fix: 修复 xwlb 日期错位与重复行问题(方案 A)

- run_xwlb: 新增 --date(处理日)参数,落盘改为处理日目录,下游 M2-M6 打通
- run_xwlb: 幂等落盘(按 url_hash 去重,重写 index 替代裸追加)
- pipeline: xwlb 步骤传 --date {date}
- run_extractor: xwlb publish_time 从 url 兜底解析真实播出日
- 新增 tests/test_run_xwlb.py 9 个测试
- 清理 60 天历史死数据(用户决策 A1)
- docs: 文档重构收尾(删除 deployment.md,已在服务器直接修改)

continuation.md

@@ -4,6 +4,41 @@
 
 ---
 
+## 本次完成 (2026-08-22) — xwlb 日期错位修复(方案 A)
+
+**背景问题**:
+- P0-1: `run_xwlb` 硬编码抓前一天并落盘到「数据日」目录,而下游 extractor 按「处理日」扫目录 → 60 天联播数据从未进入知识库(实测: `data/processed/xwlb/` 仅 20260622 一天)
+- P0-2: `run_xwlb` 用 `open("a")` 裸追加,同一天被多次调度触发导致 index.jsonl 重复行(实测 20260821: 70 行仅 24 唯一)
+
+**业务约束(保持不变)**: 当天日报需要前一天晚上(19:00 播出)的新闻联播内容。
+
+**方案 A 实施**:
+
+1. `scripts/run_xwlb.py` 重构:
+   - 新增 `--date` 参数(处理日,默认今天),与管道其它步骤日期语义一致
+   - 内部 `数据日 = 处理日 - 1`(业务约束:抓前一晚已播出的联播)
+   - **落盘目录改为处理日** `data/raw/xwlb/{处理日}/` → extractor/dedup/llm/embedding/qdrant 零改动即可处理
+   - **幂等落盘**: 落盘前读已有 index.jsonl 构建 `url_hash` 集合,已存在条目跳过;index.jsonl 重写为去重完整集(原子写),不再裸追加
+2. `scheduler/pipeline.py`: xwlb 步骤命令加 `--date {date}`
+3. `scripts/run_extractor.py`: xwlb 假 HTML 无时间节点 → 新增 `_fill_xwlb_publish_time`,从 url(`xwlb://YYYY-MM-DD/sid`)兜底解析真实播出日填充 `publish_time`(否则检索时间过滤/排序失效)
+4. **历史死数据 A1 清理**: 删除 `data/raw/xwlb/` 62 个旧目录(20260622~20260822)+ `data/processed/xwlb/`(仅 20260622)
+
+**验证(生产端到端,20260822)**:
+- 新增 `tests/test_run_xwlb.py` 9 个测试(处理日目录、幂等、空数据、坏日期),全部通过
+- 全量测试 **255 passed**(3 个 crawler 基线失败与本次无关)
+- 实跑: 处理日=20260822 抓数据日 20260821 联播 23 条 → 二次运行新增 0/跳过 23(幂等)→ M2 提取 23/23 → M3 唯一 23 → M4 LLM 23/23 → M5 23/23 → M6 Qdrant 净增 23
+- 检索验证: `a-share search "国务院常务会议"` top2 命中 xwlb《李强主持召开国务院常务会议》,时间 2026-08-21(真实播出日)✓
+- 日报路径不受影响(仍走 `reporter._collect_xwlb` API 直读)
+
+**运维规则新增**: 每次代码升级完成后必须执行 `sudo systemctl restart a-share-research.service`
+
+**待办/遗留**:
+- P0-3(crawler 无 --date,补跑历史日期静默空转)、P0-4(report 硬编码 date.today())、P1(dedup rc=1 静默/补跑含 cninfo/时区)未修,待用户决策
+- `run_extractor --force` 重提取会重复追加 `data/processed/{src}/{date}/index.jsonl`(仅影响该辅助索引,下游读 *.json 不受影响),暂不修
+- 历史 60 天联播未入库(按用户决策 A1 清理,不回补)
+
+---
+
 ## 本次完成 (2026-08-22) — 文档清理与重构
 
 **目标：** 清理历史上多个 AI agent 文档残留,重构项目文档为 4 个核心文件。