Skip to content

Michael-L340/Ai_agent

BranchesTags

Repository files navigation

AI Invest Agent (Brave + Bocha 双源版 MVP)

这是一个适合笔试演示的最小可用版本，目标是：

  • 7x24 自动扫描 AI Agent 安全公司线索
  • 用 Brave + Bocha 双源做检索
  • 经过 Planner -> Searching -> DD -> Scoring -> Interaction 的完整流程

0. 交互 Agent 手册

如果后续要换一个新的交互 agent 聊天框来接管系统，请优先阅读：

这份手册会说明：

  • 应该通过哪些 API/命令与系统交互
  • 如何判断一轮是否真的成功
  • 失败时该如何解释
  • 哪些字段可以展示给人类
  • 当前已验证通过、部分通过、未通过的能力边界

1. 架构说明（已实现）

  1. Interaction Agent
  • 唯一对外入口（接收指令、接收反馈、输出推荐）
  • 统一对外输出到 webhook 或 outbox
  • 现在也支持 OpenClaw 的专用 webhook 入口
  • 还能记录“某字段不是公司名”以及“某字段对应的标准公司名”这类纠错记忆，后续主体核验会优先参考
  • 推荐列表、线索列表、DD/完整分析会优先展示 display_name
  • pending_review 和 rejected 对象不会进入正式推荐池
  1. Planner Agent
  • 长期记忆：赛道、关键词、负面过滤词、渠道开关
  • 短期记忆：每天读取日报策略（默认 \AI_Agent\data\daily_strategy.txt）
  • 反馈学习：根据人类反馈更新偏好和渠道开关
  • 记忆压缩：定期去重压缩
  • 现在已升级成四层 memory schema：
    • planner_long_memory：sub_sectors、signal_dictionary、negative_filters、source_policy、human_preferences、version
    • planner_short_memory：emerging_themes、priority、keywords、source_suggestions、days_active、promote_candidate
    • planner_feedback_memory：feedback_type、target、value、status
    • planner_compaction：promoted_themes、decayed_themes、merged_topics、archived_preferences
  • 现有 run_full_cycle 不需要改入口，planner 会在内部通过 memory manager 读写这四层结构
  • planner 现在会读取最近 N 天的：
    • daily strategy
    • conversation messages
    • signal logs
    • human feedback
  • 然后生成新的 emerging_themes，并为每个 theme 计算：
    • recency_score
    • source_diversity_score
    • commercial_signal_score
    • human_preference_score
    • new_theme_score
  • theme 会自动附带 source_suggestions 和 promotion_reason
  • 满足规则的 theme 会在 compaction 时晋升到 long_memory.sub_sectors
  • planner 现在还支持结构化 feedback merge，支持以下 feedback_type：
    • prefer_topic
    • pause_source
    • resume_source
    • boost_signal
    • deprioritize_pattern
    • promote_theme
    • reject_theme
  • 在生成 search plan 之前，planner 会先 merge 最新反馈，再生成：
    • queries
    • channel_status
    • negative_filters
    • sensitive_keywords
    • human_preferences
    • source_suggestions
  • compaction 现在会输出并持久化：
    • promoted_themes
    • decayed_themes
    • merged_topics
    • archived_preferences
    • source_policy_changes
  • planner 的反馈事件和压缩结果现在都可追踪、可审计
  1. Searching Agents
  • brave_search_agent
  • bocha_search_agent
  • 按 Planner 的 query 检索并做主体识别（LLM/规则）
  • leads 汇总到一个主表
  • lead 会同时保留 raw_title、candidate_name、normalized_name 和 display_name
  • 对 verified + company 的对象，display_name 会优先等于 normalized_name
  • 原始标题只做追溯和辅助显示，不再作为推荐主名称
  • MVP_MODE=true 时，entity verification 额外支持 likely_company
    • verified：强证据公司
    • likely_company：看起来像公司，但证据还不完整
    • pending_review：不确定
    • rejected：明显不是公司
  • 在 MVP 模式下，只要候选名存在、标题/摘要与 AI security / agent security / GenAI security 相关、且不是内容页/榜单页/guide/report/GitHub/单个泛词主体，就允许先进入 likely_company
  1. DD Agent
  • 对 leads 补充业务、团队、融资、进展、行业地位
  • 输出五维结构化 DD：business_profile、team_profile、funding_profile、traction_profile、market_position
  • 每个维度都带 fields、evidence、missing_fields、confidence
  • dd_overall 里会记录 dd_status、completeness_score、source_hits、missing_dimensions
  • 双源规则：brave + bocha 都有有效信息 -> 高置信；否则待复核
  • 在同一轮 full cycle 里，search 阶段产出 lead 之后，会立刻处理这些尚未完成 DD 的 lead；历史未处理的 lead 仍会在全流程里批量补扫
  • MVP_MODE=true 时，DD 对 likely_company 也会继续执行
    • 信息不完整时优先生成 dd_partial
    • 缺失字段会进入 missing_fields
    • 只有主体冲突特别严重时才会进入 dd_waiting_human
  1. Scoring Agent
  • 可解释的多维评分系统，直接消费 DD 的五维结构化结果
  • 评分策略支持 human feedback 轻量更新：like、dislike、skip、wrong_entity、prefer_sector
  • ScoringPolicy 会把权重、boost_rules、penalty_rules 和变更事件一起落库，后续评分会读取最新 policy
  • 分项评分包含：
    • business_score
    • team_score
    • funding_score
    • traction_score
    • market_score
    • thesis_fit_score
    • evidence_score
  • 先算 raw_score，再乘 confidence_multiplier，最后减去 penalty_score 得到 final_score
  • 现在的最终公式是：
    • final_score = raw_score * confidence_multiplier - penalty_score + boost_score
  • recommendation_band 分为：
    • Strong Recommend
    • Recommend
    • Watchlist
    • Track Only
    • Reject
  • band 阈值现在固定为：
    • Strong Recommend: >= 90
    • Recommend: 82–89
    • Watchlist: 75–81
    • Track Only: 60–74
    • Reject: < 60
  • thesis_fit_score 已拆成 5 个可解释子项：
    • long_memory_match
    • short_theme_match
    • keyword_match
    • commercial_signal_match
    • human_preference_match
  • formal recommendation 保留硬门槛：
    • entity_type == company
    • verification_status == verified
    • source_hits >= 2
    • dd_status in ('dd_partial', 'dd_done')
  • 只有 final_score >= 82 且硬门槛通过的对象，才会通过 Interaction 主动推送给人类
  • 75–81 的对象会进入 watchlist，但不主动推送
  • recommendation_reason 会解释为什么推荐或不推荐
  • 推荐结果仍然会通过 Interaction 对外输出，也能继续消费完整分析接口
  • MVP_MODE=true 时：
    • likely_company 也允许进入评分
    • confidence_multiplier 会略低于 verified
    • 推荐理由中会明确追加：该公司为 likely_company，仍需人工复核
    • 推荐结果会附带：
      • verification_status = likely_company
      • confidence = medium
      • needs_human_review = true
    • score-ready 规则会放宽为：
      • verified + dd_status in ('dd_partial', 'dd_done')
      • likely_company + dd_status = 'dd_partial'
    • dd_waiting_human 仍不会进入评分
  1. SQL Storage
  • 主数据和消息日志都落在 PostgreSQL 里
  • 线索、评分、反馈、长短期记忆、OpenClaw 会话消息都可查
  • 数据库连接会优先读取 \AI_Agent\postgresSQL\.env，也支持根目录 .env

1.1 代码目录（按功能分类）

为了便于阅读和维护，agent 代码已经按功能拆到这些目录里：

app/agents/
  interaction/interaction_agent.py
  planner/planner_agent.py
  searching/searching_agents.py
  dd/dd_agent.py
  scoring/scoring_agent.py

现在默认策略文件也已经改成项目根目录绝对路径：

  • \AI_Agent\data\daily_strategy.txt
  • 如果你想换成别的策略文件，也可以通过环境变量覆盖 daily_strategy_file

2. 技术栈

  • Python
  • FastAPI
  • APScheduler
  • PostgreSQL / Neon
  • Requests
  • OpenAI SDK（可选，不填 key 会自动走规则版）

3. 快速启动

3.1 安装依赖

pip install -r requirements.txt

3.2 Windows 环境说明

如果你在这台 Windows 机器上跑实盘搜索（Brave / Bocha），当前环境下建议用管理员 PowerShell启动后端：

cd \AI_Agent
python run_server.py

推荐使用下面这套“固定动作”，避免端口被旧进程占用：

# 1) 用管理员身份打开 PowerShell
# 2) 进入项目目录
cd \AI_Agent

# 3) （可选）先确认 8000 是否已有旧进程
Get-NetTCPConnection -LocalPort 8000 -ErrorAction SilentlyContinue | Format-Table -AutoSize

# 4) 启动服务
python run_server.py

看到如下日志表示启动成功：

  • Application startup complete.
  • Uvicorn running on http://0.0.0.0:8000

再新开一个 PowerShell（普通权限即可）做健康检查：

Invoke-RestMethod http://127.0.0.1:8000/health

原因：

  • 这台机器的普通 PowerShell / 普通 Python 进程对外部 HTTPS 连接曾出现 WinError 10013
  • 在管理员 PowerShell 中，api.search.brave.com:443 和 api.bochaai.com:443 已确认可连通

注意：

  • 这是当前机器的环境约束，不是系统设计本身的必需条件
  • 如果后续防火墙 / 安全策略已放通普通 Python 进程，就不必强制管理员启动

3.3 API 配额说明

当前 Brave / Bocha 都已经关闭 demo fallback，系统只会使用真实 API。

如果出现：

  • searched_items = 0
  • new_leads = 0

不一定是代码坏了，也可能是：

  • Brave 月额度已用尽（例如 402 USAGE_LIMIT_EXCEEDED）
  • Bocha 余额或套餐额度不足（例如 403 not enough money or package quota）

也就是说：

  • “没有新数据” 可能是 API 配额问题
  • 不是一定是搜索逻辑、DD 或评分逻辑出错

3.4 运行失败原因返回

系统现在会在 source 级和 run 级都返回结构化诊断，不再只说“没有新数据”。

每个 source 都会返回：

  • source_name
  • status
  • request_attempted
  • request_succeeded
  • items_received
  • failure_stage
  • failure_code
  • http_status
  • retry_after_sec
  • provider_message
  • retryable
  • action_hint

支持的典型 failure_code 包括：

  • rate_limited
  • quota_exhausted
  • unauthorized
  • forbidden
  • dns_error
  • connection_refused
  • connect_timeout
  • read_timeout
  • ssl_error
  • upstream_5xx
  • bad_response
  • parse_error
  • network_blocked
  • demo_mode
  • unknown_error

run_full_cycle() 最终会额外返回：

  • run_status
  • new_data_fetched
  • used_existing_pool_only
  • failure_summary
  • unavailable_sources
  • source_status_by_channel
  • action_suggestions
  • stage_results
  • recommendation_blockers
  • lead_status_by_verification
  • scoring_skip_reasons

当本轮评分被跳过时，scoring_skip_reasons 会返回明确原因码，当前支持：

  • no_verified_company
  • no_dd_ready_leads
  • all_waiting_human
  • all_rejected_by_gate

3.5 MVP 模式

系统现在支持一个“先稳定产出候选”的 MVP fallback：

  • 配置项：MVP_MODE=true
  • 默认：当前代码默认开启

启用后，系统的目标从“只收最强验证公司”调整为：

  1. 先把更像公司的候选稳定拉进来
  2. 允许它们继续进入 DD
  3. 允许它们进入 scoring
  4. 推荐时明确标记仍需人工复核

这意味着：

  • verified 仍然是高置信公司
  • likely_company 是“看起来像公司，但证据还不完整”的候选
  • pending_review / rejected 仍不会进入正式推荐

MVP 模式依然保留拒绝规则：

  • 文章标题
  • 榜单页
  • GitHub 项目页
  • What is / guide / report
  • 单个泛词主体，如：
    • GenAI
    • MCP
    • Firewall
    • Light
    • Closing

stage_results 会按阶段拆开返回：

  • planner
  • searching
  • entity_verification
  • dd
  • scoring
  • recommendation

每个阶段都会记录：

  • stage_name
  • status
  • started_at
  • ended_at
  • duration_sec
  • input_count
  • output_count
  • error_type
  • error_message

其中 status 可能是：

  • success
  • partial_success
  • failed
  • timeout
  • skipped

这意味着：

  • 就算本轮只跑到 searching 或 entity_verification，也会把已经完成的阶段、耗时和失败点一起返回
  • 不会再等到整个 run_cycle 超过上层超时之后，只有一个“没新数据”或 HTTP 500

这样你可以直接区分：

  • 真正拉到了新数据
  • 只是复用了旧 lead 池重评分
  • 某个 source 被限流
  • 某个 source 配额耗尽
  • 当前 Python 进程被网络/安全策略拦住

另外，/interaction/chat 和 /interaction/command 的 run_cycle 现在都加了结构化异常兜底：

  • 如果内部 run_cycle 分支抛异常，不会再直接返回裸 500 Internal Server Error
  • 会改为返回可读的 internal_error 结果，包含：
    • run_status
    • failure_summary
    • action_suggestions

这样即使某个旧进程或异常分支没有正常跑完，也能告诉你“为什么失败”，而不是只给一个 HTTP 500。

3.5 run_cycle 分阶段诊断与降级返回

run_cycle 现在按阶段收口，不再要求所有阶段都一次性完全跑完才返回。

目前内置了分阶段预算和批处理上限：

  • searching: 70 秒预算
  • entity_verification: 35 秒预算
  • dd: 45 秒预算
  • scoring: 20 秒预算
  • 每轮 entity verification 最多处理 60 条
  • 每轮 DD 最多处理 6 条
  • 每轮 scoring 最多处理 60 条

如果出现下面这些情况：

  • 外部 API 被限流
  • API 配额耗尽
  • 网络被拦
  • entity verification / DD / scoring 来不及在本轮收口

系统会返回：

  • 哪个阶段最先失败或超时
  • 哪个阶段只部分完成
  • searching 是否已经抓到新数据
  • recommendation 为什么是 0

例如：

  • run_status = failed
    • 说明本轮没有正常拿到新数据，通常是上游 source 全部失败
  • run_status = partial_success
    • 说明本轮部分成功，有新数据或部分阶段完成，但还有阶段没完全收口
  • run_status = existing_pool_only
    • 说明没有拿到新数据，但基于已有 lead 池做了 DD / scoring / recommendation 刷新

3.2 配置环境变量

copy .env.example .env

你至少需要检查这些字段：

  • DATABASE_URL（PostgreSQL/Neon 连接串，已经可以放在 \AI_Agent\postgresSQL\.env）
  • DEMO_MODE=false（实盘模式，不再生成 demo 假数据；如果没有 API key，搜索会返回空结果）
  • 启动时会自动清理历史 demo 污染的 example.com 旧记录，避免推荐列表混入假数据
  • BRAVE_API_KEY（接真实 Brave 时填写）
  • BOCHA_API_KEY、BOCHA_SEARCH_URL（接真实 Bocha 时填写）
  • OPENAI_API_KEY（可选）
  • OPENCLAW_WEBHOOK_SECRET（可选，OpenClaw 访问我们的 webhook 时用）

3.2.1 Brave / Bocha API 更换位置（相对路径）

如果你要替换 API key 或接口地址，优先改环境变量文件，不要改业务代码。

  1. 环境变量文件（推荐）
  • ./.env
  • ./postgresSQL/.env

说明：

  • 系统会先读 ./.env，再读 ./postgresSQL/.env（后者同名字段会覆盖前者）
  • 常改字段：
    • BRAVE_API_KEY
    • BRAVE_SEARCH_URL（默认 Brave 官方搜索接口）
    • BOCHA_API_KEY
    • BOCHA_SEARCH_URL（默认 https://api.bochaai.com/v1/web-search）
    • DEMO_MODE=false
    • MVP_MODE=true
  1. 配置读取代码位置（排查用）
  • ./app/core/config.py
  1. Brave / Bocha 客户端代码位置（排查用）
  • ./app/clients/brave_client.py
  • ./app/clients/bocha_client.py

如果只是换 key 或换 URL，通常不需要改上述 .py 文件；改 .env 后重启服务即可生效。

3.3 启动服务

python run_server.py

默认地址：http://127.0.0.1:8000

4. API 演示

4.1 健康检查

curl http://127.0.0.1:8000/health

4.2 对话式交互（推荐）

你可以像聊天一样发一句自然语言给交互 Agent：

curl -X POST http://127.0.0.1:8000/interaction/chat \
  -H "Content-Type: application/json" \
  -d '{"message":"跑一轮"}'

更多例子：

  • {"message":"查看推荐"}
  • {"message":"查看线索"}
  • {"message":"查看 Capsule Security 的 DD"}
  • {"message":"查看 Capsule Security 的完整分析"}
  • {"message":"关闭 bocha"}
  • {"message":"开启 brave"}
  • {"message":"我不喜欢 lead 3，明显是大公司"}

如果你更想像 IM 一样连续聊天，可以运行：

python chat_cli.py

4.3 OpenClaw 接入方式

OpenClaw 可以把人类消息转给这个后端的 /openclaw/inbox，然后把返回的 reply 再发回给人类。

如果你在 Telegram 里发的是执行型命令，比如 run_cycle、查看推荐、查看线索，OpenClaw 这边应该把它们当成对本机后端的动作请求，而不是普通聊天回复。

对应关系可以先记成这样：

  • run_cycle / 跑一轮 -> POST /interaction/command
  • 查看推荐 -> GET /interaction/recommendations
  • 查看线索 -> GET /interaction/leads
  • 查看某公司的 DD / lead 73 的 DD -> 交互层直接按公司名或 lead id 查询 dd_reports 并总结
  • 查看某公司的完整分析 / lead 73 的完整分析 -> 交互层按公司名或 lead id 同时汇总 DD、评分和推荐理由
  • 如果后端没启动，就明确返回“后端未连接”，不要假装已经执行

最简单的请求长这样：

curl -X POST http://127.0.0.1:8000/openclaw/inbox \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer <你的OPENCLAW_WEBHOOK_SECRET>" \
  -d '{"message":"查看推荐","sessionKey":"main"}'

如果你想让 OpenClaw 轮询我们这边的待发消息，可以用：

curl http://127.0.0.1:8000/openclaw/outbox

如果 OpenClaw 已经发出消息了，还可以回传确认：

curl -X POST http://127.0.0.1:8000/openclaw/outbox/ack \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer <你的OPENCLAW_WEBHOOK_SECRET>" \
  -d '{"eventIds":[1,2,3]}'

如果你重启电脑后想重新把整套链路拉起来，请看这份一步一步的恢复指南：

这份指南会告诉你重启后要先开 OpenClaw gateway，再开 python run_server.py，最后去 Telegram 发 run_cycle。

如果你想让 OpenClaw 记住你的名字、语言偏好和开场白，可以编辑工作区根目录下的：

  • IDENTITY.md
  • SOUL.md
  • USER.md

OpenClaw 会把这些 bootstrap 文件注入到每次运行里，所以这比把欢迎语写死在某个聊天窗口更稳。
其中 IDENTITY.md 负责项目上下文，SOUL.md 负责对话风格和开场白，USER.md 负责你的偏好。

如果你要让 run_cycle 真正变成“执行动作”而不是“文字聊天”，还要把执行约定写进 OpenClaw 实际读取的 workspace 里，让它知道：

  • run_cycle 优先走 POST /openclaw/inbox
  • 只有必要时才走 POST /interaction/command
  • 执行成功后要返回 run_at、searched_items、new_leads、dd_done、scored、recommended

如果你在里面看到 chmod 后权限还是 777，那通常不是命令错了，而是 OpenClaw 装在 Windows 挂载盘上。
这时最稳的做法是把 OpenClaw 迁到 WSL 自己的目录（比如 ~/.openclaw）再启动。

4.4 手动跑一轮全流程

curl -X POST http://127.0.0.1:8000/interaction/command \
  -H "Content-Type: application/json" \
  -d '{"command":"run_cycle","data":{}}'

这条全流程现在的实际顺序是：

  • 先搜索并识别出新 lead
  • 立刻进入 DD 阶段，处理这些尚未完成 DD 的 lead
  • 再统一做评分和推荐
  • 这样新线索不会等到下一轮才进入分析

4.5 查看推荐结果

curl http://127.0.0.1:8000/interaction/recommendations

4.6 查看某家公司 DD

你可以直接在聊天里说：

查看 Capsule Security 的 DD

或者：

lead 73 的 DD

交互层会先找最匹配的公司主体，再把 dd_reports 里的这些字段汇总给你：

  • business_profile
  • team_profile
  • funding_profile
  • traction_profile
  • market_position
  • business_summary
  • team_summary
  • funding_summary
  • traction_summary
  • industry_position

回复里会按人话把五维 DD 展开成这些区块：

  • 业务概况
  • 团队背景
  • 融资概况
  • 业务进展
  • 行业地位

如果这条 DD 只有单一来源，系统会明确提醒你：这更适合当作初步参考，不是最终投资结论。

dd_overall 里会同时告诉你：

  • dd_status：dd_done / dd_partial / dd_pending_review
  • completeness_score：五个维度各 20 分，总分 100
  • missing_dimensions：还缺哪些维度
  • source_hits：当前 DD 一共用了多少个不同来源

4.7 查看某家公司完整分析

你可以直接在聊天里说：

查看 Capsule Security 的完整分析

或者：

lead 73 的完整分析

完整分析会在 DD 的基础上，再补上：

  • business_score
  • team_score
  • funding_score
  • traction_score
  • market_score
  • thesis_fit_score
  • evidence_score
  • raw_score
  • confidence_multiplier
  • penalty_score
  • final_score
  • recommendation_band
  • recommendation_reason
  • 是否进入推荐池

回复里也会继续展开五维 DD，让你能直接看到：

  • 业务概况
  • 团队背景
  • 融资概况
  • 业务进展
  • 行业地位

如果系统匹配到的主体其实是内容页、榜单页或非可用公司，它会直接提示你，不会假装成公司。

4.8 查看评分解释

新的评分结果会记录在 scores 表里，且支持完整追溯：

  • 7 个分项分数都在 0-5
  • raw_score 先汇总分项权重
  • confidence_multiplier 会结合 evidence、completeness、source_hits
  • penalty_score 会对噪音、大公司、主体冲突、证据不稳做减分
  • final_score 是最终可解释分
  • recommendation_reason 会保留最关键的正负向理由

如果你要看某个 lead 的评分解释，可以直接在交互层问：

查看 lead 73 的完整分析

4.8 提交人类反馈

curl -X POST http://127.0.0.1:8000/interaction/feedback \
  -H "Content-Type: application/json" \
  -d '{"lead_id":1,"verdict":"dislike","content":"明显是大公司，不要再推荐","feedback_type":"lead_feedback"}'

4.9 记录公司名纠错记忆

你也可以直接在聊天里发这两种格式：

10 Hot AI Security Startups To Know In 2025 不是公司名

或者：

Protect AI for AI Agent Security 的公司名是 Protect AI

系统会把这类纠错记忆写入：

  • \AI_Agent\data\company_name_feedback.json

后续在搜索和主体核验时，会优先参考这份文件，尽量把噪音字段过滤掉，并把标题里的公司名归一成标准名。

4.10 记录 DD 反馈与待确认问题

DD 也支持单独的 human-in-the-loop 反馈记忆。

你可以直接发：

lead 73 重点补客户，不补估值

或者：

全局规则：优先补团队，不补 valuation

这些反馈会写入 dd_feedback_memory，并在下一次 DD enrich 前自动读取，影响查询重点和字段提取优先级。

当 DD 遇到主体冲突、低置信度或关键字段缺失时，系统会自动生成待人工确认问题，并把 lead 标成：

  • dd_waiting_human

你也可以查看问题列表：

查看 lead 73 的待确认问题

或者直接回答某个问题：

问题 12 的答案是公司名是 Protect AI

回答后，系统会把答案写回 DD 反馈记忆，并重新触发对应 lead 的 DD enrich。

4.11 关闭某个渠道

curl -X POST http://127.0.0.1:8000/interaction/command \
  -H "Content-Type: application/json" \
  -d '{"command":"update_channel","data":{"channel":"bocha","enabled":false}}'

4.12 反馈评分偏好

如果你想让后续评分更偏向某个赛道、某个 lead，或者明确告诉系统某类结果不值得看，可以直接发：

我更关注 agent security 赛道

lead 73 这个项目不值得看，太像内容页了

leaderboard 类结果先跳过

这些反馈会更新 scoring_policy，后续评分会读取最新 policy，并在 recommendation_reason 里保留 policy 版本和规则命中记录，方便回溯。

4.13 DD 阶段 datetime 序列化修复说明

如果某轮 run_cycle 在 DD 阶段报：

TypeError: Object of type datetime is not JSON serializable

当前代码已经在 dd_reports 落库入口统一做了递归 JSON 规范化：

  • 所有 DD profile / overall / questions / evidence payload
  • 遇到 datetime
  • 会统一转成 ISO 8601 字符串

另外，DD 问题落库 dd_questions 现在也会对：

  • missing_fields
  • details

做同样的递归规范化，避免 feedback_context、open_questions 等嵌套结构里混入 datetime 时再次触发 JSON 序列化错误。

这次修复只收敛了 DD 阶段的序列化问题，没有改 planner / searching / scoring 主逻辑。

注意：

  • 如果你本机 8000 端口上仍然跑着旧进程，必须重启 run_server.py 后，修复才会生效。
  • 修复生效后，如果 scoring = 0，应该返回新的明确原因，例如：
    • dd_waiting_human
    • verified company 不足
    • score-ready 对象为空 而不是再因为 DD 序列化直接崩掉。

5. 定时任务

系统启动后自动开启调度：

  • 每 FULL_CYCLE_MINUTES 分钟：跑一轮全链路
  • 每天 09:05：刷新短期策略
  • 每周日 03:30：压缩长期记忆

6. 数据库表

PostgreSQL：

  • 连接串来自 DATABASE_URL
  • 主项目会自动创建这些表

核心表：

  • leads
  • signals
  • dd_reports
  • scores
  • feedback
  • memory_long
  • memory_short
  • outbox
  • conversation_messages

postgresSQL/ 目录里的小项目现在相当于数据库连接示例和环境变量兼容层。主项目会直接复用它的 DATABASE_URL 读取方式，所以你不用把两个项目拆成两套数据库配置。

About

exercise for employment

Resources

Readme
Activity

Stars

0 stars

Watchers

0 watching

Forks

0 forks
Report repository

Releases

No releases published

Packages

 
 
 

Contributors

Languages