القائمة
Scan AWS China Blog historical articles beyond the 10-item RSS limit using HTML pagination. Covers 6+ months via /page/N/ URLs.
يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.
اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
يتجاوز الأمر المباشر Prompt المخصّص للمراجعة. افحص المصدر قبل تشغيله.
npx skills add https://github.com/QianJinGuo/wiki --skill aws-china-blog-archival-scanيبقى الأمر في سطر واحد. مرّر أفقيًا لمراجعته كاملًا قبل النسخ.
تفضّل نسخة محلية؟ نزّل الملفات المتاحة حاليًا لدى SkillsMP.
精选高价值 RSS feeds 扫描，输出到 raw/rss-inbox/ 暂存区。只保留有独立知识深度的 feed（非 digest 类），不再自动入库。包含 rss-inbox-curl-recovery.py 绕过 blogwatcher read-state 漏抓的兜底。
Meta-orchestrator that wires web-content-reviewer, llm-wiki, and wiki-evolver into a single four-phase knowledge pipeline (Triage → Gate → Store → Evolve). Use as the single entry point for all knowledge base operations. Includes a 6-URL-validated user-pasted WeChat URL fast path, three-axis dedup decision matrix (NEW/MERGE/DEDUP), orphan-raw detection protocol, and sibling-subagent race V7 evidence, and a two-variant V6 mid-write fix for matching vs different-slug duplicates.
从 Gmail 中提取 TLDR AI 等 newsletter 的链接，写入 raw/email-inbox/candidates.md，供后续 inbox-screener 评分。只做链接不做评分，与 inbox-screener 配合使用。
استنادا إلى تصنيف SOC المهني
عرض SKILL.md
| name | aws-china-blog-archival-scan |
| description | Scan AWS China Blog historical articles beyond the 10-item RSS limit using HTML pagination. Covers 6+ months via /page/N/ URLs. |
| category | wiki |
用户想通过 RSS 扫描 AWS China Blog 近半年文章，但 RSS 只推送最新 10 篇，无法覆盖。需要找替代方案。
https://aws.amazon.com/cn/blogs/china/feed/) 只含最新 10 篇sitemap.xml → 404 不存在site:aws.amazon.com/cn/blogs/china 搜索失败AWS China Blog 有完整的 /page/N/ 分页机制：
URL 模式：
https://aws.amazon.com/cn/blogs/china/https://aws.amazon.com/cn/blogs/china/page/N/（N ≥ 2）每页文章数： 10 篇（规律） 分页上限： 44+ 页（持续增长）
| 分页范围 | 日期范围 |
|---|---|
| Page 1–13 | 2026年1月–5月 |
| Page 14–22 | 2025年12月 |
| Page 23–28 | 2025年11月（6个月边界） |
| Page 29+ | 2025年10月更早 |
6个月覆盖： Page 1–28（约 278 篇，需去重）
import urllib.request
import re
headers = {'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36'}
def get_articles(page):
url = "https://aws.amazon.com/cn/blogs/china/" if page == 1 else f"https://aws.amazon.com/cn/blogs/china/page/{page}/"
req = urllib.request.Request(url, headers=headers)
with urllib.request.urlopen(req, timeout=15) as resp:
html = resp.read().decode('utf-8', errors='replace')
# 排除 author/category/feed/page/ 社交分享等非文章链接
links = re.findall(r'href="(https://aws\.amazon\.com/cn/blogs/china/(?!author|category|feed|page/|facebook|twitter|linkedin)[^"?]+)"', html)
seen = set()
unique = []
for l in links:
if l not in seen:
seen.add(l)
unique.append(l)
return unique
# 扫描近6个月：Page 1-28（~278篇）
for page in range(1, 29):
articles = get_articles(page)
print(f"Page {page}: {len(articles)} articles")
import re
iso_dates = re.findall(r'(2025-\d{2}-\d{2}|2026-\d{2}-\d{2})', html)
unique_dates = sorted(set(iso_dates))
seen set 去重Jina Reader API (r.jina.ai) 对批量请求返回 429 错误。改用 urllib 直接抓取 aws.amazon.com + heuristic scoring：
import urllib.request, re, time
PROXY = "http://127.0.0.1:10808"
def heuristic_score(title, slug, body_text):
"""value (1-10) × confidence (1-10)，阈值 49 分通过"""
combined = (title + ' ' + slug).lower()
body_len = len(body_text) if body_text else 0
positive = [
('agentcore', 2.5), ('bedrock agentcore', 2.5), ('kiro', 2),
('claude code', 2), ('agentic', 2), ('multi-agent', 2),
('openclaw', 2), ('strands', 2), ('rag', 1.5),
('fine-tuning', 1.5), ('reinforcement learning', 2), ('rlhf', 2),
('context engineering', 2.5), ('memory', 1.5), ('evaluation', 1.5),
('browser', 1), ('mcp server', 2), ('serverless', 1),
('best practice', 1.5), ('case study', 1.5), ('deep dive', ),
(, ), (, ), (, ),
]
negative = [
(, -), (, -), (, -),
(, -), (, -), (, -),
(, -),
]
value =
kw, delta positive:
kw combined: value += delta
kw, delta negative:
kw combined: value += delta
body_len > : value +=
body_len < : value -=
confidence =
(k combined k [, , , ]):
confidence +=
combined:
confidence -=
(, (, value)), (, (, confidence))
阈值： value × confidence ≥ 49 → 送 Phase 2 入库
通过评分的文章入库前必须满足：
---
source_url: https://aws.amazon.com/cn/blogs/china/SLUG/
publish_date: YYYY-MM-DD
title: Article Title
review_value: 8
review_confidence: 8
review_recommendation: strong
tags: [aws-china-blog, ...]
sha256: <computed from body content>
---
sha256 计算： hashlib.sha256(body.encode('utf-8')).hexdigest()
patch 工具添加 sha256 字段---
title: Article Title
tags: [aws-china-blog, ...]
sources: [https://aws.amazon.com/cn/blogs/china/SLUG/]
entity_type: concept
review_value: 8
review_confidence: 8
review_recommendation: strong
publish_date: YYYY-MM-DD
---
必须包含 entity_type: concept。lint 对缺失 entity_type 的 entity 文件报错。
| 过滤条件 | 阈值 | 原因 |
|---|---|---|
| body 字符数 < 3000 | — | Thin article，无足够知识深度 |
| weekly roundup | 全部 | Digest 类，无独立论点 |
based-on- 前缀 | 全部 | 公式化套模板，无独特洞察 |
building-enterprise-rag-document-processing-platform-based-on-mineru | 全部 | MinerU 系列重复套用 |
| 已入库 slug | — | 查 ~/wiki/raw/articles/ 文件名去重 |
| score < 49 | — | heuristic 评分未达标 |
lint 报告的 actual count 优先级高于 header 声明值。
lint 的 countPages() 函数直接 walk 文件系统计数，比任何数学计算可靠。发现 drift 时：
node scripts/wiki-lint.mjs 获取 actual countsed -i '' 's/Total pages: OLD/Total pages: ACTUAL/' index.md 更新不要用数学累加 — 每次入库后直接用 linter 输出覆盖 header。
抓取后保存到 /tmp/aws_china_recent.txt，每行一个 URL，再与 wiki 已入库文章交叉对比，筛出未入库的文章进行 pipeline 评分。