# 内容自动化创作Agent

一个完整的自动化内容创作系统，支持从网络爬取内容、智能提取文案、AI改稿，最终生成配音或视频文件。

## 🚀 功能特性

- **🕷️ 智能爬虫**: 支持多平台内容抓取，包含反爬虫规避策略
- **📝 内容提取**: 智能提取网页中的有效文案内容
- **🤖 AI改稿**: 基于大语言模型的智能内容改写
- **🎙️ 语音生成**: 支持多种语音合成服务（Azure、Google、ElevenLabs）
- **🎬 视频生成**: 将文本内容转换为视频文件
- **⚡ 批量处理**: 支持批量URL处理和并发执行
- **🔧 高度可配置**: 灵活的配置文件系统

## 📦 安装

### 1. 克隆项目
```bash
git clone <项目地址>
cd content_automation_agent
```

### 2. 安装依赖
```bash
pip install -r requirements.txt
```

### 3. 配置API密钥

编辑 `config/config.yaml` 文件，添加你的API密钥：

```yaml
api:
  openai:
    api_key: "your_openai_api_key_here"
  
  voice:
    provider: "azure"
    azure:
      subscription_key: "your_azure_speech_key"
      region: "eastus"
```

或者使用环境变量：
```bash
export OPENAI_API_KEY="your_openai_api_key"
export AZURE_SPEECH_KEY="your_azure_speech_key"
export AZURE_SPEECH_REGION="eastus"
```

## 🎯 快速开始

### 基本用法

#### 1. 生成配音文件
```bash
python main.py https://example.com/article --format voice
```

#### 2. 生成视频文件
```bash
python main.py https://example.com/article --format video
```

#### 3. 批量处理
```bash
python main.py https://url1.com https://url2.com https://url3.com --format voice
```

#### 4. 仅提取文本
```bash
python main.py https://example.com/article --format text
```

### 编程接口

```python
import asyncio
from main import ContentAutomationAgent

async def main():
    # 初始化Agent
    agent = ContentAutomationAgent()
    
    # 处理单个URL
    result = await agent.process_url(
        url="https://example.com/article",
        output_format="voice"  # 或 "video", "text"
    )
    
    print(f"生成文件: {result['output_files']}")

# 运行
asyncio.run(main())
```

## ⚙️ 配置说明

### 配置文件结构

```yaml
# API配置
api:
  openai:
    api_key: "your_api_key"
    model: "gpt-3.5-turbo"
    max_tokens: 2000
    temperature: 0.7

# 爬虫配置
crawler:
  user_agent: "Mozilla/5.0..."
  delay_range: [1, 3]
  max_retries: 3
  timeout: 30

# 内容提取配置
extraction:
  min_content_length: 100
  max_content_length: 5000
  remove_ads: true

# 改稿配置
rewriting:
  style_options: ["正式", "口语化", "幽默", "专业", "简洁"]
  target_length: 800

# 语音生成配置
voice_generation:
  output_format: "mp3"
  sample_rate: 24000

# 视频生成配置
video_generation:
  resolution: "1920x1080"
  fps: 30
```

## 🎨 支持的改写风格

- **正式**: 适合官方、商务场合
- **口语化**: 日常对话风格，通俗易懂
- **幽默**: 轻松活泼，有趣味性
- **专业**: 使用专业术语，深入分析
- **简洁**: 言简意赅，重点突出

## 🌐 支持的平台

### 社交媒体
- 微博 (weibo.com)
- 知乎 (zhihu.com)
- B站 (bilibili.com)
- 小红书 (xiaohongshu.com)

### 新闻网站
- 新浪新闻
- 网易新闻
- 腾讯新闻
- 今日头条

### 技术博客
- 掘金 (juejin.cn)
- SegmentFault
- CSDN
- GitHub

## 🔧 高级用法

### 自定义语音参数

```python
voice_params = {
    'voice_name': 'zh-CN-XiaoxiaoNeural',
    'speed': 1.2,
    'language_code': 'zh-CN'
}

result = await agent.process_url(
    url="https://example.com",
    output_format="voice",
    voice_params=voice_params
)
```

### 自定义视频参数

```python
video_params = {
    'resolution': '1280x720',
    'background_color': '#1a1a1a',
    'text_color': '#ffffff',
    'font_size': 28,
    'duration_per_sentence': 4
}

result = await agent.process_url(
    url="https://example.com",
    output_format="video",
    video_params=video_params
)
```

### 批量异步处理

```python
urls = [
    "https://url1.com",
    "https://url2.com",
    "https://url3.com"
]

results = await agent.process_batch(
    urls=urls,
    output_format="voice"
)
```

## 📊 输出文件

### 目录结构
```
output/
├── voice/
│   ├── voice_20240101_120000.mp3
│   └── voice_20240101_120001.mp3
├── video/
│   ├── video_20240101_120000.mp4
│   └── video_20240101_120001.mp4
└── report_20240101_120000.txt  # 处理报告
```

### 处理报告
每次批量处理后会生成详细的处理报告，包含：
- 处理成功的URL列表
- 失败的URL及错误原因
- 生成的文件路径
- 内容统计信息

## 🛡️ 反爬虫策略

- **随机延迟**: 请求间隔随机化
- **User-Agent轮换**: 模拟不同浏览器
- **并发限制**: 控制同时请求数量
- **重试机制**: 失败自动重试
- **SSL证书处理**: 处理HTTPS证书验证

## 🚨 注意事项

1. **API配额**: 注意各API服务的调用配额限制
2. **网络延迟**: 批量处理时建议设置适当的延迟
3. **内容版权**: 请确保爬取的内容不侵犯版权
4. **使用规范**: 遵守各平台的使用条款和robots.txt

## 🔍 故障排除

### 常见问题

#### 1. 爬虫失败
- 检查网络连接
- 确认URL可访问
- 检查是否触发反爬虫机制

#### 2. API调用失败
- 验证API密钥是否正确
- 检查API配额是否用完
- 确认网络能够访问API服务

#### 3. 内容提取失败
- 检查网页结构是否变化
- 确认内容长度符合要求
- 查看日志了解具体原因

#### 4. 语音/视频生成失败
- 检查输出目录权限
- 确认磁盘空间充足
- 验证依赖库是否正确安装

### 日志查看
查看 `logs/` 目录下的日志文件获取详细错误信息。

## 🤝 贡献

欢迎提交Issue和Pull Request来改进这个项目！

## 📄 许可证

MIT License

## 📞 支持

如有问题，请在GitHub上提交Issue。

---

**⭐ 如果这个项目对你有帮助，请给个Star支持一下！**