reader/TODO.md

TODO

当前状态

项目当前处于 Content Extract MCP 的 MVP 完成并进入规则过滤阶段。

已完成：

• 明确整体阅读流链路
• 明确 source -> item -> document/article 的数据抽象
• 明确 MCP 负责提取，LLM 负责摘要 的职责边界
• 搭建 Python MCP 服务骨架
• 实现 extract_url_content
• 实现 extract_item_content
• 完成标题与正文提取
• 完成质量标记与结构化错误输出
• 用参考文章完成真实提取测试
• 输出结构化提取 JSON 文件
• 设计并迭代 LLM 摘要 prompt
• 验证 LLM 输出的 result.json 基本符合预期
• 已封装 LLM 摘要校验 workflow skill
• 接通 FreshRSS 上游并完成 item 映射
• 跑通 FreshRSS -> item -> content extraction 单条链路
• 定义规则过滤层 schema
• 实现第一版规则引擎与过滤 MCP tool

---

P0 - 近期必须完成

• 为 LLM 摘要结果定义正式 JSON Schema
• 增加一个本地校验脚本，自动校验 result.json 是否符合 schema
• 把“提取 JSON -> LLM 摘要 JSON”串成一个标准化本地流程
• 清理或移除当前已不再使用的 src/summary_mcp/core/summarizer.py
• 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
• 跑通 FreshRSS -> item -> content extraction 单条链路
• 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
• 细化过滤规则并引入更多个性化上下文

---

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. 设计知识库入库格式
2. 设计 webhook / 推送格式

---

收束上下文后建议先看

• docs/context-reset-brief.md
• docs/filter-rule-engine-design.md
• docs/content-extract-mcp-mvp-archive.md
• TODO.md