docs: 重写 README 为项目介绍

从 MCP 集成技术文档改为完整项目 README，包含： - 项目定位与核心能力 - 架构概览（流程图 + MCP 工具层 + CLI） - 快速开始与环境变量 - 项目结构一览 - 关键技术决策说明 - 关键词治理流程
2026-07-28 16:26:34 +08:00
parent cdbcdcd485
commit 7b791ac947
1 changed files with 175 additions and 368 deletions
@@ -1,390 +1,197 @@
-# Reader MCP Workflow Service
+# Reader · AI 日报引擎
-reader 当前已经收口为面向 OpenClaw 的 MCP workflow service。正式能力边界以 FreshRSS 日报工作流为准：启动 run、写入 `run-state.json`、查询运行状态、读取结构化结果，以及异步恢复 job。CLI 与同步入口仍保留，但定位为 debug / fallback，而不是正式集成入口。
+> 从 FreshRSS 到 AI 日报的自动化流水线，为个人知识管理生成每日 AI 工程化简报。
-## 运行
+Reader 是一个端到端的 AI 日报生产系统，定时从自建 FreshRSS 的 RSS 订阅源拉取文章，经过内容提取、LLM 筛选与摘要、关键词索引构建，最终产出两个输出：
 1. **公开日报** — 推送到 [Hugo 站点](https://osiman.site/daily/) 的精选技术简报
 2. **知识沉淀** — 单篇结构化摘要上传到 IMA 知识库（`daily` KB）
 整个流程由 OpenClaw 编排，作为 MCP Workflow Service 对外暴露。
 ---
 ## ✨ 核心能力
 | 能力 | 说明 |
 |:----|:------|
 | **RSS 拉取** | 从 FreshRSS API 拉取订阅文章，支持增量读取与已读标记 |
 | **内容提取** | 自动提取文章正文、标题、来源等结构化字段 |
 | **LLM 筛选** | 基于个人兴趣画像（`filter_context.personal.json`）自动评估文章质量，分为 keep / review / drop 三档 |
 | **LLM 摘要** | 并行生成每篇文章的结构化摘要（4 路并发，约 24 秒完成 7 篇） |
 | **关键词索引** | 自动构建每日关键词索引，支持别名映射与停用词过滤 |
 | **候选简报** | 生成 `digest-brief.json` 供编排层（OpenClaw）决策 |
 | **单篇沉淀** | 对选中的文章生成结构化知识笔记，上传到 IMA 知识库 |
 | **异步 Job** | 全部生产流程走异步 job，支持恢复与状态查询 |
 ---
 ## 🏗 架构概览
 ```
 FreshRSS ──→ 拉取 ──→ 内容提取 ──→ LLM 筛选 ──→ 关键词索引
                                         │
                                    digest-brief.json
                                         │
                          ┌──────────────┼──────────────┐
                          ▼              ▼              ▼
                     Hugo 日报      IMA 知识库      term_index
                    (公开简报)     (单篇沉淀)       (关键词数据)
 ```
 ### MCP 工具层
 Reader 通过 Hermes MCP 暴露 20+ 个工具，分为三类：
 **日报流水线：**
 - `start_freshrss_pipeline_job` → 启动异步日报 Job
 - `get_freshrss_pipeline_job_status` / `get_freshrss_pipeline_job_result` → 轮询结果
 **状态查询：**
 - `get_run_status` / `get_delivery_payload` / `get_run_report` → 读取运行结果
 - `list_runs` / `list_run_artifacts` → 浏览运行历史
 **恢复与单篇总结：**
 - `inspect_resume_plan` / `start_resume_job` → 恢复失败 Job
 - `start_article_summary_job` / `generate_article_summaries` → 单篇文章摘要
 ### CLI 入口
 同步入口，适合本地 debug / fallback：
 ```bash
 # 完整日报流水线
 python scripts/run_freshrss_pipeline.py --limit 7 --mark-read --timeout 300
 # 单篇文章摘要
 python scripts/run_article_summaries.py \
  --extracted outputs/freshrss/rerun/<run_id>/extracted/item-01.extracted.json \
  --output-dir outputs/freshrss/single_summaries/YYYY-MM-DD
 # 关键词维护
 python scripts/build_keyword_index.py
 python scripts/generate_term_cleanup_suggestions.py
 ```
 ---
 ## 🚀 快速开始
 ### 环境变量
 ```
 # FreshRSS
 FRESHRSS_API_BASE_URL=http://127.0.0.1:8081/api/greader.php
 FRESHRSS_USERNAME=bot
 FRESHRSS_API_PASSWORD=xxx
 # LLM（主流水线）
 LLM_API_URL=https://api.deepseek.com
 LLM_API_KEY=xxx
 LLM_MODEL=deepseek-chat
 # LLM（可选，单篇摘要独立模型）
 ARTICLE_SUMMARY_LLM_API_URL=https://api.deepseek.com
 ARTICLE_SUMMARY_LLM_API_KEY=xxx
 ARTICLE_SUMMARY_LLM_MODEL=deepseek-chat
 # IMA 知识库（可选，仅沉淀时需要）
 IMA_DAILY_KNOWLEDGE_BASE_ID=xxx
 IMA_DAILY_KNOWLEDGE_BASE_NAME=daily
 ```
 ### 运行
 ```bash
 # 安装
 pip install -e .
 # 跑日报流水线（CLI 模式）
 python scripts/run_freshrss_pipeline.py --limit 7 --mark-read --timeout 300
 # 启动 MCP 服务（OpenClaw 集成用）
 summary-mcp
 ```
-服务当前暴露 21 个工具。
+---
-正式集成摘要：
+## 📁 项目结构
- 主日报正式入口：`start_freshrss_pipeline_job`
+```
- 主日报正式读取：`get_run_status`、`get_delivery_payload`、`get_run_report`
+reader/
- 恢复正式入口：`inspect_resume_plan`、`start_resume_job`、`get_resume_job_status`、`get_resume_job_result`
+├── configs/                          # 配置
- 单篇总结正式入口：`start_article_summary_job`、`get_article_summary_job_status`、`get_article_summary_job_result`
+│   ├── filter_context.personal.json  # 个人兴趣画像
- `run_freshrss_openclaw_pipeline`、`resume_run`、`generate_article_summaries` 仅用于同步 debug / fallback
+│   ├── term_aliases.json             # 关键词别名映射（149 条）
-
+│   ├── term_stopwords.json           # 关键词停用词（132 条）
-## 文档入口
+│   └── term_cleanup_policy.json      # 关键词清理策略
-
+├── src/
-如果你在做 OpenClaw 集成，不要只看这个 README，优先看：
+│   └── summary_mcp/                  # MCP 服务核心
-
+│       ├── server.py                 # MCP 服务入口
- `docs/openclaw/README.md`
+│       ├── runtime/                  # 运行时（Job 管理、状态持久化）
- `docs/openclaw/openclaw-handoff.md`
+│       └── workflows/                # 工作流（日报流水线逻辑）
- `docs/openclaw/openclaw-orchestration-flow.md`
+├── scripts/                          # CLI 入口
-
+├── outputs/                          # 运行时产出
-字段契约见：
+│   └── freshrss/
-
+│       ├── rerun/<run_id>/           # 每次运行的全量产物
- `docs/openclaw/openclaw-candidate-input-field-spec.md`
+│       │   ├── candidates/           # digest-brief.json, delivery payload
- `docs/openclaw/openclaw-delivery-payload-spec.md`
+│       │   ├── extracted/            # item-XX.extracted.json
-
+│       │   └── run-state.json        # 运行状态
-文档总索引见：
+│       └── single_summaries/         # 单篇摘要输出
-
+├── data/
- `docs/README.md`
+│   └── term_index/                   # 关键词索引数据
- `docs/current/context-reset-brief.md`
+│       ├── daily/YYYY-MM-DD.json
- `docs/design/README.md`
+│       └── term_stats.json
- `plans/README.md`
+├── docs/                             # 设计文档
-
+└── prompts/                          # LLM Prompt 模板
 ## 正式能力边界
 - 当前正式 workflow 只有 `freshrss_daily_digest`
 - 当前生产编排默认走异步 job，而不是同步 MCP / CLI
 - 每次 FreshRSS 主流水线 run 都会在 `outputs/freshrss/rerun/<run_dir>/run-state.json` 落地运行真相
 - OpenClaw 正式读取结果应优先使用 MCP 返回的 `run_id`、`output_dir`、`delivery_output`、`report_output`
 - 正式恢复只支持带有效 `run-state.json` 的当前 run，不处理历史推断 run
 - 正式生产恢复依赖 `summary/summary-batch.json` 与 `candidates/candidate-batch.json`
 ## OpenClaw 最短调用路径
 1. 调 `start_freshrss_pipeline_job`
 2. 轮询 `get_freshrss_pipeline_job_status`
 3. 成功后读 `get_freshrss_pipeline_job_result`，拿 `run_id`
 4. 用 `get_run_status`、`get_delivery_payload`、`get_run_report` 做后续读取
 5. 如需恢复，先调 `inspect_resume_plan`，只有 `recommended_action=resume` 才走 `start_resume_job`
 更完整的状态分支、恢复策略和人工介入条件见 `docs/openclaw/openclaw-orchestration-flow.md`。
 ## 单篇文章总结后处理（可选使用独立 LLM）
 ### 生产环境推荐输入
 - 单篇总结的正式生产输入，优先使用 FreshRSS 主流水线输出的**单篇 extracted 文件**：
  - `outputs/freshrss/rerun/<run_id>/extracted/item-XX.extracted.json`
 - 这些**逐条 extracted 文件**是下游单篇总结的**正式默认产物**。
 - 像 `outputs/freshrss/extracted/freshrss.extracted.json` 这样的**批量 extracted 文件**，只作为临时场景、兼容旧流程的输入形态保留，**不是首选生产默认**。
 ### daily 知识库默认配置
 - `IMA_DAILY_KNOWLEDGE_BASE_ID` —— 单篇日报总结默认上传的 IMA 知识库 ID
 - `IMA_DAILY_KNOWLEDGE_BASE_NAME` —— 默认知识库名称（预期值：`daily`）
 - 上传逻辑在运行时应先校验目标知识库；若配置的目标不存在，应先按名称查找，仍不存在则创建 `daily`
 相关能力：
 - 正式路径：`start_article_summary_job` / `get_article_summary_job_status` / `get_article_summary_job_result`
 - 同步 debug：`generate_article_summaries`
 - CLI：`scripts/run_article_summaries.py`
 - 后台 runner：`scripts/run_article_summary_job.py`
 ## 校验 LLM 摘要结果
 ```bash
 validate-llm-result outputs/reference/summary/result.json --extracted outputs/reference/extracted/read-flow-2026.extracted.json
 ```
-## 跑最小 extraction → summary 循环
+---
 ## ⚙️ 关键技术决策
 | 决策 | 选择 | 原因 |
 |:----|:----|:------|
 | 运行模式 | **异步 Job** 为主，CLI fallback | 避免 MCP 传输层 120s 超时限制 |
 | 摘要并发 | **ThreadPoolExecutor(max_workers=4)** | LLM 调用是 I/O 密集型，4 路并行将 7 篇摘要从 2-3 分钟压到 ~24 秒 |
 | 环境变量 | **子进程显式注入 .env** | 解决 MCP 服务器环境隔离导致子进程读取不到 LLM_API_KEY 的问题 |
 | 关键词过滤 | **别名映射 + 停用词 + 语义清洗** | 先用 `term_aliases.json` 归一化，再用 `term_stopwords.json` 过滤噪声，最后通过 LLM 做语义级清洗 |
 | Tag 选择 | **复用已有通用 Tag**，不从 term_index 翻生僻词 | 保持 Hugo 站点 /tags/ 页面整洁，避免大量一次性专有名词 |
 ---
 ## 🔧 关键词治理
 配置治理走四步流程（`scripts/` 下脚本）：
 ```bash
-python scripts/run_summary_loop.py ^
+# 1. 构建评审数据包
-  --extracted outputs/reference/extracted/read-flow-2026.extracted.json ^
+python skills/keyword-cleanup-review/scripts/build_review_bundle.py --days 7 --top 50
-  --prompt outputs/prompts/llm-summary-prompt.txt ^
+
-  --output outputs/reference/summary/result.loop.json
+# 2. 统计规则级建议（大小写、单复数、频次阈值）
 python scripts/generate_term_cleanup_suggestions.py
 # 3. LLM 语义级建议（中英映射、简称-全称、近义词）
 python scripts/generate_term_cleanup_semantic_suggestions.py
 # 4. 确认后写入配置
 python scripts/apply_term_suggestions.py --accept-watch ... --dry-run
 ```
-## 拉取 FreshRSS 条目并映射为标准化 `item`
+详见 `docs/design/keyword-engine-maintenance.md`。
-```bash
+---
 set FRESHRSS_API_BASE_URL=http://127.0.0.1:8081/api/greader.php
 set FRESHRSS_USERNAME=bot
 set FRESHRSS_API_PASSWORD=your-api-password
 python scripts/pull_freshrss_items.py --limit 5 --mark-read
 ```
-默认会排除已经带 `read` 标签的条目。
+## 📄 文档
 如果你想拿到完整阅读列表，可以加 `--include-read`。
 启用 `--mark-read` 后，脚本会在执行成功后把本次抓到的条目标记为已读。
-脚本会写出：
+- `docs/openclaw/README.md` — OpenClaw 集成指南
 - `docs/openclaw/openclaw-orchestration-flow.md` — 编排流程
 - `docs/openclaw/openclaw-delivery-payload-spec.md` — 字段契约
 - `docs/design/README.md` — 设计文档总索引
 - `docs/design/filter-rule-engine-design.md` — 过滤规则引擎设计
 - `docs/design/filter-rule-engine-usage.md` — 过滤规则使用说明
- `outputs/freshrss/raw/freshrss.raw.json`
+---
 - `outputs/freshrss/items/freshrss.items.json`
-## 拉取 FreshRSS 条目并逐条做内容提取
+## 📝 License
-```bash
+MIT
 set FRESHRSS_API_BASE_URL=http://127.0.0.1:8081/api/greader.php
 set FRESHRSS_USERNAME=osiman
 set FRESHRSS_API_PASSWORD=your-api-password
 python scripts/run_freshrss_extract.py --limit 1 --mark-read
 ```
 默认会排除已经带 `read` 标签的条目。
 启用 `--mark-read` 后，只有提取成功的条目才会被标记为已读。
 脚本会写出：
 - `outputs/freshrss/raw/freshrss.raw.json`
 - `outputs/freshrss/items/freshrss.items.json`
 - `outputs/freshrss/extracted/freshrss.extracted.json`
 注意：这个**批量 extracted 文件**主要用于独立提取场景和旧流程兼容。下游单篇总结的正式生产默认输入，仍然是 `outputs/freshrss/rerun/<run_id>/extracted/item-XX.extracted.json` 这类**逐条 extracted 文件**。
 ## 跑完整 FreshRSS 流水线，并在最终 delivery payload 写盘成功后再标记已读
 ```bash
 set FRESHRSS_API_BASE_URL=http://127.0.0.1:8081/api/greader.php
 set FRESHRSS_USERNAME=osiman
 set FRESHRSS_API_PASSWORD=your-api-password
 set LLM_API_URL=https://api.deepseek.com
 set LLM_API_KEY=your-llm-api-key
 set LLM_MODEL=deepseek-chat
 python scripts/run_freshrss_pipeline.py --limit 5 --mark-read
 ```
 如果你希望过滤时引入个人工程兴趣 / AI Agent 兴趣画像，可以传入 context 文件：
 ```bash
 python scripts/run_freshrss_pipeline.py ^
  --limit 5 ^
  --context configs/filter_context.personal.json ^
  --mark-read
 ```
 这条 CLI 与 MCP `run_freshrss_openclaw_pipeline` / `start_freshrss_pipeline_job` 共用同一条主流水线逻辑，但正式生产集成应优先走 async MCP job；CLI 与同步 MCP 入口仅用于本地 debug / fallback。默认会写出这些产物：
 - `outputs/freshrss/rerun/<run_dir>/run-state.json`
 - `outputs/freshrss/rerun/<run_dir>/raw/freshrss.raw.json`
 - `outputs/freshrss/rerun/<run_dir>/candidates/openclaw-delivery-payload.json`
 - `outputs/freshrss/rerun/<run_dir>/candidates/digest-brief.json`（给 OpenClaw 生成 public digest 用的轻量输入，仅包含 `keep` 候选）
 - `outputs/freshrss/rerun/<run_dir>/run-report.json`
 - `outputs/freshrss/rerun/<run_dir>/extracted/item-XX.extracted.json`（每篇一份）
 同时还会更新每日关键词索引运行数据：
 - `data/term_index/daily/YYYY-MM-DD.json`
 - `data/term_index/term_stats.json`
 主流水线默认**不会**产出批量级的 `freshrss.extracted.json`。
 如果你需要更多逐条中间产物，例如标准化 items、摘要结果、过滤决策、candidate record、candidate input，可以加 `--debug-artifacts`。
 当 OpenClaw 接入这个 MCP 服务后，应先通过 `start_freshrss_pipeline_job` 启动任务，轮询 `get_freshrss_pipeline_job_status`，再从 `get_freshrss_pipeline_job_result` 读取稳定的 `run_id`。拿到 `run_id` 之后，再通过 `get_run_status` / `get_delivery_payload` / `get_run_report` 读取状态与结果，而不是直接拼接目录路径。`run_freshrss_openclaw_pipeline` 仅保留为同步 debug / fallback 路径。
 在排查复杂问题时，也可以把 `debug_artifacts=true` 打开，并结合 `list_run_artifacts` 查看该 run 下实际产物。
 ## 对结构化摘要结果执行确定性过滤规则
 ```bash
 python scripts/run_filter_rules.py ^
  --summary outputs/reference/summary/result.loop.json ^
  --extracted outputs/reference/extracted/read-flow-2026.extracted.json ^
  --output outputs/reference/filter/filter-decision.json
 ```
 如果你希望注入兴趣主题或来源标签，也可以额外传入 context 文件：
 ```bash
 python scripts/run_filter_rules.py ^
  --summary outputs/reference/summary/result.loop.json ^
  --extracted outputs/reference/extracted/read-flow-2026.extracted.json ^
  --context outputs/reference/filter/filter-context.json ^
  --output outputs/reference/filter/filter-decision.with-context.json
 ```
 规则引擎设计和规则编写说明见：
 - `docs/design/filter-rule-engine-design.md`
 - `docs/design/filter-rule-engine-usage.md`
 ## 将过滤结果写入 Markdown sink
 ```bash
 python scripts/run_markdown_sink.py ^
  --summary outputs/reference/summary/result.loop.json ^
  --extracted outputs/reference/extracted/read-flow-2026.extracted.json ^
  --filter outputs/reference/filter/filter-decision.json
 ```
 脚本会把 Markdown 笔记写到 `knowledge-base/` 下。
 ## 构建内部 `ArticleCandidateRecord` 与精简版 `OpenClawCandidateInput`
 ```bash
 python scripts/run_article_candidate.py ^
  --summary outputs/reference/summary/result.loop.json ^
  --extracted outputs/reference/extracted/read-flow-2026.extracted.json ^
  --filter outputs/reference/filter/filter-decision.json ^
  --section-hint tools_and_workflows
 ```
 默认会写出：
 - `outputs/reference/candidates/article-candidate-record.json`
 - `outputs/reference/candidates/openclaw-candidate-input.json`
 ## 构建批量 OpenClaw delivery payload
 ```bash
 python scripts/build_openclaw_delivery.py ^
  --input-dir outputs/freshrss/candidates/batch ^
  --sort-by-rank ^
  --date 2026-03-25
 ```
 默认会写出：
 - `outputs/reference/candidates/openclaw-delivery-payload.json`
 输出目录布局说明见 `outputs/README.md`。
 ## 关键词索引默认配置
 相关配置文件位于：
 - `configs/term_aliases.json`
 - `configs/term_stopwords.json`
 - `configs/term_cleanup_policy.json`
 - `configs/term_watchlist.json`
 - `configs/term_change_log.json`
 你也可以基于已有 delivery payload 重新构建关键词索引：
 ```bash
 python scripts/build_keyword_index.py ^
  --input outputs/reference/candidates/openclaw-delivery-payload.json
 ```
 运行期关键词数据存放在：
 - `data/term_index/`
 关键词清理评审 skill 位于：
 - `skills/keyword-cleanup-review/`
 构建给关键词治理流程使用的评审数据包（review bundle，临时工作文件）：
 ```bash
 python skills/keyword-cleanup-review/scripts/build_review_bundle.py ^
  --days 7 ^
  --top 50 ^
  --output outputs/term_index/review/keyword-cleanup-bundle.json
 ```
 这个评审数据包（review bundle）会额外携带治理上下文：
 - 来自 `configs/term_cleanup_policy.json` 的清理阈值
 - 当前 watch list（`configs/term_watchlist.json`）
 - 最近已应用的变更（`configs/term_change_log.json`）
 接下来可以把 bundle 渲染成正式建议产物（默认走确定性规则，不把 LLM 作为默认路径）：
 ```bash
 python scripts/generate_term_cleanup_suggestions.py ^
  --bundle outputs/term_index/review/keyword-cleanup-bundle.json
 ```
 默认只生成：
 - `outputs/term_index/review/term-cleanup-suggestions-YYYY-MM-DD.json`（唯一正式建议产物，建议短期保留）
 如需人工审阅展示稿，再显式加：
 ```bash
 python scripts/generate_term_cleanup_suggestions.py ^
  --bundle outputs/term_index/review/keyword-cleanup-bundle.json ^
  --emit-markdown
 ```
 这时才会额外生成：
 - `outputs/term_index/review/term-cleanup-suggestions-YYYY-MM-DD.md`（临时展示稿，可按需生成，不必作为长期资产保留）
 其中本轮最小版本优先覆盖 `interest_keyword_suggestions` 和 `watch_terms` 主链路；`alias_suggestions` / `stopword_suggestions` 先保持保守。
 产物保留策略建议：
 - `data/term_index/daily/YYYY-MM-DD.json`、`data/term_index/term_stats.json` 作为事实层长期保留
 - `configs/filter_context.personal.json`、`configs/term_watchlist.json`、`configs/term_aliases.json`、`configs/term_stopwords.json`、`configs/term_change_log.json` 作为状态层长期保留
 - `term-cleanup-suggestions-YYYY-MM-DD.json` 作为正式建议产物短期保留（最近少量几份或仅保留已应用过的）
 - `keyword-cleanup-bundle.json` 仅作为临时工作文件，默认只保留当前最新一份
 - `term-cleanup-suggestions-YYYY-MM-DD.md` 仅作为临时展示稿，优先按需生成，不建议默认长期归档
 如果你想先预览已接受建议，再决定是否写配置文件：
 ```bash
 python scripts/apply_term_suggestions.py ^
  --suggestions outputs/term_index/review/term-cleanup-suggestions-YYYY-MM-DD.json ^
  --accept-watch Cron Heartbeat Memory ^
  --dry-run
 ```
 去掉 `--dry-run` 后才会真正写文件。
 这个脚本也支持通过 `--accept-alias`、`--accept-stopword`、`--accept-interest` 应用 alias / stopword / interest keyword 变更。
 已接受的 watch 词会写入 `configs/term_watchlist.json`，每次应用动作也会被追加到 `configs/term_change_log.json`。
 ## 单篇总结 LLM 配置
 如果你希望单篇总结后处理使用独立模型，而不影响主流水线，可以设置：
 - `ARTICLE_SUMMARY_LLM_API_URL`
 - `ARTICLE_SUMMARY_LLM_MODEL`
 - `ARTICLE_SUMMARY_LLM_API_KEY`
 如果这些变量未设置，单篇总结会回退使用主流程中的 `LLM_*` / `OPENAI_*` 配置。
 如果显式指定 DeepSeek 作为单篇总结模型且请求超时或失败，当前实现会自动再用主流程默认模型配置重试一次。
 示例（PowerShell 风格）：
 ```bash
 set ARTICLE_SUMMARY_LLM_API_URL=https://api.deepseek.com
 set ARTICLE_SUMMARY_LLM_API_KEY=your-article-summary-key
 set ARTICLE_SUMMARY_LLM_MODEL=deepseek-chat
 ```
 然后可以这样调用 CLI。
 正式生产环境建议优先使用 `outputs/freshrss/rerun/<run_id>/extracted/` 下的**逐条 extracted 文件**；下面这个**批量 extracted** 示例仅保留为兼容旧流程 / 临时场景输入：
 ```bash
 python scripts/run_article_summaries.py ^
  --extracted outputs/freshrss/extracted/freshrss.extracted.json ^
  --ids 12345 67890 ^
  --output-dir outputs/freshrss/single_summaries ^
  --timeout 120
 ```
 也可以通过 `summary_mcp.server` 暴露的 MCP 工具 `generate_article_summaries` 调用：
 - `extracted_path`（string）：单篇 extracted JSON 路径（例如 `outputs/freshrss/rerun/<run_id>/extracted/item-01.extracted.json`），或者包含 `results` 数组的 batch extracted JSON
 - `selected_ids`（array of strings）：必填，至少传一个 `item_id`；如果传入的 ID 在 extracted payload 中一个都匹配不到，会直接报错
 - `output_dir`（optional string）：Markdown 输出目录；若不传，则默认写到 extracted 文件旁边的 `single_summaries/` 目录
 - `llm_api_key` / `llm_model` / `llm_api_url`（optional strings）：单篇总结 LLM 的覆盖配置；不传时会按前文规则回退到 `ARTICLE_SUMMARY_*` 或主 `LLM_*`
 该工具返回一个 JSON 数组，内容为生成好的 Markdown 文件路径。
 OpenClaw / 正式集成建议优先走异步 job：
 - 调 `start_article_summary_job` 启动任务，立即拿到 `job_id`
 - 轮询 `get_article_summary_job_status(job_id)`，直到 `status` 进入 `success` 或 `failed`
 - 成功后调用 `get_article_summary_job_result(job_id)` 读取 `written_paths` 与结构化结果
 - 失败时优先查看 `error_summary` 与 job 目录中的 `job-report.json`
 异步 job 状态目录固定落在 `outputs/freshrss/article_summary_jobs/<job_id>/`，最小会包含：
 - `run-state.json`
 - `input.json`
 - `result.json`（成功时）
 - `job-report.json`
 单篇总结使用独立 prompt：`outputs/prompts/article-summary-prompt.txt`。
 它与日报 prompt 完全独立，输出的是中文结构化知识笔记，包含这些部分：
 - 核心结论
 - 主要论点
 - 关键方法 / 机制
 - 重要细节
 - 可复用启发
 - 关键词
 - 主题