docs: update digest template and localize references

2026-07-29 10:20:20 +08:00
parent 6dd8cef347
commit 807027976e
4 changed files with 43 additions and 53 deletions
@@ -99,7 +99,8 @@ Feishu 输出不要使用 Markdown 表格，见 `references/feishu-format-notes.
 - `今日概览`
 - `今日重点`
 - `趋势观察`
- `延伸阅读`
+
+每篇 `今日重点` 文章末尾必须添加 `来源：[来源名](原文 URL)`，来源链接跟随对应文章，不再生成独立的 `延伸阅读` 章节或重复链接。

 仅发布用户在 Phase 3 选中的文章。公开页面不得出现 `keep/review/drop`、候选、待确认等内部状态。

@@ -1,45 +1,45 @@
-# Content Extraction Pipeline
+# 内容提取流程

-How the pipeline turns FreshRSS items into extractable article text.
+本文说明处理流水线如何把 FreshRSS 条目转换为可供摘要使用的文章文本。

-## Core Rule: FreshRSS items never re-fetch the original URL
+## 核心规则：FreshRSS 条目不重新抓取原文 URL

-**FreshRSS is an RSS-only upstream.** The pipeline *never* makes an HTTP request to the original article URL for a FreshRSS item. This is enforced by `RSS_ONLY_UPSTREAMS = {"freshrss"}` in `pipeline.py`.
+**FreshRSS 是仅提供 RSS 内容的上游。** 对于 FreshRSS 条目，流水线不会向文章原始 URL 发起 HTTP 请求。该行为由 `pipeline.py` 中的 `RSS_ONLY_UPSTREAMS = {"freshrss"}` 强制保证。

-The only exception: non-FreshRSS upstreams (future sources that don't set `upstream: freshrss`) may trigger `fetch_html()` as a fallback.
+唯一例外是非 FreshRSS 上游。未来未设置 `upstream: freshrss` 的其他来源，可以在必要时使用 `fetch_html()` 作为回退。

-## Content source priority chain
+## 内容来源优先级

-`content_loader.py` tries sources in this order, using the **first one with ≥500 readable characters**:
+`content_loader.py` 按以下顺序检查内容，并使用第一个包含 **至少 500 个可读字符** 的来源：

-| Priority | Source | Meaning |
-|----------|--------|---------|
-| 1 | `raw_html` | HTML pre-injected via `ExtractionInput.raw_html`. Rarely used in normal FreshRSS runs. |
-| 2 | `item.raw_content` | RSS `<content:encoded>` — the full article body. Some feeds provide this; many don't. |
-| 3 | `item.raw_summary` | RSS `<description>` — the summary/snippet field. **This is the most common source in current runs.** |
-| 4 | `rss_content` | RSS content from non-item sources. |
-| — | `none` | Nothing usable → raises `RSS_CONTENT_MISSING` for FreshRSS items (because fetch is skipped). |
+| 优先级 | 来源 | 含义 |
+|--------|------|------|
+| 1 | `raw_html` | 通过 `ExtractionInput.raw_html` 预先注入的 HTML；常规 FreshRSS 运行中很少使用。 |
+| 2 | `item.raw_content` | RSS `<content:encoded>` 中的文章正文；部分订阅源提供，部分不提供。 |
+| 3 | `item.raw_summary` | RSS `<description>` 中的摘要或片段；这是当前运行中最常见的来源。 |
+| 4 | `rss_content` | 来自非条目字段的独立 RSS 内容。 |
+| — | `none` | 没有可用内容；FreshRSS 不允许回源抓取，因此抛出 `RSS_CONTENT_MISSING`。 |

-## How `content_source` maps to actual text quality
+## `content_source` 与文本质量的关系

-The `content_source` field in every `item-XX.extracted.json` tells you what the pipeline actually used:
+每个 `item-XX.extracted.json` 中的 `content_source` 字段表示流水线实际使用的内容来源：

- **`item.raw_content`** → Full article text from RSS `<content:encoded>`. Best quality, same as reading the original page.
- **`item.raw_summary`** → RSS summary/description only. **Not the full article.** Length varies wildly by source (300-2000 chars typical). The AI summary is based on this snippet, not the complete text.
- **`rss_content`** → From standalone RSS content. Quality depends on the feed.
- **`fetched_html`** → HTML fetched from the original URL (**never happens for FreshRSS**; only for non-FreshRSS upstreams).
+- **`item.raw_content`**：RSS `<content:encoded>` 提供的文章正文，通常质量最好，接近直接阅读原文。
+- **`item.raw_summary`**：只有 RSS 摘要或描述，并非完整正文。不同来源长度差异较大，通常为 300-2000 个字符；AI 摘要基于该片段，而不是完整文章。
+- **`rss_content`**：来自独立 RSS 内容，质量取决于订阅源。
+- **`fetched_html`**：从原始 URL 抓取的 HTML。FreshRSS 条目不会出现该来源，只适用于非 FreshRSS 上游。

-## What this means for digest quality
+## 对日报质量的影响

-If you see `content_source: item.raw_summary` in the extracted files (current norm), the AI is summarizing from a **feed summary/snippet**, not the full article body. Articles that seem shallow in the daily digest may simply have short RSS descriptions.
+如果提取结果文件中出现 `content_source: item.raw_summary`，说明 AI 使用的是订阅源摘要或片段，而不是完整正文。日报内容显得较浅时，原因可能只是 RSS 描述过短。

-To improve quality: either find feeds that provide full `<content:encoded>`, or switch the feed source to a system that provides full-text RSS (e.g., RSS-proxy with full-text extraction, or a third-party service like FiveFilters).
+提高质量可以选择提供完整 `<content:encoded>` 的订阅源，或者把内容来源切换到支持全文 RSS 的系统，例如具备全文提取能力的 RSS 代理或 FiveFilters 等服务。

-## Quick check
+## 快速检查

-先调用 `list_run_artifacts(run_id)`，再读取返回的 extracted Artifact 路径，检查 `content_source` 和 `article.plain_text`。不要按 `run_id` 或“最新目录”手拼路径。
+先调用 `list_run_artifacts(run_id)`，再读取返回的提取结果产物路径，检查 `content_source` 和 `article.plain_text`。不要按 `run_id` 或“最新目录”手拼路径。

-## Relevant code paths
+## 相关代码路径

- `src/summary_mcp/core/pipeline.py` — `RSS_ONLY_UPSTREAMS`, `_should_skip_fetch()`, `extract_content()`
- `src/summary_mcp/core/content_loader.py` — `choose_inline_content()` priority chain, `fetch_html()` (never called for FreshRSS)
+- `src/summary_mcp/core/pipeline.py`：`RSS_ONLY_UPSTREAMS`、`_should_skip_fetch()`、`extract_content()`。
+- `src/summary_mcp/core/content_loader.py`：`choose_inline_content()` 的优先级链和 `fetch_html()`；FreshRSS 条目不会调用后者。
@@ -1,26 +1,17 @@
-# Feishu Markdown Format Notes
+# 飞书 Markdown 格式说明

-## Background
+## 背景

-Hermes' Feishu gateway (`gateway/platforms/feishu.py`) sends outbound messages
-through `_build_outbound_payload`, which checks content for markdown patterns
-to decide how to send:
+Hermes 的飞书网关（`gateway/platforms/feishu.py`）通过 `_build_outbound_payload` 发送消息。该方法会检查内容中的 Markdown 特征，并据此决定消息类型：

- Content matches `_MARKDOWN_HINT_RE` (bold, lists, code, links, etc.)
-  → sent as Feishu `post` type using `md` elements → renders correctly.
+- 内容匹配 `_MARKDOWN_HINT_RE`（加粗、列表、代码、链接等）时，使用包含 `md` 元素的飞书 `post` 类型发送，可以正常渲染。
+- 内容匹配 `_MARKDOWN_TABLE_RE`（Markdown 表头和分隔行）时，整条消息会被强制转换为 `text` 类型，即纯文本，不再渲染 Markdown。

- Content matches `_MARKDOWN_TABLE_RE` (a markdown table header + separator)
-  → **entire message** forced to `text` type (plain text) → no rendering.
+原因是 `_build_markdown_post_payload` 会把内容包装为 `{"tag": "md", "text": "..."}` 元素，而飞书的 `md` 元素不支持表格，也没有把 Markdown 表格转换为飞书原生表格的逻辑。

-The root cause is that the `_build_markdown_post_payload` helper wraps content
-in `{"tag": "md", "text": "..."}` elements, and Feishu's `md` element does not
-support table rendering. There is no table-to-native-Feishu-table conversion.
+## 飞书输出规则

-## Rules for Feishu output
-
- **Never use markdown tables** in any message delivered via Feishu.
-  A single table anywhere in the message forces the whole message to plain text.
- Prefer bullet lists, sections with headings, or inline formatting instead.
- Bold (`**bold**`), inline code (`` `code` ``), unordered lists (`- item`),
-  ordered lists (`1. item`), and links all work correctly.
- Code fences (``` ``` ```) work but may have edge cases with trailing content.
+- 通过飞书发送的消息不得使用 Markdown 表格；消息中只要出现一个表格，整条消息就会退化为纯文本。
+- 需要表达结构化信息时，优先使用分点列表、带标题的分节或行内格式。
+- 加粗（`**加粗**`）、行内代码（`` `代码` ``）、无序列表（`- 项目`）、有序列表（`1. 项目`）和链接均可正常使用。
+- 围栏式代码块可以使用，但代码块后的尾随内容可能存在渲染边界问题。
@@ -22,12 +22,10 @@ summary = "围绕 Agent 架构分层、Skills 标准化与工程实践的当日

 这篇内容值得关注的原因在于，它把开放协议、分层架构和真实落地案例连接成了完整论证链。

+来源：[示例来源](https://example.com/a)
+
 ## 趋势观察

 1. Agent 正在从单体能力转向可组合的模块化体系。
 2. 工具契约、状态管理和验证机制正在成为 AI 应用的核心工程能力。
 3. Human-in-the-loop 仍是控制高风险副作用的重要边界。
-
-## 延伸阅读
-
- [从 Agent 到 Skills：AI 智能体架构的范式转变](https://example.com/a)｜示例来源