Add inline comments to core modules and code review notes

Added explanatory comments to server.py, freshrss_pipeline.py, pipeline.py,
freshrss.py, keyword_index.py, summary_loop.py, and filters/engine.py.
Also added CODE_REVIEW.md with prioritized improvement suggestions.

src/summary_mcp/core/keyword_index.py

@@ -1,5 +1,8 @@
 from __future__ import annotations
 
+# 日报级关键词索引：从当日 delivery 候选中提取关键词，
+# 应用别名归并和停用词过滤，输出 DailyKeywordIndex 并聚合全局 KeywordStatsIndex。
+
 import json
 from collections import Counter
 from datetime import UTC, date, datetime
@@ -83,6 +86,7 @@ def normalize_keyword(
     aliases: dict[str, str],
     stopwords: set[str],
 ) -> str | None:
+    # 对单个关键词做别名替换 + 停用词过滤，返回 None 表示丢弃
     raw_value = keyword.strip()
     if not raw_value:
         return None
@@ -200,6 +204,7 @@ def persist_keyword_indexes(
     stopwords_path: Path | None = None,
     include_decisions: set[str] | None = None,
 ) -> dict[str, object]:
+    # 构建并写入当日词元索引，同时全量重建全局词频统计；每次 pipeline 运行后自动调用
     aliases = load_term_aliases(aliases_path)
     stopwords = load_term_stopwords(stopwords_path)
     daily_index = build_daily_keyword_index(

src/summary_mcp/core/pipeline.py

@@ -1,5 +1,8 @@
 from __future__ import annotations
 
+# 内容提取主流程：根据 item 来源决定使用内联 RSS 内容还是回源抓取，
+# 再经过文本提取、质量评估、文章构建，输出标准化 ExtractionOutput。
+
 from summary_mcp.core.content_loader import choose_inline_content, fetch_html
 from summary_mcp.core.errors import SummaryError
 from summary_mcp.core.extractor import extract_plain_text, extract_title
@@ -9,10 +12,12 @@ from summary_mcp.core.quality_checker import assess_quality
 from summary_mcp.models.summary_io import DebugInfo, ExtractionInput, ExtractionOutput
 
 
+# FreshRSS 来源的 item 不回源抓网页，直接使用 RSS 内联内容
 RSS_ONLY_UPSTREAMS = {"freshrss"}
 
 
 def _should_skip_fetch(extraction_input: ExtractionInput) -> bool:
+    # 判断当前 item 是否属于 RSS-only 上游，若是则禁止回源抓取
     item = extraction_input.item
     if item is None:
         return False

src/summary_mcp/core/summary_loop.py

@@ -1,5 +1,8 @@
 from __future__ import annotations
 
+# LLM 摘要循环：构造提示词 -> 调用 LLM -> 解析 JSON -> 校验 -> 失败时生成修复提示词重试。
+# 核心入口：run_loop_payload()，最多重试 max_retries 次。
+
 import json
 import os
 import re