simon
3b44f64f66
- 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
文档中心
本项目 English Financial News（en-news）是一套面向国际财经新闻的私有化 Deep Research 平台：抓取、去重、翻译、事件抽取、向量化、语义检索、日报生成全部在本地/Pi 上独立运行。
本目录是项目文档的唯一入口。历史 AI Agent 文档（
CLAUDE.md、continuation.md、english-news-plan.md、旧版docs/intlnews_usage.*）已清理合并到以下文档中。
文档导航
| 文档 | 内容 |
|---|---|
| 架构说明 | 总体架构、模块职责、数据流、部署拓扑 |
| 快速开始 | 环境准备、安装、配置、首次运行 |
| 使用手册 | CLI 命令、Shell 脚本、MCP 服务、日报查看 |
| 流水线详解 | M1→M9 各步骤输入/输出、增量逻辑、幂等机制 |
| 配置说明 | system.yaml、sources.yaml、Profile、.env |
| 部署与运维 | Pi 服务器部署、Xvfb/代理、crontab、日志清理 |
| 开发指南 | 源码结构、测试、已知问题、新增新闻源 |
| FAQ | 常见问题与排查 |
顶层入口
- 项目根目录的 README.md 仅保留简短的仓库入口和文档链接。
- 当前推荐的执行入口：
- 全流程：
bash scripts/domestic_full.sh - 仅 M2→M6+日报：
bash scripts/pipeline.sh - CLI 单步：
uv run en-news <command> - MCP：
uv run en-news mcp-server
- 全流程：