refactor: 清理历史 AI Agent 文档残留 + 重构 docs/ + Pipeline 健壮性修复

- docs: 删除 CLAUDE.md / continuation.md / english-news-plan.md 及旧版 intlnews_usage.*，
        统一迁移到 docs/{README,architecture,quickstart,usage,pipeline,configuration,deployment,development,faq}.md
- README: 精简为仓库入口，指向 docs/
- configs/sources.yaml: 更新注释指向新文档
- .env.example: 修正 DashScope Embedding 端点说明

Pipeline 修复：
- dedup/llm/embedding/vectorstore/reporter: 过滤 M2 no_content / 空正文，避免污染下游与 Qdrant
- dedup/pipeline: 改为先写唯一文件再写指纹，避免崩溃导致文章永久丢失
- crawler/orchestrator: sources_crawled 改为“尝试数”，成功数 = crawled - failed
- crawler/storage: write_index_jsonl 从文章路径推断日期，修复跨天/测试路径问题
- scheduler/pipeline: STEP_TIMEOUTS 实际生效（SIGALRM）
- scheduler/reporter: emb_count 排除 index.json；日报跳过无原文事件
- vectorstore/pipeline: payload 增加 source_ids；--recreate --all 时空日期也重建 collection
- app/cli: extract/dedup/translate/embed/index/pipeline 支持 --date；embed/index 支持 --all；crawl 全源失败返回非零
- scripts: domestic_full/crawl_8g/crawl_2g/pipeline 安全加载 .env；M1 全失败不标记且最终退出码=1

dedup/pipeline.py

@@ -10,7 +10,7 @@ from datetime import datetime
 from pathlib import Path
 
 from crawler.utils import get_news_day
-from dedup.deduper import Deduper
+from dedup.deduper import Deduper, article_to_fingerprint
 from dedup.models import DedupResult
 from extractor.models import ProcessedArticle
 
@@ -59,7 +59,12 @@ def _load_processed_articles(
             continue
         try:
             data = json.loads(json_file.read_text(encoding="utf-8"))
-            articles.append(ProcessedArticle(**data))
+            article = ProcessedArticle(**data)
+            # M2 可能写入 no_content / failed：这些文章没有有效正文，
+            # 不应进入去重、翻译、向量化等下游环节。
+            if article.status != "success" or not article.content.strip():
+                continue
+            articles.append(article)
         except (json.JSONDecodeError, Exception) as e:
             logger.warning("解析 processed JSON 失败 %s: %s", json_file, e)
 
@@ -99,7 +104,9 @@ def dedup_source(
     dup_count = 0
 
     for article in articles:
-        result = deduper.ingest(article)
+        # 先只读判断，不写指纹；等唯一文件落盘成功后再写指纹，
+        # 避免“指纹已入库但唯一文件未生成”导致该文章后续被当重复丢弃。
+        result = deduper.check(article)
 
         if result.is_duplicate:
             dup_count += 1
@@ -121,6 +128,8 @@ def dedup_source(
                 article.model_dump_json(indent=2, ensure_ascii=False),
                 encoding="utf-8",
             )
+            # 唯一文件落盘成功后再写指纹
+            deduper.store.upsert(article_to_fingerprint(article))
             logger.debug("[%s] ✅ %s (%d words)",
                          source_id, article.title[:40], article.word_count)