《AI大模型趣味实战 》第8集：多端适配 个人新闻头条 基于大模型和RSS聚合打造个人新闻电台(Flask WEB版) 2

《AI大模型趣味实战 》第8集：多端适配 个人新闻头条 基于大模型和RSS聚合打造个人新闻电台(Flask WEB版) 2

摘要
本文末尾介绍了如何实现新闻智能体的方法。在信息爆炸的时代，如何高效获取和筛选感兴趣的新闻内容成为一个现实问题。本文将带领读者通过Python和Flask框架，结合大模型的强大能力，构建一个个性化的新闻聚合平台，不仅能够自动收集整理各类RSS源的新闻，还能以语音播报的形式提供"新闻电台"功能。我们将重点探讨如何利用AI大模型优化新闻内容提取、自动生成标签分类，以及如何通过语音合成技术实现新闻播报功能，打造一个真正实用的个人新闻助手。

项目代码仓库：https://github.com/wyg5208/rss_news_flask

以下内容接上一个博客：《AI大模型趣味实战 》第7集：多端适配 个人新闻头条 基于大模型和RSS聚合打造个人新闻电台(Flask WEB版) 1

9. 系统日志集成

为了更好地监控系统运行状态和调试问题，我们需要实现一个完善的日志系统，实现日志文件自动轮转和网页查看功能：

# 日志系统配置
LOG_DIR = 'logs'
if not os.path.exists(LOG_DIR):os.makedirs(LOG_DIR)# 内存缓冲区，用于在UI中显示最新日志
log_buffer = deque(maxlen=1000)# 创建自定义的日志记录器
class MemoryHandler(logging.Handler):"""将日志记录到内存缓冲区，用于Web界面显示"""def emit(self, record):log_entry = self.format(record)log_buffer.append({'time': datetime.datetime.fromtimestamp(record.created).strftime('%Y-%m-%d %H:%M:%S'),'level': record.levelname,'message': record.getMessage(),'formatted': log_entry})# 配置日志记录器
logger = logging.getLogger('rss_app')
logger.setLevel(logging.INFO)# 小时文件处理器，每小时自动创建一个新文件
hourly_handler = TimedRotatingFileHandler(filename=os.path.join(LOG_DIR, 'rss_app.log'),when='H',interval=1,backupCount=72,  # 保留3天的日志encoding='utf-8'
)
# 设置日志文件后缀格式为 年-月-日_小时
hourly_handler.suffix = "%Y-%m-%d_%H"
hourly_handler.setLevel(logging.INFO)
hourly_handler.setFormatter(console_format)
logger.addHandler(hourly_handler)

为了让用户能够在Web界面上查看系统日志，我们添加了相应的路由和API端点：

@app.route('/system_logs')
@login_required
def system_logs():"""显示系统日志页面"""logger.info('访问系统日志页面')# 获取日志文件列表log_files = []try:# 获取所有日志文件并按修改时间排序log_pattern = os.path.join(LOG_DIR, 'rss_app.log*')all_log_files = glob.glob(log_pattern)all_log_files.sort(key=os.path.getmtime, reverse=True)for file_path in all_log_files:# 获取文件信息并添加到列表file_name = os.path.basename(file_path)file_stats = os.stat(file_path)file_size = file_stats.st_size / 1024  # KBfile_time = datetime.datetime.fromtimestamp(file_stats.st_mtime).strftime('%Y-%m-%d %H:%M:%S')# 格式化显示名称if file_name == 'rss_app.log':display_name = f"当前日志 ({file_size:.1f} KB) - {file_time}"else:# 解析时间戳timestamp = file_name.replace('rss_app.log.', '')try:parsed_time = datetime.datetime.strptime(timestamp, '%Y-%m-%d_%H')display_name = f"{parsed_time.strftime('%Y-%m-%d %H:00')} ({file_size:.1f} KB)"except:display_name = f"{file_name} ({file_size:.1f} KB) - {file_time}"log_files.append({'name': display_name,'path': file_path})except Exception as e:logger.error(f"获取日志文件列表出错: {str(e)}")# 统计信息stats = {'total': len(log_buffer),'error': sum(1 for log in log_buffer if log['level'] == 'ERROR'),'warning': sum(1 for log in log_buffer if log['level'] == 'WARNING'),'files': len(log_files)}return render_template('system_logs.html', log_files=log_files, stats=stats)

创建系统日志页面的模板，实现实时日志显示、日志过滤和历史日志查看功能：

<!-- templates/system_logs.html -->
{% extends "base.html" %}{% block title %}系统日志{% endblock %}{% block content %}
<div class="container-fluid"><h1 class="mb-4">系统日志</h1><div class="row mb-4"><div class="col-md-12"><div class="card"><div class="card-header"><div class="d-flex justify-content-between align-items-center"><h5 class="mb-0">实时日志监控</h5><div><button id="refreshBtn" class="btn btn-sm btn-outline-primary">刷新</button><button id="clearBtn" class="btn btn-sm btn-outline-secondary">清除显示</button><div class="btn-group ms-2"><button class="btn btn-sm btn-outline-dark dropdown-toggle" type="button" data-bs-toggle="dropdown">过滤级别</button><div class="dropdown-menu"><a class="dropdown-item log-filter active" href="#" data-level="all">全部</a><a class="dropdown-item log-filter" href="#" data-level="ERROR">错误</a><a class="dropdown-item log-filter" href="#" data-level="WARNING">警告</a><a class="dropdown-item log-filter" href="#" data-level="INFO">信息</a></div></div></div></div></div><div class="card-body"><div class="log-stats mb-3"><span class="badge bg-primary">总计: <span id="total-count">{{ stats.total }}</span></span><span class="badge bg-danger">错误: <span id="error-count">{{ stats.error }}</span></span><span class="badge bg-warning text-dark">警告: <span id="warning-count">{{ stats.warning }}</span></span></div><div id="log-container" class="log-display"><div class="text-center my-5"><div class="spinner-border text-primary" role="status"><span class="visually-hidden">加载中...</span></div><p class="mt-2">加载日志数据...</p></div></div></div></div></div></div><div class="row"><div class="col-md-12"><div class="card"><div class="card-header"><h5 class="mb-0">日志文件 ({{ stats.files }})</h5></div><div class="card-body"><div class="list-group">{% for log_file in log_files %}<a href="#" class="list-group-item list-group-item-action log-file-item" data-path="{{ log_file.path }}">{{ log_file.name }}</a>{% else %}<div class="text-center py-3"><p class="text-muted mb-0">没有找到日志文件</p></div>{% endfor %}</div></div></div></div></div><!-- 日志文件查看模态框 --><div class="modal fade" id="logFileModal" tabindex="-1" aria-hidden="true"><div class="modal-dialog modal-xl modal-dialog-scrollable"><div class="modal-content"><div class="modal-header"><h5 class="modal-title" id="logFileTitle">日志文件</h5><button type="button" class="btn-close" data-bs-dismiss="modal" aria-label="Close"></button></div><div class="modal-body"><pre id="logFileContent" class="log-file-content">加载中...</pre></div><div class="modal-footer"><button type="button" class="btn btn-secondary" data-bs-dismiss="modal">关闭</button></div></div></div></div>
</div>
{% endblock %}{% block scripts %}
<script>// 日志系统交互JavaScript代码$(document).ready(function() {// 当前过滤级别let currentLevel = 'all';// 加载日志数据function loadLogs() {$.getJSON('/api/logs', { level: currentLevel }, function(data) {const logs = data.logs;const stats = data.stats;// 更新统计信息$('#total-count').text(stats.total);$('#error-count').text(stats.error);$('#warning-count').text(stats.warning);// 清空并填充日志容器const container = $('#log-container');container.empty();if (logs.length === 0) {container.html('<p class="text-center text-muted my-5">没有日志记录</p>');return;}// 创建日志表格const table = $('<table class="table table-sm table-hover log-table"></table>');const tbody = $('<tbody></tbody>');// 添加日志行logs.forEach(log => {const row = $('<tr></tr>');// 根据日志级别设置行样式if (log.level === 'ERROR') {row.addClass('table-danger');} else if (log.level === 'WARNING') {row.addClass('table-warning');}row.append(`<td class="log-time">${log.time}</td>`);row.append(`<td class="log-level">${log.level}</td>`);row.append(`<td class="log-message">${log.message}</td>`);tbody.append(row);});table.append(tbody);container.append(table);// 滚动到底部container.scrollTop(container[0].scrollHeight);});}// 初始加载日志loadLogs();// 刷新按钮点击事件$('#refreshBtn').click(function() {loadLogs();});// 清除按钮点击事件$('#clearBtn').click(function() {$('#log-container').empty();});// 日志级别过滤器点击事件$('.log-filter').click(function(e) {e.preventDefault();// 更新选中状态$('.log-filter').removeClass('active');$(this).addClass('active');// 设置当前级别并重新加载currentLevel = $(this).data('level');loadLogs();});// 日志文件项点击事件$('.log-file-item').click(function(e) {e.preventDefault();const path = $(this).data('path');const name = $(this).text();// 设置模态框标题$('#logFileTitle').text(name);$('#logFileContent').text('加载中...');// 显示模态框const modal = new bootstrap.Modal(document.getElementById('logFileModal'));modal.show();// 加载日志文件内容$.getJSON('/api/logs/file', { file_path: path }, function(data) {if (data.status === 'success') {$('#logFileContent').text(data.content);} else {$('#logFileContent').text('加载失败: ' + data.message);}});});// 自动刷新（每10秒）setInterval(loadLogs, 10000);});
</script>
{% endblock %}

通过实现这些功能，我们的系统可以自动记录所有关键操作和错误信息，用户可以实时查看系统状态和历史日志，便于问题诊断和监控。

10. 移动设备优化与兼容性处理

针对移动设备访问，我们需要优化用户界面和交互体验，特别是在移动浏览器上的按钮功能：

// static/modal_fix.js
document.addEventListener('DOMContentLoaded', function() {console.log('modal_fix.js 已加载');// 检查jQuery和Bootstrap是否加载if (typeof jQuery === 'undefined') {console.error('jQuery 未加载！');return;}if (typeof bootstrap === 'undefined') {console.error('Bootstrap 未加载！');return;}console.log('jQuery和Bootstrap已正确加载');// 在新闻详情页初始化initNewsDetailPage();function initNewsDetailPage() {// 检查是否是新闻详情页if (!document.getElementById('news-content')) {return;}console.log('初始化新闻详情页面');// 初始化模态框const shareModal = new bootstrap.Modal(document.getElementById('shareModal'), {keyboard: true});const helpModal = new bootstrap.Modal(document.getElementById('helpModal'), {keyboard: true});// 重新绑定按钮事件$('#btnShare').off('click').on('click', function() {console.log('分享按钮被点击');shareModal.show();});$('#btnHelp').off('click').on('click', function() {console.log('帮助按钮被点击');helpModal.show();});// 语音朗读功能$('#btnSpeak').off('click').on('click', function() {try {console.log('朗读按钮被点击');const title = document.getElementById('news-title').innerText;const content = document.getElementById('news-content').innerText;console.log(`准备朗读，标题长度: ${title.length}, 内容长度: ${content.length}`);// 组合完整的朗读文本const fullText = title + '。' + content;// 尝试使用Web Speech APIif ('speechSynthesis' in window) {console.log('使用Web Speech API朗读');// 创建语音对象const speech = new SpeechSynthesisUtterance();speech.text = fullText;speech.lang = 'zh-CN';speech.rate = 1.0;  // 语速speech.pitch = 1.0; // 音调speech.volume = 1.0;  // 音量// 开始朗读window.speechSynthesis.speak(speech);} else {console.log('Web Speech API不可用，使用后端API');// 使用后端API生成语音$.ajax({url: '/api/text_to_speech',type: 'POST',contentType: 'application/json',data: JSON.stringify({ text: fullText }),success: function(response) {if (response.status === 'success') {console.log('语音生成成功，URL:', response.audio_url);// 创建音频元素播放const audio = new Audio(response.audio_url);audio.play();} else {console.error('语音生成失败:', response.message);alert('语音生成失败: ' + response.message);}},error: function(xhr, status, error) {console.error('API请求失败:', error);alert('无法连接到语音服务: ' + error);}});}} catch (e) {console.error('朗读过程出错:', e);alert('朗读功能出错: ' + e.message);}});// 复制内容功能$('#btnCopy').off('click').on('click', function() {try {console.log('复制按钮被点击');const title = document.getElementById('news-title').innerText;const description = document.getElementById('news-description').innerText;const content = document.getElementById('news-content').innerText;// 组合要复制的文本const textToCopy = `${title}\n\n${description}\n\n${content}`;// 使用剪贴板APInavigator.clipboard.writeText(textToCopy).then(function() {console.log('内容已复制到剪贴板');alert('内容已复制到剪贴板');}).catch(function(err) {console.error('剪贴板操作失败:', err);alert('复制失败: ' + err.message);});} catch (e) {console.error('复制过程出错:', e);alert('复制功能出错: ' + e.message);}});// 复制链接按钮$('#copyLinkBtn').off('click').on('click', function() {try {const currentUrl = window.location.href;navigator.clipboard.writeText(currentUrl).then(function() {alert('链接已复制到剪贴板');}).catch(function(err) {console.error('复制链接失败:', err);alert('复制链接失败: ' + err.message);});} catch (e) {console.error('复制链接过程出错:', e);alert('复制链接功能出错: ' + e.message);}});console.log('新闻详情页面按钮事件已重新绑定');}
});

在HTML模板中引入这个修复脚本：

<!-- templates/news_detail.html -->
{% extends "base.html" %}{% block title %}{{ news.title }}{% endblock %}{% block content %}
<div class="container"><nav aria-label="breadcrumb"><ol class="breadcrumb"><li class="breadcrumb-item"><a href="{{ url_for('dashboard') }}">首页</a></li><li class="breadcrumb-item"><a href="{{ url_for('news_list') }}">新闻列表</a></li><li class="breadcrumb-item active" aria-current="page">新闻详情</li></ol></nav><div class="card"><div class="card-header"><h1 id="news-title" class="h3">{{ news.title }}</h1><div class="mt-2 text-muted"><small>来源: {{ news.source }}</small>{% if news.pub_date %}<small class="ms-3">发布时间: {{ news.pub_date.strftime('%Y-%m-%d %H:%M') }}</small>{% endif %}<small class="ms-3">添加时间: {{ news.add_date.strftime('%Y-%m-%d %H:%M') }}</small></div></div><div class="card-body">{% if news.description %}<div id="news-description" class="lead mb-4">{{ news.description }}</div>{% endif %}<div class="mb-3"><div class="btn-group" role="group"><button id="btnSpeak" class="btn btn-outline-primary" type="button"><i class="fas fa-volume-up"></i> 朗读</button><button id="btnCopy" class="btn btn-outline-secondary" type="button"><i class="fas fa-copy"></i> 复制内容</button><button id="btnShare" class="btn btn-outline-success" type="button"><i class="fas fa-share-alt"></i> 分享</button><button id="btnHelp" class="btn btn-outline-info" type="button"><i class="fas fa-question-circle"></i> 帮助</button></div></div><div id="news-content" class="news-content">{{ news.content|safe }}</div>{% if news.tags %}<div class="mt-4"><h5>标签</h5><div class="news-tags">{% for tag in news.tags %}<a href="{{ url_for('news_list', tag='{{ tag.name }}') }}" class="badge bg-primary text-decoration-none">{{ tag.name }}</a>{% endfor %}</div></div>{% endif %}{% if news.link %}<div class="mt-4"><a href="{{ news.link }}" target="_blank" class="btn btn-sm btn-outline-dark"><i class="fas fa-external-link-alt"></i> 查看原文</a></div>{% endif %}</div></div>
</div><!-- 分享模态框 -->
<div class="modal fade" id="shareModal" tabindex="-1" aria-labelledby="shareModalLabel" aria-hidden="true"><div class="modal-dialog"><div class="modal-content"><div class="modal-header"><h5 class="modal-title" id="shareModalLabel">分享此新闻</h5><button type="button" class="btn-close" data-bs-dismiss="modal" aria-label="Close"></button></div><div class="modal-body"><p>复制以下链接分享：</p><div class="input-group"><input type="text" class="form-control" id="shareLink" value="{{ request.url }}" readonly><button class="btn btn-outline-secondary" type="button" id="copyLinkBtn">复制</button></div></div><div class="modal-footer"><button type="button" class="btn btn-secondary" data-bs-dismiss="modal">关闭</button></div></div></div>
</div><!-- 帮助模态框 -->
<div class="modal fade" id="helpModal" tabindex="-1" aria-labelledby="helpModalLabel" aria-hidden="true"><div class="modal-dialog"><div class="modal-content"><div class="modal-header"><h5 class="modal-title" id="helpModalLabel">功能帮助</h5><button type="button" class="btn-close" data-bs-dismiss="modal" aria-label="Close"></button></div><div class="modal-body"><div class="mb-3"><h6><i class="fas fa-volume-up"></i> 朗读</h6><p>使用语音朗读当前新闻内容，支持中文朗读。</p></div><div class="mb-3"><h6><i class="fas fa-copy"></i> 复制内容</h6><p>将新闻标题、描述和正文内容复制到剪贴板。</p></div><div class="mb-3"><h6><i class="fas fa-share-alt"></i> 分享</h6><p>获取当前新闻的链接，以便分享给他人。</p></div></div><div class="modal-footer"><button type="button" class="btn btn-secondary" data-bs-dismiss="modal">关闭</button></div></div></div>
</div>
{% endblock %}{% block scripts %}
<script src="{{ url_for('static', filename='speech.js') }}"></script>
<script src="{{ url_for('static', filename='modal_fix.js') }}"></script>
{% endblock %}

通过这些优化，我们解决了移动设备上按钮不响应的问题，并提高了用户交互体验。

总结与扩展思考

项目梳理

在这个项目中，我们成功构建了一个功能完整的个人新闻聚合平台，它具有以下核心功能：

1. RSS源管理与内容抓取：支持添加、删除和管理多个RSS源，自动获取最新新闻内容。

2. 大模型内容优化：使用大语言模型（GLM4）对抓取的内容进行智能处理，提取关键内容并去除无关元素。

3. 自动标签生成：基于大模型分析新闻内容，自动生成相关标签，便于内容分类和检索。

4. 语音合成与播报：支持将新闻内容转换为语音，实现类似广播的新闻播报功能。

5. 定时任务系统：实现新闻自动抓取和定时播报功能，减少手动操作。

6. 系统日志与监控：完善的日志系统，支持Web界面查看系统运行状态和历史日志。

7. 移动设备适配：优化移动端用户体验，确保在各种设备上都能正常使用。

通过这个项目，我们展示了如何将大语言模型应用于实际应用场景，利用其强大的文本理解与生成能力提升应用的智能化水平。同时，项目也演示了从数据获取、处理、存储到展示的完整流程，涵盖了Web开发的各个方面。

扩展思考

1. 个性化推荐系统

基于用户的阅读历史和标签偏好，我们可以实现个性化的新闻推荐功能。这可以通过分析用户与标签的交互行为，构建用户画像，然后使用协同过滤或内容匹配算法实现。

def get_recommended_news(user_id, limit=10):"""获取给用户推荐的新闻"""# 获取用户标签偏好user_preferences = UserTagPreference.query.filter_by(user_id=user_id).all()preferred_tags = [pref.tag.name for pref in user_preferences]# 获取含有这些标签的近期新闻recommended_news = []if preferred_tags:# 基于标签匹配的推荐tagged_news = db.session.query(News)\.join(Tag, News.id == Tag.news_id)\.filter(Tag.name.in_(preferred_tags))\.order_by(News.add_date.desc())\.limit(limit*2)\.all()recommended_news.extend(tagged_news)# 如果推荐数量不足，添加最新新闻if len(recommended_news) < limit:recent_news = News.query.order_by(News.add_date.desc())\.limit(limit - len(recommended_news))\.all()recommended_news.extend(recent_news)# 去重并限制数量unique_news = []news_ids = set()for news in recommended_news:if news.id not in news_ids and len(unique_news) < limit:news_ids.add(news.id)unique_news.append(news)return unique_news

2. 情感分析与分类

使用大模型进行新闻的情感分析与主题分类，为用户提供更多维度的内容筛选。

def analyze_news_sentiment(news):"""分析新闻情感倾向"""try:prompt = f"""
分析以下新闻文章的情感倾向，返回一个值：
正面 - 积极、乐观的内容
中性 - 客观、中立的报道
负面 - 消极、悲观的内容只返回一个词：正面、## 扩展思考### 1. 多模态内容处理当前项目主要处理文本内容，但现代新闻往往包含图片、视频等多模态内容。我们可以扩展系统以支持这些内容：```python
def extract_images_from_content(content):"""从HTML内容中提取图片链接"""try:soup = BeautifulSoup(content, 'html.parser')images = []# 查找所有图片标签for img in soup.find_all('img'):src = img.get('src')if src and not src.startswith('data:'):  # 排除base64编码的图片images.append({'url': src,'alt': img.get('alt', ''),'width': img.get('width', ''),'height': img.get('height', '')})return imagesexcept Exception as e:logger.error(f"提取图片时出错: {e}")return []def analyze_images_with_llm(images):"""使用大模型分析图片内容"""if not images:return []try:# 构建promptimage_urls = [img['url'] for img in images]prompt = f"""
分析以下新闻图片链接，提供每张图片可能的内容描述。
不需要访问链接，仅根据URL和alt文本推测内容。
图片链接:
{json.dumps(image_urls, indent=2)}
"""# 调用Ollama APIresponse = ollama.chat(model='glm4', messages=[{'role': 'user','content': prompt}])return response['message']['content']except Exception as e:logger.error(f"分析图片时出错: {e}")return "无法分析图片内容"

2. 个性化推荐系统

基于用户阅读历史和兴趣标签，实现智能推荐功能：

class UserReadHistory(db.Model):"""用户阅读历史模型"""id = db.Column(db.Integer, primary_key=True)user_id = db.Column(db.Integer, db.ForeignKey('user.id'))news_id = db.Column(db.Integer, db.ForeignKey('news.id'))read_time = db.Column(db.DateTime, default=datetime.datetime.now)read_duration = db.Column(db.Integer, default=0)  # 阅读时长(秒)user = db.relationship('User', backref=db.backref('read_history', lazy=True))news = db.relationship('News', backref=db.backref('read_by', lazy=True))def get_personalized_recommendations(user_id, limit=10):"""为用户生成个性化推荐"""# 1. 获取用户感兴趣的标签user_tags = db.session.query(TagLibrary.name)\.join(UserTagPreference, UserTagPreference.tag_id == TagLibrary.id)\.filter(UserTagPreference.user_id == user_id)\.all()user_tags = [t[0] for t in user_tags]# 2. 获取用户最近阅读的新闻中的标签recent_reads = db.session.query(News)\.join(UserReadHistory, UserReadHistory.news_id == News.id)\.filter(UserReadHistory.user_id == user_id)\.order_by(UserReadHistory.read_time.desc())\.limit(20)\.all()recent_news_ids = [n.id for n in recent_reads]recent_tags = db.session.query(Tag.name)\.filter(Tag.news_id.in_(recent_news_ids))\.group_by(Tag.name)\.all()recent_tags = [t[0] for t in recent_tags]# 3. 合并兴趣标签和最近阅读标签all_tags = set(user_tags + recent_tags)# 4. 查找包含这些标签的新闻，但用户尚未阅读if all_tags:recommended_news = db.session.query(News)\.join(Tag, Tag.news_id == News.id)\.filter(Tag.name.in_(all_tags))\.filter(~News.id.in_(recent_news_ids))\.order_by(News.add_date.desc())\.limit(limit)\.all()return recommended_newselse:# 如果没有标签信息，返回最新新闻return News.query.order_by(News.add_date.desc()).limit(limit).all()

3. 社交分享与交互功能

增加社交功能，让用户能分享和讨论新闻内容：

class Comment(db.Model):"""新闻评论模型"""id = db.Column(db.Integer, primary_key=True)content = db.Column(db.Text, nullable=False)news_id = db.Column(db.Integer, db.ForeignKey('news.id'))user_id = db.Column(db.Integer, db.ForeignKey('user.id'))created_at = db.Column(db.DateTime, default=datetime.datetime.now)news = db.relationship('News', backref=db.backref('comments', lazy=True))user = db.relationship('User', backref=db.backref('comments', lazy=True))@app.route('/news/<int:news_id>/comment', methods=['POST'])
@login_required
def add_comment(news_id):"""添加评论"""content = request.form.get('content', '').strip()if not content:flash('评论内容不能为空', 'warning')return redirect(url_for('news_detail', news_id=news_id))# 使用大模型检测不良内容is_appropriate = check_content_appropriate(content)if not is_appropriate:flash('评论内容不适当，请修改后重试', 'danger')return redirect(url_for('news_detail', news_id=news_id))# 创建评论comment = Comment(content=content,news_id=news_id,user_id=current_user.id)try:db.session.add(comment)db.session.commit()flash('评论发布成功', 'success')except Exception as e:db.session.rollback()logger.error(f"添加评论出错: {e}")flash('评论发布失败，请稍后重试', 'danger')return redirect(url_for('news_detail', news_id=news_id))def check_content_appropriate(content):"""使用大模型检查内容是否适当"""try:prompt = f"""
判断以下评论内容是否适当，不包含侮辱、歧视、暴力或政治敏感内容。
只回答"适当"或"不适当"。评论内容: {content}
"""# 调用Ollama APIresponse = ollama.chat(model='glm4', messages=[{'role': 'user','content': prompt}])result = response['message']['content'].strip().lower()return '适当' in resultexcept Exception as e:logger.error(f"检查内容适当性时出错: {e}")return True  # 出错时默认允许

4. 语音交互与语音助手功能

将系统拓展为完整的语音助手，支持语音命令控制：

@app.route('/api/speech_command', methods=['POST'])
@login_required
def process_speech_command():"""处理语音命令"""try:data = request.get_json()if not data or 'command' not in data:return jsonify({'status': 'error', 'message': '缺少命令参数'})command = data['command']logger.info(f"接收到语音命令: {command}")# 使用大模型解析命令parsed_command = parse_command_with_llm(command)logger.info(f"解析后的命令: {parsed_command}")# 执行相应操作if parsed_command['type'] == 'read_news':# 获取特定标签或最新的新闻if parsed_command.get('tag'):news_list = get_news_by_tag(parsed_command['tag'], parsed_command.get('count', 3))else:news_list = News.query.order_by(News.add_date.desc()).limit(parsed_command.get('count', 3)).all()# 生成语音news_text = "为您播报以下新闻：\n\n"for i, news in enumerate(news_list):news_text += f"第{i+1}条：{news.title}\n{news.description or ''}\n\n"# 调用语音合成APIresult = generate_speech_response(news_text)return jsonify(result)elif parsed_command['type'] == 'search_news':# 搜索新闻keyword = parsed_command.get('keyword', '')news_list = News.query.filter(News.title.contains(keyword) | News.description.contains(keyword))\.order_by(News.add_date.desc())\.limit(5)\.all()if news_list:news_text = f"找到{len(news_list)}条关于"{keyword}"的新闻：\n\n"for i, news in enumerate(news_list):news_text += f"第{i+1}条：{news.title}\n"result = generate_speech_response(news_text)return jsonify(result)else:return jsonify({'status': 'success','message': f'没有找到关于"{keyword}"的新闻','audio_url': None})else:return jsonify({'status': 'error','message': '无法识别的命令类型'})except Exception as e:logger.error(f"处理语音命令时出错: {e}")return jsonify({'status': 'error','message': str(e)})def parse_command_with_llm(command):"""使用大模型解析语音命令"""try:prompt = f"""
解析以下语音命令，提取出命令类型和参数。返回JSON格式。
支持的命令类型：
1. read_news: 朗读新闻（可能包含标签和数量）
2. search_news: 搜索新闻（包含关键词）
3. system_status: 查询系统状态例如：
- "给我读3条最新的科技新闻" -> {{"type": "read_news", "tag": "科技", "count": 3}}
- "搜索关于人工智能的新闻" -> {{"type": "search_news", "keyword": "人工智能"}}
- "查询系统状态" -> {{"type": "system_status"}}命令: {command}
"""# 调用Ollama APIresponse = ollama.chat(model='glm4', messages=[{'role': 'user','content': prompt}])# 尝试解析JSON响应content = response['message']['content']# 提取JSON部分json_match = re.search(r'\{.*\}', content, re.DOTALL)if json_match:json_str = json_match.group(0)return json.loads(json_str)else:# 默认返回return {'type': 'unknown'}except Exception as e:logger.error(f"解析语音命令时出错: {e}")return {'type': 'error', 'message': str(e)}

5. 多语言支持与翻译功能

添加多语言支持，使系统能够抓取、翻译和展示不同语言的新闻：

class News(db.Model):# ... 现有字段 ...language = db.Column(db.String(10), default='zh-cn')  # 新增字段translated_title = db.Column(db.String(500))translated_description = db.Column(db.Text)translated_content = db.Column(db.Text)def detect_language(text):"""检测文本语言"""try:prompt = f"""
请识别以下文本的语言，并返回相应的语言代码，如：
- 中文：zh-cn
- 英文：en
- 日文：ja
- 俄文：ru
等等。只返回语言代码，不需要其他解释。文本：
{text[:200]}
"""# 调用Ollama APIresponse = ollama.chat(model='glm4', messages=[{'role': 'user','content': prompt}])language_code = response['message']['content'].strip().lower()return language_codeexcept Exception as e:logger.error(f"检测语言时出错: {e}")return 'zh-cn'  # 默认中文def translate_with_llm(text, from_lang, to_lang='zh-cn'):"""使用大模型翻译文本"""if not text or from_lang == to_lang:return texttry:prompt = f"""
请将以下{from_lang}文本翻译成{to_lang}，保持原意，注意专业术语的准确性：原文：
{text[:5000]}只返回翻译结果，不需要添加解释。
"""# 调用Ollama APIresponse = ollama.chat(model='glm4', messages=[{'role': 'user','content': prompt}])translated_text = response['message']['content']return translated_textexcept Exception as e:logger.error(f"翻译文本时出错: {e}")return text

6. 智能摘要与内容浓缩

为长篇新闻生成简明摘要，方便用户快速了解内容：

def generate_summary_for_news(news, max_length=200):"""为新闻生成摘要"""try:# 获取新闻正文content_text = ""if news.content:soup = BeautifulSoup(news.content, 'html.parser')content_text = soup.get_text(separator=' ', strip=True)# 如果没有内容或内容太短，使用描述if not content_text or len(content_text) < 100:if news.description:content_text = news.description# 如果还是没有内容，返回标题if not content_text:return news.title# 使用大模型生成摘要prompt = f"""
为以下新闻生成一个简洁的摘要，不超过{max_length}个字符：标题：{news.title}
内容：{content_text[:3000]}只返回摘要，不要添加任何解释。
"""# 调用Ollama APIresponse = ollama.chat(model='glm4', messages=[{'role': 'user','content': prompt}])summary = response['message']['content'].strip()return summaryexcept Exception as e:logger.error(f"生成摘要时出错: {e}")# 如果出错，返回原始描述或截断的内容if news.description:return news.description[:max_length] + ('...' if len(news.description) > max_length else '')return content_text[:max_length] + ('...' if len(content_text) > max_length else '')

7. 数据分析与可视化

添加数据分析功能，生成新闻趋势报告和可视化图表：

@app.route('/analytics')
@login_required
def analytics_dashboard():"""数据分析仪表板"""# 获取时间范围days = request.args.get('days', 30, type=int)start_date = datetime.datetime.now() - datetime.timedelta(days=days)# 获取每日新闻数量daily_news_counts = db.session.query(func.date(News.add_date).label('date'),func.count().label('count')).filter(News.add_date >= start_date).group_by(func.date(News.add_date)).all()# 转换为图表数据格式dates = [item.date for item in daily_news_counts]counts = [item.count for item in daily_news_counts]# 获取热门标签popular_tags = db.session.query(Tag.name,func.count().label('count')).filter(Tag.news_id == News.id,News.add_date >= start_date).group_by(Tag.name).order_by(func.count().desc()).limit(20).all()tag_names = [item.name for item in popular_tags]tag_counts = [item.count for item in popular_tags]# 生成热门话题分析topics_analysis = generate_topics_analysis(start_date)return render_template('analytics.html',days=days,dates=dates,counts=counts,tag_names=tag_names,tag_counts=tag_counts,topics_analysis=topics_analysis)def generate_topics_analysis(start_date):"""生成热门话题分析"""# 获取期间的所有新闻recent_news = News.query.filter(News.add_date >= start_date).all()# 提取所有标题titles = [news.title for news in recent_news]# 使用大模型分析热门话题if titles:try:prompt = f"""
分析以下{len(titles)}条新闻标题，识别出5个主要热门话题，并对每个话题进行简要分析。
返回JSON格式，每个话题包含名称、相关新闻数量和简短描述。新闻标题:
{json.dumps(titles[:500], ensure_ascii=False, indent=2)}返回格式示例:
[{{"topic": "人工智能", "count": 15, "description": "主要集中在AI在医疗领域的应用，以及GPT-4的发布"}},...
]
"""# 调用Ollama APIresponse = ollama.chat(model='glm4', messages=[{'role': 'user','content': prompt}])# 提取JSON部分content = response['message']['content']json_match = re.search(r'\[.*\]', content, re.DOTALL)if json_match:json_str = json_match.group(0)return json.loads(json_str)except Exception as e:logger.error(f"生成热门话题分析时出错: {e}")return []

总结

通过本项目，我们探索了如何将大语言模型与传统Web开发技术结合，打造一个智能化的新闻聚合平台。这种结合不仅增强了用户体验，也展示了AI在实际应用场景中的巨大潜力。

项目实现了以下核心功能：

1. 基于RSS的多源新闻自动抓取与管理
2. 使用大模型优化内容提取与标签生成
3. 语音合成与新闻播报功能
4. 完善的日志系统与系统监控
5. 移动设备适配与跨平台兼容

扩展思考中，我们进一步探讨了多模态内容处理、个性化推荐、社交互动、语音助手、多语言支持、智能摘要以及数据分析等更高级功能。这些拓展方向展示了如何将这个基础项目发展成一个更全面、智能的信息服务平台。

从技术角度看，本项目不仅是对Flask、SQLAlchemy等传统Web开发框架的应用，更重要的是展示了如何将新兴的AI技术（如大语言模型）无缝集成到现有系统中，实现传统技术难以达成的智能功能。

对于开发者而言，这个项目提供了一个完整的参考案例，展示了从需求分析、系统设计、功能实现到优化升级的全流程，特别适合那些希望将AI能力融入自己Web应用的开发者学习和借鉴。

人工智能的快速发展正在重塑软件开发的方式和可能性，本项目只是展示了其中的一小部分潜力。未来，随着模型能力的提升和应用场景的拓展，AI驱动的软件将变得更加智能、自然和个性化，为用户创造更大的价值。