（将前端打包集成到后端）
+
+```bash
+cd frontend && npm run build
+cp -r dist/* ../backend/app/static/
+```
+
+## 架构概览
+
+### 后端分层
+
+```
+backend/app/
+├── main.py          # FastAPI 入口，APScheduler 调度（抓取/摘要/推送三个定时任务）
+├── database.py      # SQLAlchemy engine（SQLite WAL 模式，支持 SQLALCHEMY_DATABASE_URL 切换）
+├── initialize.py    # 启动时幂等写入默认信息源（今日头条、微博等11个平台）
+├── models/models.py # 全部 ORM 表定义（单文件）
+├── api/
+│   ├── router.py    # 统一挂载所有子路由，前缀 /api/v1
+│   └── endpoints/   # auth / events / preferences / delivery / revisions / sources / stats
+├── services/
+│   ├── fetcher_service.py   # 爬取热搜 + Embedding 生成 + 语义聚类入库（核心）
+│   ├── summary_service.py   # 调用大模型生成 AI 摘要与标签
+│   ├── matching_service.py  # 精确 + 语义双模式匹配用户兴趣
+│   └── delivery_service.py  # 检查推送时间窗口并发送邮件简报
+├── core/
+│   ├── security.py          # JWT 签发与校验
+│   └── verification/        # 验证码逻辑（Redis 或 DB 双模式存储）
+├── crud/            # 数据库 CRUD 操作
+├── schemas/         # Pydantic 请求/响应 Schema
+├── prompts/         # LLM Prompt 模板
+└── static/          # 前端构建产物（生产环境）
+```
+
+### 前端分层
+
+```
+frontend/src/
+├── api/             # 封装 fetch 请求（基于 config/apiBase.ts，前缀 /api/v1）
+├── stores/          # Pinia 状态（auth / theme）
+├── router/          # Vue Router（requiresAuth / guestOnly meta 守卫）
+├── views/           # 页面：Dashboard / Search / Topics / Delivery / Revisions / Login / Register
+├── layouts/         # DashboardLayout（统一侧边栏）
+└── components/      # 通用组件（UnifiedEventCard 等）
+```
+
+### 关键数据模型
+
+- `UnifiedEvent`：语义聚类后的"大事件"，含 AI 摘要、`center_embedding`（聚类中心向量）、`hot_score`
+- `TrendingEvent`：各平台原始热搜，通过 `external_id`（MD5 指纹）去重，`unified_event_id` 关联大事件
+- `ExtractedTopic` / `DiscussionComment`：多态设计，`target_type` 区分挂载在 EVENT / TREND / ARTICLE 下
+- `DeliveryHistory`：防重推记录，唯一约束 `(user_id, target_type, target_id)`
+
+### Embedding 模型
+
+`fetcher_service.py` 在模块级加载 `SentenceTransformer` 全局单例（`embedder_model`）。`matching_service.py` 直接 import 复用该单例，避免重复加载。模型路径由 `EMBEDDING_MODEL_PATH` 配置，需提前将模型文件放入 `backend/data/` 目录。
+
+## 配置
+
+`.env` 文件放在项目根目录（或 `backend/data/`，两处均可），关键变量：
+
+| 变量 | 说明 |
+|------|------|
+| `SQLALCHEMY_DATABASE_URL` | 默认 `sqlite:///./data/demo.db`，可切换 PostgreSQL |
+| `EMBEDDING_MODEL_PATH` | 本地 Embedding 模型路径 |
+| `AI_API_KEY` | 大模型 API Key（DeepSeek 等 OpenAI 兼容接口） |
+| `SIMILARITY_THRESHOLD` | 热搜语义聚类阈值（默认 0.72） |
+| `AUTH_CODE_STORE` | 验证码存储模式：`db`（无 Redis 时）或 `redis` |
+| `REDIS_URL` | Redis 连接，为空时验证码自动回退到数据库 |
+
+## 注意事项
+
+- **后端工作目录**：必须在 `backend/` 下运行，静态文件路径 `app/static` 是相对路径
+- **Embedding 模型冷启动慢**：首次加载 Qwen3-Embedding-4B 约需数十秒，是正常现象
+- **前端 API 路径**：所有请求统一经 `src/config/apiBase.ts` 的 `fetchApi()` 发出，前缀 `/api/v1`，无需手动拼接
+- **数据库迁移**：当前使用 `Base.metadata.create_all()` 自动建表，不使用 Alembic；修改 Model 字段后需手动处理已有数据库
diff --git a/backend/app/api/endpoints/auth.py b/backend/app/api/endpoints/auth.py
index f01a519..090cb84 100644
--- a/backend/app/api/endpoints/auth.py
+++ b/backend/app/api/endpoints/auth.py
@@ -1,6 +1,3 @@
-"""
-认证模块：用户注册、登录、邮箱验证码（支持 Redis / 数据库双存储与自动降级）
-"""
 import json
 import math
 import os
diff --git a/backend/app/api/endpoints/delivery.py b/backend/app/api/endpoints/delivery.py
index d029ad3..95d6ac6 100644
--- a/backend/app/api/endpoints/delivery.py
+++ b/backend/app/api/endpoints/delivery.py
@@ -1,5 +1,3 @@
-# 推送设置 API：管理用户的推送时间表和推送渠道
-# 关键约束：同一用户两条推送时间间隔至少 30 分钟
 from datetime import time as dt_time
 from typing import List
 
diff --git a/backend/app/api/endpoints/events.py b/backend/app/api/endpoints/events.py
index cff78b6..7a0be99 100644
--- a/backend/app/api/endpoints/events.py
+++ b/backend/app/api/endpoints/events.py
@@ -1,7 +1,3 @@
-# app/api/endpoints/events.py
-"""
-事件模块：统一事件列表、详情、搜索时间线（支持精确/语义/混合匹配）
-"""
 import json
 import os
 import time
@@ -41,10 +37,8 @@ SEARCH_MAX_HOURS = int(os.getenv("SEARCH_MAX_HOURS", "168"))
 
 router = APIRouter()
 
-# 排名轨迹最多返回的点数，避免时间跨度过大时响应体过重。
 MAX_RANKING_POINTS = 30
 
-# 统一事件列表接口的短期缓存。
 _UNIFIED_EVENTS_CACHE: Dict[str, Tuple[float, PaginatedUnifiedEventResponse]] = {}
 CACHE_TTL_SECONDS = 60
 
diff --git a/backend/app/api/endpoints/preferences.py b/backend/app/api/endpoints/preferences.py
index ca7df4a..2b6db81 100644
--- a/backend/app/api/endpoints/preferences.py
+++ b/backend/app/api/endpoints/preferences.py
@@ -1,6 +1,3 @@
-"""
-用户偏好模块：兴趣关键词的增删查、基于关键词的个性化事件推荐
-"""
 import time
 from typing import Any, Dict, List, Tuple
 
@@ -20,7 +17,6 @@ from app.services.matching_service import recommend_events_for_user
 
 router = APIRouter()
 
-# --- 轻量级接口缓存配置 ---
 _RECOMMEND_CACHE: Dict[str, Tuple[float, Any]] = {}
 CACHE_TTL_SECONDS = 60
 
@@ -29,7 +25,6 @@ def _invalidate_user_cache(user_id: int):
     keys_to_delete = [k for k in _RECOMMEND_CACHE.keys() if k.startswith(f"{user_id}:")]
     for k in keys_to_delete:
         _RECOMMEND_CACHE.pop(k, None)
-# ---------------------------
 
 def _ensure_self_access(path_user_id: int, current_user: AppUser) -> None:
     """校验路径 user_id 是否为当前登录用户本人。"""
@@ -93,7 +88,7 @@ def create_user_preference(
         )
 
     db.refresh(db_obj)
-    _invalidate_user_cache(user_id)  # 失效推荐缓存
+    _invalidate_user_cache(user_id)
     return db_obj
 
 
@@ -122,7 +117,7 @@ def delete_user_preference(
 
     db.delete(preference)
     db.commit()
-    _invalidate_user_cache(user_id)  # 失效推荐缓存
+    _invalidate_user_cache(user_id)
     return None
 
 
@@ -143,7 +138,6 @@ def recommend_events(
     """基于用户兴趣词推荐事件（精确匹配 + 语义匹配）。"""
     _ensure_self_access(user_id, current_user)
 
-    # 推荐结果缓存，避免频繁调用匹配服务
     cache_key = f"{user_id}:{min_hot}:{hours}:{limit}:{semantic_threshold}:{sort_by}"
     current_time = time.time()
     
@@ -151,7 +145,6 @@ def recommend_events(
         expire_time, cached_data = _RECOMMEND_CACHE[cache_key]
         if current_time < expire_time:
             return cached_data
-    # -----------------------
 
     matched = recommend_events_for_user(
         db,
@@ -189,10 +182,8 @@ def recommend_events(
 
     # 写入缓存，超过 2000 条时清空防止内存膨胀
     if len(_RECOMMEND_CACHE) > 2000:
-        # 防止内存无限增长
         _RECOMMEND_CACHE.clear()
         
     _RECOMMEND_CACHE[cache_key] = (current_time + CACHE_TTL_SECONDS, response)
-    # ------------------
 
     return response
diff --git a/backend/app/api/endpoints/revisions.py b/backend/app/api/endpoints/revisions.py
index 38f5bd5..d8d794a 100644
--- a/backend/app/api/endpoints/revisions.py
+++ b/backend/app/api/endpoints/revisions.py
@@ -1,4 +1,3 @@
-# 公关修改追踪 API：查询热搜标题被偷偷修改的历史记录，用于舆情监测
 from datetime import timedelta
 from typing import List, Optional
 
@@ -39,7 +38,6 @@ def list_headline_revisions(
     """
     time_limit = utcnow() - timedelta(hours=hours)
 
-    # 关联 TrendingEvent、InfoSource 获取平台名和链接
     rows = (
         db.query(HeadlineRevision, InfoSource.source_name, TrendingEvent.event_url)
         .join(TrendingEvent, HeadlineRevision.event_id == TrendingEvent.id)
diff --git a/backend/app/api/endpoints/sources.py b/backend/app/api/endpoints/sources.py
index 08d4c2a..0687946 100644
--- a/backend/app/api/endpoints/sources.py
+++ b/backend/app/api/endpoints/sources.py
@@ -1,7 +1,3 @@
-# app/api/endpoints/sources.py
-"""
-信息源模块：信息源的增删改查，供爬虫与后台管理使用
-"""
 from fastapi import APIRouter, Depends, HTTPException, status
 from sqlalchemy.orm import Session
 from typing import List
@@ -43,6 +39,4 @@ async def update_info_source(source_id: int, source_in: InfoSourceUpdate, db: Se
     source = crud_source.get(db=db, source_id=source_id)
     if not source:
         raise HTTPException(status_code=404, detail="该信息源不存在")
-
-    # 直接把查出来的数据库对象和前端传来的 Pydantic 对象丢给 CRUD 处理
     return crud_source.update(db=db, db_obj=source, obj_in=source_in)
diff --git a/backend/app/api/endpoints/stats.py b/backend/app/api/endpoints/stats.py
index 84bbf46..a7b1e50 100644
--- a/backend/app/api/endpoints/stats.py
+++ b/backend/app/api/endpoints/stats.py
@@ -1,4 +1,3 @@
-# 系统状态监控 API：返回爬虫集群运行概况（信息源数、今日抓取量、最近同步时间等）
 from datetime import datetime, timedelta
 from typing import Optional
 
@@ -28,7 +27,6 @@ def get_system_stats(db: Session = Depends(get_db)):
     """获取爬虫集群的当日运行状态。"""
     today_start = utcnow().replace(hour=0, minute=0, second=0, microsecond=0)
 
-    # 信息源统计：总数与启用数
     total_sources = db.query(func.count(InfoSource.id)).scalar() or 0
     active_sources = (
         db.query(func.count(InfoSource.id))
@@ -36,7 +34,6 @@ def get_system_stats(db: Session = Depends(get_db)):
         .scalar() or 0
     )
 
-    # 今日任务统计：抓取条数、成功/失败任务数
     today_tasks = (
         db.query(DataSyncTask)
         .filter(DataSyncTask.created_at >= today_start)
@@ -47,7 +44,6 @@ def get_system_stats(db: Session = Depends(get_db)):
     success_count = sum(1 for t in today_tasks if t.task_status == TaskStatus.SUCCESS)
     error_count = sum(1 for t in today_tasks if t.task_status == TaskStatus.ERROR)
 
-    # 最后一次同步时间
     last_task = (
         db.query(DataSyncTask)
         .filter(DataSyncTask.task_status == TaskStatus.SUCCESS)
diff --git a/backend/app/api/router.py b/backend/app/api/router.py
index 31405c2..47fe601 100644
--- a/backend/app/api/router.py
+++ b/backend/app/api/router.py
@@ -1,4 +1,3 @@
-# app/api/router.py
 from fastapi import APIRouter
 from app.api.endpoints import auth, delivery, events, preferences, revisions, sources, stats
 
diff --git a/backend/app/core/verification/email/RespositoryImpl/MemoryRepository.py b/backend/app/core/verification/email/RespositoryImpl/MemoryRepository.py
index 926579a..4be6b31 100644
--- a/backend/app/core/verification/email/RespositoryImpl/MemoryRepository.py
+++ b/backend/app/core/verification/email/RespositoryImpl/MemoryRepository.py
@@ -1,5 +1,3 @@
-# app/verification/backends/memory.py
-
 from functools import lru_cache
 import time
 import json
diff --git a/backend/app/crud/crud_source.py b/backend/app/crud/crud_source.py
index 9c7aa0a..73a0076 100644
--- a/backend/app/crud/crud_source.py
+++ b/backend/app/crud/crud_source.py
@@ -1,7 +1,3 @@
-# app/crud/crud_source.py
-"""
-信息源 CRUD：对 InfoSource 的增删改查，供 API 与爬虫使用
-"""
 from sqlite3 import IntegrityError
 
 from sqlalchemy.orm import Session
diff --git a/backend/app/database.py b/backend/app/database.py
index 812790f..028582d 100644
--- a/backend/app/database.py
+++ b/backend/app/database.py
@@ -1,4 +1,4 @@
-# database.py
+# AI辅助生成：deepseek-v3-2，2026年3月20日
 import os
 
 from dotenv import load_dotenv
diff --git a/backend/app/initialize.py b/backend/app/initialize.py
index 2e728bb..2406bc5 100644
--- a/backend/app/initialize.py
+++ b/backend/app/initialize.py
@@ -1,14 +1,12 @@
-import json
-
 from app.database import SessionLocal
 from app.crud.crud_source import create
 from app.models.models import SourceType
 from app.schemas.source_schema import InfoSourceCreate
 
+# AI辅助生成：deepseek-v3-2，2026年3月20日
 
 def init():
 
-    # 解析后的数据源列表
     sources_data = [
         {"name": "今日头条", "url": "toutiao"},
         {"name": "百度热搜", "url": "baidu"},
@@ -23,11 +21,8 @@ def init():
         {"name": "知乎", "url": "zhihu"}
     ]
 
-    # 遍历数据并发送 POST 请求
     for item in sources_data:
-          
         try:
-            
             with SessionLocal() as db:
 
                 create(db, InfoSourceCreate(
diff --git a/backend/app/main.py b/backend/app/main.py
index 566558c..4030fac 100644
--- a/backend/app/main.py
+++ b/backend/app/main.py
@@ -1,4 +1,4 @@
-# app/main.py
+# AI辅助生成：deepseek-v3-2，2026年3月20日
 import logging
 import os
 from pathlib import Path
@@ -35,9 +35,6 @@ SUMMARY_INTERVAL = int(os.getenv("SUMMARY_INTERVAL_MINUTES", 30))
 scheduler = AsyncIOScheduler()
 
 
-# ==========================================
-# 1. 生命周期管理：App 启动时自动建表 & 启动调度器
-# ==========================================
 @asynccontextmanager
 async def lifespan(app: FastAPI):
     # 1. 数据库建表
@@ -49,7 +46,7 @@ async def lifespan(app: FastAPI):
     init()
     logging.info("订阅源初始化完毕")
     
-    # 2. 配置并启动定时任务
+    # 爬取订阅源
     scheduler.add_job(
         fetch_and_save_trending_data,
         'interval',
@@ -66,7 +63,7 @@ async def lifespan(app: FastAPI):
         id='ai_summary_job',
         replace_existing=True
     )
-    # 推送调度：每分钟检查是否有用户需要接收邮件推送
+    # 推送调度
     scheduler.add_job(
         check_and_deliver,
         'interval',
@@ -80,24 +77,14 @@ async def lifespan(app: FastAPI):
     logging.info(f"AI 摘要生成任务已启动，每 {SUMMARY_INTERVAL} 分钟执行一次")
     logging.info("邮件推送调度已启动，每分钟检查一次")
 
-    # 为了测试方便，启动时立即执行一次
-    # await fetch_and_save_trending_data()
+    yield
 
-    # await generate_unified_summaries()
-
-    yield  # 此时 FastAPI 开始接受请求
-
-    # 优雅关闭
     scheduler.shutdown()
     logging.info("定时任务已安全关闭")
 
 
-# 初始化 FastAPI
 app = FastAPI(title="AI 新闻聚合引擎 API", lifespan=lifespan)
 
-# ==========================================
-# 2. CORS 中间件：允许前端开发服务器跨域请求
-# ==========================================
 app.add_middleware(
     CORSMiddleware,
     # allow_origins=["http://localhost:5173", "http://127.0.0.1:5173"],
@@ -107,32 +94,26 @@ app.add_middleware(
     allow_headers=["*"],
 )
 
-# ==========================================
-# 3. 挂载路由总线
-# ==========================================
-# 版本控制
 app.include_router(api_router, prefix="/api/v1")
 
-# 只需要保留API的优先匹配，catch_all可以简化成这样
+# AI辅助生成结束
+
 @app.get("/api/{full_path:path}")
 async def api_not_found(full_path: str):
     return {"detail": "API Not Found"}
 
 staticPath = staticfiles.StaticFiles(directory="app/static", html=True)
 
-# 把目录改成static对应我们放dist内容的路径就可以
 app.mount("/", staticPath, name="static")
 
 INDEX_HTML = Path("app/static/index.html").read_text(encoding="utf-8")
 
 @app.exception_handler(404)
 async def not_found_handler(request: Request, exc: HTTPException):
-    # 如果是API路径才返回404，前端路径走catch-all不会进这里
     if request.url.path.startswith("/api/"):
         return JSONResponse({"detail": "Not Found"}, status_code=404)
     return HTMLResponse(INDEX_HTML)
 
-# 健康检查
 @app.get("/", tags=["健康检查"])
 async def root():
     return {"message": "Welcome to AI News Aggregator API", "status": "ok"}
diff --git a/backend/app/models/models.py b/backend/app/models/models.py
index f6bb7fb..0454c43 100644
--- a/backend/app/models/models.py
+++ b/backend/app/models/models.py
@@ -1,4 +1,3 @@
-# models.py
 from datetime import datetime, timezone, time
 from typing import Optional, Any
 import enum
@@ -9,11 +8,6 @@ from sqlalchemy import (
 )
 from sqlalchemy.orm import DeclarativeBase, Mapped, mapped_column, relationship
 
-
-# ==========================================
-# 0. 全局基类、枚举定义与动态类型
-# ==========================================
-
 class Base(DeclarativeBase):
     """
     SQLAlchemy 2.0 声明式基类
@@ -21,9 +15,6 @@ class Base(DeclarativeBase):
     """
     pass
 
-
-# 让代码在 SQLite 环境下自动降级为 Integer 以保证自增正常工作，
-# 而在生产环境部署到 PostgreSQL 或 MySQL 时，依然会使用容量更大的 BigInteger。
 BigIntType = BigInteger().with_variant(Integer, "sqlite")
 
 
@@ -70,10 +61,6 @@ def utcnow():
     """
     return datetime.now(timezone.utc)
 
-
-# ==========================================
-# 模块一：信息源管理
-# ==========================================
 class InfoSource(Base):
     """
     抓取源配置表
@@ -98,10 +85,6 @@ class InfoSource(Base):
         UniqueConstraint("source_name", name="uix_source_name"),
     )
 
-
-# ==========================================
-# 模块二：AI 语义聚类中枢 (大事件池)
-# ==========================================
 class UnifiedEvent(Base):
     """
     AI 统一事件表 (核心大脑)
@@ -124,10 +107,6 @@ class UnifiedEvent(Base):
     created_at: Mapped[datetime] = mapped_column(DateTime(timezone=True), default=utcnow)
     updated_at: Mapped[datetime] = mapped_column(DateTime(timezone=True), default=utcnow, onupdate=utcnow)
 
-
-# ==========================================
-# 模块三：内容存储库 (热搜 & 新闻子节点)
-# ==========================================
 class TrendingEvent(Base):
     """
     各平台热搜数据明细表
@@ -199,10 +178,6 @@ class NewsArticle(Base):
     created_at: Mapped[datetime] = mapped_column(DateTime(timezone=True), default=utcnow)
     updated_at: Mapped[datetime] = mapped_column(DateTime(timezone=True), default=utcnow, onupdate=utcnow)
 
-
-# ==========================================
-# 模块四：热度与轨迹追踪
-# ==========================================
 class HeadlineRevision(Base):
     """
     标题修订历史表
@@ -241,10 +216,6 @@ class RankingLog(Base):
 
     created_at: Mapped[datetime] = mapped_column(DateTime(timezone=True), default=utcnow)
 
-
-# ==========================================
-# 模块五：多态话题与多态评论
-# ==========================================
 class ExtractedTopic(Base):
     """
     AI 提取的核心话题标签表
@@ -291,10 +262,6 @@ class DiscussionComment(Base):
 
     created_at: Mapped[datetime] = mapped_column(DateTime(timezone=True), default=utcnow)
 
-
-# ==========================================
-# 模块六：用户画像与多渠道高可用推送系统
-# ==========================================
 class AppUser(Base):
     """
     系统核心用户表
@@ -305,16 +272,10 @@ class AppUser(Base):
     id: Mapped[int] = mapped_column(Integer, primary_key=True, autoincrement=True)
     email: Mapped[str] = mapped_column(String(150), unique=True, index=True, comment="主账号邮箱")
     password_hash: Mapped[Optional[str]] = mapped_column(String(255), comment="密码哈希(第三方登录可为空)")
-
     nickname: Mapped[Optional[str]] = mapped_column(String(100), comment="用户展示昵称")
     avatar_url: Mapped[Optional[str]] = mapped_column(String(500), comment="用户头像地址")
     gender: Mapped[GenderType] = mapped_column(Enum(GenderType), default=GenderType.UNKNOWN, comment="用户性别(用于AI调整行文语气)")
-
-    # 极其强大：一个万能收纳箱！前端未来想加任何诸如“夜间模式”、“字体变大”的开关，
-    # 全部丢进这个 JSON 字段即可，从此免去手动修改后端表结构的麻烦。
     metadata_: Mapped[Optional[Any]] = mapped_column("metadata", JSON, comment="JSON扩展字段: 存放灵活多变的前端用户偏好设置")
-
-    # 时区对于定时推送系统极其重要！保证纽约的用户和北京的用户都能在早晨8点收到新闻。
     timezone: Mapped[str] = mapped_column(String(50), default="Asia/Shanghai", comment="用户所在地时区")
     created_at: Mapped[datetime] = mapped_column(DateTime(timezone=True), default=utcnow)
     updated_at: Mapped[datetime] = mapped_column(DateTime(timezone=True), default=utcnow, onupdate=utcnow)
@@ -333,14 +294,10 @@ class UserPushEndpoint(Base):
 
     id: Mapped[int] = mapped_column(Integer, primary_key=True, autoincrement=True)
     user_id: Mapped[int] = mapped_column(ForeignKey("app_users.id"), comment="所属用户ID")
-    # 填入大写的纯字符串，如 EMAIL, WECHAT_BOT, TELEGRAM
     channel_type: Mapped[str] = mapped_column(String(50), comment="推送渠道类型标识")
-    # 具体的发送目标地址
     channel_account: Mapped[str] = mapped_column(String(255), comment="具体的接收账号(邮箱号/微信号/Webhook)")
     is_active: Mapped[bool] = mapped_column(Boolean, default=True, comment="用户是否临时关闭了该渠道")
-    # 高可用容灾：比如 1 代表必须先发微信，如果报错了，再去找 priority=2 的邮箱补发
     priority_level: Mapped[int] = mapped_column(Integer, default=1, comment="推送优先级(1最高，用于错误降级重试)")
-
     created_at: Mapped[datetime] = mapped_column(DateTime(timezone=True), default=utcnow)
     updated_at: Mapped[datetime] = mapped_column(DateTime(timezone=True), default=utcnow, onupdate=utcnow)
 
@@ -352,7 +309,6 @@ class UserTopicPreference(Base):
     """
     __tablename__ = "user_topic_preferences"
     __table_args__ = (
-        # 联合防抖限制：防止用户在界面卡顿时连点两次，订阅了两个同样的词
         UniqueConstraint("user_id", "interested_keyword", name="idx_unique_preference"),
     )
 
@@ -389,7 +345,6 @@ class DeliveryHistory(Base):
     """
     __tablename__ = "delivery_history"
     __table_args__ = (
-        # 终极去重约束：一个用户，针对同一篇新闻，永远只允许存在一条记录
         UniqueConstraint("user_id", "target_type", "target_id", name="idx_prevent_duplicate_push"),
     )
 
@@ -397,15 +352,10 @@ class DeliveryHistory(Base):
     user_id: Mapped[int] = mapped_column(ForeignKey("app_users.id"), comment="接收推送的用户")
     target_type: Mapped[TargetType] = mapped_column(Enum(TargetType), comment="推送出去的具体内容类型")
     target_id: Mapped[int] = mapped_column(BigIntType, comment="推送内容的主键ID")
-    # 记录这次推送是彻底成功了，还是由于渠道网络问题失败了
     status: Mapped[TaskStatus] = mapped_column(Enum(TaskStatus), comment="最终推送结果状态")
 
     created_at: Mapped[datetime] = mapped_column(DateTime(timezone=True), default=utcnow, comment="记录或实际推送的准确时间")
 
-
-# ==========================================
-# 模块七：系统任务监控
-# ==========================================
 class DataSyncTask(Base):
     """
     数据同步健康度监控表 (运维巡检专用)
@@ -418,7 +368,6 @@ class DataSyncTask(Base):
     source_id: Mapped[int] = mapped_column(ForeignKey("info_sources.id"), comment="本次运行爬取的哪个源")
     items_fetched: Mapped[int] = mapped_column(Integer, default=0, comment="本次爬虫成功插入或更新的新闻条数")
     task_status: Mapped[TaskStatus] = mapped_column(Enum(TaskStatus), comment="该平台的宏观抓取状态")
-    # 如果代码意外崩溃、或是遭遇403/502，把 Python的 traceback 堆栈原封不动存进这里
     error_trace: Mapped[Optional[str]] = mapped_column(Text, comment="若失败则保存完整报错堆栈")
 
     created_at: Mapped[datetime] = mapped_column(DateTime(timezone=True), default=utcnow, comment="任务执行的发生时间")
diff --git a/backend/app/prompts/digest_email_template.py b/backend/app/prompts/digest_email_template.py
index 29db03d..00db2c2 100644
--- a/backend/app/prompts/digest_email_template.py
+++ b/backend/app/prompts/digest_email_template.py
@@ -1,7 +1,3 @@
-# 推送邮件 HTML 模板
-# 用于生成定时推送给用户的热点摘要邮件
-
-# 邮件客户端不支持 Font Awesome，改用 Emoji 代替平台图标
 PLATFORM_EMOJI: dict[str, str] = {
     "微博热搜": "🔴",
     "微博": "🔴",
diff --git a/backend/app/schemas/delivery_schema.py b/backend/app/schemas/delivery_schema.py
index 21d7427..b8685b4 100644
--- a/backend/app/schemas/delivery_schema.py
+++ b/backend/app/schemas/delivery_schema.py
@@ -1,9 +1,9 @@
-# 推送设置相关的请求/响应模型
 from datetime import datetime
 from typing import List, Optional
 
 from pydantic import BaseModel, ConfigDict, Field
 
+# AI辅助生成：deepseek-v3-2，2026年3月20日
 
 # ==========================================
 # 推送时间表 (UserDeliverySchedule)
diff --git a/backend/app/schemas/event_schema.py b/backend/app/schemas/event_schema.py
index 5ea4268..6a33626 100644
--- a/backend/app/schemas/event_schema.py
+++ b/backend/app/schemas/event_schema.py
@@ -1,9 +1,7 @@
-# app/schemas/event_schema.py
 from pydantic import BaseModel, Field
 from typing import List, Optional
 from datetime import datetime
 
-
 class PlatformTrendResponse(BaseModel):
     source_id: int
     platform_name: str
diff --git a/backend/app/schemas/preference_schema.py b/backend/app/schemas/preference_schema.py
index 849182c..55eb033 100644
--- a/backend/app/schemas/preference_schema.py
+++ b/backend/app/schemas/preference_schema.py
@@ -3,7 +3,6 @@ from typing import List, Optional
 
 from pydantic import BaseModel, ConfigDict, Field
 
-
 class UserTopicPreferenceCreate(BaseModel):
     """新增用户兴趣词请求体。"""
     interested_keyword: str = Field(..., min_length=1, max_length=100, description="用户感兴趣的关键词")
diff --git a/backend/app/schemas/source_schema.py b/backend/app/schemas/source_schema.py
index 621c7cf..032fb4d 100644
--- a/backend/app/schemas/source_schema.py
+++ b/backend/app/schemas/source_schema.py
@@ -1,4 +1,3 @@
-# app/schemas/source_schema.py
 from pydantic import BaseModel, ConfigDict, Field
 from typing import Optional
 from datetime import datetime
@@ -6,6 +5,7 @@ from datetime import datetime
 # 枚举
 from app.models.models import SourceType
 
+# AI辅助生成：deepseek-v3-2，2026年3月20日
 
 # ==========================================
 # InfoSource (信息源) 相关的 Schemas
diff --git a/backend/app/services/delivery_service.py b/backend/app/services/delivery_service.py
index cec2b38..b7b737d 100644
--- a/backend/app/services/delivery_service.py
+++ b/backend/app/services/delivery_service.py
@@ -1,7 +1,3 @@
-# 定时推送调度服务
-# 由 APScheduler 每分钟调用，检查当前时刻是否有用户需要接收推送，
-# 如匹配则生成摘要邮件并发送，同时写入 DeliveryHistory 防重复。
-# 推送优先级：有关键词且匹配 → 个性化简报；无关键词或无匹配 → 默认热点快报
 import logging
 import os
 from logging.handlers import TimedRotatingFileHandler
@@ -34,7 +30,7 @@ from app.utils.email_utils import send_html_email
 
 logger = logging.getLogger("delivery_service")
 
-# delivery_service 日志单独写文件
+
 _delivery_log_dir = Path(__file__).resolve().parents[2] / "logs"
 _delivery_log_dir.mkdir(parents=True, exist_ok=True)
 _delivery_log_file = _delivery_log_dir / "delivery_check.log"
@@ -51,6 +47,8 @@ if not logger.handlers:
 logger.setLevel(logging.INFO)
 logger.propagate = False
 
+# AI辅助生成：deepseek-v3-2，2026年3月20日
+
 # 推送时间窗口：实际执行时刻与设定时间的最大容差（分钟）
 DELIVERY_WINDOW_MINUTES = int(os.getenv("DELIVERY_WINDOW_MINUTES", 2))
 # 同一用户两次推送之间的最小间隔（分钟）
@@ -64,13 +62,10 @@ DEFAULT_MODE_HOURS = int(os.getenv("DEFAULT_MODE_HOURS", 24))
 # 用户时区无效时的兜底时区
 DEFAULT_FALLBACK_TIMEZONE = os.getenv("DEFAULT_FALLBACK_TIMEZONE", "Asia/Shanghai")
 
-
-# ==========================================
-# 默认热点事件容器（无关键词时使用）
-# ==========================================
 @dataclass
 class _DefaultEventItem:
     """
+    默认热点事件容器
     无关键词订阅或关键词无匹配时的默认热点包装器，
     接口与 MatchedEventResult 保持一致，方便统一传给模板。
     """
@@ -81,10 +76,6 @@ class _DefaultEventItem:
     tags: list[str] = field(default_factory=list)
     is_default: bool = True
 
-
-# ==========================================
-# 时区工具
-# ==========================================
 def _time_to_minutes(t: dt_time) -> int:
     return t.hour * 60 + t.minute
 
@@ -125,10 +116,10 @@ def _ensure_aware(dt: datetime) -> datetime:
         return dt.replace(tzinfo=timezone.utc)
     return dt
 
+# AI辅助生成结束
+
 
-# ==========================================
 # 数据库查询辅助
-# ==========================================
 def _should_skip_by_interval(db: Session, user_id: int) -> bool:
     """检查用户是否仍在冷却期内，避免短时间内重复推送"""
     row = (
@@ -297,9 +288,9 @@ def _record_delivery(
     db.commit()
 
 
-# ==========================================
+# AI辅助生成：deepseek-v3-2，2026年3月20日
+
 # 推送准备
-# ==========================================
 @dataclass
 class _PendingPush:
     """暂存需要发送邮件的信息，便于在 async 上下文中发送。"""
@@ -309,6 +300,7 @@ class _PendingPush:
     html_body: str
     event_ids: list[int]
 
+# AI生成结束
 
 def _prepare_user_push(db: Session, user: AppUser, schedule: UserDeliverySchedule) -> _PendingPush | None:
     """
@@ -331,7 +323,6 @@ def _prepare_user_push(db: Session, user: AppUser, schedule: UserDeliverySchedul
 
     pushed_ids = _get_already_pushed_event_ids(db, user_id)
 
-    # 决策：有关键词且有匹配 → 匹配模式；否则 → 默认热点模式
     items: list = []
     is_default = False
 
@@ -361,7 +352,6 @@ def _prepare_user_push(db: Session, user: AppUser, schedule: UserDeliverySchedul
             logger.info(f"用户 {user_id} 默认热点无可推送内容，跳过")
             return None
 
-    # 批量加载平台数据（来源名、标题、URL、排名）
     event_ids = [item.event.id for item in items]
     platforms_map = _load_event_platforms(db, event_ids)
 
@@ -383,9 +373,6 @@ def _prepare_user_push(db: Session, user: AppUser, schedule: UserDeliverySchedul
     )
 
 
-# ==========================================
-# 调度主入口
-# ==========================================
 async def check_and_deliver() -> None:
     """
     定时推送主入口，由 APScheduler 每分钟调用。
@@ -412,7 +399,6 @@ async def check_and_deliver() -> None:
             if not user:
                 continue
 
-            # 将 UTC 转为用户本地时间，判断是否落在推送窗口内
             user_current = _user_local_time(now, user.timezone)
             if not _is_within_window(schedule.delivery_time, user_current):
                 continue
@@ -422,7 +408,6 @@ async def check_and_deliver() -> None:
                 if pending is None:
                     continue
 
-                # 异步按优先级尝试各邮件渠道
                 sent = False
                 for target_email in pending.email_targets:
                     try:
diff --git a/backend/app/services/fetcher_service.py b/backend/app/services/fetcher_service.py
index 4aaba3c..80c63ea 100644
--- a/backend/app/services/fetcher_service.py
+++ b/backend/app/services/fetcher_service.py
@@ -1,8 +1,3 @@
-# app/services/fetcher_service.py
-"""
-抓取服务：从外部 API 拉取热搜/RSS 数据，做查重、向量聚类、入库
-热搜分支：语义聚类到 UnifiedEvent；RSS 分支：写入 NewsArticle
-"""
 import os
 import hashlib
 from datetime import timedelta
@@ -19,6 +14,8 @@ from app.models.models import (
     HeadlineRevision, RankingLog, SourceType, utcnow, UnifiedEvent
 )
 
+# AI辅助生成：deepseek-v3-2，2026年3月20日
+
 # 加载环境变量
 load_dotenv()
 hf_token = os.getenv("HF_TOKEN")
@@ -31,6 +28,8 @@ print("正在加载模型...")
 embedder_model = SentenceTransformer(EMBEDDING_MODEL_PATH, local_files_only=True)
 print("模型加载完成。")
 
+# AI生成结束
+
 
 def generate_md5(text: str) -> str:
     """生成 32 位 MD5 作为 external_id，用于跨平台去重"""
@@ -88,10 +87,10 @@ class UnifiedEventClusterer:
         new_unified = UnifiedEvent(
             unified_title=title,
             center_embedding=embedding_json,
-            hot_score=1  # 初始热度
+            hot_score=1
         )
         self.db.add(new_unified)
-        self.db.flush()  # 获取自增的主键 ID
+        self.db.flush()
         
         # 更新缓存
         self.event_vectors.append(new_vec)
@@ -109,11 +108,8 @@ def process_hot_trend_item(db, source, item, index: int, external_id: str, exist
 
     event_to_log = None
 
-    # 查重：已存在则可能只需更新标题/排名；不存在则需聚类并新建
     if existing_event:
-        # 场景 A1：老熟人
         if existing_event.current_headline != title:
-            # 标题被暗改，此时需要重新算一次 Embedding
             new_embedding_json, _ = embeddings_dict[title]
 
             revision = HeadlineRevision(
@@ -123,30 +119,25 @@ def process_hot_trend_item(db, source, item, index: int, external_id: str, exist
             )
             db.add(revision)
             existing_event.current_headline = title
-            existing_event.title_embedding = new_embedding_json  # 更新为新标题的语义向量
-            # 注：这里不改变它所属的 unified_event_id，因为大体还是同一件事
+            existing_event.title_embedding = new_embedding_json
 
         existing_event.current_ranking = index
         existing_event.event_url = item_url
         event_to_log = existing_event
 
     else:
-        # 场景 A2：这是一条彻底的全新热搜
-        # 1. 计算向量
-        new_embedding_json, new_vec = embeddings_dict[title]
 
-        # 2. 扔进聚类中枢找归宿
+        new_embedding_json, new_vec = embeddings_dict[title]
         matched_event_id = clusterer.match_or_create(title, new_embedding_json, new_vec)
 
-        # 3. 落库
         new_event = TrendingEvent(
             source_id=source.id,
             external_id=external_id,
             current_headline=title,
             event_url=item_url,
             current_ranking=index,
-            title_embedding=new_embedding_json,  # 存入向量
-            unified_event_id=matched_event_id  # 挂载到大事件下
+            title_embedding=new_embedding_json,
+            unified_event_id=matched_event_id
         )
         db.add(new_event)
         db.flush()
@@ -192,7 +183,6 @@ def process_source_data(db, source, items: list) -> int:
     saved_count = 0
     platform_id = source.home_url
 
-    # 1. 批量计算外部 ID 并聚合要计算的文本
     valid_items = []
     external_ids = []
     for item in items:
@@ -209,7 +199,6 @@ def process_source_data(db, source, items: list) -> int:
     if not valid_items:
         return 0
 
-    # 批量查重：按 external_id 判断是更新还是新增
     existing_events_dict = {}
     existing_articles_dict = {}
     
@@ -226,7 +215,6 @@ def process_source_data(db, source, items: list) -> int:
         ).all()
         existing_articles_dict = {art.external_id: art for art in existing_articles}
 
-    # 仅对需要算向量的标题做批量 embedding，避免重复计算
     texts_to_embed = []
     if source.source_type in (SourceType.HOT_TREND, SourceType.API):
         for item, external_id in valid_items:
@@ -238,15 +226,12 @@ def process_source_data(db, source, items: list) -> int:
             else:
                 texts_to_embed.append(title)
                 
-    # 4. 批量执行大模型推理
     embeddings_dict = generate_embeddings_batch(texts_to_embed)
     
-    # 初始化聚类器（只在热搜模式下需要，且只初始化一次）
     clusterer = None
     if source.source_type in (SourceType.HOT_TREND, SourceType.API):
         clusterer = UnifiedEventClusterer(db)
 
-    # 按来源类型分流：热搜/API → TrendingEvent + 聚类；RSS → NewsArticle
     for index, (item, external_id) in enumerate(valid_items, 1):
         if source.source_type in (SourceType.HOT_TREND, SourceType.API):
             existing_event = existing_events_dict.get(external_id)
@@ -269,14 +254,12 @@ async def fetch_and_save_trending_data():
     """
     print(f"[{utcnow()}] 开始执行定时抓取任务...")
 
-    # 获取启用的信息源 - 这个只读操作用一个短连接
     with SessionLocal() as db:
         sources = db.query(InfoSource).filter(InfoSource.is_enabled == True).all()
         if not sources:
             print("没有找到启用的信息源，任务结束。")
             return
             
-        # 我们把 source 的信息提前提取出来，避免在异步中长期持有 session
         source_configs = [
             {
                 "id": s.id,
@@ -287,7 +270,6 @@ async def fetch_and_save_trending_data():
             for s in sources
         ]
 
-    # 伪装请求头，规避反爬
     custom_headers = {
         "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/145.0.0.0 Safari/537.36",
         "Accept": "application/json, text/plain, */*",
@@ -304,13 +286,11 @@ async def fetch_and_save_trending_data():
             url = f"{API_BASE_URL}?id={platform_id}&latest"
 
             try:
-                # 1. 网络请求（可能耗时较长，不要包在 db session 里）
                 response = await client.get(url)
                 response.raise_for_status()
                 data_json = response.json()
                 items = data_json.get("items", [])
                 
-                # 2. 数据库事务操作（尽量短，单独使用 session）
                 with SessionLocal() as db:
                     # 重新从短 session 中获取 source 实例，以免 detached
                     source = db.query(InfoSource).get(s_config["id"])
@@ -319,10 +299,8 @@ async def fetch_and_save_trending_data():
                         
                     task_log = DataSyncTask(source_id=source.id, items_fetched=0)
                     try:
-                        # 调用数据处理层
                         saved_count = process_source_data(db, source, items)
 
-                        # 业务事务成功提交
                         task_log.items_fetched = saved_count
                         task_log.task_status = TaskStatus.SUCCESS
                         db.add(task_log)
@@ -330,10 +308,9 @@ async def fetch_and_save_trending_data():
                         print(f"[{source.source_name}] ({source.source_type}) 成功抓取并更新了 {saved_count} 条数据")
                     except Exception as e:
                         db.rollback()
-                        raise e # 抛出给外层捕获记录日志
+                        raise e
                         
             except Exception as e:
-                # 异常拦截与错误隔离，另起一个超短事务记录日志
                 with SessionLocal() as log_db:
                     try:
                         new_task_log = DataSyncTask(source_id=s_config["id"], items_fetched=0)
diff --git a/backend/app/services/matching_service.py b/backend/app/services/matching_service.py
index 09a814a..548096f 100644
--- a/backend/app/services/matching_service.py
+++ b/backend/app/services/matching_service.py
@@ -1,7 +1,3 @@
-"""
-匹配服务：根据用户兴趣关键词（精确 + 语义）推荐事件
-打分融合：标签/标题匹配分 + 标签相关度 + 热度 + 新鲜度加成
-"""
 import os
 from dataclasses import dataclass
 from datetime import datetime, timedelta, timezone
@@ -13,6 +9,7 @@ from sqlalchemy.orm import Session
 from app.models.models import ExtractedTopic, TargetType, UnifiedEvent, UserTopicPreference, utcnow
 from app.services.fetcher_service import embedder_model
 
+# AI辅助生成：deepseek-v3-2，2026年3月20日
 
 # 语义匹配阈值：用户关键词和事件标签/标题向量相似度达到该值才计入语义命中
 DEFAULT_PREFERENCE_SEMANTIC_THRESHOLD = 0.78
@@ -35,6 +32,7 @@ class MatchedEventResult:
     semantic_hits: list[dict[str, Any]]
     tags: list[str]
 
+# AI生成结束
 
 def _normalize_text(text: str) -> str:
     """统一小写与首尾空白，便于做稳定匹配。"""
@@ -80,7 +78,6 @@ def _build_keyword_embedding_map(keywords: list[str]) -> dict[str, np.ndarray]:
         
     uncached_keywords = []
     
-    # 1. 尝试从缓存获取
     for keyword in keywords:
         if not keyword:
             continue
@@ -89,9 +86,7 @@ def _build_keyword_embedding_map(keywords: list[str]) -> dict[str, np.ndarray]:
         else:
             uncached_keywords.append(keyword)
             
-    # 2. 对未命中的词进行统一的批量推理
     if uncached_keywords:
-        # 去重，避免同一个未缓存的词被计算多次
         unique_uncached = list(dict.fromkeys(uncached_keywords))
         
         vectors = embedder_model.encode(unique_uncached, normalize_embeddings=True, show_progress_bar=False)
@@ -102,7 +97,6 @@ def _build_keyword_embedding_map(keywords: list[str]) -> dict[str, np.ndarray]:
             for k in keys_to_delete:
                 del _EMBEDDING_CACHE[k]
                 
-        # 3. 将新计算的向量存入缓存并回填结果
         for keyword, vec in zip(unique_uncached, vectors):
             vec_array = np.asarray(vec, dtype=np.float32)
             _EMBEDDING_CACHE[keyword] = vec_array
@@ -172,7 +166,6 @@ def recommend_events_for_user(
         else PREFERENCE_SEMANTIC_THRESHOLD
     )
 
-    # 1. 读取用户兴趣词
     preferences = (
         db.query(UserTopicPreference)
         .filter(UserTopicPreference.user_id == user_id)
@@ -185,7 +178,6 @@ def recommend_events_for_user(
     if not preference_keywords:
         return []
 
-    # 2. 读取候选事件（时间 + 热度过滤，避免全表扫描）
     time_limit = utcnow() - timedelta(hours=hours)
     events = (
         db.query(UnifiedEvent)
@@ -213,20 +205,17 @@ def recommend_events_for_user(
         .all()
     )
 
-    # 组织事件标签映射：event_id -> [(tag, relevance_score), ...]
     event_topics: dict[int, list[tuple[str, float | None]]] = {}
     for event_id, topic_keyword, relevance_score in topic_rows:
         if not topic_keyword:
             continue
         event_topics.setdefault(event_id, []).append((topic_keyword, relevance_score))
 
-    # 3. 批量编码用户词与标签词，减少模型调用次数
     unique_preference_keywords = list(dict.fromkeys(preference_keywords))
     unique_topic_keywords = list(dict.fromkeys([row[1] for row in topic_rows if row[1]]))
     pref_vec_map = _build_keyword_embedding_map(unique_preference_keywords)
     topic_vec_map = _build_keyword_embedding_map(unique_topic_keywords)
 
-    # 预先建立“标准化后用户词集合”，用于精确匹配
     normalized_preference_pairs = [
         (word, _normalize_text(word))
         for word in unique_preference_keywords
@@ -246,20 +235,15 @@ def recommend_events_for_user(
         exact_hits: list[str] = []
         semantic_hits: list[dict[str, Any]] = []
         score = 0.0
-
-        # 对每个事件标签做精确匹配或语义匹配
         for topic_keyword, topic_relevance in topic_list:
             topic_relevance_score = float(topic_relevance) if topic_relevance is not None else 50.0
-
-            # 1) 精确命中（包括完全相等与包含关系）
+            
             matched_pref = _find_exact_preference_match(topic_keyword, normalized_preference_pairs)
             if matched_pref is not None:
                 exact_hits.append(topic_keyword)
-                # 精确命中给较高基础分，标签自身相关度作为增益
                 score += 45.0 + topic_relevance_score * 0.2
                 continue
 
-            # 2) 语义命中（未精确命中时再算）
             best_pref, best_sim = _find_best_semantic_match(topic_keyword, topic_vec_map, pref_vec_map)
 
             if best_pref is not None and best_sim >= similarity_threshold:
@@ -270,10 +254,8 @@ def recommend_events_for_user(
                         "similarity": round(best_sim, 4),
                     }
                 )
-                # 语义命中分略低于精确命中，并由相似度放大
                 score += best_sim * 35.0 + topic_relevance_score * 0.12
 
-        # 标题也参与匹配，但权重低于结构化标签，避免长标题过度主导排序。
         event_title = (event.unified_title or "").strip()
         if event_title:
             title_exact_pref = _find_exact_preference_match(event_title, normalized_preference_pairs)
@@ -292,15 +274,12 @@ def recommend_events_for_user(
                     )
                     score += best_sim * 24.0
 
-        # 如果精确和语义都没命中，直接跳过
         if not exact_hits and not semantic_hits:
             continue
 
-        # 融合事件热度和新鲜度，避免只看语义分
         score += min(event.hot_score, 100) * 0.3
         score += _calc_freshness_bonus(event)
 
-        # 返回标签时做去重，保证接口稳定
         tags = list(dict.fromkeys([item[0] for item in topic_list]))
         scored_results.append(
             MatchedEventResult(
diff --git a/backend/app/services/summary_service.py b/backend/app/services/summary_service.py
index e3b3cc1..5ffeb03 100644
--- a/backend/app/services/summary_service.py
+++ b/backend/app/services/summary_service.py
@@ -1,8 +1,3 @@
-# app/services/summary_service.py
-"""
-摘要服务：调用 LLM 生成统一标题、综合摘要、话题标签
-定时任务：对热度达标且未摘要的事件批量处理
-"""
 import json
 import os
 from datetime import timedelta
@@ -26,12 +21,16 @@ from app.prompts.summary_prompts import (
 )
 from app.services.fetcher_service import embedder_model
 
+# AI辅助生成：deepseek-v3-2，2026年3月20日
+
 HOT_SCORE_THRESHOLD = int(os.getenv("HOT_SCORE_THRESHOLD", 3))
 TOPIC_TAG_MIN_HOT_SCORE = int(os.getenv("TOPIC_TAG_MIN_HOT_SCORE", HOT_SCORE_THRESHOLD))
 TOPIC_SIMILARITY_THRESHOLD = float(os.getenv("TOPIC_SIMILARITY_THRESHOLD", 0.82))
 TOPIC_TAG_MAX_COUNT = int(os.getenv("TOPIC_TAG_MAX_COUNT", 8))
 AI_API_KEY = os.getenv("AI_API_KEY", "")
 
+# AI生成结束
+
 
 deepseek_client = AsyncOpenAI(
     api_key=AI_API_KEY,
@@ -184,7 +183,6 @@ async def generate_unified_summaries():
     """定时任务：对热度达标且未摘要的事件刷新标题、摘要、标签"""
     print(f"[{utcnow()}] Start unified summary generation task...")
 
-    # 先提取需要处理的事件 ID，尽早释放 session，不长期占用 db session
     with SessionLocal() as db:
         recent_threshold = utcnow() - timedelta(days=3)
         events = db.query(UnifiedEvent).filter(
@@ -197,11 +195,9 @@ async def generate_unified_summaries():
             print("No events require summary update in this round.")
             return
             
-        # 复制出需要的信息，脱离 session
         event_ids = [e.id for e in events]
         event_hot_scores = {e.id: e.hot_score for e in events}
 
-    # 外层循环：针对每个 event_id 开启一个极短生命周期的 session 获取依赖数据
     for event_id in event_ids:
         platform_dict: dict[str, set[str]] = {}
         with SessionLocal() as db:
diff --git a/backend/app/utils/email_utils.py b/backend/app/utils/email_utils.py
index 5e0a9b7..2463872 100644
--- a/backend/app/utils/email_utils.py
+++ b/backend/app/utils/email_utils.py
@@ -1,4 +1,4 @@
-# app/utils/email_utils.py
+# AI辅助生成：deepseek-v3-2，2026年3月20日
 import os
 from email.message import EmailMessage
 import aiosmtplib
diff --git a/backend/main.py b/backend/main.py
index 9b3a42f..e39c2d0 100644
--- a/backend/main.py
+++ b/backend/main.py
@@ -1,4 +1,4 @@
-# run.py
+# AI辅助生成：deepseek-v3-2，2026年3月20日
 import uvicorn
 import os
 from dotenv import load_dotenv
@@ -8,11 +8,9 @@ if __name__ == "__main__":
     load_dotenv()
     PORT = int(os.getenv("PORT", 8000))
     
-    # 启动服务
     uvicorn.run(
         app="app.main:app",
         host="0.0.0.0",
         port=PORT,
-        # reload=True,
         workers=1
     )