dl-organizer/CODE_IMPROVEMENTS.md

VLM 代码改进清单

本文档记录对 Video Library Manager (VLM) 项目的代码审查发现的问题及对应解决方案。排除 AI/OpenAPI 相关问题。

---

高优先级（确信度 ≥ 0.9）

1. 时间戳未统一使用 UTC

问题描述

多处使用 datetime.now() 未指定 timezone，与项目约定「timestamps in UTC」不一致，可能导致：

• 序列化为 ISO 时缺少 +00:00 后缀
• 多环境部署时依赖本地时区，行为不一致

涉及文件

文件	行号
planner.py	51
executor.py	89, 119, 471
state.py	104, 139, 173
quarantine.py	61, 529

确信度: 0.95

解决方案

1. 在 vlm/utils.py 或现有模块中定义：

from datetime import datetime, timezone

def utc_now() -> datetime:
    """Return current UTC time (timezone-aware)."""
    return datetime.now(timezone.utc)

2. 全局替换所有 datetime.now() 为 utc_now() 或 datetime.now(timezone.utc)
3. 在 load_plan、load_rollback_log 等反序列化时，对 naive datetime 做 replace(tzinfo=timezone.utc) 以保持向后兼容

---

2. 未使用的依赖 ffmpeg-python

问题描述

pyproject.toml 声明 ffmpeg-python>=0.2.0，但代码中未 import。scanner 使用 subprocess 直接调用 ffprobe。

确信度: 0.95

解决方案

从 pyproject.toml 的 dependencies 中移除 ffmpeg-python。若未来改用 ffmpeg-python 库再添加。

---

3. Parser 中 video extensions 硬编码

问题描述

parser.py 第 100、169 行使用固定扩展名列表 ['.mp4', '.mkv', ...]，与 config.video_extensions 不一致。

• 用户在 config 中新增扩展（如 .ts），scan 能发现，但 parse 去扩展名时不会匹配
• 如 Movie (2020).ts 可能得到错误的 title 解析

确信度: 0.9

解决方案

1. parse_movie / parse_series 增加可选参数 extensions: list[str]
2. CLI parse 命令调用时传入 config.video_extensions
3. 默认值使用与 config 相同的列表以保持向后兼容

---

4. 抽出统一的 I/O 层

问题描述

数据读取和转换分散在各 CLI 命令中，同一份 identities JSON 在 analyze、plan 等处有重复且略有不同的转换逻辑。新增字段时需多处同步，易遗漏。

确信度: 0.9

解决方案

新增 vlm/io.py，集中：

• load_inventory_csv(path) -> list[VideoFile]
• save_inventory_csv(files, path, library_root)
• load_identities_json(path) -> dict
• save_identities_json(data, path)
• identities_to_plan_input(data) -> list[(VideoFile, Identity | None)]
• identities_to_analysis_input(data) -> (list[MovieIdentity], list[SeriesIdentity], list[VideoFile])

CLI 只调用这些函数，不再直接解析和构造 dataclass。

---

5. Analyze 阶段 VideoFile metadata 丢失

问题描述

identities.json 不含 size_bytes、resolution、codec 等，CLI 构造 VideoFile 时用 0 或 None，导致 compare_quality() 无法有效比较，duplicate 报告信息不足。

确信度: 0.9

解决方案

1. 方案 A：analyze 命令同时接受 --inventory，从 inventory.csv 加载 metadata 并与 identities 按 path 合并
2. 方案 B：parse 输出时在 identities 中附带 size/resolution/codec（从 inventory 合并），避免 analyze 再读 inventory

---

中优先级（确信度 0.8–0.89）

6. 拆分 CLI 为 commands 子模块

问题描述

cli.py 约 1700 行，混合参数定义、业务逻辑、I/O、输出展示，维护和单测困难。

确信度: 0.85

解决方案

src/vlm/
  cli.py              # main、参数、ctx 传递、调用 commands
  commands/
    __init__.py
    scan.py           # scan_cmd(ctx, ...)
    parse.py          # parse_cmd(ctx, ...)
    enrich.py
    analyze.py
    plan.py
    execute.py
    report.py         # 或按子命令拆分
    quarantine.py
    state.py
    config_cmd.py

每个 *_cmd 接收 ctx 和参数，CLI 只做装饰与调用。单测可直接测 *_cmd 函数。

---

7. Provider last_request_count 非正式接口

问题描述

enrichment.py 使用 getattr(provider, "last_request_count", 1) 统计 API 调用，依赖实现细节。

确信度: 0.85

解决方案

1. 在 providers/base.py 的 EnrichmentProvider 协议中显式声明 last_request_count: int 属性
2. TMDBProvider 确保实现该属性
3. enrichment 通过协议访问，去掉 getattr

---

8. 异常捕获过宽

问题描述

约 20+ 处 except Exception，容易吞掉逻辑错误，难以区分可恢复错误与编程错误。

涉及：cli.py、enrichment.py、executor.py、quarantine.py 等。

确信度: 0.8

解决方案

• 针对预期异常（FileNotFoundError、json.JSONDecodeError、ValueError）分别处理
• 保留顶层 except Exception 作为兜底，记录完整 traceback 后 sys.exit(1)
• 避免在业务逻辑深处宽泛捕获

---

9. Enrichment 主循环过长

问题描述

enrich_identities_data 主循环约 80 行，混合迭代、缓存、API 调用、统计、payload 合并，可读性和可测性差。

确信度: 0.8

解决方案

拆分为：

• _process_single_record(record, media_type, ...) -> None
• _fetch_from_providers(record, media_type, providers, ...) -> tuple[dict, int, list, str]
• _update_stats(stats, ...) -> None
• 主循环只负责迭代与调用上述函数

---

较低优先级（确信度 0.7–0.79）

10. Duplicate 检测 file_map 使用 filename 作为 key

问题描述

analysis.py 第 87 行：

file_map = {file.filename: file for file in files}

同 filename 不同路径会互相覆盖（如 /a/Movie.mkv 与 /b/Movie.mkv），导致 identity 映射到错误 VideoFile。

确信度: 0.75

解决方案

• 使用 str(file.path) 作为 key
• 确保 identity 与 VideoFile 的关联方式一致（如通过 path 或 (path, filename) 建立映射）

---

11. MovieIdentity / SeriesIdentity 字段重复

问题描述

两个 dataclass 有约 10 个共同 enrichment 字段，新增时需改两处，合并逻辑需分支处理。

确信度: 0.7

解决方案

• 方案 A：抽取 EnrichmentMixin 基类，MovieIdentity / SeriesIdentity 继承
• 方案 B（推荐）：引入 EnrichmentPayload dataclass，两个 Identity 通过 enrichment: EnrichmentPayload 组合，侵入较小

---

12. Config 体积膨胀

问题描述

Config 约 50 个字段，enrichment/TMDB 相关占多数，职责混杂。

确信度: 0.7

解决方案

拆分 EnrichmentConfig、TMDBConfig 等子配置，通过嵌套或组合放入主 Config。

---

13. review_status 与 needs_review 语义重叠

问题描述

review_status（pending/approved/rejected）与 needs_review（bool）含义重叠，易混淆。

确信度: 0.75

解决方案

• 在 docstring 或文档中明确定义：needs_review = (review_status == 'pending') and ...
• 或在模型中合并为单一状态枚举，避免两个字段语义交叉

---

低优先级（确信度 < 0.7）

14. config_init 与 ctx 一致性

问题描述

config init 未使用 @pass_context，与同组其他命令风格不一致，但当前不依赖 ctx，非功能性 bug。

确信度: 0.5

解决方案

若其他 config 子命令均用 @pass_context，可统一为 config_init 也接收 ctx 以保持风格一致；否则可保持现状。

---

15. CLI 延迟 import

问题描述

各命令在函数体内才 import，错误在首次执行该命令时才暴露，依赖关系不直观。

确信度: 0.6

解决方案

可接受；若希望启动时即发现依赖问题，可改为模块级 import，但会增加启动开销。

---

执行建议

阶段	项目	说明
第一批	1, 2, 3	改动小、风险低、收益明确
第二批	4, 5	需要一定重构，与 I/O 设计相关
第三批	6, 7, 8, 9	结构性改进，建议分步完成
第四批	10–15	按需和档期安排

---

文档生成日期：2025-02-10