99 lines
4.1 KiB
Markdown
99 lines
4.1 KiB
Markdown
# TODO
|
|
|
|
## 当前状态
|
|
|
|
项目当前处于 `Content Extract MCP` 的 MVP 完成阶段，已验证 `规则过滤 + Markdown sink`，下一阶段将转向 `OpenClaw 日报聚合 + 知识沉淀` 改造。
|
|
|
|
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
|
|
- [x] 接通 FreshRSS 上游并完成 `item` 映射
|
|
- [x] 跑通 `FreshRSS -> item -> content extraction` 单条链路
|
|
- [x] 定义规则过滤层 schema
|
|
- [x] 实现第一版规则引擎与过滤 MCP tool
|
|
- [x] 定义 sink 输入输出 schema
|
|
- [x] 实现第一版 Markdown sink 与本地写入脚本
|
|
- [x] 明确下一阶段主路径应调整为 `候选材料 -> 日报 -> 人工确认 -> 知识沉淀`
|
|
- [x] 明确 `ArticleCandidateRecord` 与 `OpenClawCandidateInput` 需要分层设计
|
|
|
|
---
|
|
|
|
## 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
|
|
|
|
- [x] 把上游 RSS 聚合结果映射成标准化 `item`
|
|
- [x] 补充 `item` 的实际样例文件
|
|
- [x] 跑通 `FreshRSS -> item -> content extraction` 单条链路
|
|
- [x] 定义规则过滤层的输入输出 schema
|
|
- [x] 设计知识库入库格式
|
|
- [x] 在文档层定义 `ArticleCandidateRecord`、`OpenClawCandidateInput` 与 `DailyDigest`
|
|
- [x] 在代码里把当前 `article_candidate` 重新定位为 `ArticleCandidateRecord`
|
|
- [x] 新增 `OpenClawCandidateInput` 模型与转换逻辑
|
|
- [x] 给 `OpenClawCandidateInput` 增加 `canonical_url` 与 `language`
|
|
- [x] 输出面向 OpenClaw 的精简 `OpenClawCandidateInput` 批量载荷
|
|
- [x] 将“人工确认状态”拆成独立模型，不回写到 candidate 输入对象
|
|
- [ ] 设计 OpenClaw webhook / delivery payload 的实际传输方式
|
|
- [ ] 设计“人工确认后再沉淀知识库”的状态流转
|
|
- [ ] 给提取结果增加更多正文清洗策略，比如尾部噪音清理
|
|
- [ ] 细化过滤规则并引入更多个性化上下文
|
|
- [ ] 收敛 `paywall` 误判规则，避免仅因正文提到“付费/收费”就进入高优先级 `review`
|
|
|
|
---
|
|
|
|
## P2 - 后续增强项
|
|
|
|
- [ ] 将当前 `Markdown sink` 调整为 debug / fallback 能力，而非主路径
|
|
- [ ] 增加按天批量收集 `ArticleCandidateRecord` 的脚本
|
|
- [ ] 让 OpenClaw 聚合候选内容并生成日报
|
|
- [ ] 将日报写入知识库，并同步生成面向用户的汇报消息
|
|
- [ ] 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
|
|
- [ ] 扩展 Notion / Webhook / 其他 sink
|
|
|
|
---
|
|
|
|
## 当前建议的下一步
|
|
|
|
优先做这三件事：
|
|
|
|
1. 设计 OpenClaw webhook / delivery payload 的实际传输方式
|
|
2. 收敛 `paywall` 误判规则
|
|
3. 设计人工确认后进入知识库的状态流转
|
|
|
|
---
|
|
|
|
## 收束上下文后建议先看
|
|
|
|
- docs/current/context-reset-brief.md
|
|
- docs/openclaw/openclaw-candidate-input-field-spec.md
|
|
- docs/openclaw/openclaw-delivery-payload-spec.md
|
|
- docs/openclaw/openclaw-daily-digest-refactor.md
|
|
- docs/openclaw/article-candidate-daily-digest-schema.md
|
|
- docs/design/filter-rule-engine-design.md
|
|
- docs/design/markdown-sink-design.md
|
|
- TODO.md |