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
56 lines
1.5 KiB
Markdown
56 lines
1.5 KiB
Markdown
# English Financial News
|
||
|
||
国际财经新闻私有化 Deep Research 平台：抓取、去重、翻译、事件抽取、向量知识库、日报生成。
|
||
|
||
> 完整文档已整理到 [docs/](docs/README.md)。本文件仅作为仓库入口。
|
||
|
||
## 核心能力
|
||
|
||
- M1 英文财经新闻抓取（RSS 优先 + Crawl4AI/Playwright Web 回退）
|
||
- M2 正文提取（trafilatura）
|
||
- M3 三层去重（URL / 内容 / SimHash）
|
||
- M4 全文英译中 + 投资事件抽取（DeepSeek）
|
||
- M5 向量生成（DashScope text-embedding-v3）
|
||
- M6 Qdrant 语义知识库
|
||
- M7 全链路调度与每日 AI 摘要日报
|
||
- M8 MCP 服务（Cherry Studio / Claude Code 接入）
|
||
- M9 日报结构化写入 MySQL
|
||
|
||
## 快速开始
|
||
|
||
```bash
|
||
# 安装
|
||
uv sync
|
||
cp .env.example .env # 编辑 API Key/数据库凭据
|
||
|
||
# 全流程
|
||
bash scripts/domestic_full.sh
|
||
|
||
# 断点续跑
|
||
bash scripts/domestic_full.sh --resume
|
||
|
||
# M2→M6+日报管道
|
||
bash scripts/pipeline.sh
|
||
|
||
# CLI 单步
|
||
uv run en-news --help
|
||
```
|
||
|
||
## 文档导航
|
||
|
||
| 文档 | 说明 |
|
||
|------|------|
|
||
| [docs/README.md](docs/README.md) | 文档中心 |
|
||
| [docs/architecture.md](docs/architecture.md) | 项目架构与数据流 |
|
||
| [docs/quickstart.md](docs/quickstart.md) | 快速开始 |
|
||
| [docs/usage.md](docs/usage.md) | 使用手册 |
|
||
| [docs/pipeline.md](docs/pipeline.md) | 流水线详解 |
|
||
| [docs/configuration.md](docs/configuration.md) | 配置说明 |
|
||
| [docs/deployment.md](docs/deployment.md) | 部署与运维 |
|
||
| [docs/development.md](docs/development.md) | 开发指南 |
|
||
| [docs/faq.md](docs/faq.md) | FAQ |
|
||
|
||
## 许可证
|
||
|
||
MIT
|