企业官网建设流程全解析

对接 Strapi CMS：awesome-seedance-2-prompts cms-client 提示词抓取与去重原理

【免费下载链接】awesome-seedance-2-prompts🎬 2000+ curated Seedance 2.0 video generation prompts — cinematic, anime, UGC, ads, meme styles. Includes Seedance API guides, character consistency tips, and advanced video workflows.项目地址: https://gitcode.com/gh_mirrors/aw/awesome-seedance-2-prompts

awesome-seedance-2-prompts 是一个收录 2000+ 条 Seedance 2.0 视频生成提示词的开源项目，覆盖电影感、动漫、UGC、广告、表情包等多种风格。它的核心能力之一是：通过 Strapi CMS 自动抓取提示词数据，并在"最新列表"与"精选列表"之间做 ID 级去重，最终一键生成 16 种语言的 README。本文将拆解 cms-client.ts 的抓取与去重原理，帮你理解这条自动化内容流水线的运作方式。

一、项目概览：一个会自己"长大"的提示词库

这个项目最聪明的地方，是它不靠人工复制粘贴维护内容，而是一条CMS → 脚本 → 多语言 README的自动化流水线：

• 数据源头：Strapi CMS 中的video-prompts内容类型，收录原始提示词、作者、出处链接、视频缩略图等
• 抓取层：scripts/utils/cms-client.ts 负责发起 API 请求并清洗数据
• 生成层：scripts/generate-readme.ts 按 16 种语言逐一生成README.md、README_zh.md等文件
• 媒体层：scripts/download-videos.ts 增量下载视频、压缩后上传，地址记录在 video-urls.json

整条链路只需一条命令即可运行：

pnpm generate

二、抓取原理：一次"最新 + 精选"双源查询

核心函数是 fetchSeedancePrompts()，它并不是简单地拉取全量数据，而是拆成两次针对性查询，这是理解整套设计的钥匙。

2.1 为什么需要查两次？

问题的关键在于：一条提示词可能既是"最新的"，又是"精选的"，而且精选提示词往往发布时间较老，可能根本不在最新 200 条之内。如果只查最新列表，精选内容就会丢失；如果只查精选列表，新内容就进不来。所以必须双源查询，再合并去重。

2.2 请求细节

每次请求都携带Authorization: users API-Key请求头（密钥来自环境变量CMS_API_KEY），并通过 qs-esm 序列化查询参数。共享的查询参数（见 SHARED_QUERY_PARAMS）做了两点优化：

• depth: 2：只展开两级关联字段，避免拉取过深的嵌套数据
• select: { sourceMeta: false, raw: false }：主动排除原始字段，减小响应体积

三、去重原理：用 Set 按 ID 合并，精选优先

两次查询的结果在 合并逻辑 中处理，思路非常简洁：

const seenIds = new Set<number>(); // 记录已见过的提示词 ID const allDocs: VideoPrompt[] = []; for (const doc of featuredData.docs) { // ① 精选优先入列 seenIds.add(doc.id); allDocs.push(doc); } for (const doc of mainData.docs) { // ② 最新列表跳过重复 ID if (!seenIds.has(doc.id)) { seenIds.add(doc.id); allDocs.push(doc); } }

去重的关键就三处：

1. 以 CMS 的主键id作为唯一标识——这是最可靠的去重键，比标题、内容等文本字段更稳定
2. 用Set<number>做 O(1) 查重，万级数据量下依然开销极低
3. 精选先入列、最新后入列——当同一条提示词同时出现在两个列表时，保留精选列表中的版本，确保运营方设置的sort排序和featured标记不被最新列表覆盖

这样合并后，数组的顺序天然就是"精选在前、最新在后"，直接决定了最终 README 中提示词的展示顺序。

四、清洗过滤：五级缩略图提取链

去重之后，每条文档还要经过 processDoc() 的标准化处理，其中最核心的"过滤闸门"是没有缩略图的提示词会被直接跳过——因为 README 中的每条提示词都配有一张可点击的视频封面。

extractThumbnail() 定义了五级降级提取链，按优先级依次尝试：

这种"逐级降级"的写法让脚本对不同年代、不同字段结构的 CMS 数据都有容错能力——新数据走 Cloudflare Stream，老数据也能靠sourceMedia兜底，保证不会因为字段差异而漏掉内容。

同理，参考图与媒体图也都遵循"结构化字段优先、sourceXxx平铺字段兜底"的双通道策略（见 参考图提取）。

五、增量更新：让每次生成都更便宜

抓取结果并不是每次都从零开始处理，generate-readme.ts 中设计了增量机制：

• 视频增量下载：video-urls.json记录了"提示词 ID → Release 下载地址"的映射，只处理映射中不存在的新提示词（DOWNLOAD_VIDEOS=auto模式）
• README 全量重写：每次对 16 种语言（见 SUPPORTED_LANGUAGES）重新拉取并生成，保证多语言版本始终与 CMS 同步

配合 upload-to-github.ts 把压缩后的视频上传到 Release 并回写 URL，整条流水线实现了"只增量处理新增、全量保证一致"的平衡。

六、小结

整套原理浓缩在一百多行的 cms-client.ts 中，却支撑起了 2000+ 条提示词、16 种语言 README 的日常自动更新。对于想学习"如何用 CMS 驱动文档生成"的同学，这套双源查询 + ID 去重 + 字段降级兜底的组合拳，是一个可以直接借鉴的轻量级数据管道范例。

【免费下载链接】awesome-seedance-2-prompts🎬 2000+ curated Seedance 2.0 video generation prompts — cinematic, anime, UGC, ads, meme styles. Includes Seedance API guides, character consistency tips, and advanced video workflows.项目地址: https://gitcode.com/gh_mirrors/aw/awesome-seedance-2-prompts