采集后端 chrome-pa-api

# 一、定位与数据流

采集端由后端与 Chrome 插件组成，作为流水线协作：后端创建采集任务 → 插件轮询领取 → 打开目标 URL → 平台插件抓取 → 结构化数据回传后端存储与 LLM 情感分析。

TaskPoller 轮询 GET /get-not-started-task
   → 后端下发任务 → 插件打开标签页
   → content 脚本按域名分发到平台插件
   → 抓列表/详情 → POST /sentiment-monitor/data
   → 后端存 MongoDB + DeepSeek 情感分析

# 二、架构

路由模块（按域组织，位于 api/）

每个域含一个 *_api.py 路由文件和一个 *_api_utils/ 抓取辅助目录。

关键服务

# 三、接口概览

完整交互式接口文档在服务启动后访问 http://localhost:8000/docs（Swagger UI）。以下为主要端点分组：

# 四、配置

通过 APP_ENV 加载不同配置文件，优先级：系统环境变量 > .env 文件 > config.py 默认值。首次：cp .env.example .env.dev。

# 五、部署

运行依赖

依赖安装与启动

# 安装依赖
pip install -r requirements.txt

# 开发环境（默认 dev）
python main.py
APP_ENV=dev uvicorn main:app --host 0.0.0.0 --port 8000 --reload

# 生产环境
APP_ENV=prod uvicorn main:app --host 0.0.0.0 --port 8000 --workers 4

# 生产后台运行
APP_ENV=prod nohup uvicorn main:app --host 0.0.0.0 --port 8000 --workers 4 > logs/app.log 2>&1 &

systemd（推荐生产）

# /etc/systemd/system/chrome-pa-api.service
[Unit]
Description=Chrome PA API Service
After=network.target

[Service]
Type=simple
User=app
WorkingDirectory=/path/to/chrome-pa-api
Environment=APP_ENV=prod
ExecStart=/path/to/python -m uvicorn main:app --host 0.0.0.0 --port 8000 --workers 4
Restart=always
RestartSec=5

Docker Compose

# 通过 APP_ENV 切换环境，挂载对应 .env 文件
APP_ENV=prod docker compose up -d
APP_ENV=dev  docker compose up -d

# 六、关联