通过 wigolo MCP 采集 A 股/中国宏观新闻，LLM 生成摘要与情绪分，本地向量模型入库 libSQL，提供 FastAPI 查询接口。API 与后台采集调度器同进程运行，一个容器全包；web/ 是 Bun 前端（canary 编译为单二进制，监听 8443 反代后端并托管页面）。
前置：wigolo MCP 服务运行在宿主机 127.0.0.1:3333；.env 需包含 LLM_API_KEY（密钥只从环境变量读）。
cp .env.example .env # 填 LLM_API_KEY，按需填 WIGOLO_TOKEN、HTTP(S)_PROXY
docker build -t market-pulse .
# Linux 用 host network 直连宿主机 MCP；data/models 挂卷持久化
docker run -d --name market-pulse \
--restart unless-stopped \
--network host \
--env-file .env \
-v "$(pwd)/data:/app/data" \
-v "$(pwd)/models:/models" \
market-pulse \
--collect-interval 30m \
--collect-delay 30s
curl 'http://127.0.0.1:8000/health' # {"status":"ok"}
docker logs -f market-pulse常用启动参数（时长后缀支持 s / m / h）：
| 参数 | 默认 | 说明 |
|---|---|---|
--collect-interval |
30m |
采集轮次间隔，必须 > 0 |
--collect-delay |
30s |
启动后首轮延迟；0s 立即采集 |
--wigolo-url |
127.0.0.1:3333/mcp |
wigolo MCP 监听地址（跑在其他主机/端口时改这里） |
固定单 worker：增加 worker 会启动重复的后台采集器。首轮启动会自动下载 embedding 模型（约 100MB，需要代理时配置
HTTPS_PROXY）。
| 接口 | 说明 |
|---|---|
GET /health |
健康检查 |
GET /timeline?limit=50&starting_after={event_id} |
事件时间线（倒序，游标分页：响应含 has_more / starting_after） |
GET /events/{event_id} |
事件详情 + 多来源报道列表 |
GET /sentiment/overview |
情绪总览：24h 均值、7 日均值与趋势差 |
GET /sentiment/timeseries?window=day&hours=72 |
情绪时序：均值/计数/正负占比，按小时或天分桶 |
GET /sentiment/factors?hours=72 |
因子分解：各因子平均情绪与覆盖率 |
GET /search?q=降息&k=10 |
语义检索：按事件摘要向量近邻 |
错误统一为 {error: {type, message, param, request_id}}（type 如 not_found_error / invalid_request_error），每条响应带 X-Request-Id 头。
curl 'http://127.0.0.1:8000/timeline?limit=5'
curl 'http://127.0.0.1:8000/sentiment/overview'
curl 'http://127.0.0.1:8000/search?q=央行+降准'nginx 单页仪表盘：监听 8443，/api/* 反代到后端，其余路径托管静态页面。
cd web
docker build -t market-pulse-web . # nginx:alpine，静态资源 + 同源反代
docker run -d --name market-pulse-web \
--network host \
-e BACKEND_URL=http://127.0.0.1:8000 \
market-pulse-web环境变量：PORT（默认 8443）、BACKEND_URL（默认 http://127.0.0.1:8000），启动时经官方 20-envsubst-on-templates 注入 nginx 配置。
如何采集？
每轮采集：并发抓取各源列表页 → LLM 提取条目（每源最多 20 条最新）→ 抓取正文 → 数据库去重 → LLM 分析（相关判定 + 摘要 + 情绪 + 因子）→ 批量向量化 → 单事务入库。源清单集中在 market_pulse/sources.py（财联社、华尔街见闻、央行/证监会/统计局公告、新华社等，全部为财经/监管/宏观机构）。
如何保证及时性？
后台调度器每 30 分钟自动跑一轮（--collect-interval 可调）；抓取与 LLM 分析各 4 路并发；JS 渲染站点（财联社、华尔街见闻等）自动开启渲染。--collect-delay 0s 可让容器启动即采集。
如何存储？
libSQL（SQLite 兼容），默认本地单文件 data/market.db（WAL 模式，挂卷即持久化）。连接串直接透传给 libsql：可填本地 file: 路径，也可填远程 libsql:// / https:// URL（CLI 采集命令 --db 可传，token 需带在 URL 上如 ?authToken=...；远程需服务端支持向量索引）。三张表：events（事件、情绪、因子聚合）、reports（原文与内容指纹）、event_embeddings（512 维向量 + 向量索引）。时间戳统一 RFC 3339 UTC。
如何避免重复入库？
两层去重：① 精确去重——reports 表 UNIQUE(url, content_hash)，指纹 = sha256(URL+标题+正文)，入库前先查库，重复报道直接跳过、不调 LLM；② 语义合并——48 小时窗口内向量相似度达标（cosine < 0.25）的报道视为同一事件合并，情绪与因子按报道数滚动平均。
如何避免采集到无关财经的新闻？ 两道闸：源头——源清单只收录财经/监管/宏观机构；判定——LLM 按「从严」标准判断相关性（文化、体育、娱乐、生活方式、普通公司事务一律判为不相关），不相关的报道跳过入库和向量化，不污染查询结果。
如何节省 token？
去重前置（重复报道不调 LLM）；正文截断（列表页 30K/正文 20K 字符，分析 prompt 只取前 6000 字）；每源每轮最多 20 条；LLM 关闭 thinking（reasoning_effort=none），输出压缩为 ≤30 字标题 + ≤120 字摘要；不相关报道不 embedding 不入库。embedding 用本地 BAAI/bge-small-zh-v1.5，不走 API。