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

vectorstore/pipeline.py

@@ -50,6 +50,11 @@ def _load_embedding_files(date_str: str) -> list[dict]:
             if event_file.exists():
                 article_data = json.loads(event_file.read_text(encoding="utf-8"))
 
+            # 防御性过滤：没有英文原文的事件/向量不应进入知识库。
+            # 历史 no_content 残留满足此条件，重建/全量回灌时可被自动剔除。
+            if not (article_data.get("content_en") or "").strip():
+                continue
+
             items.append({
                 "url_hash": emb_data["url_hash"],
                 "source_id": emb_data.get("source_id", ""),
@@ -77,6 +82,7 @@ def _build_payload(article_data: dict) -> dict:
         "title_zh": article_data.get("title_zh", ""),
         "url": article_data.get("url", ""),
         "source_id": article_data.get("source_id", ""),
+        "source_ids": article_data.get("source_ids", []),
         "source_name": article_data.get("source_name", ""),
         "publish_time": article_data.get("publish_time", ""),
         "events": article_data.get("events", []),
@@ -107,6 +113,15 @@ def ingest_all_embeddings(
 
     items = _load_embedding_files(date_str)
     if not items:
+        # --recreate 时即使当天没有有效向量，也要先把 collection 重建/清空，
+        # 避免 --all --recreate 遇到首个空日期时跳过重建。
+        if recreate:
+            client = make_qdrant_client()
+            store = VectorStore(client)
+            try:
+                store.init_collection(recreate=True)
+            finally:
+                store.close()
         logger.warning("嵌入目录无数据: data/embeddings/%s/", date_str)
         return {"date": date_str, "total": 0, "ingested": 0, "failed": 0, "elapsed_sec": 0}