> For clean Markdown of any page, append .md to the page URL.
> For a complete documentation index, see https://docs.beatapi.io/llms.txt.
> For AI client integration (Claude Code, Cursor, etc.), connect to the MCP server at https://docs.beatapi.io/_mcp/server.

# BettaFish 没有小红书和抖音数据，怎样补入首批研究样本？

> 核对 BettaFish 的数据库连接，从 BeatAPI 获取可追溯样本，并验证 InsightEngine 能读回。

BettaFish 报告缺小红书和抖音时，先看 **InsightEngine 能否从其连接的数据库读到小红书和抖音样本**。用 BeatAPI 在每个平台各取一条与题目相关的公开内容，按已安装版本的表结构导入测试库，再用下面的 `MediaCrawlerDB` 只读查询验证。例如为咖啡机清洗报告准备一篇小红书笔记和一条抖音视频。

## 确认 InsightEngine 读的是哪一个库

在运行 BettaFish 的环境里核对 `DB_HOST`、`DB_PORT`、`DB_NAME` 和 `DB_DIALECT`。用同一版本的迁移或初始化流程准备测试库，先检查下表四张表是否存在。Docker 部署要在应用容器内核对连接。`INSIGHT_ENGINE_*` 配置的是模型调用，数据库连接另外设置。

| 目标       | InsightEngine 查询使用的表                  |
| -------- | ------------------------------------- |
| 小红书笔记及评论 | `xhs_note`、`xhs_note_comment`         |
| 抖音视频及评论  | `douyin_aweme`、`douyin_aweme_comment` |

表不存在时，先核对部署版本和初始化。表里已有数据时，先用已知标题里的短词做一次不带日期条件的定向查询，再加时间范围。整个排查先在测试库跑通，不直接操作生产数据。

## 准备一条笔记和一条视频

按[小红书搜索与详情](/zh/guides/xiaohongshu-notes-research)和[抖音搜索与评论](/zh/guides/douyin-python-research)，在每个平台各选一条与清洗问题有关的内容。保留实际对象 ID、原帖链接、关键词、请求号、响应原件和字段来源。已有材料直接复用。先只导入内容行；内容行能读回后，再读取确有必要的评论。

| 字段去向           | 映射                                                                                 |
| -------------- | ---------------------------------------------------------------------------------- |
| `xhs_note`     | 用该笔记的 ID、标题、实际描述、已确认的 `note_url` 和 `source_keyword`。`time` 按目标查询使用的毫秒单位处理。         |
| `douyin_aweme` | 用该视频的 ID、可用标题或描述、已确认的 `aweme_url` 和 `source_keyword`。`create_time` 要先确认来源单位，再转成毫秒。 |
| 两类评论表          | 每条保留实际评论 ID、正文及其真实父作品 ID。子回复另外保留父评论，给出的赞数缺失时记录为空或保留缺失原因。                           |

按实际运行的 BeatAPI 动作读取响应结构并映射字段。来源只有搜索摘录时，在自己的来源表里标注「搜索摘录」，并写上请求号。用你已有的导入程序写测试库之前，按同一版本的表定义检查必填列、字段长度和唯一键。重跑落库时按平台对象 ID 更新，保留已记录的人工审核。字段以当前库的定义为准，尤其要确认评论外键和时间字段。

## 验收一次读回

在 BettaFish 项目自己的 Python 环境运行下面的只读检查。把 `topic` 换成刚保存的标题或描述里实际出现的一小段文字。第一次不加日期范围，分别打印两个平台的来源表和一条实际内容。

```python
from InsightEngine.tools.search import MediaCrawlerDB

source = MediaCrawlerDB()
for platform in ("xhs", "douyin"):
    result = source.search_topic_on_platform(platform=platform, topic="清洗", limit=5)
    print(platform, result.results_count, result.error_message)
    for item in result.results[:2]:
        print(item.source_table, item.title_or_content, item.url, item.publish_time)
```

例如选了一篇标题包含「清洗后异味」的笔记，和一条描述包含「清洗水箱」的视频。分别用素材里确实出现的短词读回后，检查笔记的来源表是 `xhs_note`、视频的来源表是 `douyin_aweme`，链接和时间都与存下的原件一致。两条都能读回后，再生成一份报告，对照其中一条引用。报告缺某一条时，先查报告采用的关键词、日期和平台。

按下表定位缺失发生在哪一步。核对时用刚导入那条记录的 ID 和原链接，避免匹配到同标题的其他素材。

| 查到哪里                         | 接着查什么                              |
| ---------------------------- | ---------------------------------- |
| 测试库里按对象 ID 查不到               | 看导入结果，核对写入的库和记录 ID                 |
| 库里有记录，InsightEngine 用原文短词查不到 | 查运行日志、实际连接和数据库方言                   |
| 不加日期能读到，加日期变空                | 查字段的毫秒单位、运行时区和筛选边界                 |
| InsightEngine 能读到，报告里没有      | 核对生成报告实际采用的平台、词和时间范围，再看报告有没有选用这条引用 |

排查时沿用已保存的样本。新增样本产生数据查询费用，重新生成报告产生模型调用费用，数据查询与模型调用分别按实际用量计算。见 [BeatAPI 价格页](https://beatapi.io/zh/pricing)。

[BettaFish 接入文档](https://github.com/666ghj/BettaFish/blob/main/README-EN.md) · [InsightEngine 查询实现](https://github.com/666ghj/BettaFish/blob/main/InsightEngine/tools/search.py)