 simon
|
3b44f64f66
|
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
|
2026-08-22 20:47:53 +08:00 |
|
|
simon
|
951276a313
|
feat: 日报多来源入库（news_event.sources 列，JSON 数组，主源居首）
- EventRow 新增 sources 字段；init_schema 幂等 ALTER 补列（MariaDB）
- save_report 写入 sources JSON；_article_sources_full 完整来源列表
- source 字段保持 ≤3 拼接兼容；新增多源完整列表测试
- 已部署 pi5：sources 列写入验证通过（单源数组）；完整多源待新数据
|
2026-08-12 13:06:01 +08:00 |
|
|
simon
|
012cb615d3
|
feat: 脚本执行显性输出当前阶段与 AI 模型供应商/名称
- pipeline.sh 每阶段 banner（━━━ M4 翻译+事件抽取（AI 大模型: deepseek / deepseek-v4-flash）━━━）
- ai_model_info() 从 system.yaml 读取场景模型（translation/daily_report/embedding）
- Python 层：M4/M5/日报 显性打印 provider/model（场景标注）
- 已同步 pi5 实测：客户端初始化日志含供应商/模型
|
2026-08-12 11:20:51 +08:00 |
|
|
simon
|
bdd936a3e4
|
feat: 全流程终端实时进度输出 + 步骤日志
- step_run 增加耗时统计（▶ 开始 / ✔ 完成 Ns / ✗ 失败 exit=N）与 STEP_LOG 支持
- domestic_full.sh / pipeline.sh 去掉 tail 截断，输出实时透传终端并 tee 到 logs/*.log
- 退出码用 PIPESTATUS[0] 捕获（规避 pipefail/tee 吞码）；全角标点后变量用花括号包裹
- 已同步 pi5 实测：M3 31s / M6 20s 耗时显示正常，日志文件生成
|
2026-08-12 11:18:08 +08:00 |
|
|
simon
|
06b00b7f49
|
feat: 全流程脚本 --resume 断点续跑 + 各步骤文件级增量说明
- 新增 scripts/_step_state.sh：步骤状态库（data/run_state/{date}.state，按天换新）
- pipeline.sh / domestic_full.sh 支持 --resume，按步骤跳过已完成项
- step_run 显式检查退出码（规避 bash set -e 条件上下文陷阱），失败步骤不标记
- M1 保持部分源失败容忍（step_should_run/step_mark 手动控制）
- 确认并文档化各步骤文件级增量：M2/M4/M5 按文件存在跳过、M3 指纹库、M6 upsert 幂等
- 已同步 pi5 并验证（--badarg exit=1、step_run 机制正常）
|
2026-08-12 11:06:29 +08:00 |
|
|
simon
|
c72a5ed13a
|
feat: AI 模型按场景独立配置（llm_scenes）+ 去重多来源合并
- system.yaml 新增 llm_scenes（translation / daily_report，含用途/方法/模型要求说明）
- load_llm_config(scene=...) 场景覆盖；日报摘要 temperature 0.3 硬编码 → 配置
- M3 去重：唯一篇记录 source_ids（跨源重复合并，首个来源为 source_id）
- source_ids 经翻译透传至 events，日报事件 source 多来源拼接展示（≤3 个）
- 已部署 pi5：merge 实证 10 源合并；日报 report_id=224 正常入库
|
2026-08-12 09:56:55 +08:00 |
|
|
simon
|
d4a55bcaaa
|
feat: M9 日报结构化入库（HTML 改为写入 MySQL news_report/news_event，report_type=intl）
- 新增 report_db/ 包（models/schema/db，复用 news 项目实现，幂等 upsert）
- reporter.py: _build_report_data + generate_report 写库返回 report_id
- pipeline/cli 适配 report_id 返回值；HTML 渲染/上传保留 deprecated
- 新增 tests/test_report_db.py；.env.example 增加 NEWS_DB_* 配置
- 已部署 pi5 并验证：真实生成 report_id=184（12 事件）+ 幂等覆盖
|
2026-08-04 11:09:17 +08:00 |
|
 simonandClaude
|
ea472c8bf8
|
docs: 更新 README 操作手册
- 13 个源清单及状态表
- 部署架构图更新（海外服务器已停用）
- Pi 前置条件/操作命令/常见问题
Co-Authored-By: Claude <noreply@anthropic.com>
|
2026-07-23 09:27:59 +08:00 |
|
|
simon
|
fe8b417ab6
|
初始化
|
2026-07-18 16:13:52 +08:00 |
|
|
simon
|
c0070f0a5c
|
Initial commit
|
2026-07-18 16:11:58 +08:00 |
|