這次我們來看一個很適合個人開發(fā)者和家庭場景的服務型小項目“你的幸福就是我最大的幸?！薄Ｋ皇且粋€圖像生成工作流也不是語音克隆工具而是一套用 FastAPI 搭起來的本地情感關懷服務用來記錄你在意的人的重要日期和情緒狀態(tài)在關鍵時刻自動生成并推送一條祝福文案。項目的核心理念很樸素把“關心”變成數(shù)據(jù)、規(guī)則和定時任務不讓任何一個值得記住的日子被漏掉。這個項目最值得關注的點有幾個所有隱私數(shù)據(jù)默認存在本地 SQLite不需要把家庭成員記錄傳到外部平臺提供完整的 REST API可以接自己的任務流支持批量生成祝福文案和定時掃描提醒硬件門檻低輕量模式在普通辦公電腦上就能運行同時保留了接入更強情感分析模型的空間。如果后續(xù)要接入本地大模型做語義分析才會涉及顯卡和顯存評估基礎版本并不依賴 GPU。本文會帶讀者從零搭建完整閉環(huán)先初始化項目結構和數(shù)據(jù)庫再啟動 API 服務然后錄入用戶和情感記錄跑一輪情感分析與祝福文案生成最后配置定時任務和批量任務隊列。每一步都給出了可復制的代碼和使用方法讀者跟著操作就能得到一個可運行的本地服務。適合的讀者有兩類一類是想要給家人、伴侶、朋友做一套私人提醒系統(tǒng)的個人開發(fā)者另一類是正在學習 FastAPI、SQLite、定時任務和本地數(shù)據(jù)存儲全棧思路的初學者。如果只是好奇也可以先看第 5 節(jié)的功能測試和第 8 節(jié)的資源占用部分能快速判斷這套方案是否符合自己的需求。1. 核心能力速覽先把項目的關鍵規(guī)格放在前面方便快速判斷這個方案值不值得花時間。能力項說明項目類型本地部署的情感關懷與幸福記錄服務示例項目主要功能用戶管理、情感記錄、輕量情感分析、祝福文案生成、日期提醒、批量文案生成存儲方式SQLite 本地數(shù)據(jù)庫數(shù)據(jù)默認不出本機推薦運行環(huán)境Python 3.9 及以上Windows / Linux / macOS 均可硬件門檻輕量模式普通辦公電腦即可接入本地大模型做語義分析時才需要評估顯存啟動方式命令行啟動 FastAPI 服務接口 API提供 REST API可通過 /docs 查看交互文檔批量任務支持批量生成祝福文案、定時掃描提醒日期推送方式默認輸出 JSON 文件和日志可自行擴展郵件、機器人等通道適合場景個人與家庭隱私場景、FastAPI 全棧學習、自動化關懷任務需要強調一點這個項目是一個通用實現(xiàn)模板不是某個組織發(fā)布的閉源軟件。讀者拿到的是代碼骨架實際的情感詞典、文案風格、數(shù)據(jù)庫表結構都可以按自己的場景改。表格里的“本地部署”“REST API”等說法都是圍繞這個模板本身的能力來描述的不綁定任何特定開源模型或第三方平臺賬號。2. 適用場景與使用邊界這個服務最合適的場景是個人和家庭內部使用。你可以記錄父母的生日、伴侶的結婚紀念日、孩子的重要成長節(jié)點然后讓系統(tǒng)到點提醒你該打個電話該發(fā)條消息該準備一份小禮物。相比在手機上單純設一個日歷鬧鐘這套項目的優(yōu)勢在于它把人物關系、情感記錄和文案生成串在了一起提醒的不只是一個“日期”而是一個“為什么要做這件事”的上下文。它也能用于學習完整的后端開發(fā)流程。FastAPI 負責接口層SQLite 負責持久化APScheduler 負責定時任務情感分析和模板生成負責業(yè)務邏輯。整個項目結構足夠小但已經(jīng)覆蓋了一個服務端應用的主要模塊適合作為練手項目逐步擴展。使用邊界要提前說清楚。第一不要在沒有鑒權的情況下把服務暴露到公網(wǎng)默認監(jiān)聽 127.0.0.1 就是為安全考慮的如果要多設備訪問應該自己加 Token 或身份校驗。第二情感分析結果只做參考它不能替代心理咨詢或醫(yī)療判斷如果發(fā)現(xiàn)記錄對象長期處于明顯的負面情緒應該用真實的人際關懷去介入。第三如果你要把家人的情緒記錄、日期信息錄入系統(tǒng)最好征得對方同意這些信息屬于個人敏感數(shù)據(jù)。第四未來如果擴展成自動發(fā)送短信、微信消息、生成照片或語音祝福必須使用合規(guī)的推送通道并確保肖像權和聲音權已經(jīng)獲得授權。3. 環(huán)境準備與項目結構先準備 Python 環(huán)境。推薦使用虛擬環(huán)境隔離依賴避免和系統(tǒng) Python 包沖突。Windows 用戶在命令提示符或 PowerShell 中執(zhí)行Linux / macOS 用戶使用終端。mkdir happiness_service cd happiness_service python -m venv venv激活虛擬環(huán)境# Windows venv\Scripts\activate # Linux / macOS source venv/bin/activate創(chuàng)建依賴文件 requirements.txt寫入以下內容fastapi0.110 uvicorn0.29 apscheduler3.10 pydantic2.6然后安裝依賴pip install -r requirements.txt依賴安裝完成后創(chuàng)建項目目錄結構。推薦按下面的方式組織文件后續(xù)擴展功能時不容易亂happiness_service/ ├── app.py ├── config.py ├── database.py ├── analyzer.py ├── template_engine.py ├── scheduler.py ├── requirements.txt ├── data/ └── scripts/ └── send_blessing.py每個文件的職責如下config.py 保存路徑和端口配置database.py 負責 SQLite 初始化和增刪改查analyzer.py 做輕量情感分析template_engine.py 負責祝福文案生成scheduler.py 是定時提醒任務app.py 是 FastAPI 入口scripts 目錄放獨立的批量腳本。先寫 config.py把路徑集中管理import os BASE_DIR os.path.dirname(os.path.abspath(__file__)) DATA_DIR os.path.join(BASE_DIR, data) DB_PATH os.path.join(DATA_DIR, happiness.db) HOST os.getenv(HAPPINESS_HOST, 127.0.0.1) PORT int(os.getenv(HAPPINESS_PORT, 8000))然后寫 database.py包含建表和基礎數(shù)據(jù)訪問方法import sqlite3 from pathlib import Path from config import DATA_DIR, DB_PATH def get_connection(): Path(DB_PATH).parent.mkdir(parentsTrue, exist_okTrue) conn sqlite3.connect(DB_PATH) conn.row_factory sqlite3.Row return conn def init_db(): conn get_connection() conn.executescript( CREATE TABLE IF NOT EXISTS users ( id INTEGER PRIMARY KEY AUTOINCREMENT, name TEXT NOT NULL, relationship TEXT DEFAULT default, birthday TEXT, anniversary_date TEXT, created_at TEXT DEFAULT CURRENT_TIMESTAMP ); CREATE TABLE IF NOT EXISTS records ( id INTEGER PRIMARY KEY AUTOINCREMENT, user_id INTEGER NOT NULL, content TEXT NOT NULL, mood_type TEXT, mood_score REAL, keywords TEXT, remark TEXT, created_at TEXT DEFAULT CURRENT_TIMESTAMP, FOREIGN KEY (user_id) REFERENCES users(id) ); CREATE TABLE IF NOT EXISTS remind_tasks ( id INTEGER PRIMARY KEY AUTOINCREMENT, user_id INTEGER NOT NULL, task_type TEXT NOT NULL, task_date TEXT NOT NULL, message TEXT, status TEXT DEFAULT pending, created_at TEXT DEFAULT CURRENT_TIMESTAMP ); ) conn.commit() conn.close()數(shù)據(jù)表設計為三張users 保存人物信息records 保存每次情感記錄和分析結果remind_tasks 保存待觸發(fā)的提醒任務。birthday 和 anniversary_date 統(tǒng)一使用“YYYY-MM-DD”格式字符串方便定時任務按月日匹配。analyzer.py 先實現(xiàn)一個離線情感詞典版本不需要聯(lián)網(wǎng)也不需要 GPU。這個版本用來演示完整流程夠了后續(xù)想提高準確率可以把 analyze_sentiment 函數(shù)內部換成調用本地部署的情感分類模型。POSITIVE_WORDS {幸福, 開心, 快樂, 溫暖, 感動, 滿足, 喜歡, 順利, 健康, 值得} NEGATIVE_WORDS {難過, 失落, 疲憊, 焦慮, 生氣, 委屈, 壓力, 糟糕, 失眠, 擔心} def analyze_sentiment(text: str) - dict: positive_hits [w for w in POSITIVE_WORDS if w in text] negative_hits [w for w in NEGATIVE_WORDS if w in text] if not positive_hits and not negative_hits: return { mood_type: neutral, mood_score: 5.0, keywords: [], } total len(positive_hits) len(negative_hits) ratio len(positive_hits) / total if ratio 0.6: mood_type positive elif ratio 0.4: mood_type negative else: mood_type neutral return { mood_type: mood_type, mood_score: round(ratio * 10, 1), keywords: positive_hits negative_hits, }template_engine.py 使用模板生成祝福文案。這里先做離線模板版本避免把家庭場景的文案請求發(fā)送到外部大模型接口。按場景區(qū)分生日、紀念日、日常問候后續(xù)可以按人物關系繼續(xù)擴展模板庫。TEMPLATES { birthday: [ {name}生日快樂。愿你想要的都擁有愿你珍惜的人一直陪在身邊。你的幸福就是我最大的幸福。, 今天是你的生日{name}。不用趕著成為誰今天只做開心的自己。, ], anniversary: [ {name}紀念日快樂。謝謝你在那些平常日子里給的陪伴愿以后每個重要日子我們都不缺席。, 屬于我們的紀念日又到了{name}。時間在走想給你的心意不變。, ], daily: [ {name}今天有沒有按時吃飯稍微停下來歇一會兒別讓自己太累。, 想跟你說聲{name}今天也辛苦了。你的笑容就是我最想守護的東西。, ], } RELATIONSHIP_NOTES { partner: 最珍惜的人, parent: 最想孝順的人, child: 最想守護的人, friend: 重要的朋友, default: 在乎的人, } def build_relationship_prefix(relationship: str) - str: return RELATIONSHIP_NOTES.get(relationship, RELATIONSHIP_NOTES[default]) def generate_blessing(user_name: str, scenario: str daily, relationship: str default) - str: templates TEMPLATES.get(scenario, TEMPLATES[daily]) template templates[0] return template.format(nameuser_name)到這一步項目骨架已經(jīng)完整。沒有 GPU 也能跑因為你還沒有調用任何深度學習模型。下面進入服務啟動和接口驗證。4. 啟動 API 服務與基礎驗證現(xiàn)在寫 FastAPI 入口 app.py。這里直接調用 init_db 初始化數(shù)據(jù)庫減少啟動時序問題。再定義用戶創(chuàng)建、情感記錄、情感趨勢和祝福生成等接口。from typing import Optional from fastapi import FastAPI from pydantic import BaseModel from analyzer import analyze_sentiment from config import init_app_config from database import ( add_record, add_user, get_mood_trend, init_db, list_records, list_users, ) from template_engine import generate_blessing app FastAPI(title你的幸福就是我最大的幸福, version0.1.0) init_db() class UserCreate(BaseModel): name: str relationship: str default birthday: Optional[str] None anniversary_date: Optional[str] None class RecordCreate(BaseModel): user_id: int content: str remark: Optional[str] None class BlessingRequest(BaseModel): name: str scenario: str daily relationship: str default app.get(/health) def health_check(): return {status: ok, service: happiness-service} app.post(/users) def create_user(payload: UserCreate): user_id add_user( namepayload.name, relationshippayload.relationship, birthdaypayload.birthday, anniversary_datepayload.anniversary_date, ) return {user_id: user_id, message: 用戶創(chuàng)建成功} app.get(/users) def query_users(): return list_users() app.post(/records) def create_record(payload: RecordCreate): mood_result analyze_sentiment(payload.content) record_id add_record( user_idpayload.user_id, contentpayload.content, mood_resultmood_result, remarkpayload.remark, ) return {record_id: record_id, analysis: mood_result} app.get(/users/{user_id}/records) def query_records(user_id: int): return list_records(user_iduser_id) app.get(/users/{user_id}/mood_trend) def query_mood_trend(user_id: int): return get_mood_trend(user_iduser_id) app.post(/blessing) def create_blessing(payload: BlessingRequest): return { scenario: payload.scenario, message: generate_blessing( user_namepayload.name, scenariopayload.scenario, relationshippayload.relationship, ), }注意這個版本沒有給接口加鑒權只適合本機測試。啟動命令如下uvicorn app:app --host 127.0.0.1 --port 8000啟動后終端會輸出訪問地址。瀏覽器打開 http://127.0.0.1:8000/docs如果能看到 FastAPI 自帶的 Swagger 交互文檔說明服務已經(jīng)跑起來了。Swagger 頁面會把所有接口列出并且支持直接在頁面上點擊 Try it out 發(fā)送請求這是最方便的接口驗證方式。也可以先驗證健康檢查接口curl http://127.0.0.1:8000/health返回結果{status:ok,service:happiness-service}看到這個輸出服務就是可用的。接下來開始錄入真實數(shù)據(jù)做功能測試。5. 功能測試情感記錄與祝福生成先創(chuàng)建一個用戶。比如要記錄媽媽的信息接口請求如下curl -X POST http://127.0.0.1:8000/users \ -H Content-Type: application/json \ -d {name: 媽媽, relationship: parent, birthday: 1965-08-20}預期返回{user_id:1,message:用戶創(chuàng)建成功}如果返回其他內容先看 Swagger 頁面里的錯誤提示通常是 JSON 格式錯誤或者日期字段格式不對。創(chuàng)建用戶后添加一條情感記錄。這里設計接口會先調用 analyzer.py 的情感分析再把分析結果和原文一起存入數(shù)據(jù)庫。curl -X POST http://127.0.0.1:8000/records \ -H Content-Type: application/json \ -d {user_id: 1, content: 今天陪媽媽復查醫(yī)生說恢復得很好她特別開心。, remark: 復查日}預期返回{ record_id: 1, analysis: { mood_type: positive, mood_score: 10.0, keywords: [開心] } }這里 mood_type 有三種可能positive、neutral、negative。mood_score 范圍是 0 到 10分數(shù)越高代表文本中包含的積極詞匯占比越高。keywords 是文本中命中的情感詞典詞匯。因為原文里有“開心”而沒有負面詞所以判定為 positive分數(shù)是 10。再測試一條負面記錄curl -X POST http://127.0.0.1:8000/records \ -H Content-Type: application/json \ -d {user_id: 1, content: 她說最近總是失眠工作壓力很大。, remark: 日常記錄}返回結果里 mood_type 應該是 negativemood_score 偏低keywords 至少包含“失眠”“壓力”。這說明情感分析接口能區(qū)分正向和負向表達。情感趨勢接口能把一段時間內的記錄聚合成折線數(shù)據(jù)。請求curl http://127.0.0.1:8000/users/1/mood_trend返回按日期分組的平均 mood_score。這個接口適合后續(xù)做一個小型 Web 看板用來觀察記錄對象的情緒變化。祝福生成接口測試curl -X POST http://127.0.0.1:8000/blessing \ -H Content-Type: application/json \ -d {name: 媽媽, scenario: daily, relationship: parent}預期返回{ scenario: daily, message: 媽媽今天有沒有按時吃飯稍微停下來歇一會兒別讓自己太累。 }如果返回的是英文或者亂碼檢查終端編碼。在 Windows 的 PowerShell 里發(fā)送中文 JSON 可能會出現(xiàn)編碼問題更穩(wěn)妥的辦法是用 Python 腳本調用接口或者把 JSON 寫入文件再通過 curl 的 --data file 方式發(fā)送。6. 接口 API 調用示例接口跑通后可以把服務接到自己的腳本里。下面是 Python 調用示例適合在本地批量錄入數(shù)據(jù)和生成文案。import requests BASE http://127.0.0.1:8000 # 創(chuàng)建用戶 user requests.post( f{BASE}/users, json{ name: 媽媽, relationship: parent, birthday: 1965-08-20, anniversary_date: None, }, ).json() print(user) # 添加一條情感記錄 record requests.post( f{BASE}/records, json{ user_id: user[user_id], content: 今天陪媽媽復查醫(yī)生說恢復得很好她特別開心。, remark: 復查日, }, ).json() print(record) # 生成祝福文案 blessing requests.post( f{BASE}/blessing, json{ name: 媽媽, scenario: daily, relationship: parent, }, ).json() print(blessing[message])如果只需要生成文案不一定要先創(chuàng)建用戶。祝福接口只依賴 name、scenario、relationship 三個字段可以直接使用。批量生成祝福文案時建議把名單放到一個 JSON 文件里例如 people.json[ {name: 爸爸, relationship: parent, scenario: birthday}, {name: 伴侶, relationship: partner, scenario: anniversary}, {name: 朋友, relationship: friend, scenario: daily} ]再寫一個批量腳本 scripts/send_blessing.pyimport argparse import json import requests BASE http://127.0.0.1:8000 def load_people(path): with open(path, encodingutf-8) as f: return json.load(f) def batch_generate(people): results [] for person in people: response requests.post( f{BASE}/blessing, json{ name: person[name], scenario: person.get(scenario, daily), relationship: person.get(relationship, default), }, timeout10, ) data response.json() results.append( { name: person[name], message: data[message], } ) return results if __name__ __main__: parser argparse.ArgumentParser(description批量生成祝福文案) parser.add_argument(--people, defaultpeople.json, help名單文件) parser.add_argument(--output, defaultblessing_output.json, help輸出文件) args parser.parse_args() people load_people(args.people) results batch_generate(people) with open(args.output, w, encodingutf-8) as f: json.dump(results, f, ensure_asciiFalse, indent2) print(f已生成 {len(results)} 條文案輸出到 {args.output})運行命令python scripts/send_blessing.py --people people.json --output blessing_output.json運行后打開 blessing_output.json應該能看到三條已經(jīng)填充好人名的祝福文案。這樣即使一次要寫幾十個人的祝福也只需要維護一份名單文件剩下的事情交給腳本。批量腳本有一個明顯的優(yōu)點它只依賴 /blessing 接口改動模板時不需要重新學腳本。缺點是如果服務沒有啟動所有請求都會失敗所以腳本里需要增加超時和異常處理。更完整的版本可以加日志記錄把失敗的用戶單獨輸出到一個 retry.json 文件方便二次重跑。7. 定時提醒與批量任務擴展只記錄數(shù)據(jù)和生成文案還不夠真正讓“你的幸福就是我最大的幸?！甭涞氐氖嵌〞r提醒。APScheduler 可以放在服務里每隔一段時間掃描一次數(shù)據(jù)庫把當天需要提醒的人物找出來寫入隊列文件。scheduler.py 實現(xiàn)定時掃描邏輯import json import os from datetime import datetime from apscheduler.schedulers.background import BackgroundScheduler from config import DATA_DIR from database import get_connection QUEUE_FILE os.path.join(DATA_DIR, remind_queue.json) def scan_reminders(): today datetime.now().strftime(%m-%d) conn get_connection() rows conn.execute( SELECT u.id, u.name, u.relationship, u.birthday, u.anniversary_date FROM users u WHERE (substr(u.birthday, 6) ?) OR (substr(u.anniversary_date, 6) ?) , (today, today), ).fetchall() pending [] for row in rows: user dict(row) if user[birthday] and user[birthday][5:] today: task_type birthday elif user[anniversary_date] and user[anniversary_date][5:] today: task_type anniversary else: continue pending.append( { user_id: user[id], name: user[name], task_type: task_type, date: datetime.now().strftime(%Y-%m-%d), } ) conn.close() os.makedirs(DATA_DIR, exist_okTrue) with open(QUEUE_FILE, w, encodingutf-8) as f: json.dump(pending, f, ensure_asciiFalse, indent2) if pending: print(f[reminder] 檢測到 {len(pending)} 條應提醒事項) else: print([reminder] 今天沒有匹配的日期) def start_scheduler(): scheduler BackgroundScheduler() scheduler.add_job(scan_reminders, interval, minutes1, idscan_reminders) scheduler.start() print([scheduler] 定時任務已啟動每 1 分鐘掃描一次) return scheduler這個邏輯的核心是把日期字符串的“MM-DD”部分和今天的“MM-DD”比較。birthday 如果傳的是 “1965-08-20”substr(birthday, 6) 得到 “08-20”和今天的 “08-20” 匹配就說明今天是這個人的生日。定時任務不建議通過接口啟動因為 uvicorn 開啟 --reload 時可能重復啟動多個調度器。更穩(wěn)妥的做法是把定時任務獨立成一個進程。在 scripts 下新建 run_scheduler.pyimport sys import threading from pathlib import Path sys.path.insert(0, str(Path(__file__).resolve().parent.parent)) from scheduler import start_scheduler if __name__ __main__: scheduler start_scheduler() print(按 CtrlC 退出) try: threading.Event().wait() except KeyboardInterrupt: scheduler.shutdown()運行python scripts/run_scheduler.py默認情況下掃描結果寫到 data/remind_queue.json。實際使用中你可以在 scan_reminders 函數(shù)末尾追加真實的推送通道比如發(fā)送郵件、調用企業(yè)微信群機器人、寫入自己的待辦應用。推送通道需要單獨申請權限因此這套項目先統(tǒng)一走 JSON 文件方便你自己對接。批量任務可以分為兩種。一種是周期性批量生成文案用第 6 節(jié)的 send_blessing.py 就能實現(xiàn)。另一種是批量發(fā)送提醒需要你把發(fā)送狀態(tài)回寫到數(shù)據(jù)庫的 remind_tasks 表里至少增加一個 processed 字段避免每次掃描都重復發(fā)送同一條消息。這是從示例走向生產(chǎn)環(huán)境必須補上的細節(jié)。8. 資源占用與性能觀察這個項目的基礎版本沒有任何深度學習模型資源占用很低。啟動 uvicorn 和 APScheduler 后主要消耗來自 Python 進程本身。普通辦公電腦上內存占用通常在幾十 MB 到一兩百 MB 區(qū)間具體數(shù)值會因 Python 版本和已安裝依賴不同而有差異。CPU 占用在沒有請求時接近 0每隔一分鐘的定時掃描任務也只需要執(zhí)行幾條 SQLite 查詢和少量字符串比較。顯存占用在這個項目里是可選項。如果你只使用情感詞典和模板生成整個過程完全不需要 GPU。后續(xù)如果需要更準確的情感語義分析可以在 analyzer.py 中改為調用本地部署的開源情感分類模型或本地大模型這時才需要關注顯存。顯存占用取決于你接的模型參數(shù)量、輸入文本長度和推理框架沒有統(tǒng)一數(shù)字必須按本機實測為準。觀察資源占用有三種方式。第一Windows 任務管理器里看 python 進程的 CPU 和內存。第二Linux 下使用 top 或 htop 查看。第三如果接入了本地 GPU 模型使用 nvidia-smi 觀察當前進程的顯存占用。nvidia-smi批量任務對性能的影響要分開看。批量生成祝福文案時瓶頸一般在模板引擎和 JSON 序列化數(shù)千條文案也是秒級完成。批量寫入情感記錄時瓶頸可能出現(xiàn)在 SQLite 寫入頻率上建議批量插入時使用事務而不是逐條提交。另外定時掃描任務如果間隔太短并且掃描邏輯里加了外部推送就要考慮推送通道的頻率限制避免被平臺當成垃圾請求。內存泄漏和端口殘留是本地服務最常見的兩個問題。開發(fā)調試時uvicorn 進程沒有正常退出再次啟動就會提示端口被占用。遇到這種情況先找到占用端口的進程并終止再重新啟動服務。# Windows netstat -aon | findstr :8000 taskkill /PID 進程號 /F # Linux / macOS lsof -i :8000 kill -9 進程號9. 常見問題與排查方法本地部署這個流程不長但會遇到一些典型問題。整理成表格方便直接對照。問題現(xiàn)象可能原因排查方式解決方案啟動時提示端口被占用8000 端口被其他進程使用netstat 或 lsof 查看端口占用關閉占用進程或修改 config.py 里的 PORTuvicorn 命令找不到?jīng)]有激活虛擬環(huán)境或依賴未安裝檢查命令行前是否出現(xiàn) venv 前綴激活虛擬環(huán)境后重新安裝 requirements.txt運行時提示 sqlite3.OperationalError: database is locked多個進程同時寫入數(shù)據(jù)庫檢查是否有多個 API 進程或調度器進程關掉重復進程使用 WAL 模式避免多進程寫同一個 SQLite 文件中文返回亂碼Windows 終端編碼不是 UTF-8在 Swagger 頁面看響應體是否正常使用 Python 腳本調用或把 JSON 寫入文件再讀取情感分析結果全部為 neutral文本中未命中情感詞典詞匯打印 keywords 字段擴充 POSITIVE_WORDS 和 NEGATIVE_WORDS或者接入更強模型定時任務一直沒有輸出APScheduler 未啟動或用戶日期格式不對確認 run_scheduler.py 是否在運行檢查 users 表中日期格式統(tǒng)一日期為 YYYY-MM-DD確認掃描進程已啟動POST /records 返回 422JSON 字段名稱或類型不匹配查看響應中的 detail 錯誤信息按 Pydantic 模型傳字段user_id 必須為數(shù)字調用 /docs 無法打開服務未啟動或瀏覽器代理異常檢查后臺進程和訪問地址確認 uvicorn 啟動成功訪問 127.0.0.1 而不是遠程地址重啟后數(shù)據(jù)丟失data 目錄未生成或數(shù)據(jù)庫路徑錯誤檢查 data/happiness.db 是否存在確認 config.py 中 DATA_DIR 路徑正確如果接口報 422通常是請求 JSON 和 Pydantic 模型字段不一致。比如 RecordCreate 要求的是 user_id 和 content你卻傳了 userId 和 text校驗直接失敗。先看 Swagger 文檔中的請求示例再對比自己的請求體。情感分析部分最容易讓使用者誤判。當前默認的情感詞典只有十幾個詞不可能覆蓋復雜的中文表達。比如“雖然很累但是看到他就踏實了”這句話可能同時命中“累”和“踏實”需要靠情緒分數(shù)加權判斷。更準確的做法是把 analyzer.py 里的邏輯替換成語義模型而不是繼續(xù)堆關鍵詞。10. 最佳實踐、合規(guī)建議與下一步第一次運行時不要急著錄入大量數(shù)據(jù)。先創(chuàng)建 1 到 2 個測試用戶分別插入正向和負向情感記錄確認情感分析、祝福生成、定時掃描三個主鏈路都正常再開始正式使用。數(shù)據(jù)備份要養(yǎng)成習慣。SQLite 只有一個文件直接復制 data/happiness.db 就能備份。本地服務沒有自動備份機制建議手動備份或者寫一個簡單的定時復制腳本。敏感數(shù)據(jù)不要放到公開倉庫尤其是包含真實姓名、出生日期、關系標簽的數(shù)據(jù)庫文件。合規(guī)層面控制三點。第一只在獲得當事人知情同意后記錄信息不要把工具變成暗中監(jiān)視他人情緒的手段。第二推送消息要控制頻率和措辭避免給對方造成打擾。如果對方明確表示不需要應該允許關閉對該用戶的提醒。第三這個項目不適合用來做心理狀態(tài)診斷。情感分析只是輔助真實的關系維護仍然需要面對面溝通。下一步的擴展方向比較明確。第一把模板引擎升級為支持多個模板隨機選擇避免每次都發(fā)一模一樣的文案。第二給 analyzer.py 接入本地情感分類模型提高語義判斷能力。第三把數(shù)據(jù)從 SQLite 換成 PostgreSQL增加用戶鑒權和多端訪問就能從個人工具升級成一個小型家庭服務。第四增加 Web 看板把情緒趨勢用圖表展示出來讓記錄變得可視化。第五設計發(fā)送確認機制在 send_blessing.py 里加入“已發(fā)送”狀態(tài)防止同一批人重復收到祝福。如果你也想做一套“幸福守護”小服務建議從今天的項目結構開始先跑通 FastAPI 接口再加入定時任務最后逐步增強分析和推送能力。代碼不復雜但至少能把你的關心從“心里惦記”變成一條準時的消息。你的幸福就是我最大的幸福這句話放到代碼里就是一張人物表、一套情感分析規(guī)則、一批定時任務以及一條不遲到的祝福。