i茅台自动预约脚本原理与Docker部署避坑指南
2026/10/14 9:56:01
技术报告：texnunAI（校园活动宣发助手）技术架构与实现分析
产品自述名称：校园活动宣发助手（界面标题与启动日志均使用此名）
分析方法：静态逆向分析（未执行程序）。依次通过 PE 结构解析、PyInstaller 单文件归档提取、内嵌 Python 字节码（
.pyc）符号与字符串还原，确认技术事实。所有结论均标注依据，推断项另作说明。
1. 概述与产物定位
一个面向校园场景的AI 文案生成桌面工具，其本质是一个被打包为 Windows 可执行文件的本地 Web 应用：用户在浏览器中填写活动信息，后端调用本地大模型一次性产出多个社交/媒体平台的宣发文案。
| 项目 | 事实 | 依据 |
|---|---|---|
| 文件类型 | PE32+ 控制台程序，x86-64，7 个节区 | PE 头解析 |
| 构建方式 | PyInstaller 单文件打包（格式 2.1+） | PyInstaller 引导字符串、CArchive 提取 |
| 运行语言 | Python 3.12（内嵌 python312.dll） | 提取文件python312.dll、.pyd文件名 |
| 编译时间 | PE 头时间戳 | |
| 体量 | 10,760,081 字节（≈10.4 MB） | 文件属性 |
推断：10.4 MB 的体积远小于打包了 PyTorch/Transformers 的本地推理程序，结合内嵌依赖清单（无 torch、numpy、onnx 等），可判定其不内置任何大模型权重，AI 能力完全依赖外部运行的 Ollama 服务。
2. 整体架构
采用本地 B/S（浏览器/服务器）架构，三层职责分离：
架构特征：
- 服务端为轻量级 Flask 应用，单一入口脚本
new_app.pyc（约 28 KB 即全量业务代码）。 - 客户端 UI 以字符串形式内联在
index()路由中，通过render_template_string直接返回，无独立前端构建步骤。 - AI 推理严格指向本地 Ollama，不直连任何公有云大模型 API。
3. 技术实现方案
3.1 打包与分发
- 使用 PyInstaller 将 Python 解释器、业务代码、第三方库（Flask 生态、requests 等）及
_wmi.pyd一并打进单文件 exe，用户无需安装 Python 即可运行。 - 资源节区（
.rsrc）含图标（RT_ICON）、版本清单（RT_MANIFEST，声明longPathAware、Common-Controls 6.0）与 RT_VERSION。 - 启动时需在临时目录解包 Python 运行环境，故首次启动有短暂延迟。
3.2 服务端实现
- 框架：Flask 3.0.0，开启 CORS（
flask_cors），便于前端独立部署或跨域调试。 - 运行参数：
app.run(host="0.0.0.0", port=5000, debug=False)（依据：模块常量与启动日志）。 - 依赖精简：未引入数据库、任务队列或 ASGI 服务器，保持最小依赖面。
3.3 客户端实现
- 单页 HTML 内联 CSS（渐变主题、卡片式结果展示、加载动画）与原生 JavaScript。
- 交互逻辑：表单校验（标题/时间/地点为必填）→ 组装
event_info→fetch('/api/generate')→ 渲染结果卡片；客户端对生成内容做& < >转义以防 XSS。 - 回车键快捷触发生成。
3.4 AI 推理接入
- 统一封装函数
call_ollama(prompt, model)，向 Ollama/api/generate发送prompt与model字段，读取响应中的response、thinking、done_reason、eval_count，并记录耗时与长度。 - 异常分支覆盖
ConnectionError（Ollama 未运行）、Timeout（生成超时）、HTTP 非 2xx（raise_for_status）及空内容兜底。
4. 核心模块构成
| 模块 | 职责 | 关键事实 |
|---|---|---|
PromptTemplates | 6 套角色化提示词模板 | wechat_article（公众号推文）、moments（朋友圈）、xiaohongshu（小红书）、qq_zone（QQ空间）、douyin_script（抖音脚本）、official_notice（官方通知） |
call_ollama | Ollama REST 调用与容错 | 超时/连接/空结果处理，含重试提示文案 |
index | 主页与 UI 渲染 | 内联 HTML，含 6 平台勾选与模型下拉 |
generate | 多平台生成主流程（POST /api/generate） | 校验入参 → 遍历平台 → 取模板 → 调call_ollama→ 聚合返回；含「首次不理想重试一次」逻辑 |
health_check | 健康检查（GET /api/health） | 探测 Ollama/api/tags，返回 healthy/running/degraded/stopped |
list_models | 模型列表（GET /api/models） | 读取 Ollama 已安装模型 |
5. 关键运行机制
- 启动流程：执行 exe → 解包运行环境 → 启动 Flask → 控制台打印访问地址、默认模型、Ollama 地址与最大长度提示 → 等待用户访问
http://localhost:5000。 - 生成请求流程：浏览器提交 →
/api/generate校验event_info/platforms/model→ 对每个选中平台从PromptTemplates取模板并填充活动信息 → 逐个调用call_ollama→ 收集{platform, content}列表返回。 - 重试机制：当某平台首次返回内容为空或无效时，触发一次重试（日志/提示「首次生成结果不理想，重试一次」）。
- 并发模型：平台生成在
generate中为同步顺序循环，单请求内不并行；服务端为 Flask 开发服务器默认单工作进程。 - 默认值（依据：模块常量）
6. 配置、安全与部署特征
- 配置硬编码：模型、端口、Ollama 地址、token 上限均为源码常量，无配置文件或环境变量覆盖入口。
- 网络暴露：绑定
0.0.0.0意味着同一局域网内其他主机可访问该服务；服务端无身份认证。 - 依赖打包冗余：
_wmi.pyd（Windows 管理规范）被打包但主逻辑未直接调用，疑为传递依赖，徒增体积。 - 平台局限：仅提供 Windows x64 可执行文件，无 macOS/Linux 构建。