diff --git a/PROGRESS.md b/PROGRESS.md index 967fc3f..df13a51 100644 --- a/PROGRESS.md +++ b/PROGRESS.md @@ -1,15 +1,15 @@ # 项目进度追踪 -> 最后更新: 2026-08-20 02:10 +> 最后更新: 2026-08-20 10:45 ## 服务运行状态 | 服务 | 节点 | 地址 | 状态 | 验证结果 | |------|------|------|------|---------| | FAM-Core | NAS | 0.0.0.0:8000 | ✅ 运行中 | health=ok, Python 3.10 venv, API 全部测试通过 | -| FAM-Edge | Oracle | 0.0.0.0:5000 | ✅ 运行中 | health=ok, chat proxy 已验证 | +| FAM-Edge | Oracle | 0.0.0.0:5000 | ✅ 运行中 | 新架构已部署（云端直出直存）；`/api/edge/chat/ask` 实测 provider=nvidia（Gemini→NVIDIA 降级成功） | | MariaDB | NAS | 127.0.0.1:3306 | ✅ 运行中 | 10.11.11, 6 张表, utf8mb4 | -| Ollama | Oracle | 127.0.0.1:11434 | ✅ 运行中 | llava-phi3, 通过 FAM-Edge 代理访问 | +| Ollama | Oracle | 127.0.0.1:11434 | ✅ 运行中 | qwen2.5:7b，仅智能问答兜底（不参与视觉/融合） | | Tailscale | Oracle ↔ NAS | 100.74 ↔ 100.70 | ⚠️ 待修复 | Tailscale 运行但端口不通，当前用公网IP | | FAM-UI | NAS | 0.0.0.0:8501 | ✅ 运行中 | Streamlit 1.61.1, HTTP 200, health=ok | @@ -23,7 +23,7 @@ | pip | 25.0.1 (venv内) | | | FFmpeg | 已安装 | apt 安装 | | Ollama | 0.32.14 | | -| llava-phi3:latest | 2.9 GB 已拉取 | | +| qwen2.5:7b | 已拉取 | 纯文本模型，仅问答兜底（原 llava-phi3 已废弃） | | Python 依赖 | 全部安装成功 | flask, gunicorn, requests, PyYAML, opencv, numpy | | 模块导入验证 | PASS | FAM-Edge 全部 8 个模块导入正常 | | 代码部署 | /opt/fam-edge/ | rsync 同步 | @@ -109,27 +109,36 @@ | 29 | 关键帧提取改为自适应帧数 (随视频时长动态计算) | ✅ 完成 | 2026-08-20 | | 30 | FFmpeg 快速 seek 替代 fps 滤镜 (6-8x 提速) | `7ce8aff` | 2026-08-20 | | 31 | 真实视频性能基准测试 (30min 360MB 视频) | ✅ 完成 | 2026-08-20 | +| 32 | 视频端到端集成测试 (task 289 → SUCCESS, 落库正确) | ✅ 完成 | 2026-08-20 | +| 33 | 生产目录切换 forward-only (285 历史视频占位跳过) | ✅ 完成 | 2026-08-20 | +| 34 | 今日 17 片段诊断（根因：Ollama 本地融合 300s 超时） | ✅ 完成 | 2026-08-20 | +| 35 | **架构重构**：移除本地融合（run_text_fusion），云端 VLM 直出 JSON → format_cloud_result → 直存 DB | `babf5b0` | 2026-08-20 | +| 36 | 适配器 chat() 方法 + run_qa 三模型降级（Gemini→NVIDIA→Ollama 兜底） | `babf5b0` | 2026-08-20 | +| 37 | 端点 /api/edge/chat/ask + chat_handler 改走 Edge 编排（qa_url） | `babf5b0` | 2026-08-20 | +| 38 | 双端部署验证：Oracle 7 文件 + 重启；NAS chat_handler + config 手术 + HUP；实测 /api/edge/chat/ask provider=nvidia、NAS→Edge 编排 43s 落库 | ✅ 完成 | 2026-08-20 | ### 待完成 | # | 任务 | 依赖 | 优先级 | |---|------|------|--------| -| 32 | 视频端到端集成测试 | FAM-UI ✅ | 高 | -| 33 | 单元测试 (JSON parser, circuit breaker, schema) | - | 中 | -| 34 | Tailscale 防火墙修复 (NAS↔Oracle) | - | 低 | +| 39 | 单元测试 (JSON parser, circuit breaker, schema) | - | 中 | +| 40 | Tailscale 防火墙修复 (NAS↔Oracle) | - | 低 | +| 41 | daily_summaries 每日摘要 | - | 低 | ## 技术决策记录 1. **移除 google-generativeai SDK 硬依赖** - 代码用 requests 直接调 REST API，兼容 Python 3.8 2. **rsync 替代 git clone** - Oracle 无法直连 NAS Gitea (无 Tailscale)，用 rsync 从本地同步 -3. **num_predict 参数** - ARM CPU 上 llava-phi3 生成速度较慢，限制输出 token 数控制延迟 +3. **num_predict 参数** - ARM CPU 上 qwen2.5:7b 生成速度较慢，限制输出 token 数控制延迟 4. **PyMySQL 替代 mysql-connector-python** - 45KB 纯 Python 替代 19MB C 扩展，NAS 无需编译 5. **MariaDB JSON 路径兼容** - MariaDB 10.11 不支持 MySQL 的 `$[*]` 通配符 JSON 路径和 `->` 操作符，name_member() 改用 Python 层解析 + 逐行 UPDATE 6. **Python 3.10 venv** - NAS 系统 Python 3.8 过旧，用 Synology Python3.10 包创建 venv -7. **FAM-Edge 聊天代理** - Ollama 端口 11434 未对外暴露，FAM-Edge 新增 /api/edge/chat 代理转发至本地 Ollama -8. **Oracle 公网 IP 替代 Tailscale** - Tailscale 两节点在线但端口不通（防火墙），edge_url 和 ollama_url 改用 Oracle 公网 IP 129.146.203.203 +7. **FAM-Edge 聊天代理** - 历史：/api/edge/chat 直连 Ollama 代理；架构重构后被 `/api/edge/chat/ask` 三模型编排端点取代（旧端点保留兼容） +8. **Oracle 公网 IP 替代 Tailscale** - Tailscale 两节点在线但端口不通（防火墙），edge_url 和 qa_url 改用 Oracle 公网 IP 129.146.203.203 9. **Ollama 模型常驻内存** - systemd 加 `OLLAMA_KEEP_ALIVE=-1`，模型加载后永不卸载，消除 55s 冷启动延迟，常驻占用 4.3GB 内存（系统 12GB 够用） 10. **关键帧自适应帧数** - 原固定 5-8 帧对长视频太稀疏（30分钟仅8帧=每3.75分钟1帧），改为随视频时长自适应：候选帧 `clamp(duration_min×2, 30, 120)`，关键帧上限 `clamp(duration/150s, 8, 30)`。30分钟→12帧，60分钟→24帧，封顶30帧 +11. **云端直出直存（架构重构）** - 本地 Ollama 完全移出视频链路：云端 VLM（Gemini 多图单请求 / NVIDIA 逐帧聚合）直接产出结构化 JSON，Edge 仅 `format_cloud_result` 格式化/校验（无模型调用）后直存 NAS DB。根因：CPU 版 Ollama 对无上限融合 prompt 预填充极慢导致 300s 超时 +12. **Q&A 三模型降级编排** - 智能问答由 Edge `run_qa` 编排：Gemini → NVIDIA → 本地 Ollama（仅两云端都失败才启用本地兜底）；各适配器实现 `chat()` 纯文本接口 11. **FFmpeg 快速 seek 替代 fps 滤镜** - 原方案 `ffmpeg -vf fps=1/interval` 需全解码视频，30min 360MB 视频在 ARM CPU 上需 180s+（超 120s 超时）。改为逐帧 `ffmpeg -ss -frames:v 1` 快速 seek，仅 33s（6-8x 提速） ## 真实视频性能基准测试 (2026-08-20) @@ -158,13 +167,16 @@ AI 分析瓶颈: 帧5耗时 229s (疑似 ARM CPU 热降频), 其余帧 50-65s | /api/member/name | POST | 人物A→张三 | ✅ 成功命名, 0 条事件记录回溯更新 | | /api/chat/ask | POST | "今天有什么事件?" | ✅ 端到端成功, 回答"今天没有观察到张三" | -## 端到端聊天链路验证 (2026-08-20) +## 端到端聊天链路验证 (2026-08-20，新架构) ``` -用户 → FAM-Core (NAS:8000) → FAM-Edge (Oracle:5000) → Ollama (Oracle:11434) - /api/edge/chat 代理 /api/generate 本地 +用户 → FAM-Core (NAS:8000) → FAM-Edge (Oracle:5000) → Gemini / NVIDIA NIM / 本地 Ollama (兜底) + /api/edge/chat/ask run_qa 三模型降级编排 ``` -- FAM-Core 调用 `ollama_url` 配置的 `http://129.146.203.203:5000/api/edge/chat` -- FAM-Edge 代理转发至 `http://127.0.0.1:11434/api/generate` -- 回答正常返回，chat_history 记录已保存 (chat_id=1) +- FAM-Core Chat-Handler 调用 `qa_url` 配置的 `http://129.146.203.203:5000/api/edge/chat/ask`（不再直连 Ollama） +- FAM-Edge `run_qa` 按 Gemini → NVIDIA → 本地 Ollama 顺序调用 `chat()`，首个成功即返回 `{answer, provider}` +- **验证结果**： + - Edge 单测：`/api/edge/chat/ask` → 200，`provider=nvidia`（Gemini 30s 超时后 NVIDIA 兜底成功，耗时 51s） + - NAS E2E：插入临时事件上下文后 `/api/chat/ask` → 43s 返回模型回答，`context_summary` 命中 1 条事件，chat_id 落库；测试数据已清理 +- 无上下文时走短路分支（直接返回提示，不调 Edge），响应 <1s，属正常设计 diff --git a/README.md b/README.md index 8cfaa35..d0f37ea 100644 --- a/README.md +++ b/README.md @@ -34,10 +34,10 @@ | 问题 | 现状 | 影响 | |------|------|------| -| **llava-phi3 多图单请求失效（已替换）** | 原本地模型 llava-phi3 `analyze_frames` 多图单请求输出长度仅 3~4；**已替换为 qwen2.5:7b**（纯文本模型，专职融合与对话） | 历史遗留描述，新方案下视觉走云端，本地不参与视觉分析，该问题随之消除 | -| **吞吐不足** | 30s 视频全流程约 19 分钟（关键帧筛选 10min + VLM 5.5min + 融合 3min）；30min/360MB 视频实测 929s | 生产视频每 30 分钟新增一个，处理速度勉强跟上但无余量；改用云端模型后该问题随之缓解 | +| **llava-phi3 多图单请求失效（已替换）** | 原本地模型 llava-phi3 `analyze_frames` 多图单请求输出长度仅 3~4；**已替换为 qwen2.5:7b**（纯文本模型，专职问答兜底） | 历史遗留描述，新方案下视觉走云端，本地不参与视觉分析，该问题随之消除 | +| **吞吐不足** | 历史本地模型全流程约 19 分钟（关键帧筛选 10min + VLM 5.5min + 融合 3min）；30min/360MB 视频实测 929s | 已切换到云端 VLM 直出结构化 JSON（无本地融合步骤），吞吐瓶颈转移至云端调用延迟，整体明显改善 | | **Tailscale 端口不通** | NAS tailscaled 以 userspace 模式运行（无 TUN 网卡），Oracle 无法反向访问 NAS；当前 NAS→Oracle 走公网 IP | 推送模式已规避反向访问，但流量走公网 | -| **历史视频积压** | 正式目录 `/volume1/surveillance/Generic_ONVIF-001` 有约 285 个历史视频（~100GB），288 个历史任务已标记 FAILED 避免全量上传 | 切回生产目录前需确认回补策略 | +| **历史视频积压（已处理）** | 正式目录 `/volume1/surveillance/Generic_ONVIF-001` 原有约 285 个历史视频（~100GB），已切回生产目录并 forward-only 处理：历史任务占位 FAILED，scheduler dedup 自动跳过，仅处理新增视频 | 已解决；生产目录已生效，新视频正常入链 | **规划方向（新框架）**：**云端大模型负责视觉识别与结构化输出、本地大模型仅做智能问答兜底**。按任务类型分工： @@ -255,9 +255,14 @@ chat_history 独立表 | `/api/member/list` | GET | 全部成员 | | `/media/?token=xxx` | GET | 视频静态服务（token 鉴权，推送模式下备用） | -### 5.3 融合输出 JSON Schema +### 5.3 云端结构化输出 JSON Schema -三层容错解析：直接 `json.loads` → 提取 markdown fence ` ```json ... ``` ` → 贪婪匹配最大 `{...}`；再过 `validate_schema`（必填字段检查 + 脏数据清洗，`action` 由 AI 自由生成无枚举过滤，`is_attention_event` 由 AI 自行判断，`source_providers` 必须非空数组）。三层全失败 → 任务 FAILED 走重试。 +云端 VLM 直接产出结构化 JSON，经两道处理入库： + +1. **适配器内三层容错解析**（`json_parser.parse_vlm_json`）：直接 `json.loads` → 提取 markdown fence ` ```json ... ``` ` → 贪婪匹配最大 `{...}`；失败抛 `VLMOutputInvalidError` +2. **`format_cloud_result` 归一化/校验**（无模型调用）：`frame_details` 必须为非空列表并做字段类型归一化；`source_providers` 缺失时补为 `[provider]`；`compute_provider` 置为本次成功 provider；`entities_json` 缺失时由 `frame_details` 按人物去重推导；`global_summary` 缺失时格式化拼接生成 + +任一步骤失败 → 任务 FAILED 走重试。`action` 由 AI 自由生成无枚举过滤，`is_attention_event` 由 AI 自行判断。 --- @@ -278,13 +283,12 @@ chat_history 独立表 | 参数 | 值 | 依据 | |------|-----|------| | `OLLAMA_KEEP_ALIVE=-1` | 模型常驻内存 | 消除 55s 冷启动（常驻约 4.3GB，12GB 内存够用） | -| `num_predict=60` | 限制生成 token | ARM 约 5 tok/s，500 会单帧跑数分钟触发超时 | -| 视觉/模型 timeout | 600s | 实测 1024px 帧视觉编码 ~36s + 生成 ~12s/60token | -| 融合 timeout | 300s | — | +| `num_predict=512` | 限制生成 token | ARM 约 5 tok/s，过长生成会拖慢问答响应 | +| 视觉/模型 timeout | 600s | 实测 1024px 帧视觉编码 ~36s + 生成 ~12s/60token（问答链路改用 config 中各模型 timeout） | | gunicorn（Edge） | `--timeout 1800` | 同步分析模式，默认 30s 会杀 worker | | push_timeout（NAS） | 1800s | 覆盖最坏情况（30min 视频实测 929s） | -**已知问题**：原 llava-phi3 多图单请求基本失效（N 张图一次调用输出长度仅 3~4）。**已替换为 qwen2.5:7b**（纯文本模型，专职融合与对话，不涉及视觉多图问题）。 +**已知问题**：原 llava-phi3 多图单请求基本失效（N 张图一次调用输出长度仅 3~4）。**已替换为 qwen2.5:7b**（纯文本模型，专职问答兜底，不涉及视觉多图问题；视频分析已全部由云端 VLM 承担）。 ### 6.3 模型适配器架构 @@ -432,54 +436,47 @@ task_id=289（30s 测试片段）全链路打通：推送 5.7MB → Edge 分析 ### 8.3 配置文件要点 -**fam-core/config/config.yaml**（NAS）： +**fam-core/config/config.yaml**（NAS，生产值）： ```yaml scheduler: - video_dir: "/volume1/web/sentinel-home-ai/e2e-test" # 当前指向 E2E 测试目录 - # 正式目录: /volume1/surveillance/Generic_ONVIF-001（YYYYMMDDAM/PM 两级子目录， - # os.walk 递归支持；切回前需处理 285 个历史视频积压，避免全量上传 ~100GB） + video_dir: "/volume1/surveillance/Generic_ONVIF-001" # 生产目录（YYYYMMDDAM/PM 两级子目录） + # 285 个历史视频由占位 FAILED 任务占用路径，scheduler dedup 自动跳过（forward-only 模式） dispatcher: edge_url: "http://129.146.203.203:5000/api/edge/video/push" push_timeout: 1800 chat_handler: - ollama_url: "http://129.146.203.203:5000/api/edge/chat" # 经 Edge 代理 + qa_url: "http://129.146.203.203:5000/api/edge/chat/ask" # 问答统一走 Edge 编排（Gemini→NVIDIA→Ollama） + timeout: 120 ``` -**fam-edge/config/config.yaml**（Oracle，多模型池配置）： +**fam-edge/config/config.yaml**（Oracle，多模型池配置，新架构）： ```yaml -# 调度模式配置: fallback(顺序降级) 或 ensemble(并行交叉验证) +# 编排调度模式: fallback(顺序降级, 默认) | ensemble(并行交叉验证) orchestrator: mode: "fallback" overall_timeout: 600 -# 关键帧配置 -video: - candidate_frames: 30 - min_key_frames: 5 - max_key_frames: 12 - mse_threshold: 500 - jpeg_quality: 80 - max_long_edge: 1024 - -# 多模型池配置（视觉: Gemini → NVIDIA NIM 降级；文本: 本地 Ollama） +# 多模型池配置（新框架：本地大模型不参与视频分析，仅智能问答兜底） +# 视频分析链路: 云端 VLM 直出结构化 JSON → Edge format_cloud_result 格式化/校验 → 直存 NAS DB（无本地融合） +# 智能问答链路: Gemini → NVIDIA → 本地 Ollama（仅两云端都失败才启用本地兜底） models: - # 1. Google Gemini 1.5 Flash（视觉主） + # 1. Google Gemini（视觉主 + 参与问答） - provider: "gemini" - role: "vision" # 视觉分析 + role: "vision" # 视觉分析 + 问答（vision role 也参与 chat） enabled: true - model_name: "gemini-1.5-flash" + model_name: "gemini-flash-latest" # v1beta 下 gemini-1.5-flash 会 404 api_key: "${GEMINI_API_KEY}" - timeout: 15 + timeout: 30 circuit_breaker: enabled: true threshold: 3 cooldown: 600 - # 2. NVIDIA NIM 托管 API（视觉备） + # 2. NVIDIA NIM 托管 API（视觉备 + 参与问答） - provider: "nvidia" - role: "vision" # 视觉分析 + role: "vision" # 视觉分析 + 问答（vision role 也参与 chat） enabled: true model_name: "meta/llama-3.2-11b-vision-instruct" # 或 qwen/qwen2-vl-72b-instruct base_url: "https://integrate.api.nvidia.com/v1" @@ -490,13 +487,15 @@ models: threshold: 3 cooldown: 600 - # 3. 本地 Ollama（文本融合 + AI 对话，不参与视觉） + # 3. 本地 Ollama（纯文本，仅 Q&A 兜底，不参与视觉分析、不参与云端结果融合） - provider: "ollama" - role: "text" # 文本融合 + AI 对话 + role: "text" # 仅问答兜底 + usage: "qa_fallback" # Gemini/NVIDIA 都失败时才启用 enabled: true model_name: "qwen2.5:7b" base_url: "http://localhost:11434" - timeout: 60 + timeout: 120 + num_predict: 512 circuit_breaker: enabled: false ``` @@ -604,7 +603,7 @@ cd fam-ui && streamlit run src/app.py | 项目 | 值 | |------|-----| | API Key | AQ.Ab8RN6I0l8hC7hLnNHRY6qOXdch5CTWczDNlS4c1XrneGHipUQ | -| 模型 | `gemini-1.5-flash`（生产配置）；`gemini-flash-latest`（curl 验证端点别名） | +| 模型 | `gemini-flash-latest`（生产配置，v1beta 下 `gemini-1.5-flash` 会 404，故用别名） | | 端点 | https://generativelanguage.googleapis.com/v1beta/models/gemini-flash-latest:generateContent | | 验证状态 | 2026-08-20 测试可用 | @@ -624,7 +623,7 @@ curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-flash-lates | Base URL | `https://integrate.api.nvidia.com/v1` | | 默认模型 | `meta/llama-3.2-11b-vision-instruct`（可替换 `qwen/qwen2-vl-72b-instruct`） | | SDK | `openai` Python SDK（NIM 兼容 OpenAI API 规范，直接复用） | -| 验证状态 | 待测（2026-08-20 配置完成，单图连通性验证脚本见 8.3） | +| 验证状态 | 已验证（2026-08-20 部署验证：`/api/edge/chat/ask` 实测 provider=nvidia，Gemini 超时后 NVIDIA 兜底成功；单图连通性验证脚本见 8.3） | **环境变量**： @@ -663,11 +662,16 @@ export NVIDIA_API_KEY="nvapi-9cFAdO5xdbwPuxS8KGRTnlVimn1gJzbbbzWNhPwHa_Yl3pTe-Pf - 模型基准测试（原 llava-phi3 预热 4.3s PASS，**已替换为 qwen2.5:7b**）；Ollama 常驻内存 - 架构改为推送模式（NAS 上传整段视频 → Edge 同步分析 → 结果随响应返回） - 关键帧自适应帧数 + FFmpeg 快速 seek（6-8x 提速） -- FAM-Core API 全端点测试通过；端到端聊天链路（Core→Edge→Ollama）验证 +- FAM-Core API 全端点测试通过 - FAM-UI 部署（Streamlit 1.61.1） - 真实视频性能基准（30min/360MB → 929s） - **E2E 全链路打通**：task 289 → SUCCESS，monitor_events/event_details 落库正确 - 可靠性加固：僵尸任务回收、文件日志、datetime 空值兜底、超时按实测调整 +- **架构重构（移除本地融合，云端直出直存）**： + - 视频分析链路：云端 VLM（Gemini `gemini-flash-latest` / NVIDIA NIM `llama-3.2-11b-vision-instruct`）直出结构化 JSON → Edge `format_cloud_result` 格式化/校验（无模型调用）→ 直存 NAS DB；本地 Ollama 不再参与视频摘要与融合（`run_text_fusion` 已移除） + - 智能问答链路：新增 `chat()` 方法，`run_qa` 按 Gemini → NVIDIA → 本地 Ollama 降级编排；端点 `/api/edge/chat/ask`；NAS Chat-Handler 经 Edge 编排（`qa_url`），不再直连 Ollama + - 生产目录已切回 `/volume1/surveillance/Generic_ONVIF-001`，285 历史视频 forward-only 占位跳过 +- **双端部署验证通过**（2026-08-20）：Oracle Edge 7 文件部署 + 重启，`/api/edge/chat/ask` 实测 provider=nvidia（Gemini 超时→NVIDIA 兜底成功）；NAS chat_handler + config 手术式更新 + HUP 重载，插入临时上下文实测 NAS→Edge 编排链路 43s 返回并落库（测试数据已清理）；Edge 日志确认 task 294（360MB）以新架构处理中、三模型健康检查全通过 详细进度见 `PROGRESS.md`。 @@ -675,14 +679,9 @@ export NVIDIA_API_KEY="nvapi-9cFAdO5xdbwPuxS8KGRTnlVimn1gJzbbbzWNhPwHa_Yl3pTe-Pf | # | 任务 | 优先级 | |---|------|--------| -| 1 | 接入云端视觉模型（Gemini `gemini-1.5-flash` + NVIDIA NIM `llama-3.2-11b-vision-instruct`），承担全部视觉分析；本地 Ollama 专职文本融合与 AI 对话（不再参与视觉） | 高 | -| 2 | 实现 `NvidiaVisionAdapter`（基于 openai SDK，Base64 多图内联，`role: vision`）并在 `build_adapter` 工厂注册 `provider: nvidia` | 高 | -| 3 | Orchestrator 视觉阶段按 `fallback` 降级 Gemini → NVIDIA NIM，全失败则任务 FAILED；文本阶段固定调本地 Ollama 融合；`compute_provider` / `source_providers` 兼容 `nvidia` 标签 | 高 | -| 4 | analyze_frames 改逐帧请求（云端模型支持多图，但逐帧更稳；同时解决历史 llava-phi3 多图失效问题，新方案本地 qwen2.5:7b 不参与视觉，该问题随之消除） | 高 | -| 5 | 切回生产视频目录（/volume1/surveillance/Generic_ONVIF-001），确认历史视频回补策略 | 高 | -| 6 | 单元测试（JSON parser / circuit breaker / schema 校验） | 中 | -| 7 | Tailscale 修复（NAS userspace 模式升级，流量不走公网） | 低 | -| 8 | daily_summaries 每日摘要 | 低 | +| 1 | 单元测试（JSON parser / circuit breaker / schema 校验） | 中 | +| 2 | Tailscale 修复（NAS userspace 模式升级，流量不走公网） | 低 | +| 3 | daily_summaries 每日摘要 | 低 | ---