一站式工具：下载微信文章 → LLM 翻译 → 审核 → OSS 上传图片 → 格式转换 → 输出 deepmodeling/blog 兼容的 Markdown。
- 下载微信公众号文章（内容 + 图片）
- 装饰图自动过滤：基于感知哈希（pHash）识别并过滤模板装饰图
- 智能图片重编号：按正文出现顺序统一重编号为 pic1/pic2/...
- 多 LLM 翻译（支持 Qwen / DeepSeek，可随时切换对比）
- LLM 自动审核翻译质量（支持双模型交叉审查）
- OSS 图片上传：自动上传到阿里云 OSS 并替换为 HTTPS 地址
- LaTeX 公式保留：下载器从微信 HTML 提取 LaTeX 源码，转换器归一化为
$...$/$$...$$，交由站点 MathJax 渲染 - 自动转换为博客格式（frontmatter +
<center><img>+<!-- more -->） - LLM 自动分类（categories）
- 一条命令串起下载、翻译审核、OSS 上传、博客格式转换、GitHub PR 和可选的领英文案生成
- 领英文案：Step 7 从转换后的博客稿生成动态文案，保存到文章目录的
linkedin/，审核后手工发布 - GitHub PR 自动提交：通过 gh CLI 自动创建 PR 到目标仓库（branch → push → PR，不动 master）
- 项目与目标仓库隔离：目标仓库缓存在项目外部，互不污染
- 容错设计：任意步骤出错时提示重试/跳过，不阻塞流水线
translate/
├── config.yaml # LLM + OSS + 审查 + GitHub 多合一配置（不入库）
├── config.yaml.example # 配置文件模板（可入库，供新用户参考）
├── .gitignore # 排除敏感配置和输出文件
├── models/
│ └── decorative_hashes.json # 装饰图哈希库（由 --build 生成）
├── requirements.txt # Python 依赖
├── src/
│ ├── main.py # 主入口（交互 / 命令行 / 批量）
│ ├── downloader.py # 下载 + 图片重编号 + 装饰图过滤
│ ├── translator.py # LLM 翻译 + 审核 + 交叉审查
│ ├── converter.py # 格式转换 + 公式转换 + LLM 分类
│ ├── oss_uploader.py # 阿里云 OSS 图片上传
│ ├── github_uploader.py # GitHub PR 自动提交
│ ├── linkedin_writer.py # 生成领英动态文案
│ ├── decorative_filter.py # 装饰图 pHash 过滤器
│ └── utils.py # 共享工具函数
├── data/
│ ├── decorative_samples/ # 装饰图样本（手动放入，用于构建哈希库）
│ ├── OSS/oss工具.md # 阿里云 OSS 工具文档索引
│ ├── Todo.md # 任务列表
│ ├── formula-handling.md # 公式处理记录（格式 / 下载器 / 转换阶段）
│ ├── 报告/ # 各轮缺陷复盘与修复报告
│ └── blog/source/_posts/ # 参考博客源文件（用于格式对齐）
└── output/ # 输出目录
└── article_{时间戳}/
├── {标题}_zh.md # 中文原文（含元数据块）
├── {标题}_en.md # 英文翻译（含翻译元数据）
├── {标题}_review.md # 审核报告（有问题时生成）
├── {标题}.images_map.txt # 图片 URL 映射（上传后更新为 OSS 地址）
├── images/ # 下载的图片（pic1.png, pic2.png, ...）
└── blog_output/
└── {CATEGORY}_{YYYY}_{MM}_{DD}.md # 最终博客文件
python src/main.py然后按提示选择 LLM 和模型，输入文章链接即可全自动完成。
可用 LLM 提供商:
[1] qwen 当前默认: qwen3.7-max
[2] deepseek 当前默认: deepseek-v4-pro
[Enter] 退出
选择 LLM: 2
deepseek 可用模型:
[1] deepseek-v4-pro ★默认
[2] deepseek-v4-flash
[3] deepseek-v4.1
[4] deepseek-chat
[5] deepseek-reasoner
[Enter] 使用默认
模型: 2
🧹 装饰图过滤
是否更新装饰图哈希库？[1] 更新 [Enter] 跳过:
微信文章链接 [回车退出]: https://mp.weixin.qq.com/s/xxx
# 单篇全自动处理
python src/main.py --url "https://mp.weixin.qq.com/s/xxx"
# 指定 LLM 和模型
python src/main.py --url "..." --llm deepseek --model deepseek-v4-pro
# 仅下载（不翻译、不转换，但会上传 OSS 如果已配置）
python src/main.py --url "..." --download-only
# 批量处理（从文件读取 URL）
python src/main.py --file urls.txt --llm deepseek
# 单独运行格式转换
python src/converter.py --dir output/article_xxx --llm deepseek
# 单独运行 OSS 上传
python src/oss_uploader.py --dir output/article_xxx
# 单独运行 GitHub 上传
python src/github_uploader.py --dir output/article_xxx
python src/github_uploader.py --file output/article_xxx/blog_output/xxx.md
# 构建装饰图哈希库
python src/decorative_filter.py --build创建 urls.txt：
https://mp.weixin.qq.com/s/xxx1
https://mp.weixin.qq.com/s/xxx2
https://mp.weixin.qq.com/s/xxx3
微信公众号模板装饰图（顶部横幅、分割线、底部二维码等）是同一批固定图片反复出现。本项目用感知哈希（pHash）自动识别并过滤。
初始化（一次性）：
# 1. 将标记好的装饰图放入 data/decorative_samples/（平铺，无需分类子目录）
# 2. 构建哈希库
python src/decorative_filter.py --build日常维护：发现新装饰图时，扔进 data/decorative_samples/ 重新 --build 即可。
过滤行为：命中图片自动移至 images/_filtered/（可恢复），markdown 引用同步删除。哈希库不存在时静默跳过，不影响下载。
pip install -r requirements.txt依赖：
requests— HTTP 请求beautifulsoup4— HTML 解析markdownify— HTML 转 Markdownopenai— LLM API 调用（兼容 OpenAI / DeepSeek / DashScope）pyyaml— 配置文件解析imagehash— 感知哈希（装饰图过滤）Pillow— 图片处理
- ossutil 2.0 — 阿里云 OSS 命令行工具，用于图片上传。如不需要 OSS 上传功能可不安装。
- GitHub CLI (
gh) — 用于自动创建 PR 上传博客。如不需要 GitHub 上传功能可不安装。安装后登录：winget install GitHub.cli # Windows brew install gh # macOS
gh auth login
新用户第一步：复制模板文件并填入实际值。
copy config.yaml.example config.yaml # Windows
cp config.yaml.example config.yaml # macOS / Linux然后编辑 config.yaml，填入各服务的 API Key 和 AccessKey。
config.yaml已加入.gitignore，不会被提交到 Git 仓库。
config.yaml 包含四部分：LLM 提供商、OSS 上传、翻译审查、GitHub 上传。
llm:
default: "qwen" # 默认提供商（可通过 --llm 参数覆盖）
providers:
qwen:
api_key: "sk-xxx"
base_url: "https://dashscope.aliyuncs.com/compatible-mode/v1"
model_name: "qwen3.7-max"
deepseek:
api_key: "sk-xxx"
base_url: "https://api.deepseek.com"
model_name: "deepseek-v4-pro"可用模型（运行时选择）：
| 提供商 | 模型 |
|---|---|
| Qwen | qwen3.7-max, qwen3.7-plus, qwen3.6-flash, qwen-max |
| DeepSeek | deepseek-v4-pro, deepseek-v4-flash, deepseek-v4.1, deepseek-chat, deepseek-reasoner |
注意：
deepseek-chat和deepseek-reasoner将于 2026/07/24 弃用，建议迁移至deepseek-v4-pro/deepseek-v4-flash。
oss:
access_key_id: "LTAI5txxx" # 阿里云 AccessKey ID（必填）
access_key_secret: "xxx" # 阿里云 AccessKey Secret（必填）
bucket: "dp-public" # OSS Bucket 名称
endpoint: "oss-cn-beijing.aliyuncs.com" # OSS Endpoint
region: "cn-beijing" # Bucket 所在地域
path_prefix: "community/Blog Files" # OSS 上传路径前缀提示：如果未配置 OSS（AK 为空），流水线会自动跳过上传步骤，使用原始微信 CDN URL。
这对 AccessKey 由运维（陈少杰）签发，对应 bucket dp-public 下 community/
前缀的读写权限。AK 会周期性轮换，旧 AK 被回收后流水线会在图片上传环节失败。
| 日期 | 事件 | 说明 |
|---|---|---|
| 2026-07-14 | 首次签发 | 运维通过飞书下发，用于替代手工传图 |
| 2026-11-12 | 轮换 | 换入新 AK；旧 AK 实测已失效（EC: 0002-00000903，AccessKey ID 不存在或已禁用）。新 AK 读写均已验证 |
轮换时要做的事（只有 config.yaml 一处，该文件已被 .gitignore 排除）：
- 停掉正在跑的流水线任务，避免上传到一半切凭证
- 改
config.yaml的oss.access_key_id/oss.access_key_secret - 验证读：
ossutil ls oss://dp-public/community/ --region cn-beijing应返回对象列表 - 验证写：传一张小图到临时前缀，确认后删掉
- 更新上表的轮换记录
- 通知运维旧 AK 可以回收
故障特征：图片上传全部失败且报 EC: 0002-00000903，优先怀疑 AK 已轮换，
而不是代码或网络问题。
review:
cross_review: true # 是否启用双模型交叉审查
second_reviewer: "qwen" # 第二个审查模型（引用 llm.providers 中的名称）
max_revise_rounds: 1 # 最大修改轮次（审查未通过时自动修改）交叉审查流程：当 cross_review: true 时，翻译完成后会由主模型 + 第二模型分别独立审查，合并两份报告（取较低分数、合并问题列表）。审查未通过时自动调用 LLM 修改译文。
github:
repo: "deepmodeling/blog" # 目标仓库
branch: "master" # 目标分支（PR base）
cache_dir: "" # 本地缓存目录（留空则默认 ../blog-cache）工作流程：拉取最新 master → 创建 post-{CATEGORY}_{YYYY}_{MM}_{DD} 分支 → 复制博客文件 → 推送 → 创建 PR。绝不直接操作 master 分支。
仓库隔离：目标仓库 clone 到项目外部的缓存目录（默认 ../blog-cache），与翻译项目仓库互不影响。
前置条件：需安装 GitHub CLI 并登录。
winget install GitHub.cli # 安装
gh auth login # 登录提示：如果未配置 GitHub 段或 gh 不可用，流水线会自动跳过上传步骤。
[Step 1/7] 下载文章
├── 提取正文、标题、公式
├── 智能图片重编号（按出现顺序 pic1/pic2/...）
├── 装饰图 pHash 过滤（命中图片移至 _filtered/）
├── 跳过音视频内容并标注
└── 生成中文 Markdown + images_map.txt
[Step 2/7] 交互确认 → LLM 翻译 + 审核
├── 询问用户是否翻译（可跳过，仅保留中文版）
├── 中文 → 英文翻译（保留公式、图片、Markdown 语法）
├── LLM 审核（漏译 / 术语 / 格式）
├── 交叉审查（可选）：双模型独立审查，合并报告
└── 未通过时自动修改译文（最多 N 轮，可配置）
[Step 3/7] 保存文件
├── {标题}_zh.md — 中文原文
├── {标题}_en.md — 英文译文（含翻译元数据头）
├── {标题}_review.md — 审核报告
├── {标题}.images_map.txt — 图片 URL 映射
└── images/ — 下载的正文图片
[Step 4/7] OSS 上传（可选）
├── 上传 images/ 中所有图片到 OSS
├── 更新 images_map.txt 为 OSS HTTPS 地址
└── 上传失败时自动回退到原始微信 CDN URL
[Step 5/7] 格式转换 → 博客格式
├── LLM 自动分类（categories）
├── 清理翻译元数据块（> Source, > Translated by 等）
├── LaTeX 公式归一化（\(...\) → $...$，交由 MathJax 渲染）
├── 图片语法转换（ → <center><img src=url /></center>）
├── 图N → Figure N 自动翻译
├── 图片间加粗文本 → ## 二级标题
├── 自动插入 <!-- more -->（第一段落后）
├── 自动检测 mathjax: true（含公式时写入，在归一化前检测以确保准确）
└── 文件命名：{CATEGORY}_{YYYY}_{MM}_{DD}.md
[Step 6/7] 上传 GitHub → PR
├── 检查 gh CLI 可用 & 已登录
├── 同步本地缓存仓库（git pull origin master）
├── 创建分支 post-{CATEGORY}_{YYYY}_{MM}_{DD}
├── 复制 blog_output/*.md → source/_posts/
├── git commit + git push
└── gh pr create → 返回 PR 链接
[Step 7/7] 生成领英动态文案（可跳过）
├── 从转换后的博客 Markdown 生成纯文本
└── 保存到文章目录的 linkedin/，由人工审核并发布
2026-11-10 修复了标题漏译的兜底路径。验证方式和原因见 标题漏译修复报告。
# Translated English Title
> Source: https://mp.weixin.qq.com/s/xxx
> Original title: 中文原标题
> Translated by deepseek
> Quality score: 85/100 (PASSED)
---
Body content with images and formulas...---
title: "DP Can Also Do This? Deep Learning Potential Framework..."
date: 2026-07-14
categories:
- DeePMD-kit
---
<center><img src=https://oss-url/pic1.png pic_center width="100%" height="100%" /></center>
Body content...
<!-- more -->
## Section Title
More content...
<center><img src=https://oss-url/pic2.png pic_center width="100%" height="100%" /></center># 测试翻译模块（使用内置示例文本，无需网络）
python src/translator.py
# 测试下载模块（需提供真实微信文章 URL）
python src/downloader.py
# 测试格式转换（需提供已有输出目录）
python src/converter.py --dir output/article_xxx
# 测试 OSS 上传（需提供已有输出目录）
python src/oss_uploader.py --dir output/article_xxx- 上传 GitHub 脚本
- Markdown 表格格式自动修复（微信表格 → 标准 Markdown 表格）
- 公式提取增强：CSS 模拟下标格式（
vertical-align:sub）的识别与 LaTeX 还原 - 公式提取增强：公式图片的 OCR/alt-text 识别
Created: 2026-03-31 | Updated: 2026-07-15