昨天忽然想到，每天手动点赞其实是一件挺耗时间的事情。既然完全可以通过程序来完成，那为什么还要一直重复人工操作呢？
不过，如果只是做一个傻瓜式的自动点赞，我觉得意义并不大，甚至还不如自己手动点。我的想法是，在多种策略的基础上，再引入 AI 智能决策，让整个点赞过程既能提高效率，又尽可能贴近真实的人工行为，这样才更有价值。
说干就干。
Image by Mohamed Hassan from Pixabay
这次我把自己的需求整理了一遍，先设计出整体方案框架，大致如下。
整个方案分为 11 个部分：
仅供 
| 阶段 | 内容 |
|---|---|
| Phase 1 | 自动点赞引擎（策略管道 + 评分引擎 + 签名广播 + 配置驱动） |
| Phase 2 | 自动领取奖励（每轮点赞后顺带执行） |
| Phase 3 | 收益统计报表（只读、独立脚本） |
hive/
├── config.yaml # 唯一配置入口，所有参数均在此配置
├── hive_common.py # RPC调用 + 限速器 + 重试 + 缓存
├── hive_signer.py # 签名广播封装，唯一接触私钥的模块
├── strategies/
│ ├── __init__.py # 管道组装器
│ ├── bot_filter.py # ① 机器人过滤
│ ├── content_filter.py # ② 内容过滤
│ ├── score_engine.py # ③ 策略评分引擎
│ ├── weight_calc.py # ④ 力度计算（多模式）
│ ├── mana_guard.py # ⑤ 能量保护
│ ├── budget.py # ⑥ 预算调度
│ └── ai_advisor.py # ⑦ AI微调（预留，默认关闭）
├── auto_vote.py # 主入口：--plan / --execute / --run
├── claim_rewards.py # Phase 2
├── stats_report.py # Phase 3
└── download_hive_posts.py # 现有下载器（改用 hive_common）
扫描成员最新帖子
│
├─① 机器人过滤
├─② 内容过滤
├─③ 策略评分
├─④ 力度计算
├─⑤ 能量保护
├─⑥ 预算调度
├─⑦ AI 微调
└─手动覆盖
↓
lighthive 签名广播（间隔 ≥ 3 秒）
↓
记录完整投票日志
整个系统并不是由某一个策略直接决定是否点赞，而是采用统一的评分机制。
每个策略负责输出自己的评分，最终汇总成一个总分，再决定是否进入下一步。
例如：
最终：
最终得分 = 各策略得分累加
这样以后新增任何策略，都无需修改整体流程，只需要增加一个新的评分模块即可，大幅提高整个系统的可扩展性。
在确认需要点赞之后，再根据策略计算最终点赞力度。
支持多模式：
（详细内容略）
自动化归自动化，但仍然保留人工干预能力。必要时可以手动指定点赞、跳过某篇文章，或者直接覆盖 AI 和策略计算结果。
AI 不直接决定是否点赞，而是在所有规则执行完成之后，对候选结果进行辅助分析和微调，为评分引擎提供参考分值或建议。
（详细内容略）
所有策略参数全部配置化，包括：
做到无需修改代码即可调整策略。
HIVE_POSTING_KEY 或 --key-file 读取。.gitignore 自动忽略 *.key、pending_votes.json 等敏感文件。.voted_permlinks 实现幂等控制，防止重复点赞。采用无常驻进程设计。
每轮执行完成后自动退出，即使运行过程中出现异常，也不会影响下一轮执行。
每天自动生成一份详细执行报告，包括：
方便后续不断优化策略。
（略）
目前整个框架已经基本成型。
不过，我总觉得还有一些细节没有考虑周全，所以先停在这里，准备再仔细推敲一遍。
下一步，我准备先完成整个策略管道的设计，然后再逐步实现机器人过滤、内容过滤、AI 微调等模块，希望整个系统最终做到真正的 "智能点赞"，而不仅仅只是自动点赞。
大家帮我看看，还有哪些地方值得补充或优化？欢迎提出意见和建议！