(all)：增加桌面程序

2026-05-30 12:51:19 +08:00
parent 86abeeb5cc
commit 1790b496b3
39 changed files with 9167 additions and 185 deletions
@@ -22,10 +22,10 @@ from modules.ui.tab_knowledge import render_tab_knowledge
 from modules.ui.state import ss_init, init_session_state
 from modules.ui.theme import inject_global_theme

-APP_TITLE = "GEO 智能内容优化平台"
+APP_TITLE = "丑橘GEO内容优化平台"

 # ------------------- 页面配置 & 极简美学 CSS（产品级精修，仍然克制） -------------------
-st.set_page_config(page_title="GEO 智能内容优化平台", layout="wide", initial_sidebar_state="expanded")
+st.set_page_config(page_title="丑橘GEO内容优化平台", layout="wide", initial_sidebar_state="collapsed")

 inject_global_theme()
 init_session_state()
@@ -62,62 +62,8 @@ def record_api_cost(operation_type: str, provider: str, model: str, input_text:
        import logging
        logging.warning(f"记录 API 成本失败: {e}")

-with st.expander("📖 关于 GEO（Generative Engine Optimization）", expanded=False):
-    st.markdown("""
-### 🎯 什么是 GEO？

-**GEO（Generative Engine Optimization，生成式引擎优化）** 是针对 AI 搜索引擎的内容优化策略。
-
-传统 SEO 优化的是 Google、百度等传统搜索引擎的排名；而 GEO 优化的是 ChatGPT、Perplexity、Google SGE 等 AI 搜索引擎在回答用户问题时，**是否会引用您的品牌和内容**。
-
-### 💡 为什么需要 GEO？
-
-当用户向 AI 提问时（例如"最好的 XX 软件是什么？"），AI 会从互联网内容中检索信息并生成回答。如果您的品牌没有出现在 AI 可检索的高质量内容中，就会在 AI 时代失去曝光机会。
-
-**GEO 的目标**：让您的品牌在 AI 回答中被优先、准确、可信地提及。
-
---
-
-### 🔄 GEO 优化工作流
-
-本工具提供完整的 GEO 优化闭环：
-
-| 阶段 | 功能 | 说明 |
-|------|------|------|
-| 1️⃣ 关键词策略 | 关键词蒸馏 | 生成针对 AI 搜索的口语化、长尾关键词 |
-| 2️⃣ 内容创作 | 自动创作 | 基于知识库生成结构化、专业的内容 |
-| 3️⃣ 内容优化 | 文章优化 | E-E-A-T 强化、事实密度增强、Schema 生成 |
-| 4️⃣ 效果验证 | 多模型验证 | 用多个 AI 模型验证品牌是否被提及 |
-| 5️⃣ 数据分析 | AI 数据报表 | 提及率趋势、ROI 分析、竞品对比 |
-| 6️⃣ 内容分发 | 平台同步 | 多平台发布，扩大 AI 可检索内容 |
-
---
-
-### 📊 GEO 核心指标
-
-| 指标 | 说明 |
-|------|------|
-| **品牌提及率** | AI 回答中提及品牌的频率 |
-| **E-E-A-T 评分** | 专业性、经验性、权威性、可信度 |
-| **事实密度** | 内容中可验证信息的密度 |
-| **引用位置** | 品牌在 AI 回答中的位置（前 1/3 优先） |
-
---
-
-### 🌐 支持平台
-
-**内容发布平台（20+）**：知乎、小红书、CSDN、B站、GitHub、微信公众号等
-
-**AI 验证平台（7）**：DeepSeek、OpenAI、通义千问、Groq、Moonshot、豆包、文心一言
-
---
-
-### 📚 更多资源
-
- [GEO 学术论文](https://arxiv.org/abs/2311.09735) - GEO 原始研究
- [项目文档](DOCS.md) - 完整功能文档
- [快速开始](docs/guides/QUICK_START_GUIDE.md) - 新手入门指南
-""")
+# =================== 函数定义：配置管理（在 expander 之前定义，因为 expander 内使用了它们） ===================

 def load_default_cfg():
    """
@@ -153,7 +99,6 @@ def load_default_cfg():
    # 从 st.secrets 读取敏感信息（优先级更高）
    try:
        if hasattr(st, 'secrets') and st.secrets:
-            # 读取 API Keys
            if "api_keys" in st.secrets:
                api_keys = st.secrets["api_keys"]
                if "deepseek" in api_keys and api_keys["deepseek"]:
@@ -161,15 +106,13 @@ def load_default_cfg():
                    base_cfg["verify_keys"]["DeepSeek"] = api_keys["deepseek"]
                if "tongyi_wanxiang" in api_keys and api_keys["tongyi_wanxiang"]:
                    base_cfg["tongyi_wanxiang_api_key"] = api_keys["tongyi_wanxiang"]
-            
-            # 读取应用配置（如果存在）
+
            if "app_config" in st.secrets:
                app_config = st.secrets["app_config"]
                for key in ["brand", "advantages", "competitors", "temperature"]:
                    if key in app_config and app_config[key]:
                        base_cfg[key] = app_config[key]
    except FileNotFoundError:
-        # secrets.toml 不存在时静默忽略，用户可通过侧边栏配置
        pass
    except Exception as e:
        import logging
@@ -180,9 +123,14 @@ def load_default_cfg():

 def save_cfg_to_file(cfg: dict) -> None:
    """
-    将当前生效的非敏感配置写入本地 config.json。
-    敏感信息（API Keys）不会保存到此文件，仅保存到 .streamlit/secrets.toml。
+    将配置持久化到本地文件：
+    - 非敏感配置 → config.json
+    - API Keys + 品牌信息 → .streamlit/secrets.toml
    """
+    import tomllib
+    import tomli_w  # type: ignore
+
+    # ── 1. 非敏感配置 → config.json ──
    config_path = Path(__file__).with_name("config.json")
    try:
        data = {}
@@ -194,50 +142,132 @@ def save_cfg_to_file(cfg: dict) -> None:
                    data.update(loaded)
            except Exception as e:
                import logging
-                logging.warning(f"读取配置文件失败: {e}")
+                logging.warning(f"读取 config.json 失败: {e}")
                data = {}
-        
-        # 只保存非敏感配置
-        sensitive_keys = {"gen_api_key", "verify_keys", "tongyi_wanxiang_api_key"}
+
        for key in ["gen_provider", "verify_providers", "brand", "advantages", "competitors", "temperature"]:
            if key in cfg:
                data[key] = cfg[key]
-        
+
        with config_path.open("w", encoding="utf-8") as f:
            json.dump(data, f, ensure_ascii=False, indent=2)
-        
-        # 提示用户如何保存 API Keys
-        if any(key in cfg for key in sensitive_keys):
-            try:
-                st.info("💡 API Keys 需要在 `.streamlit/secrets.toml` 文件中手动配置。")
-            except Exception:
-                pass
-                
+
    except Exception as e:
        import logging
-        logging.error(f"保存配置文件失败: {e}")
+        logging.error(f"保存 config.json 失败: {e}")
+
+    # ── 2. API Keys + 品牌信息 → .streamlit/secrets.toml ──
+    secrets_path = Path(__file__).parent / ".streamlit" / "secrets.toml"
+    try:
+        # 读取现有的 secrets.toml（如果存在）
+        existing = {}
+        if secrets_path.exists():
+            try:
+                with secrets_path.open("rb") as f:
+                    existing = tomllib.load(f)
+            except Exception:
+                existing = {}
+
+        # 构建新的 api_keys 段
+        new_api_keys = existing.get("api_keys", {})
+
+        # gen_api_key → deepseek
+        if "gen_api_key" in cfg and cfg["gen_api_key"]:
+            new_api_keys["deepseek"] = cfg["gen_api_key"]
+
+        # verify_keys → 各 provider 的 key
+        verify_keys = cfg.get("verify_keys", {})
+        provider_map = {
+            "DeepSeek": "deepseek",
+            "OpenAI (GPT)": "openai",
+            "Groq": "groq",
+            "Moonshot (Kimi)": "moonshot",
+            "Tongyi (通义千问)": "tongyi",
+            "豆包（字节跳动）": "doubao",
+            "文心一言（百度）": "wenxin",
+        }
+        for display_name, key_name in provider_map.items():
+            if display_name in verify_keys and verify_keys[display_name]:
+                new_api_keys[key_name] = verify_keys[display_name]
+
+        # tongyi_wanxiang_api_key
+        if "tongyi_wanxiang_api_key" in cfg and cfg["tongyi_wanxiang_api_key"]:
+            new_api_keys["tongyi_wanxiang"] = cfg["tongyi_wanxiang_api_key"]
+
+        # 构建新的 app_config 段
+        new_app_config = existing.get("app_config", {})
+        for key in ["brand", "advantages", "competitors"]:
+            if key in cfg and cfg[key]:
+                new_app_config[key] = cfg[key]
+        if "temperature" in cfg:
+            new_app_config["temperature"] = cfg["temperature"]
+
+        # 写出 TOML
+        secrets_path.parent.mkdir(parents=True, exist_ok=True)
+        with secrets_path.open("wb") as f:
+            content = {"api_keys": new_api_keys, "app_config": new_app_config}
+            tomli_w.dump(content, f)
+
+    except ImportError:
+        # tomli_w 未安装 — 回退到手动写 TOML 字符串
+        _save_secrets_fallback(secrets_path, cfg)
+    except Exception as e:
+        import logging
+        logging.error(f"保存 secrets.toml 失败: {e}")
        try:
-            st.warning("⚠️ 无法将配置写入本地 config.json，但当前会话已生效。请检查文件权限。")
+            st.warning("⚠️ 无法将 API Key 写入 .streamlit/secrets.toml，但当前会话已生效。")
        except Exception:
            pass


-ss_init("cfg", load_default_cfg())
+def _save_secrets_fallback(secrets_path: Path, cfg: dict) -> None:
+    """tomli_w 不可用时的纯文本备选方案"""
+    try:
+        secrets_path.parent.mkdir(parents=True, exist_ok=True)

-# 模块1：关键词（补充 init_session_state 中未包含的）
-ss_init("keyword_tool", KeywordTool())  # 托词工具实例
+        lines = ["# Streamlit Secrets（自动保存）\n"]
+
+        lines.append("\n[api_keys]\n")
+        if cfg.get("gen_api_key"):
+            lines.append(f'deepseek = "{cfg["gen_api_key"]}"\n')
+
+        verify_keys = cfg.get("verify_keys", {})
+        provider_map = {
+            "DeepSeek": "deepseek",
+            "OpenAI (GPT)": "openai",
+            "Groq": "groq",
+            "Moonshot (Kimi)": "moonshot",
+            "Tongyi (通义千问)": "tongyi",
+            "豆包（字节跳动）": "doubao",
+            "文心一言（百度）": "wenxin",
+        }
+        for display_name, key_name in provider_map.items():
+            if display_name in verify_keys and verify_keys[display_name]:
+                lines.append(f'{key_name} = "{verify_keys[display_name]}"\n')
+
+        if cfg.get("tongyi_wanxiang_api_key"):
+            lines.append(f'tongyi_wanxiang = "{cfg["tongyi_wanxiang_api_key"]}"\n')
+
+        lines.append("\n[app_config]\n")
+        for key in ["brand", "advantages", "competitors"]:
+            if cfg.get(key):
+                lines.append(f'{key} = "{cfg[key]}"\n')
+        if "temperature" in cfg:
+            lines.append(f"temperature = {cfg['temperature']}\n")
+
+        with secrets_path.open("w", encoding="utf-8") as f:
+            f.writelines(lines)
+
+    except Exception as e:
+        import logging
+        logging.error(f"保存 secrets.toml（备选方案）失败: {e}")

-# 模块2：内容（补充 init_session_state 中未包含的）
-ss_init("multimodal_descriptions", {})  # 多模态描述（配图描述、视频脚本等）
-ss_init("image_descriptions", [])  # 图片描述列表
-ss_init("detail_tab_active", "🎨 增强工具")  # 保存当前激活的详情Tab

-# ------------------- 工具函数 -------------------
 def validate_cfg(cfg: dict):
    """验证配置完整性，返回 (是否有效, 错误列表)。"""
    errors = []
    warnings = []
-    
+
    if not cfg.get("gen_api_key", "").strip():
        errors.append("生成&优化 LLM 的 API Key 未填写")

@@ -249,7 +279,7 @@ def validate_cfg(cfg: dict):
    for vp in verify_providers:
        if not verify_keys.get(vp, "").strip():
            errors.append(f"验证模型 {vp} 的 API Key 未填写")
-    
+
    if not cfg.get("brand", "").strip():
        warnings.append("品牌名称未填写（部分功能需要）")
    if not cfg.get("advantages", "").strip():
@@ -258,28 +288,12 @@ def validate_cfg(cfg: dict):
    return (len(errors) == 0), errors + warnings


-def model_defaults(provider: str) -> str:
-    from modules.llm_factory import get_default_model
-    return get_default_model(provider)
+# 初始化默认配置（要在 expander 之前，因为 expander 内访问了 cfg）
+ss_init("cfg", load_default_cfg())

-
-# ------------------- 缓存 LLM 客户端（显著降低“频繁 Loading”） -------------------
-@st.cache_resource(show_spinner=False)
-def build_llm(provider: str, api_key: str, model: str, temperature: float):
-    """
-    - 使用 cache_resource 缓存客户端，避免每次 rerun 重建
-    - 统一使用 llm_factory 模块构建 LLM
-    """
-    from modules.llm_factory import build_llm as _build_llm
-    return _build_llm(provider, api_key, model, temperature)
-
-
-# ------------------- 侧边栏：全局配置（分组折叠） -------------------
-with st.sidebar:
-    st.header("⚙️ 全局配置")
+with st.expander("配置", expanded=False):
    
-    # LLM 配置组
-    with st.expander("🤖 LLM 配置", expanded=True):
+    with st.expander("LLM 配置", expanded=True):
        PROVIDER_LIST = ["DeepSeek", "OpenAI (GPT)", "Tongyi (通义千问)", "Groq", "Moonshot (Kimi)", "豆包（字节跳动）", "文心一言（百度）"]
        
        gen_provider = st.selectbox(
@@ -423,6 +437,28 @@ with st.sidebar:

    st.caption("闭环：关键词 → 创作 → 优化 → 验证")

+
+
+
+
+def model_defaults(provider: str) -> str:
+    from modules.llm_factory import get_default_model
+    return get_default_model(provider)
+
+
+# ------------------- 缓存 LLM 客户端（显著降低“频繁 Loading”） -------------------
+@st.cache_resource(show_spinner=False)
+def build_llm(provider: str, api_key: str, model: str, temperature: float):
+    """
+    - 使用 cache_resource 缓存客户端，避免每次 rerun 重建
+    - 统一使用 llm_factory 模块构建 LLM
+    """
+    from modules.llm_factory import build_llm as _build_llm
+    return _build_llm(provider, api_key, model, temperature)
+
+
+# ------------------- 侧边栏：全局配置（分组折叠） -------------------
+
 cfg = st.session_state.cfg
 brand = cfg["brand"]
 advantages = cfg["advantages"]
@@ -620,4 +656,4 @@ with tab10:
 with tab11:
    render_tab_knowledge(kb)

-st.caption("最完整版：GitHub模板 + 真实多模型验证 + 现有文章优化 + RAG知识库 • GEO全闭环，专注AI品牌影响力")
+st.caption("一站式GEO优化平台｜ 多模型验证 + 文章优化 + RAG知识库 • GEO全闭环，专注AI品牌影响力")