Aller au contenu

Traduction automatique

Cette page a été traduite automatiquement par IA et peut contenir des erreurs. En cas de doute, référez-vous à la source anglaise.

Source anglaise · Signaler un problème de traduction

Aperçu de l'architecture

1. Aperçu de l'architecture en couches

Structure du package (pplx_export/, ~5,6k lignes de code source et en croissance avec le développement, hors tests ; comptes exacts de lignes par wc -l) :

flowchart TD
    subgraph CLI["CLI layer (entry points)"]
        CL1["cli.py — pplx-export<br/>argparse definitions + dispatch (cli.py:57)"]
        CL2["ask_cli.py — pplx-ask<br/>interactive query entry (ask_cli.py:221)"]
    end

    subgraph CMD["commands/ command layer (shared by both entries)"]
        C0["common.py<br/>account mapping / make_transport assembly<br/>cookie validation and auto-switching (common.py:93)"]
        C1["index_cmd / export_cmd / batch_cmd"]
        C2["spaces_cmd / misc_cmd / rerender_cmd"]
        C3["assets_backfill_cmd / usage_backfill_cmd<br/>search_mode_backfill_cmd / sync_deleted_cmd"]
    end

    subgraph SITES["sites/ site layer"]
        SB["base.py — SiteAdapter ABC<br/>(pplx_export/sites/base.py:21)"]
        subgraph PPLX["sites/perplexity/"]
            AD["adapter.py<br/>PerplexityAdapter assembly (adapter.py:24)"]
            GQ["graphql.py<br/>APQ list pagination (graphql.py:43)"]
            RS["rest.py<br/>ThreadFetcher thread fetching (rest.py:38)"]
            PA["parsers.py<br/>single point of schema parsing (parsers.py)"]
            NM["normalize.py<br/>mode detection / math normalization (normalize.py:66,240)"]
            RD["render.py<br/>markdown rendering (render.py)"]
            AS["assets.py<br/>asset download and extension resolution (assets.py:27)"]
            AK["ask_api.py<br/>envelope / SSE / telemetry (ask_api.py)"]
            FW["fs_writer.py<br/>web_archive persistence (fs_writer.py:54)"]
            VL["variant_log.py<br/>ANSWER_VARIANT_DETECTED detection log<br/>+ jsonl registry (variant_log.py:45)"]
        end
    end

    subgraph CORE["core/ foundation layer (site-agnostic)"]
        MO["models.py domain models (models.py)"]
        ER["errors.py error types (errors.py)"]
        TH["throttle.py rate-limit backoff (throttle.py:15)"]
        ST["state.py BatchState checkpoint (state.py:63)"]
        LG["logging.py central logging (logging.py:45)"]
        CK["cookies/ + auth.py<br/>cookie sources and credentials (cookies/loaders.py:270)"]
        RL["relations.py relations graph (relations.py:200)"]
        RG["registry.py site registry (registry.py:9)"]
        subgraph HTTP["core/http/ transports"]
            TP["transport.py Transport ABC (transport.py:12)"]
            CT["cookie_transport.py<br/>urllib direct (cookie_transport.py:44)"]
            BT["bridge_transport.py<br/>WebBridge page context (bridge_transport.py:22)"]
            FB["fallback.py fallback chain [reserved · not wired]"]
            BA["browser_automation_transport.py<br/>heavyweight browser [reserved · not implemented]"]
        end
    end

    subgraph HOOKS["hooks/ extension points"]
        H1["incremental.py<br/>plan_incremental pure function (incremental.py:36)"]
        H2["relations_hook.py relations rebuild (relations_hook.py:17)"]
        H3["scheduler.py periodic schedule + cron (scheduler.py:22)"]
    end

    subgraph WRT["writers/ output abstraction"]
        WB["base.py Writer ABC (writers/base.py:17)"]
    end

    CFG["config.py — single source of site constants<br/>+ user-level config loading (account table / BOT space externalized to config.toml)"]

    CL1 --> C0
    CL2 --> C0
    C0 --> C1
    C0 --> C2
    C0 --> C3
    C1 --> AD
    C2 --> AD
    C3 --> AD
    AD --> GQ
    AD --> RS
    AD --> PA
    AD --> AS
    PA --> MO
    RD --> PA
    FW --> RD
    FW --> VL
    AD --> VL
    FW --> WB
    SB --> MO
    AD --> SB
    GQ --> TP
    RS --> TP
    AS --> TP
    AK --> CT
    CT --> TH
    CT --> ER
    C0 --> CK
    C1 --> ST
    H1 --> ST
    H2 --> RL
    RG -. "core's only import of sites:<br/>just the ABC of sites/base (registry.py:7)" .-> SB
    CFG -. "imported by all layers, zero dependencies itself" .- MO

Essentiels de la direction des dépendances (vérifiés en parcourant toutes les importations) :

  • Unidirectionnel : CLI → commandes → sites → core. core/ n'importe aucune implémentation concrète de Perplexity (pas de codification en dur de site) ; la seule exception est core/registry.py:7 important l'ABC SiteAdapter depuis sites/base.py — une référence d'interface, pas une référence de site ; les sites concrets sont injectés via register() (enregistrement Perplexity intégré dans pplx_export/__init__.py:34-43).
  • config.py est la source unique des constantes de site (domaine, DEFAULT_ARCHIVE_ROOT), et charge la configuration externalisée au niveau utilisateur : les tables de comptes ACCOUNT_DISPLAY_NAMES/ACCOUNT_EMAIL/ACCOUNT_UID et l'espace BOT proviennent de TOML (--config > PPLX_EXPORT_CONFIG > ~/.config/pplx-export/config.toml ; modèle config.example.toml), dictionnaires mis à jour sur place, dégradation gracieuse en cas d'absence ; core/models.py:18 l'importe également (author_folder).
  • ask_api.py est le seul module de la couche site qui dépend directement d'une implémentation de transport concrète (importe CookieTransport et réutilise ses internes _cookie_header/_opener pour le flux SSE, ask_api.py:23, 114-130) — SSE est en dehors de l'abstraction de l'ABC Transport.
  • hooks/, writers/ dépendent uniquement de core/ ; la seule implémentation de writers/base.py, FilesystemWriter, vit dans la couche site (fs_writer.py:54) — ABC et implémentation séparés.

2. Graphe de dépendances des modules (relations d'importation réelles)

Issu d'un recensement complet grep '^from \.' (références intra-package omises ; tous les __init__.py sont vides sauf la racine du package pplx_export/__init__.py, qui porte la charge d'enregistrement) :

flowchart LR
    subgraph entry["entry points"]
        E1["cli.py"]
        E2["ask_cli.py"]
        E0["__init__.py<br/>_register_builtin (pplx_export/__init__.py:34)"]
    end
    subgraph cmd["commands/"]
        CM["common.py"]
        CI["index_cmd.py"]
        CE["export_cmd.py"]
        CB["batch_cmd.py"]
        CS["spaces_cmd.py"]
        CR["rerender_cmd.py"]
        CX["misc_cmd.py"]
        CA["assets_backfill_cmd.py"]
        CU["usage_backfill_cmd.py"]
        CSM["search_mode_backfill_cmd.py"]
        CSD["sync_deleted_cmd.py"]
    end
    subgraph site["sites/perplexity/"]
        SA["adapter.py"]
        SG["graphql.py"]
        SR["rest.py"]
        SP["parsers.py"]
        SN["normalize.py"]
        SE["render.py"]
        SS["assets.py"]
        SK["ask_api.py"]
        SF["fs_writer.py"]
        SV["variant_log.py"]
    end
    SBASE["sites/base.py"]
    subgraph core["core/"]
        KM["models.py"]
        KE["errors.py"]
        KT["throttle.py"]
        KS["state.py"]
        KL["logging.py"]
        KC["cookies/ (profiles/loaders/cache)"]
        KA["auth.py"]
        KR["relations.py"]
        KG["registry.py"]
        KH["http/ (transport/cookie/bridge/fallback/browser_automation)"]
    end
    subgraph hooks["hooks/"]
        HI["incremental.py"]
        HR["relations_hook.py"]
        HS["scheduler.py"]
    end
    WBS["writers/base.py"]
    CFG2["config.py"]
    TST["tests/<br/>pytest fully offline<br/>(case count per actual runs)"]

    E1 --> CM
    E1 --> CI
    E1 --> CE
    E1 --> CB
    E1 --> CS
    E1 --> CR
    E1 --> CX
    E1 --> CA
    E1 --> CU
    E1 --> CSM
    E1 --> CSD
    E1 --> KG
    E1 --> KT
    E1 --> SF
    E2 --> CM
    E2 --> CE
    E2 --> SK
    E2 --> KG
    E2 --> SF
    E0 --> KG
    E0 --> SA
    CM --> KC
    CM --> KH
    CM --> KM
    CM --> CFG2
    CB --> HI
    CB --> KS
    CB --> KT
    CB --> KE
    CB --> SF
    CB --> SV
    CE --> KS
    CR --> SP
    CR --> SE
    CR --> SA
    CR --> SV
    CSM --> SN
    CSD --> KS
    CSD --> KH
    CA --> SP
    CA --> SS
    CX --> HI
    CX --> HR
    CX --> HS
    SA --> SG
    SA --> SR
    SA --> SP
    SA --> SN
    SA --> SS
    SA --> SBASE
    SP --> KM
    SN --> KM
    SE --> SP
    SE --> SN
    SF --> SP
    SF --> SE
    SF --> SV
    SF --> WBS
    SF --> KM
    SA --> SV
    SS --> SN
    SK --> KH
    SK --> CFG2
    SG --> KH
    SR --> KH
    HI --> KS
    HR --> KR
    HS --> HI
    WBS --> KM
    WBS --> KS
    KG --> SBASE
    KH --> KT
    KH --> KE
    KM --> CFG2
    KC --> CFG2
    KA --> KH
    TST -.-> SP
    TST -.-> SE
    TST -.-> KS
    TST -.-> KT
    TST -.-> HI
    TST -.-> SS
    TST -.-> SN
    TST -.-> CR

Comment lire le graphe :

  • Chaîne core : cli → commands → sites → core. Aucun module core ne dépend d'implémentations concrètes de commandes/sites ; KG → SBASE (registre → SiteAdapter ABC) est la seule référence croisée inverse entre couches, formant une boucle d'injection de dépendances avec l'enregistrement de E0.
  • Agrégation dans sites/perplexity/ : adapter est la façade (composant graphql/rest/parsers/ normalize/assets) ; render dépend de parsers (source de vérité pour la classification du statut wf) ; fs_writer dépend de render + parsers + writers/base.
  • Les tests tests/ vivent en dehors du package et importent directement des fonctions pures de chaque couche (le render_fixture de conftest.py réutilise commands.rerender_cmd.rerender pour le rendu hors ligne).

3. Résumé des principes de conception

  1. Réponses brutes conservées ; artefacts rendus régénérables hors ligne : adapter.get_thread analyse et assemble la conversation en mémoire avant que le writer ne s'exécute (adapter.py:58-157). Une écriture réussie stocke thread.json d'abord, puis les réponses disponibles en texte brut/schématisées comme raw_*.json (fs_writer.py:224-266) ; l'analyse/rendu/enregistrement d'interruption peuvent ensuite être réexécutés à partir des données brutes sans réseau (§12), découplant l'évolution du rendu des archives historiques.
  2. Point d'analyse unique, tolérant aux changements de structure de données : l'extraction de champs est concentrée dans parsers.py (le trio de tolérance aux pannes _g/_loads/to_int) ; la détection de mode a des signaux redondants doubles plus une solution de repli en cas d'absence de tous les signaux (§4) — le rayon d'impact d'une refonte de plateforme est compressé dans un seul module.
  3. Cascade d'attribution déterministe : "chaque charge utile d'arrière-plan atterrit exactement à un endroit, jamais rendue deux fois" est garantie par les structures de données (l'ensemble ancré, la consommation unique de used_cand, l'itération uniquement au niveau supérieur contre le double comptage) — pas de devinette heuristique de temps ; la sémantique d'interruption a cinq classes avec une source de vérité unique (classify_wf_status) partagée par les chemins de rendu/enregistrement/alerte (§5, §6).
  4. La discipline de limitation de débit est une ligne rouge de sécurité : intervalles aléatoires, pas de concurrence, backoff 3^N avec un plafond, échec rapide en cas d'échec d'authentification, état terminal ENTRY_EXPIRED, 404 jamais mal interprété comme expiré (§11) — tout servant l'objectif anti-bannissement de "comportement d'exportation ≈ navigation humaine" (une exigence utilisateur explicite).
  5. Source unique de configuration + confidentialité externalisée : les constantes de site/chemins par défaut vivent uniquement dans config.py ; les comptes/espaces sont une confidentialité personnelle, externalisée dans du TOML au niveau utilisateur (--config > PPLX_EXPORT_CONFIG > ~/.config/pplx-export/config.toml) ; le changement automatique de cookies multi-comptes est une boucle de sondage pilotée par les emails enregistrés, sans opération manuelle de navigateur (§9).
  6. Dépendances unidirectionnelles en couches : CLI → commandes → sites → core, avec zéro codification en dur de site dans core et les sites injectés via le registre — un nouveau site implémente les cinq méthodes SiteAdapter et réutilise toutes les fonctionnalités core (sites/base.py:21-69).