Merge pull request #6 from stardrophere/main

优化提示界面

.claude/settings.json

@@ -1,9 +0,0 @@
-{
-  "permissions": {
-    "allow": [
-      "Bash(git checkout *)",
-      "Bash(git add *)",
-      "Bash(git commit -m ' *)"
-    ]
-  }
-}

.gitignore

@@ -192,5 +192,3 @@ cython_debug/
 backend/app/static/*
 
 test*.*
-
-docs/**

CLAUDE.md

@@ -1,108 +0,0 @@
-# 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

backend/app/api/endpoints/auth.py

@@ -1,3 +1,6 @@
+"""
+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

backend/app/api/endpoints/delivery.py

@@ -1,3 +1,5 @@
+# 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
 

backend/app/api/endpoints/events.py

@@ -1,3 +1,7 @@
+# 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
@@ -37,8 +41,10 @@ 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
 

backend/app/api/endpoints/preferences.py

@@ -1,3 +1,6 @@
+"""
+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
 
@@ -17,6 +20,7 @@ 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
 
@@ -25,6 +29,7 @@ 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。"""
@@ -88,7 +93,7 @@ def create_user_preference(
         )
 
     db.refresh(db_obj)
-    _invalidate_user_cache(user_id)
+    _invalidate_user_cache(user_id)  # 失效推荐缓存
     return db_obj
 
 
@@ -117,7 +122,7 @@ def delete_user_preference(
 
     db.delete(preference)
     db.commit()
-    _invalidate_user_cache(user_id)
+    _invalidate_user_cache(user_id)  # 失效推荐缓存
     return None
 
 
@@ -138,6 +143,7 @@ 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()
     
@@ -145,6 +151,7 @@ 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,
@@ -182,8 +189,10 @@ 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

backend/app/api/endpoints/revisions.py

@@ -1,3 +1,4 @@
+# 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
 
@@ -38,6 +39,7 @@ 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)

backend/app/api/endpoints/sources.py

@@ -1,3 +1,7 @@
+# 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
@@ -39,4 +43,6 @@ 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)

backend/app/api/endpoints/stats.py

@@ -1,3 +1,4 @@
+# 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
 
@@ -27,6 +28,7 @@ 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))
@@ -34,6 +36,7 @@ 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)
@@ -44,6 +47,7 @@ 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)

backend/app/api/router.py

@@ -1,3 +1,4 @@
+# app/api/router.py
 from fastapi import APIRouter
 from app.api.endpoints import auth, delivery, events, preferences, revisions, sources, stats
 

backend/app/core/verification/email/RespositoryImpl/MemoryRepository.py

@@ -1,3 +1,5 @@
+# app/verification/backends/memory.py
+
 from functools import lru_cache
 import time
 import json

backend/app/crud/crud_source.py

@@ -1,3 +1,7 @@
+# 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

backend/app/database.py

@@ -1,4 +1,4 @@
-# AI辅助生成：deepseek-v3-2，2026年3月20日
+# database.py
 import os
 
 from dotenv import load_dotenv

backend/app/initialize.py

@@ -1,12 +1,14 @@
+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"},
@@ -21,8 +23,11 @@ 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(

backend/app/main.py

@@ -1,4 +1,4 @@
-# AI辅助生成：deepseek-v3-2，2026年3月20日
+# app/main.py
 import logging
 import os
 from pathlib import Path
@@ -35,6 +35,9 @@ 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
@@ -46,7 +49,7 @@ async def lifespan(app: FastAPI):
     init()
     logging.info("订阅源初始化完毕")
     
-    # 爬取订阅源
+    # 2. 配置并启动定时任务
     scheduler.add_job(
         fetch_and_save_trending_data,
         'interval',
@@ -63,7 +66,7 @@ async def lifespan(app: FastAPI):
         id='ai_summary_job',
         replace_existing=True
     )
-    # 推送调度
+    # 推送调度：每分钟检查是否有用户需要接收邮件推送
     scheduler.add_job(
         check_and_deliver,
         'interval',
@@ -77,14 +80,24 @@ 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")
 
-    yield
+    # 为了测试方便，启动时立即执行一次
+    # await fetch_and_save_trending_data()
 
+    # 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"],
@@ -94,26 +107,32 @@ app.add_middleware(
     allow_headers=["*"],
 )
 
+# ==========================================
+# 3. 挂载路由总线
+# ==========================================
+# 版本控制
 app.include_router(api_router, prefix="/api/v1")
 
-# AI辅助生成结束
-
+# 只需要保留API的优先匹配，catch_all可以简化成这样
 @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"}

backend/app/models/models.py

@@ -1,3 +1,4 @@
+# models.py
 from datetime import datetime, timezone, time
 from typing import Optional, Any
 import enum
@@ -8,6 +9,11 @@ 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
@@ -15,6 +21,9 @@ 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")
 
 
@@ -61,6 +70,10 @@ def utcnow():
     """
     return datetime.now(timezone.utc)
 
+
+# ==========================================
+# 模块一：信息源管理
+# ==========================================
 class InfoSource(Base):
     """
     抓取源配置表
@@ -85,6 +98,10 @@ 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)
@@ -107,6 +124,10 @@ 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
@@ -178,6 +199,10 @@ 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
@@ -216,6 +241,10 @@ 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
@@ -262,6 +291,10 @@ 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
@@ -272,10 +305,16 @@ 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)
@@ -294,10 +333,14 @@ 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)
 
@@ -309,6 +352,7 @@ 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"),
     )
 
@@ -345,6 +389,7 @@ 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"),
     )
 
@@ -352,10 +397,15 @@ 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)
@@ -368,6 +418,7 @@ 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")

backend/app/prompts/digest_email_template.py

@@ -1,3 +1,7 @@
+# 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": "🔴",

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)

backend/app/schemas/event_schema.py

@@ -1,7 +1,9 @@
+# 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

backend/app/schemas/preference_schema.py

@@ -3,6 +3,7 @@ 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")

backend/app/schemas/source_schema.py

@@ -1,3 +1,4 @@
+# app/schemas/source_schema.py
 from pydantic import BaseModel, ConfigDict, Field
 from typing import Optional
 from datetime import datetime
@@ -5,7 +6,6 @@ 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

backend/app/services/delivery_service.py

@@ -1,3 +1,7 @@
+# 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
@@ -30,7 +34,7 @@ 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"
@@ -47,8 +51,6 @@ 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）
@@ -62,10 +64,13 @@ 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。
     """
@@ -76,6 +81,10 @@ 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
 
@@ -116,10 +125,10 @@ 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 = (
@@ -288,9 +297,9 @@ 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。"""
@@ -300,7 +309,6 @@ 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:
     """
@@ -323,6 +331,7 @@ 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
 
@@ -352,6 +361,7 @@ 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)
 
@@ -373,6 +383,9 @@ 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。
@@ -399,6 +412,7 @@ 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
@@ -408,6 +422,7 @@ 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:

backend/app/services/fetcher_service.py

@@ -1,3 +1,8 @@
+# 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
@@ -14,8 +19,6 @@ 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")
@@ -28,8 +31,6 @@ 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"""
@@ -87,10 +88,10 @@ class UnifiedEventClusterer:
         new_unified = UnifiedEvent(
             unified_title=title,
             center_embedding=embedding_json,
-            hot_score=1
+            hot_score=1  # 初始热度
         )
         self.db.add(new_unified)
-        self.db.flush()
+        self.db.flush()  # 获取自增的主键 ID
         
         # 更新缓存
         self.event_vectors.append(new_vec)
@@ -108,8 +109,11 @@ 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(
@@ -119,25 +123,30 @@ 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
+            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.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
         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,
-            unified_event_id=matched_event_id
+            title_embedding=new_embedding_json,  # 存入向量
+            unified_event_id=matched_event_id  # 挂载到大事件下
         )
         db.add(new_event)
         db.flush()
@@ -183,6 +192,7 @@ 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:
@@ -199,6 +209,7 @@ 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 = {}
     
@@ -215,6 +226,7 @@ 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:
@@ -226,12 +238,15 @@ 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)
@@ -254,12 +269,14 @@ 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,
@@ -270,6 +287,7 @@ 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, */*",
@@ -286,11 +304,13 @@ 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"])
@@ -299,8 +319,10 @@ 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)
@@ -308,9 +330,10 @@ 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
+                        raise e # 抛出给外层捕获记录日志
                         
             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)

backend/app/services/matching_service.py

@@ -1,3 +1,7 @@
+"""
+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
@@ -9,7 +13,6 @@ 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
@@ -32,7 +35,6 @@ 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。"""
@@ -78,6 +80,7 @@ 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
@@ -86,7 +89,9 @@ 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)
@@ -97,6 +102,7 @@ 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
@@ -166,6 +172,7 @@ 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)
@@ -178,6 +185,7 @@ 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)
@@ -205,17 +213,20 @@ 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
@@ -235,15 +246,20 @@ 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:
@@ -254,8 +270,10 @@ 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)
@@ -274,12 +292,15 @@ 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(

backend/app/services/summary_service.py

@@ -1,3 +1,8 @@
+# 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
@@ -21,16 +26,12 @@ 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,
@@ -183,6 +184,7 @@ 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(
@@ -195,9 +197,11 @@ 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:

backend/app/utils/email_utils.py

@@ -1,4 +1,4 @@
-# AI辅助生成：deepseek-v3-2，2026年3月20日
+# app/utils/email_utils.py
 import os
 from email.message import EmailMessage
 import aiosmtplib

backend/main.py

@@ -1,4 +1,4 @@
-# AI辅助生成：deepseek-v3-2，2026年3月20日
+# run.py
 import uvicorn
 import os
 from dotenv import load_dotenv
@@ -8,9 +8,11 @@ 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
     )

frontend/index.html

@@ -5,6 +5,7 @@
     <link rel="icon" href="/favicon.svg">
     <meta name="viewport" content="width=device-width, initial-scale=1.0">
     <title>聚势智见 - 基于语义聚类与大模型的热点资讯聚合平台</title>
+    <!-- Font Awesome 图标库 -->
     <link rel="stylesheet" href="https://cdnjs.cloudflare.com/ajax/libs/font-awesome/6.5.1/css/all.min.css">
   </head>
   <body>

frontend/src/api/delivery.ts

@@ -6,6 +6,9 @@ export function fetchDeliveryConfig(userId: number): Promise<DeliveryConfig> {
   return apiGet<DeliveryConfig>(`/users/${userId}/delivery-config`)
 }
 
+// ==========================================
+// 推送时间表
+// ==========================================
 export function createDeliverySchedule(
   userId: number,
   payload: { delivery_time: string; is_active?: boolean },
@@ -31,6 +34,9 @@ export function deleteDeliverySchedule(
   return apiDelete(`/users/${userId}/delivery-schedules/${scheduleId}`)
 }
 
+// ==========================================
+// 推送渠道
+// ==========================================
 export function createPushEndpoint(
   userId: number,
   payload: {

frontend/src/auth.api.ts

@@ -1,3 +1,6 @@
+/**
+ * 认证 API：登录、注册、发送验证码（不走通用 client，无 Bearer）
+ */
 import type {
   AuthTokenResponse,
   LoginPayload,

frontend/src/auth.types.ts

@@ -1,5 +1,3 @@
-// AI辅助生成：deepseek-v3-2，2026年3月20日
-
 export interface UserProfile {
   id: number
   email: string

frontend/src/layouts/DashboardLayout.vue

@@ -1,4 +1,3 @@
-<!-- AI辅助生成：deepseek-v3-2，2026年3月20日 -->
 <!-- 仪表盘布局：侧边栏导航、主内容区、移动端抽屉 -->
 <script setup lang="ts">
 import { computed, ref } from 'vue'

frontend/src/main.ts

@@ -1,4 +1,6 @@
-// AI辅助生成：deepseek-v3-2，2026年3月20日
+/**
+ * 应用入口：初始化 Vue、Pinia、路由、主题
+ */
 import './assets/main.css'
 
 import { createApp } from 'vue'

frontend/src/views/AboutView.vue

@@ -1,5 +1,3 @@
-<!-- AI辅助生成：deepseek-v3-2，2026年3月20日 -->
-
 <!-- 关于页（占位） -->
 <template>
   <div class="about">

frontend/src/views/DashboardView.vue

@@ -1,3 +1,4 @@
+<!-- 主仪表盘：事件流、为你推荐、公关修改追踪、系统状态 -->
 <script setup lang="ts">
 import { onMounted, ref, computed, watch } from 'vue'
 import { useRoute, useRouter } from 'vue-router'
@@ -12,6 +13,9 @@ import type { MatchedEvent, UserTopicPreference } from '@/types/preference'
 const route = useRoute()
 const router = useRouter()
 
+// ==========================================
+// 聚光灯：从推荐页跳转过来时，按 ID 单独拉取目标事件
+// ==========================================
 const spotlightEvent = ref<UnifiedEvent | null>(null)
 const loadingSpotlight = ref(false)
 
@@ -37,7 +41,9 @@ function dismissSpotlight() {
 const authStore = useAuthStore()
 const userId = computed(() => authStore.user?.id ?? 0)
 
-
+// ==========================================
+// 状态
+// ==========================================
 const events = ref<UnifiedEvent[]>([])
 const revisions = ref<HeadlineRevision[]>([])
 const stats = ref<SystemStats | null>(null)
@@ -95,6 +101,9 @@ const recSortOptions = [
   { label: '最新', value: 'created_at' },
 ]
 
+// ==========================================
+// 平台视觉映射
+// ==========================================
 const platformIconMap: Record<string, string> = {
   微博热搜: 'fa-brands fa-weibo',
   微博: 'fa-brands fa-weibo',
@@ -162,7 +171,9 @@ function formatRelativeTime(dateStr: string): string {
   return `${days} 天前`
 }
 
-
+// ==========================================
+// 排名图表配置
+// ==========================================
 function getRankingChartOptions(history: number[], platformColor: string) {
   return {
     series: [{ name: '排名', data: history }],
@@ -238,6 +249,9 @@ function platformKey(eventId: number, index: number, prefix: string = ''): strin
   return prefix ? `${prefix}-${eventId}-${index}` : `${eventId}-${index}`
 }
 
+// ==========================================
+// 数据加载
+// ==========================================
 async function loadEvents(append = false) {
   if (!append) {
     loading.value = true
@@ -667,6 +681,9 @@ watch(() => route.query.event, (newId) => {
         </template>
       </div>
 
+      <!-- ==========================================
+           右侧：小组件面板
+      ========================================== -->
       <div class="widgets-column">
 
         <!-- 为你推荐（基于用户关键词的匹配） -->
@@ -880,6 +897,9 @@ watch(() => route.query.event, (newId) => {
   margin-top: 6px;
 }
 
+/* ==========================================
+   网格布局
+========================================== */
 .content-grid {
   display: flex;
   flex-direction: column;
@@ -911,6 +931,9 @@ watch(() => route.query.event, (newId) => {
   }
 }
 
+/* ==========================================
+   区域标题 + 热度阈值 (高级磨砂透明风)
+========================================== */
 .section-header {
   margin-bottom: 24px;
 }
@@ -1000,6 +1023,9 @@ watch(() => route.query.event, (newId) => {
   box-shadow: var(--shadow-sm);
 }
 
+/* ==========================================
+   事件卡片
+========================================== */
 /* 事件卡片，加入毛玻璃与高级阴影 */
 .event-card {
   background: var(--bg-surface);
@@ -1116,6 +1142,9 @@ watch(() => route.query.event, (newId) => {
   color: transparent;
 }
 
+/* ==========================================
+   平台列表 + 悬停排名图
+========================================== */
 .platforms-list {
   display: flex;
   flex-direction: column;
@@ -1233,6 +1262,9 @@ watch(() => route.query.event, (newId) => {
   max-height: 120px;
 }
 
+/* ==========================================
+   加载更多
+========================================== */
 .load-more-wrapper {
   display: flex;
   flex-direction: column;
@@ -1278,6 +1310,9 @@ watch(() => route.query.event, (newId) => {
   color: var(--text-placeholder);
 }
 
+/* ==========================================
+   小组件面板（通用）- 玻璃拟态高级质感
+========================================== */
 .widget-panel {
   background: var(--bg-surface);
   backdrop-filter: var(--backdrop-blur);
@@ -1371,6 +1406,9 @@ watch(() => route.query.event, (newId) => {
   font-size: 13px;
 }
 
+/* ==========================================
+   为你推荐面板
+========================================== */
 .recommend-header {
   background: rgba(139, 92, 246, 0.06);
   border-bottom-color: rgba(139, 92, 246, 0.15);
@@ -1546,6 +1584,9 @@ watch(() => route.query.event, (newId) => {
   font-size: 9px;
 }
 
+/* ==========================================
+   公关修改追踪
+========================================== */
 .revision-header {
   background: rgba(239, 68, 68, 0.06);
   border-bottom-color: rgba(239, 68, 68, 0.15);
@@ -1646,6 +1687,9 @@ watch(() => route.query.event, (newId) => {
   margin: 0;
 }
 
+/* ==========================================
+   系统状态
+========================================== */
 .stats-widget {
   padding: 16px;
 }
@@ -1715,6 +1759,9 @@ watch(() => route.query.event, (newId) => {
   color: var(--status-error);
 }
 
+/* ==========================================
+   聚光灯区块
+========================================== */
 .spotlight-wrap {
   margin-bottom: 20px;
 }

frontend/src/views/DeliveryView.vue

@@ -1,3 +1,4 @@
+<!-- 推送设置页：管理推送时间表与推送渠道（邮箱等） -->
 <script setup lang="ts">
 import { onMounted, ref, computed } from 'vue'
 
@@ -61,6 +62,9 @@ async function loadConfig() {
   }
 }
 
+// ==========================================
+// 推送时间表操作
+// ==========================================
 async function handleAddSchedule() {
   if (!userId.value || !newTime.value) return
   submittingSchedule.value = true
@@ -105,6 +109,9 @@ async function handleDeleteSchedule(schedule: DeliverySchedule) {
   }
 }
 
+// ==========================================
+// 推送渠道操作
+// ==========================================
 async function handleAddEndpoint() {
   if (!userId.value || !newChannelAccount.value.trim()) return
   submittingEndpoint.value = true
@@ -179,6 +186,9 @@ onMounted(loadConfig)
     </div>
 
     <div v-else class="config-sections">
+      <!-- ==========================================
+           推送时间管理
+      ========================================== -->
       <section class="config-section">
         <div class="section-title">
           <h2><i class="fa-regular fa-clock"></i> 推送时间</h2>
@@ -219,6 +229,9 @@ onMounted(loadConfig)
         </div>
       </section>
 
+      <!-- ==========================================
+           推送渠道管理
+      ========================================== -->
       <section class="config-section">
         <div class="section-title">
           <h2><i class="fa-solid fa-envelope"></i> 接收邮箱</h2>
@@ -361,6 +374,9 @@ onMounted(loadConfig)
   color: var(--text-secondary);
 }
 
+/* ==========================================
+   通用区块样式
+========================================== */
 .config-sections {
   display: flex;
   flex-direction: column;
@@ -402,6 +418,9 @@ onMounted(loadConfig)
   margin: 0;
 }
 
+/* ==========================================
+   添加行
+========================================== */
 .add-row {
   display: flex;
   gap: 10px;
@@ -478,6 +497,9 @@ onMounted(loadConfig)
   font-size: 13px;
 }
 
+/* ==========================================
+   时间表列表
+========================================== */
 .schedule-list {
   display: flex;
   flex-direction: column;
@@ -551,6 +573,9 @@ onMounted(loadConfig)
   background: rgba(239, 68, 68, 0.1);
 }
 
+/* ==========================================
+   渠道列表
+========================================== */
 .endpoint-add {
   flex-wrap: wrap;
 }
@@ -636,6 +661,9 @@ onMounted(loadConfig)
   gap: 6px;
 }
 
+/* ==========================================
+   工作原理说明
+========================================== */
 .info-section {
   background: transparent;
   border: 1px dashed var(--border-subtle);

frontend/src/views/HomeView.vue

@@ -1,3 +1,4 @@
+<!-- 概览页：展示当前账户、会话状态、认证接入说明 -->
 <script setup lang="ts">
 import { computed } from 'vue'
 import { useRouter } from 'vue-router'

frontend/src/views/LoginView.vue

@@ -1,3 +1,4 @@
+<!-- 登录页：支持密码登录与邮箱验证码登录 -->
 <script setup lang="ts">
 import { computed, onUnmounted, reactive, ref, watch } from 'vue'
 import { useRoute, useRouter } from 'vue-router'
@@ -302,6 +303,9 @@ onUnmounted(() => {
 </template>
 
 <style scoped>
+/* ==========================================
+   全新高级分屏布局与背景
+========================================== */
 .split-layout {
   display: flex;
   min-height: 100vh;

frontend/src/views/RegisterView.vue

@@ -1,3 +1,4 @@
+<!-- 注册页：邮箱验证码 + 密码，带密码强度提示 -->
 <script setup lang="ts">
 import { computed, onUnmounted, reactive, ref } from 'vue'
 import { useRouter } from 'vue-router'
@@ -279,6 +280,9 @@ onUnmounted(() => {
 </template>
 
 <style scoped>
+/* ==========================================
+   全新高级分屏布局与背景
+========================================== */
 .split-layout {
   display: flex;
   min-height: 100vh;

frontend/src/views/RevisionsView.vue

@@ -1,3 +1,4 @@
+<!-- 公关修改追踪页：展示热搜标题被偷偷修改的历史记录 -->
 <script setup lang="ts">
 import { computed, onMounted, ref, reactive } from 'vue'
 

frontend/src/views/SearchView.vue

@@ -1,3 +1,4 @@
+<!-- 事件追踪分析页：关键词搜索、时间热度图表、关联事件列表 -->
 <script setup lang="ts">
 import { ref, computed } from 'vue'
 import VueApexCharts from 'vue3-apexcharts'

frontend/src/views/TopicsView.vue

@@ -1,3 +1,4 @@
+<!-- 兴趣关键词页：添加/删除关键词，查看命中事件 -->
 <script setup lang="ts">
 import { onMounted, ref, computed } from 'vue'