first commit

TODO.md

@@ -0,0 +1,73 @@
+# TODO
+
+## 当前状态
+
+项目当前处于 `Content Extract MCP` 的 MVP 完成阶段。
+
+已完成：
+
+- [x] 明确整体阅读流链路
+- [x] 明确 `source -> item -> document/article` 的数据抽象
+- [x] 明确 `MCP 负责提取，LLM 负责摘要` 的职责边界
+- [x] 搭建 Python MCP 服务骨架
+- [x] 实现 `extract_url_content`
+- [x] 实现 `extract_item_content`
+- [x] 完成标题与正文提取
+- [x] 完成质量标记与结构化错误输出
+- [x] 用参考文章完成真实提取测试
+- [x] 输出结构化提取 JSON 文件
+- [x] 设计并迭代 LLM 摘要 prompt
+- [x] 验证 LLM 输出的 `result.json` 基本符合预期
+- [x] 已封装 LLM 摘要校验 workflow skill
+
+---
+
+## P0 - 近期必须完成
+
+- [x] 为 LLM 摘要结果定义正式 JSON Schema
+- [x] 增加一个本地校验脚本，自动校验 `result.json` 是否符合 schema
+- [x] 把“提取 JSON -> LLM 摘要 JSON”串成一个标准化本地流程
+- [x] 清理或移除当前已不再使用的 `src/summary_mcp/core/summarizer.py`
+- [x] 更新旧设计文档中仍然残留的 `summary mcp` 描述，避免和当前实现冲突
+
+---
+
+## P1 - 下一阶段推进
+
+- [ ] 把上游 RSS 聚合结果映射成标准化 `item`
+- [ ] 补充 `item` 的实际样例文件
+- [ ] 定义规则过滤层的输入输出 schema
+- [ ] 设计知识库入库格式
+- [ ] 设计 webhook / 推送格式
+- [ ] 给提取结果增加更多正文清洗策略，比如尾部噪音清理
+
+---
+
+## P2 - 后续增强项
+
+- [ ] 增加批量提取能力
+- [ ] 引入 Playwright 作为动态页面兜底抓取方案
+- [ ] 支持更多 `content_kind`，例如 `release`、`thread`、`video`
+- [ ] 增加提取缓存、重试和更细粒度日志
+- [ ] 重命名包和项目名，从 `summary_mcp` 调整为更符合当前职责的名称
+- [ ] 与 OpenClaw 做更正式的工作流编排整合
+
+---
+
+## 当前建议的下一步
+
+
+优先做这两件事：
+
+1. 把上游 RSS 聚合结果映射成标准化 `item`
+2. 补充一个真实 `item` 样例文件并开始设计规则过滤 schema
+
+---
+
+## 收束上下文后建议先看
+
+- docs/context-reset-brief.md
+- docs/content-extract-mcp-mvp-archive.md
+- TODO.md
+
+