2 Commits

Include renames

Author	SHA1	Message	Date
simon	9e4f5b4c75	fix: 去重合并多来源后同步到 events/Qdrant/MySQL，新增 sync-sources 回填命令 ... - dedup/pipeline: 合并 source_ids 后自动同步已生成的 events JSON 和 Qdrant payload - 新增 sync_sources_from_deduped / uv run en-news sync-sources，用于历史数据回填 - sync-sources 会扫描 deduped 多来源唯一篇，更新 events、Qdrant、MySQL news_event.sources - docs: 补充 sync-sources 使用说明	2026-08-23 10:55:23 +08:00
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