fix docker issue

app/services/llm_service.py

@@ -236,158 +236,6 @@ class LLMService:
 
         return []
 
-    @classmethod
-    async def extract_tags(cls, text: str) -> List[str]:
-        """
-        从文本中提取语义标签。
-        用于图片 OCR 内容的标签化和搜索查询的标签化。
-
-        Args:
-            text: 待提取标签的文本
-
-        Returns:
-            标签列表，如 ["教育", "高考数学", "二次方程", "解题技巧"]
-        """
-        messages = [
-            {
-                "role": "system",
-                "content": (
-                    "你是一个内容标签提取助手。用户会给你一段文字内容，"
-                    "你需要从中提取 3-10 个能概括内容主题的标签。\n"
-                    "标签要求：\n"
-                    "1. 用简短的词语（2-6个字）\n"
-                    "2. 涵盖主题、场景、情感、关键实体等维度\n"
-                    "3. 考虑同义词和近义词（如'不想工作'也打上'躺平'标签）\n"
-                    "4. 只输出 JSON 数组，不要其他文字\n"
-                    '例如：["高考数学", "二次方程", "韦达定理", "解题技巧"]'
-                ),
-            },
-            {
-                "role": "user",
-                "content": f"请从以下内容中提取标签：\n\n{text[:2000]}",
-            },
-        ]
-
-        try:
-            result = await cls.chat(messages, temperature=0.3, max_tokens=256)
-            result = result.strip()
-            if result.startswith("```"):
-                result = result.split("\n", 1)[-1]
-                if result.endswith("```"):
-                    result = result[:-3]
-                result = result.strip()
-            tags = json.loads(result)
-            if isinstance(tags, list):
-                # 去重、清洗
-                seen = set()
-                clean = []
-                for t in tags:
-                    t = str(t).strip()
-                    if 1 <= len(t) <= 20 and t not in seen:
-                        seen.add(t)
-                        clean.append(t)
-                return clean[:15]
-        except Exception as exc:
-            logger.warning("标签提取失败: %s", exc)
-
-        return []
-
-    @classmethod
-    async def extract_search_tags(cls, query: str) -> List[str]:
-        """
-        从用户搜索查询中提取标签，用于匹配数据库中存储的标签。
-        和 extract_tags 类似，但更侧重于提取搜索意图相关的标签。
-        """
-        messages = [
-            {
-                "role": "system",
-                "content": (
-                    "你是一个搜索意图分析助手。用户会给你一个搜索查询，"
-                    "你需要提取 3-8 个可能匹配的标签词。\n"
-                    "标签要求：\n"
-                    "1. 用简短的词语（2-6个字）\n"
-                    "2. 包含同义词和近义词\n"
-                    "3. 包含上义词和下义词\n"
-                    "4. 只输出 JSON 数组\n"
-                    '例如：用户搜"孩子躺平"，输出 ["躺平", "不上班", "年轻人", "就业", "摆烂", "啃老"]'
-                ),
-            },
-            {
-                "role": "user",
-                "content": f"请从以下搜索查询中提取匹配标签：{query}",
-            },
-        ]
-
-        try:
-            result = await cls.chat(messages, temperature=0.3, max_tokens=256)
-            result = result.strip()
-            if result.startswith("```"):
-                result = result.split("\n", 1)[-1]
-                if result.endswith("```"):
-                    result = result[:-3]
-                result = result.strip()
-            tags = json.loads(result)
-            if isinstance(tags, list):
-                seen = set()
-                clean = []
-                for t in tags:
-                    t = str(t).strip()
-                    if 1 <= len(t) <= 20 and t not in seen:
-                        seen.add(t)
-                        clean.append(t)
-                return clean[:10]
-        except Exception as exc:
-            logger.warning("搜索标签提取失败: %s", exc)
-
-        # 降级：直接用原始查询词作为标签
-        return [query.strip()] if query.strip() else []
-
-    @classmethod
-    async def summarize_story(cls, text: str) -> str:
-        """
-        用 Qwen3-8B 提炼图片 OCR 文本的故事内容。
-        非思考模式，直接输出。
-        """
-        messages = [
-            {
-                "role": "system",
-                "content": (
-                    "你是一个内容提炼助手。用户会给你一段从图片中识别出的文字内容，"
-                    "你需要提炼出其中讲述的故事或事件。\n"
-                    "要求：\n"
-                    "1. 用简洁的自然语言描述图片内容讲述的故事或事件\n"
-                    "2. 保留关键人物、事件、情感、场景等核心信息\n"
-                    "3. 50-200字\n"
-                    "4. 直接输出提炼内容，不要加前缀"
-                ),
-            },
-            {
-                "role": "user",
-                "content": f"/no_think\n请提炼以下内容的故事：\n\n{text[:3000]}",
-            },
-        ]
-
-        try:
-            from openai import AsyncOpenAI
-            client = AsyncOpenAI(
-                api_key=settings.OPENAI_API_KEY,
-                base_url=settings.OPENAI_BASE_URL,
-            )
-            response = await client.chat.completions.create(
-                model="Qwen/Qwen3-8B",
-                messages=messages,
-                temperature=0.3,
-                max_tokens=512,
-                extra_body={"chat_template_kwargs": {"enable_thinking": False}},
-            )
-            content = response.choices[0].message.content or ""
-            # 清理可能的 /no_think 回显
-            content = content.replace("/no_think", "").strip()
-            return content
-        except Exception as exc:
-            logger.warning("故事提炼失败: %s", exc)
-            return ""
-
     @classmethod
     async def judge_batch(cls, query: str, articles: List[dict]) -> List[int]:
         """