diff --git a/.env.example b/.env.example index aa6063c5c..44c057b69 100755 --- a/.env.example +++ b/.env.example @@ -215,6 +215,10 @@ DOUBAO_MODEL=doubao-seed-1-6-250615 DOUBAO_BASE_URL=https://ark.cn-beijing.volces.com/api/v3 DOUBAO_TIMEOUT=30 DOUBAO_MAX_RETRIES=2 +# 视觉模型：pro 精度高，lite 速度快（viral-video 商品识别默认用 lite 提速） +DOUBAO_VISION_MODEL=doubao-1-5-vision-pro-250915 +DOUBAO_VISION_LITE_MODEL=doubao-1-5-vision-lite-250915 +DOUBAO_VISION_USE_LITE=true # ==================== 积分/会员系统 (#1895) ==================== # 积分系统总开关：默认 false（暂停积分系统）。 diff --git a/apps/worker/worker_app/tasks/viral_video.py b/apps/worker/worker_app/tasks/viral_video.py index 0f7d74aec..a0cde9da6 100644 --- a/apps/worker/worker_app/tasks/viral_video.py +++ b/apps/worker/worker_app/tasks/viral_video.py @@ -23,6 +23,7 @@ import json import logging import os import tempfile +from concurrent.futures import ThreadPoolExecutor, as_completed from pathlib import Path from celery import Task, shared_task @@ -40,6 +41,7 @@ from packages.domain.viral_video import ( ViralVideoStage, ViralVideoStatus, ) +from packages.shared import get_shared_settings logger = logging.getLogger(__name__) @@ -136,29 +138,41 @@ def _empty_copy_result(duration: int = 15, ratio: str = "9:16") -> dict: # ── 流水线各步骤 ──────────────────────────────────────────────────────── -_IMAGE_ANALYSIS_PROMPT = """请仔细观察这张图片，只基于图片中真实可见的内容进行分析，不要凭空想象。 +_IMAGE_ANALYSIS_SYSTEM_PROMPT = """你是资深电商商品视觉分析师，擅长从商品图片中提取结构化商品信息。严格遵守以下规则： -必须输出严格的 JSON（不要 Markdown 代码块，不要额外解释），字段如下： +1. 只基于图片中真实可见的内容进行分析，严禁编造图片中不存在的品牌、文字、规格、卖点或功效。 +2. 看不清、包装上没有、无法判断的字段统一填「无法判断」。 +3. 包装上的文字只 OCR 你能清晰看到的，模糊的不要瞎猜。 +4. 输出必须是严格 JSON（不要 Markdown 代码块，不要额外解释文字）。 + +字段说明： { - "category": "产品大类，如护肤品/彩妆/食品/数码/服饰/家居等，若无法识别填『无法判断』", - "name": "产品名称（从包装/品牌/logo/文字推断；没有品牌时描述外观如『粉色包装面霜』）", - "brand": "品牌名（看 logo/包装文字；看不清填『未知』）", - "colors": ["主体颜色"], - "material_or_texture": "材质/质地描述（如玻璃瓶装/塑料软管/哑光质感/金属外壳等；无法判断填『无法判断』）", + "name": "商品全名（从包装 OCR 读出品牌+产品名+规格/容量/型号，如『李字无烟檀香型蚊香 30单盘装』）", + "brand": "品牌名（从 Logo/包装文字读出，如『李字』『奥妙(OMO)』；看不清填『无法判断』）", + "category": "商品品类（如『家用清洁/洗衣液』『日化驱蚊/盘式蚊香』『护肤/面霜』；非产品图填『非产品图』）", + "spec": "规格/型号/容量/净含量（从包装文字 OCR 读出，如『30单盘装』『3kg』『500ml』；无法判断填『无法判断』）", + "appearance": "外观与视觉特征（80-150字自然语言描述整体形状、颜色搭配、材质质感、尺寸感知，让没看到图的人能想象长什么样）", + "packaging": "包装设计细节（80-150字自然语言描述标签颜色分区、图案元素、图形标识、封口/塑封状态、瓶盖/泵头/罐型等）", + "text_on_package": ["包装上能清晰 OCR 读出的文字逐条列出，按主次：品牌名、产品名、卖点文案、功效描述、规格参数等，看不清的不列"], + "colors": ["主体颜色 2-4 个"], + "material_or_texture": "材质/质地（如玻璃瓶装/塑料软管/哑光质感/金属外壳/纸塑复合袋等；无法判断填『无法判断』）", "key_features": [ - "3-5 条**图片中确实能看到**的外观特征/卖点描述（如『按压式泵头』『瓶身有金色装饰线』等），不要编图片里没有的功效" + "3-6 条图片中确实能看到的外观特征/视觉卖点（如『按压式泵头设计』『瓶身有金色装饰线条』『罐身带塑封痕迹』等），不要写功效词（除非包装上明确印了）" ], - "visual_style": "视觉风格（如简约高端/粉嫩少女/国潮/科技感/生活方式实拍等）", - "scene": "图片中的使用/展示场景（如白底棚拍/浴室场景/户外街拍/桌面静物等；纯白底填『白底产品图』）", - "target_audience_hint": "从视觉推断的目标人群（如年轻女性/男性商务/亲子家庭等；不确定填『通用』）", - "text_on_image": "图片上出现的可读文字（品牌名/Slogan/产品名等，没有则填『无』）" -} + "visual_style": "整体视觉风格（如简约高端/粉嫩少女/国潮/科技感/家庭温馨/生活方式实拍等）", + "scene": "图片展示场景（如白底棚拍/浴室场景/户外街拍/桌面静物/手持实拍等；纯白底填『白底产品图』）", + "suitable_scenes": ["基于商品类型推断的 2-4 个适用/使用场景，如『家庭日常清洁』『卧室夜间驱蚊』"], + "target_audience": "从商品定位/包装风格推断的目标人群（如『家庭主妇/宝妈』『年轻租房群体』『男性商务人士』；不确定填『无法判断』）", + "selling_points": ["3-6 条可用于短视频营销的卖点（结合视觉+包装文字推断，尽量贴近电商话术）"], + "summary": "识别描述汇总：把上述各维度整合成一段 150-250 字的流畅中文自然段落，像电商详情页的商品介绍，口语化、有画面感，前端会直接展示这段文字" +}""" -严格要求： -1. 任何字段无法确认时填『无法判断』或『未知』，不要猜。 -2. key_features 只能描述图片里肉眼可见的物理外观，不要写『补水保湿』『抗衰老』这类功效词（除非包装上明确印了）。 -3. 如果图片完全不是产品图（比如风景/人像/截图），category 填『非产品图』，name 填实际看到的内容。 -""" +_IMAGE_ANALYSIS_USER_PROMPT = """请分析这张商品图片，按约定 JSON 字段完整输出。重点： +1. name/brand/spec/text_on_package 必须从图片包装上 OCR 读取，不要凭空编造； +2. appearance/packaging 两个字段要具体细致，80-150 字自然语言； +3. summary 字段务必连贯成一段 150-250 字的中文导购描述，方便前端直接展示； +4. 非产品图时 category 填『非产品图』，name 填实际看到的内容，其余字段按需填『无法判断』； +5. 所有无法判断的字段统一填「无法判断」。""" def _vision_fallback(idx: int, reason: str, extra: dict | None = None) -> dict: @@ -174,10 +188,63 @@ def _vision_fallback(idx: int, reason: str, extra: dict | None = None) -> dict: return d -def _step_image_analysis(job: ViralVideoJob) -> dict: - """步骤 1: 图片 VLM 分析 — 识别产品特征、场景、卖点（加 None 防护）。""" +def _analyze_single_image( + idx: int, + img_url: str, + vision_model: str, + timeout: int, +) -> dict: + """单张图片 VLM 分析（线程池并行调用）。失败/None 返回 fallback dict。""" + from packages.shared.ai_service import call_vision + + if not img_url or not isinstance(img_url, str): + return _vision_fallback(idx, "invalid_url") try: - from packages.shared.ai_service import call_vision + result = call_vision( + image_url=img_url, + prompt=_IMAGE_ANALYSIS_USER_PROMPT, + model=vision_model, + max_tokens=1024, + temperature=0.2, + timeout=timeout, + system_prompt=_IMAGE_ANALYSIS_SYSTEM_PROMPT, + ) + if result is None: + logger.warning("[爆款视频] 图片 #%d call_vision 返回 None", idx) + return _vision_fallback(idx, "vision_none") + if isinstance(result, str): + logger.warning("[爆款视频] 图片 #%d VLM 返回非 JSON: %s", idx, result[:200]) + return _vision_fallback(idx, "vision_text", {"_raw": result[:500]}) + if isinstance(result, dict): + result.setdefault("_source", "vision") + result.setdefault("name", "未识别") + result.setdefault("brand", "无法判断") + result.setdefault("category", "无法判断") + result.setdefault("spec", "无法判断") + result.setdefault("appearance", "无法判断") + result.setdefault("packaging", "无法判断") + result.setdefault("text_on_package", []) + result.setdefault("colors", []) + result.setdefault("material_or_texture", "无法判断") + result.setdefault("key_features", []) + result.setdefault("visual_style", "通用") + result.setdefault("scene", "白底产品图") + result.setdefault("suitable_scenes", []) + result.setdefault("target_audience", "无法判断") + result.setdefault("selling_points", []) + result.setdefault("summary", "") + return result + logger.warning("[爆款视频] 图片 #%d VLM 返回意外类型 %s", idx, type(result)) + return _vision_fallback(idx, "vision_unexpected_type") + except Exception as e: + logger.warning("[爆款视频] 图片 #%d 分析失败 err=%s", idx, e, exc_info=True) + return _vision_fallback(idx, "vision_exception", {"_error": str(e)[:200]}) + + +def _step_image_analysis(job: ViralVideoJob) -> dict: + """步骤 1: 图片 VLM 分析 — 识别产品特征（v1.6 优化：并行 + lite 模型提速）。""" + try: + from packages.shared.ai_service import call_vision # noqa: F401 except ImportError: logger.warning("[爆款视频] ai_service.call_vision 不可用，使用占位结果") return {"products": [_vision_fallback(0, "fallback_import_error")]} @@ -186,36 +253,36 @@ def _step_image_analysis(job: ViralVideoJob) -> dict: logger.warning("[爆款视频] 任务无 images，跳过图片分析") return {"products": []} - results = [] - for idx, img_url in enumerate(job.images): - if not img_url or not isinstance(img_url, str): - logger.warning("[爆款视频] 图片 #%d URL 非法", idx) - results.append(_vision_fallback(idx, "invalid_url")) - continue - logger.info("[爆款视频] 图片分析 #%d img=%s", idx, img_url[:160]) - try: - result = call_vision(image_url=img_url, prompt=_IMAGE_ANALYSIS_PROMPT) - if result is None: - logger.warning("[爆款视频] 图片 #%d call_vision 返回 None", idx) - results.append(_vision_fallback(idx, "vision_none")) - elif isinstance(result, str): - # VLM 返回了非 JSON 文本（JSON 解析失败），记录原始文本但不要让 None 传播 - logger.warning("[爆款视频] 图片 #%d VLM 返回非 JSON 文本: %s", idx, result[:200]) - results.append(_vision_fallback(idx, "vision_text", {"_raw": result[:500]})) - elif isinstance(result, dict): - result.setdefault("_source", "vision") - # 防御：关键字段缺失则补默认 - result.setdefault("name", "未识别") - result.setdefault("category", "无法判断") - result.setdefault("key_features", []) - result.setdefault("scene", "通用") - results.append(result) - else: - logger.warning("[爆款视频] 图片 #%d VLM 返回意外类型 %s", idx, type(result)) - results.append(_vision_fallback(idx, "vision_unexpected_type")) - except Exception as e: - logger.warning("[爆款视频] 图片分析失败 img=%s err=%s", img_url[:120], e, exc_info=True) - results.append(_vision_fallback(idx, "vision_exception", {"_error": str(e)[:200]})) + # 选择视觉模型：lite 速度优先（doubao_vision_use_lite=True 默认），pro 备用 + try: + _s = get_shared_settings() + vision_model = _s.doubao_vision_lite_model if _s.doubao_vision_use_lite else _s.doubao_vision_model + vision_timeout = 30 if _s.doubao_vision_use_lite else 60 + except Exception: + vision_model = "doubao-1-5-vision-lite-250915" + vision_timeout = 30 + + results: list[dict] = [None] * len(job.images) # type: ignore + max_workers = min(4, max(1, len(job.images))) + logger.info( + "[爆款视频] 开始并行图片分析 n=%d model=%s timeout=%d workers=%d", + len(job.images), + vision_model, + vision_timeout, + max_workers, + ) + with ThreadPoolExecutor(max_workers=max_workers) as pool: + future_to_idx = { + pool.submit(_analyze_single_image, idx, url, vision_model, vision_timeout): idx + for idx, url in enumerate(job.images) + } + for fut in as_completed(future_to_idx): + idx = future_to_idx[fut] + try: + results[idx] = fut.result() + except Exception as e: + logger.warning("[爆款视频] 图片 #%d future 异常 err=%s", idx, e, exc_info=True) + results[idx] = _vision_fallback(idx, "future_exception", {"_error": str(e)[:200]}) return {"products": results} @@ -319,6 +386,7 @@ _SCRIPT_GENERATION_PROMPT = """你是一名资深短视频导演，擅长为 AI - 画幅比例：{ratio} - 产品图片数量：{n_images} 张（将作为 reference_images 传给视频模型，第1张通常作为首帧/主产品图） - 参考风格（可选）：{style_hint} +- 爆款结构（用户指定，必须严格遵循）：{viral_structure_block} ## 任务 请撰写**一段完整的编导分镜脚本**，包含视频总览、场景光线、逐镜头时间轴、硬性约束、负面提示词，以及自然口语化的口播对白。 @@ -371,10 +439,13 @@ _SCRIPT_GENERATION_PROMPT = """你是一名资深短视频导演，擅长为 AI 5. **时长控制**：所有 shots 的 time_range 加起来必须等于 {duration} 秒，单镜 2-8 秒。 6. **硬性约束和负面词必须包含**：不要删减，可根据产品类型追加。 7. **voiceover_script 必须是纯口播文本**：不含任何标记、括号、说明，字数按中文每秒 3-4 字估算（{duration}秒约{approx_chars}字）。 +8. **严格遵循爆款结构**：如果上方「爆款结构」字段不为「未指定」，必须严格按该结构的节奏/段落顺序编排文案与镜头，开场钩子、痛点、反转、案例、行动号召等节点要与结构对应，不要打乱顺序。 """ def _build_products_summary(image_analysis: dict) -> str: + """把 VLM 返回的商品分析结果拼给文案/分镜生成 prompt 用。 + 优先用 summary（自然段落）；没有时用结构化字段兜底拼一段。""" products = (image_analysis or {}).get("products", []) or [] if not products: return "- （无图片信息，请自由创作自然生活化场景）" @@ -383,34 +454,60 @@ def _build_products_summary(image_analysis: dict) -> str: if not isinstance(p, dict): continue name = p.get("name") or "产品" + # 优先 VLM 生成的 summary 段（自然语言，给编导模型看效果最好） + summary = (p.get("summary") or "").strip() + if summary and len(summary) >= 30: + lines.append(f"- 图{i+1} {name}：{summary}") + continue + # 结构化字段兜底 brand = p.get("brand") or "" cat = p.get("category") or "" + spec = p.get("spec") or "" + appearance = p.get("appearance") or "" + packaging = p.get("packaging") or "" colors = p.get("colors") or [] mat = p.get("material_or_texture") or "" style = p.get("visual_style") or "" scene = p.get("scene") or "" - audience = p.get("target_audience_hint") or "" - text_on_img = p.get("text_on_image") or "" + audience = p.get("target_audience") or p.get("target_audience_hint") or "" + # text_on_package 可能是数组（新格式）或字符串（旧格式） + text_list = p.get("text_on_package") or [] + if isinstance(text_list, str): + text_on_img = text_list + else: + text_on_img = "；".join([str(x) for x in text_list[:8]]) if text_list else (p.get("text_on_image") or "") feats = p.get("key_features") or p.get("features") or [] + sellings = p.get("selling_points") or [] + scenes = p.get("suitable_scenes") or [] parts = [f"图{i+1} {name}"] if brand and brand not in ("未知", "无法判断"): parts.append(f"品牌={brand}") if cat and cat not in ("无法判断", "非产品图"): parts.append(f"品类={cat}") + if spec and spec != "无法判断": + parts.append(f"规格={spec}") + if appearance and appearance != "无法判断": + parts.append(f"外观={appearance}") + if packaging and packaging != "无法判断": + parts.append(f"包装={packaging}") if colors: parts.append(f"颜色={','.join(colors)}") - if mat and mat not in ("无法判断",): + if mat and mat != "无法判断": parts.append(f"材质={mat}") if style: parts.append(f"风格={style}") if scene and scene not in ("通用",): - parts.append(f"场景={scene}") - if audience and audience != "通用": + parts.append(f"展示场景={scene}") + if scenes: + parts.append(f"适用场景={','.join([str(x) for x in scenes[:4]])}") + if audience and audience not in ("通用", "无法判断"): parts.append(f"目标人群={audience}") if text_on_img and text_on_img not in ("无",): - parts.append(f"图片文字={text_on_img}") + parts.append(f"包装文字={text_on_img[:300]}") if feats: parts.append("外观特征=" + "；".join([str(x) for x in feats[:6]])) + if sellings: + parts.append("营销卖点=" + "；".join([str(x) for x in sellings[:5]])) lines.append("- " + "，".join(parts)) return "\n".join(lines) @@ -594,6 +691,13 @@ def _step_script_generation(job: ViralVideoJob, intent: dict, image_analysis: di intent_str = "推广产品" tone = "亲切自然" + # 爆款结构：用户在 STEP1/STEP2 选的中文结构名，必须严格注入 prompt 指导 AI 编排 + _vs = (job.viral_structure or "").strip() + if _vs: + viral_structure_block = f"【{_vs}】—— 请严格按照这个爆款结构的节奏/段落顺序编排镜头、台词和情绪节点（开场钩子、痛点、反转、案例、行动号召等按结构走），不要打乱顺序" + else: + viral_structure_block = "未指定（自由编排，但仍需有钩子开头+产品展示+行动号召的基本节奏）" + prompt = _SCRIPT_GENERATION_PROMPT.format( products_summary=products_summary, intent=intent_str, @@ -606,6 +710,7 @@ def _step_script_generation(job: ViralVideoJob, intent: dict, image_analysis: di n_images=len(job.images or []), style_hint=style_hint, approx_chars=approx_chars, + viral_structure_block=viral_structure_block, ) try: diff --git a/packages/config/base.py b/packages/config/base.py index 0a957e30e..5db4582e9 100755 --- a/packages/config/base.py +++ b/packages/config/base.py @@ -94,7 +94,9 @@ class SharedSettings(BaseSettings): doubao_base_url: str = "https://ark.cn-beijing.volces.com/api/v3" doubao_timeout: int = 30 doubao_max_retries: int = 2 - doubao_vision_model: str = "doubao-1-5-vision-pro-250915" + doubao_vision_model: str = "doubao-1-5-vision-pro-250915" # 高精度视觉（备用） + doubao_vision_lite_model: str = "doubao-1-5-vision-lite-250915" # 快速视觉（商品识别默认，速度优先） + doubao_vision_use_lite: bool = True # viral-video 图片分析默认用 lite 提速 doubao_embedding_model: str = "doubao-embedding-large-text-240915" doubao_video_model: str = "doubao-seedance-2-5-260628" doubao_video_timeout: int = 600 # 视频生成轮询总超时（秒） diff --git a/packages/shared/ai_client.py b/packages/shared/ai_client.py index 4b41d26de..62193a8f7 100755 --- a/packages/shared/ai_client.py +++ b/packages/shared/ai_client.py @@ -40,6 +40,7 @@ class DoubaoClient: self.timeout: int = settings.doubao_timeout self.max_retries: int = settings.doubao_max_retries self.vision_model: str = settings.doubao_vision_model + self.vision_lite_model: str = settings.doubao_vision_lite_model def embed_text(self, text: str, timeout: int | None = None) -> list[float] | None: """调用豆包文本 Embedding API，返回浮点向量；失败返回 None。""" @@ -154,6 +155,7 @@ class DoubaoClient: max_tokens: int = 2048, temperature: float = 0.3, timeout: int | None = None, + model: str | None = None, ) -> Optional[str]: """调用豆包视觉理解 API（OpenAI 兼容多模态格式）. @@ -204,7 +206,7 @@ class DoubaoClient: "Content-Type": "application/json", } payload: dict[str, Any] = { - "model": self.vision_model, + "model": model or self.vision_model, "messages": vision_messages, "temperature": temperature, "max_tokens": max_tokens, diff --git a/packages/shared/ai_service.py b/packages/shared/ai_service.py index 65809c641..602144597 100755 --- a/packages/shared/ai_service.py +++ b/packages/shared/ai_service.py @@ -514,14 +514,26 @@ def call_llm(prompt: str, temperature: float = 0.7) -> object: return raw -def call_vision(image_url: str, prompt: str) -> object: +def call_vision( + image_url: str, + prompt: str, + *, + model: str | None = None, + max_tokens: int = 1024, + temperature: float = 0.2, + timeout: int = 45, + system_prompt: str | None = None, +) -> object: """调用豆包视觉大模型分析图片，返回解析后的 JSON 或原文字符串；失败返回 None。 - Bug #2114 (VLM 牛头不对马嘴根因修复): - 之前误走 client.chat_completion(用文本模型 doubao-seed-1.6)，多模态 content list 被当成 - 纯文本发给文本模型 → 模型要么看不到图、要么抛 400，静默被 except 吞掉 → 返回 None → - _step_image_analysis fallback 到 {"name":"未识别"} → 后续文案/分镜完全没图的信息。 - 现改走 vision_completion，走视觉模型 doubao-1-5-vision-pro-250915。 + Args: + image_url: 可公网访问的图片 URL（直接传给豆包视觉模型，无需本地下载）。 + prompt: 用户侧文本提示。 + model: 覆盖默认视觉模型（如 vision_lite_model 提速用），None 走配置默认。 + max_tokens: 输出上限，商品识别用 800~1200 足够，避免长输出拖慢首 token。 + temperature: 温度。 + timeout: 单次请求超时（秒）。 + system_prompt: 覆盖默认 system prompt（viral-video 商品分析会传专门的详细 prompt）。 """ client = get_doubao_client() if not client.is_available: @@ -531,28 +543,33 @@ def call_vision(image_url: str, prompt: str) -> object: logger.warning("[call_vision] 空 image_url，跳过视觉分析") return None - system_prompt = ( - "你是资深电商视觉分析师。请严格基于用户提供的图片观察回答，" - "图片里没有的信息不要凭空想象或编造；看不清或无法判断时明确说" - "「图片中无法判断」，不要猜测。输出必须是严格 JSON，不要附加 Markdown 或解释文字。" - ) + if system_prompt is None: + system_prompt = ( + "你是资深电商视觉分析师。请严格基于用户提供的图片观察回答，" + "图片里没有的信息不要凭空想象或编造；看不清或无法判断时明确说" + "「无法判断」，不要猜测。输出必须是严格 JSON，不要附加 Markdown 或解释文字。" + ) messages = [ {"role": "system", "content": system_prompt}, {"role": "user", "content": prompt}, ] + used_model = model or getattr(client, "vision_model", "?") logger.info( - "[call_vision] 调用豆包视觉模型 vision_model=%s image_url=%s prompt_len=%d", - getattr(client, "vision_model", "?"), + "[call_vision] 调用豆包视觉模型 model=%s image_url=%s prompt_len=%d max_tokens=%d timeout=%d", + used_model, image_url[:120], len(prompt), + max_tokens, + timeout, ) raw = client.vision_completion( messages=messages, images=[image_url], - temperature=0.2, - max_tokens=2048, - timeout=60, + temperature=temperature, + max_tokens=max_tokens, + timeout=timeout, + model=model, ) if raw is None: logger.warning("[call_vision] 视觉模型返回 None (image_url=%s)", image_url[:80]) diff --git a/scripts/render_env.sh b/scripts/render_env.sh index 47c5ed845..c6609e4de 100644 --- a/scripts/render_env.sh +++ b/scripts/render_env.sh @@ -57,7 +57,7 @@ if [ "$TARGET_ENV" = "staging" ]; then fi # 共用 secrets 直接导出（如果存在） -SHARED_SECRETS="OSS_ACCESS_KEY_ID OSS_ACCESS_KEY_SECRET COSYVOICE_API_KEY DASHSCOPE_API_KEY MEDIAKIT_API_KEY DOUBAO_API_KEY DOUBAO_MODEL DOUBAO_BASE_URL DOUBAO_VISION_MODEL WECHAT_APP_ID WECHAT_APP_SECRET TIKHUB_API_KEY APIZERO_API_KEY GPU_WORKER_TOKEN" +SHARED_SECRETS="OSS_ACCESS_KEY_ID OSS_ACCESS_KEY_SECRET COSYVOICE_API_KEY DASHSCOPE_API_KEY MEDIAKIT_API_KEY DOUBAO_API_KEY DOUBAO_MODEL DOUBAO_BASE_URL DOUBAO_VISION_MODEL DOUBAO_VISION_LITE_MODEL DOUBAO_VISION_USE_LITE WECHAT_APP_ID WECHAT_APP_SECRET TIKHUB_API_KEY APIZERO_API_KEY GPU_WORKER_TOKEN" for var in $SHARED_SECRETS; do value="${!var:-}" # 已经在环境中了，无需额外操作 diff --git a/tests/unit/test_2035_coverage.py b/tests/unit/test_2035_coverage.py index dd5077d37..c60638e4d 100644 --- a/tests/unit/test_2035_coverage.py +++ b/tests/unit/test_2035_coverage.py @@ -18,6 +18,8 @@ class _FakeSettings: doubao_timeout = 10 doubao_max_retries = 0 doubao_vision_model = "test-vision" + doubao_vision_lite_model = "test-vision-lite" + doubao_vision_use_lite = False doubao_embedding_model = "test-embedding" diff --git a/tests/unit/test_health_routes.py b/tests/unit/test_health_routes.py index e41b1fdd2..d89e461bb 100644 --- a/tests/unit/test_health_routes.py +++ b/tests/unit/test_health_routes.py @@ -44,7 +44,7 @@ class TestCheckDatabase: assert result["type"] == "postgresql" assert result["message"] == "Database connection successful" mock_psycopg.connect.assert_called_once_with( - "postgresql+psycopg://test:test@localhost/test", connect_timeout=3 + "postgresql://test:test@localhost/test", connect_timeout=3 ) mock_cur.execute.assert_called_once_with("SELECT 1") mock_conn.close.assert_called_once() @@ -96,7 +96,7 @@ class TestCheckMigrations: assert result["status"] == "healthy" assert result["message"] == "Database migrations applied" mock_psycopg.connect.assert_called_once_with( - "postgresql+psycopg://test:test@localhost/test", connect_timeout=3 + "postgresql://test:test@localhost/test", connect_timeout=3 ) mock_conn.close.assert_called_once()