synbio-daily-report

name	synbio-daily-report
description	合成生物行业日报生成工作流 - AS hub 项目专用。 涵盖信息搜索、脚本过滤去重、报告生成（Markdown+H5+邮件）、合规复检、邮件推送的完整流程。 触发条件：用户要求生成合成生物行业日报、或cron定时任务触发。 核心原则：我们不是新闻的搬运工。信息按价值排序，综合分析政策/科研/行业，提供趋势预测。

合成生物行业日报生成工作流

项目背景

• 项目名称：AS hub = AI Synbio hub
• 发起方：甬江盛合
• 定位：用AI服务合成生物，专注于资讯、助手、营销
• Slogan：AS Now as Future
• 核心原则：我们不是新闻的搬运工。不做单纯的信息搬运和拼接，而是将信息按价值排序，综合分析政策、科研、行业，提供趋势预测。

工作流总览

Step 1: 读取配置（数据源 + 去重规则 + 脚本指南）
Step 2: 多维度搜索（重点网站优先，五轮搜索法）
Step 3: 脚本强制过滤与去重（严禁跳过）
Step 4: 生成Markdown报告
Step 5: 生成H5 HTML报告（必须使用 generate_from_template.py 和定稿模板）
Step 6: 合规复检（迭代修正，最多3次）
Step 7: 生成邮件正文（必须使用 generate_from_template.py，与H5严格一致）
Step 8: 邮件推送（send gate通过后才发送）
Step 9: 更新政策库

生产执行铁律：

• 正式日报优先使用单一入口 python scripts\\run_daily_pipeline.py --date YYYY-MM-DD --provider tavily ...，不要手工并行 15 个 query 再自己拼 search_log。
• approved=0、缺少同日 search_strategy_YYYY-MM-DD.json、或 search_log 不是 search_executor 产物时，都是 fail-closed 场景，必须停止，不发送邮件。
• 只有排障/审计时才允许显式使用 report_pipeline.py --allow-incomplete-search-log 或 --allow-empty-approved；这种产物不能当正式日报发送。

---

Step 1: 读取配置

1.1 数据源配置

读取 config/data_sources.json

重点网站（必须优先搜索）：

国外媒体（英文）：

• SynBioBeta (synbiobeta.com)
• GEN / Genetic Engineering & Biotechnology News (genengnews.com)
• Labiotech (labiotech.eu)
• CRISPR Medicine News (crisprmedicinenews.com)
• FierceBiotech (fiercebiotech.com)
• iGEM (competition.igem.org)

国内媒体（中文）：

• 深波synbio（微信公众号）
• 合成生物学网 (synbio-he.com)
• 动脉网 (vbdata.cn)
• 医药魔方 (bydrug.pharmcube.com)
• 生物谷 (bioon.com)
• 投资界 (pedaily.cn)
• 36氪 (36kr.com)

1.2 去重规则

读取 config/dedup_rules.md

1.3 脚本使用指南

读取 scripts/USAGE_GUIDE.md

---

Step 2: 基座必搜 + LLM 动态搜索策略（配置强制）

config/search_queries.json 是每日基座必搜 query 的权威清单。config/llm_search_strategy.json 是 LLM 搜索中枢的种子记忆。不要从记忆或文档正文里自行删减 query；每次运行必须先读取基座配置，并先生成当日动态策略：

python scripts\llm_search_strategy.py --date YYYY-MM-DD --output data\search_strategy_YYYY-MM-DD.json --mode llm

随后逐轮执行 rounds[].required_queries 中的每一条基座查询，并执行 data/search_strategy_YYYY-MM-DD.json 中 queries[].required=true 的每一条动态查询。

执行要求：

• 每个 query 的 limit 设为 15-20。
• 每条 required query 都必须写入 data/search_log_YYYY-MM-DD.json 的 queries。
• LLM 动态策略中的 required query 也必须写入 data/search_log_YYYY-MM-DD.json；建议使用 round: "llm_dynamic" 或在 query 记录里保留 source_query。
• 查询成功但无结果时，记录 executed: true, results_count: 0，这不视为漏搜。
• 查询因网络、超时或工具错误失败时，记录 executed: false, error: "..."，不得跳过不记；严格门禁会阻断，必须重试或人工确认后再继续。
• 必须保留结构化搜索结果（title/url/snippet/source/date），不得只保留人工挑选后的少数 URL。
• 政府网站、会议网站、英文专业媒体和中文垂直媒体的 site: 查询严禁省略。

推荐的 search_log 查询记录格式：

{
  "round": "r5",
  "queries": [
    {
      "query": "site:kw.beijing.gov.cn 合成生物",
      "executed": true,
      "results_count": 0,
      "results": []
    }
  ],
  "candidates": []
}

保存 search_log 后可先独立审计：

python scripts\audit_search_log.py data\search_log_YYYY-MM-DD.json

如果已经生成 LLM 动态策略，必须同时审计策略覆盖：

python scripts\audit_search_log.py data\search_log_YYYY-MM-DD.json --search-strategy data\search_strategy_YYYY-MM-DD.json

---

Step 3: 脚本强制过滤与去重（严禁跳过）

3.1 保存原始数据

将搜索到的所有结构化结果先保存到 search_log_YYYY-MM-DD.json，再用脚本自动生成 raw，严禁人工挑选后只写入少数结果：

python scripts\report_pipeline.py --build-raw-from-search data\search_log_YYYY-MM-DD.json --date YYYY-MM-DD --output data\raw_YYYY-MM-DD.json

raw 文件结构如下：

import json
from settings import date_str

date_str = date_str()
raw_data = {
    "news": [{"title": "...", "source": "...", "date": "2026-06-08", "summary": "...", "url": "https://具体文章链接", "type": "news", "source_round": "r1"}],
    "research": [{"title": "...", "source": "...", "date": "2026-06-08", "summary": "...", "url": "https://具体文章链接", "type": "research", "source_round": "r3"}],
    "funding": [{"title": "...", "source": "...", "date": "2026-06-08", "summary": "...", "url": "https://具体文章链接", "type": "funding", "source_round": "r2", "company": "...", "round": "...", "amount": "...", "investor": "..."}],
    "policy": [{"title": "...", "source": "...", "date": "2026-06-08", "summary": "...", "url": "https://具体文章链接", "type": "policy", "source_round": "r5"}],
    "events": [{"title": "...", "source": "...", "date": "2026-06-08", "summary": "...", "url": "https://具体文章链接", "type": "events", "source_round": "r4", "location": "..."}],
}

raw_path = rf"data/raw_{date_str}.json"
with open(raw_path, 'w', encoding='utf-8') as f:
    json.dump(raw_data, f, ensure_ascii=False, indent=2)

search_log = {
    "date": date_str,
    "rounds": [
        {"round": "r1", "queries": ["合成生物 最新新闻 今日"], "candidates": []},
        {"round": "r2", "queries": ["site:36kr.com 合成生物 融资"], "candidates": []},
        {"round": "r3", "queries": ["synthetic biology breakthrough 2026"], "candidates": []},
        {"round": "r4", "queries": ["合成生物 今日 最新"], "candidates": []},
        {"round": "r5", "queries": ["site:gov.cn 合成生物 政策"], "candidates": []},
    ],
}
with open(rf"data/search_log_{date_str}.json", 'w', encoding='utf-8') as f:
    json.dump(search_log, f, ensure_ascii=False, indent=2)

重要：url字段必须是具体文章的原始链接，不能是网站首页或分类页面；每条 raw 候选必须带 source_round，并且 data/search_log_YYYY-MM-DD.json 必须覆盖 r1-r5 五轮检索。

3.2 调用脚本处理（强制步骤）

生产运行必须使用一次性 CLI 入口处理完整 raw dict，不得手工拼接 approved：

python scripts\report_pipeline.py --build-approved data\raw_YYYY-MM-DD.json --date YYYY-MM-DD --output data --search-log data\search_log_YYYY-MM-DD.json

该命令会同时生成：

• data/processed_news_YYYY-MM-DD.json
• data/processed_research_YYYY-MM-DD.json
• data/processed_funding_YYYY-MM-DD.json
• data/processed_policy_YYYY-MM-DD.json
• data/processed_events_YYYY-MM-DD.json
• data/approved_YYYY-MM-DD.json
• data/rejected_YYYY-MM-DD.json

--build-approved 会统一执行 schema、基座必搜 query 覆盖审计、LLM动态query覆盖审计、候选 URL 覆盖审计、URL聚合页过滤、跨天历史去重、当前批次去重、同URL不同标题冲突剔除、时效性、链接健康、标题-URL匹配、LLM领域审计、价值评分和 approved schema 校验。搜索覆盖不可绕过，会阻断“必搜 query 未执行”“LLM动态 query 未执行”或“搜索结果存在但未进入 raw”的静默漏收。链接健康和标题-URL匹配默认开启，会在 approved 写出前剔除打不开、HTTP 4xx/5xx、超时、证书失败、疑似删除页或标题明显张冠李戴的信息；LLM领域审计默认 --llm-relevance-mode auto，配置 ANTHROPIC_BASE_URL 与 ANTHROPIC_AUTH_TOKEN 后调用 Anthropic-compatible provider 判断是否属于合成生物/生物制造领域，未配置时使用本地 fallback 仅拦截明显跑题项。仅离线测试或临时排障可用 --skip-url-health / --skip-title-match / --llm-relevance-mode heuristic|off 显式降级。

重要：

• 必须使用脚本处理后的 approved 列表中的信息
• 严禁使用 rejected 列表中的信息
• 必须保留 data/history_index.json，真实发送成功后会写入，后续跨天去重会检查主链接和 urls 备用链接
• 必须保留 data/search_log_YYYY-MM-DD.json，发送前会检查五轮 query 和 raw 的 source_round
• 如果生成了 data/search_strategy_YYYY-MM-DD.json，build-approved 必须传 --search-strategy，确保 LLM 动态 query 没被跳过
• 严禁把 LLM provider token 写入仓库、配置文件、测试 fixture、报告或日志；只能由运行环境变量提供
• 如果所有信息都被拒绝，只能生成审计用空报告；正式流程必须立即停止，不发送邮件

---

Step 4: 生成Markdown报告

4.1 读取模板

读取 templates/daily_report_template.md

4.2 报告结构（固定板块，空板块保留占位）

板块规则：

• 如果某板块有approved信息，必须体现该板块
• 如果某板块无approved信息，必须保留板块标题，并标注"经五轮检索，本周期暂无相关新信息收录。"
• 执行摘要和AI深度分析必须保留（执行摘要按AI评分从高到低取前5条，再按日期降序排列）

日期排序规则（强制要求）：

• 执行摘要：按AI评分从高到低取前5条，再按日期降序排列（最新→最旧），每条末尾标注 （YYYY-MM-DD）
• 行业热点新闻：表格行按日期降序排列（最新→最旧）
• 最新研究成果：表格行按日期降序排列（最新→最旧）
• 融资与投资动态：表格行按日期降序排列（最新→最旧）
• 政策与监管：国内政策表格按日期降序排列；国际动态列表按日期降序排列
• 行业活动预告：表格行按日期降序排列（最新→最旧，未来日期在前）
• 附录链接列表：按对应信息的日期降序排列

执行摘要格式（强制要求）：

1. **标题**：摘要内容...（YYYY-MM-DD） — *按AI评分从高到低取前5条*
2. **标题**：摘要内容...（YYYY-MM-DD）

• 每条末尾必须标注日期 （YYYY-MM-DD）
• 按日期降序排列，最新的信息排在第1条
• 精选5-8条最有价值的信息（优先选日期最近、价值分数最高的）

标准板块：

1. 📌 执行摘要（以AI评分从高到低取前5条，必须保留，按日期降序排列，每条带日期标注）
2. 📰 行业热点新闻（有信息时必须体现，按日期降序排列）
3. 🔬 最新研究成果（有信息时必须体现，按日期降序排列）
4. 💰 融资与投资动态（有信息时必须体现，按日期降序排列）
5. 🏛️ 政策与监管（有信息时必须体现，按日期降序排列）
6. 📅 行业活动预告（有信息时必须体现，按日期降序排列）
7. 🤖 AI 深度分析（必须保留）
8. 📎 附录：完整链接列表（必须保留，按日期降序排列）

4.3 保存报告

推荐使用确定性 Markdown 生成入口，避免人工链接或旧内容混入：

python scripts\report_pipeline.py --render-md data\approved_YYYY-MM-DD.json --date YYYY-MM-DD --raw data\raw_YYYY-MM-DD.json --output reports\YYYY-MM-DD.md

保存到 reports/YYYY-MM-DD.md 后继续执行验证。

---

Step 5: 生成H5 HTML报告（定稿模板）

正式日报必须调用生产渲染器，严禁用 render_html.py / render_email.py 作为正式输出：

python scripts\generate_from_template.py --date YYYY-MM-DD --approved data\approved_YYYY-MM-DD.json --markdown reports\YYYY-MM-DD.md --html-output reports\synbio_daily_YYYY-MM-DD.html --email-output reports\email_YYYY-MM-DD.html

generate_from_template.py 会读取定稿模板、填充所有占位符，并在写出前执行 HTML safety 与 approved URL 一致性检查。

5.1 读取定稿模板

必须读取 templates/daily_report_template_v2.html

该模板是定稿版本，CSS样式、类名、布局结构严禁修改。

5.2 替换占位符

模板中的占位符：

• {{DATE}} → 日期
• {{DATE_FULL}} → 完整日期
• {{DATE_FILE}} → 文件名日期
• {{WEEKDAY}} → 星期几
• {{GEN_TIME}} → 生成时间
• {{GEN_TIME_FULL}} → 完整生成时间
• {{SUMMARY_ITEMS}} → 执行摘要（按AI评分从高到低取前5条）
• {{NEWS_SECTION}} → 行业热点新闻板块
• {{RESEARCH_SECTION}} → 最新研究成果板块
• {{FUNDING_SECTION}} → 融资与投资动态板块
• {{POLICY_SECTION}} → 政策与监管板块
• {{EVENTS_SECTION}} → 行业活动预告板块
• {{ANALYSIS_SECTION}} → AI深度分析板块
• {{APPENDIX_SECTION}} → 附录板块

5.3 定稿格式要求（严禁修改）

执行摘要格式：

<div class="summary-section">
    <div class="section-title">📌 执行摘要（以AI评分，从高到低，列出前五项）</div>
    <ul class="summary-list">
        <li><span class="num">1</span><span class="text"><strong>标题：</strong>摘要内容...（YYYY-MM-DD）</span></li>
    </ul>
</div>

• 每条执行摘要末尾必须标注日期 （YYYY-MM-DD）
• 执行摘要按日期降序排列（最新→最旧）

新闻/研究/政策卡片格式：

<div class="card">
    <div class="card-header">
        <div class="card-title">文章标题</div>
        <span class="card-tag">标签</span>
    </div>
    <div class="card-meta">
        <span>📰 来源名称</span>
        <span>📅 2026-06-08</span>
    </div>
    <div class="card-summary">摘要内容...</div>
    <a href="https://原始文章链接" target="_blank" rel="noopener noreferrer" class="card-link">查看详情</a>
</div>

• 同一板块内的多个卡片必须按日期降序排列（最新→最旧）

融资表格格式：

<table class="data-table">
    <tr><th>公司</th><th>轮次</th><th>金额</th><th>投资方</th><th>时间</th><th>详情</th></tr>
    <tr><td><strong>公司名</strong></td><td>轮次</td><td>金额</td><td>投资方</td><td>2026-06-08</td><td><a href="https://原始链接">查看</a></td></tr>
</table>

• 表格行必须按"时间"列降序排列（最新→最旧）

活动表格格式：

<table class="data-table">
    <tr><th>活动名称</th><th>时间</th><th>地点</th><th>核心看点</th><th>详情</th></tr>
    <tr><td><strong>活动名</strong></td><td>2026-06-15</td><td>地点</td><td>看点</td><td><a href="https://原始链接">查看</a></td></tr>
</table>

• 表格行必须按"时间"列降序排列（最新→最旧，未来日期在前）

AI分析格式：

<div class="analysis-block">
    <h4>📈 趋势研判</h4>
    <p><strong>1. 趋势标题</strong></p>
    <p>分析内容...</p>
</div>
<div class="analysis-block">
    <h4>🏢 竞争格局变化</h4>
    <p>...</p>
    <ul>...</ul>
</div>
<div class="risk-box">
    <h4>⚠️ 风险提示</h4>
    <ul>...</ul>
</div>

附录格式：

<div class="content-section">
    <div class="section-title">📎 附录：完整链接列表</div>
    <table class="data-table">
        <tr><th>序号</th><th>信息标题</th><th>来源链接</th></tr>
        <tr><td>1</td><td>标题</td><td><a href="https://原始链接">点击查看</a></td></tr>
    </table>
</div>

5.4 链接要求（必须遵守）

1. 每个新闻卡片必须有 <a href="原始链接" class="card-link">查看详情</a>
2. 每个研究卡片必须有 <a href="原始链接" class="card-link">查看详情</a>
3. 每个政策卡片必须有 <a href="原始链接" class="card-link">查看详情</a>
4. 融资表格的"详情"列必须有 <a href="原始链接">查看</a>
5. 活动表格的"详情"列必须有 <a href="原始链接">查看</a>
6. 附录表格的"来源链接"列必须有 <a href="原始链接">点击查看</a>
7. 严禁使用分类页面URL作为链接
8. 如果无法获取具体文章URL，使用搜索结果的URL，并在链接文字标注"[来源页面]"

5.5 板块缺失处理

如果某板块无approved信息：

• 保留板块标题，内部标注 <p style="color:#888;font-size:14px;">经五轮检索，本周期暂无相关新信息收录。</p>

5.6 保存H5报告

保存到 reports/synbio_daily_YYYY-MM-DD.html

---

Step 6: 合规复检（迭代修正，最多3次）

6.1 调用脚本验证

import sys
sys.path.insert(0, r"scripts")
from report_pipeline import run_compliance_check
import json
from settings import date_str

date_str = date_str()
report_path = rf"reports/{date_str}.md"

result = run_compliance_check(report_path)

print(f"验证结果: passed={result['passed']}, can_send={result['can_send_email']}, score={result['overall_score']}")

if result['fix_instructions']:
    print(f"需要修复的问题 ({len(result['fix_instructions'])}条):")
    for i, instr in enumerate(result['fix_instructions'], 1):
        print(f"  {i}. {instr}")

6.2 额外检查H5格式

验证H5报告是否符合定稿模板：

• 检查是否使用了定稿的CSS类名（.card、.card-link、.data-table、.analysis-block、.risk-box、.summary-list、.num）
• 检查每个卡片是否有原始链接
• 检查是否有禁止的CSS类名（.news-card、.news-link、.summary-box 等旧版类名）

推荐：使用 PythonRun 执行自动化格式检查：

def main(ctx):
    import re
    date_str = "YYYY-MM-DD"  # 替换为实际日期
    html_path = rf"reports/{date_str}.html"
    
    with open(html_path, 'r', encoding='utf-8') as f:
        html = f.read()
    
    checks = {
        "定稿CSS类名 .card": ".card" in html,
        "定稿CSS类名 .card-link": ".card-link" in html,
        "定稿CSS类名 .data-table": ".data-table" in html,
        "定稿CSS类名 .analysis-block": ".analysis-block" in html,
        "定稿CSS类名 .risk-box": ".risk-box" in html,
        "定稿CSS类名 .summary-list": ".summary-list" in html,
        "定稿CSS类名 .num": ".num" in html,
        "禁止旧版类名 .news-card": ".news-card" not in html,
        "禁止旧版类名 .news-link": ".news-link" not in html,
        "禁止旧版类名 .summary-box": ".summary-box" not in html,
        "每个卡片有原始链接": html.count('class="card-link"') >= 4,
        "融资表格有链接": "<a href=" in html and ".data-table" in html,
        "附录表格有链接": "附录" in html and "<a href=" in html,
    }
    
    all_passed = all(checks.values())
    for check, passed in checks.items():
        status = "✅ 通过" if passed else "❌ 未通过"
        print(f"  {status}: {check}")
    print(f"\n总体结果: {'通过' if all_passed else '未通过'}")
    
    return {"h5_check_passed": all_passed, "checks": checks}

如果检查未通过，根据失败项修正H5报告后重新保存。

6.3 迭代修正规则

IF result["passed"] == False OR result["can_send_email"] == False:
    → 根据 fix_instructions 逐项修正报告
    → 修正后重新保存报告
    → 再次调用 run_compliance_check() 验证
    → 最多迭代3次
    
IF 3次迭代后仍不通过:
    → 记录错误到 data/validation_{date_str}.json
    → 跳过邮件发送
    → 在报告中注明"邮件发送因合规检查未通过而暂停"

---

Step 7: 生成邮件正文（与H5严格一致）

7.1 核心原则

邮件正文 = H5 报告的结构化摘要版

• 邮件正文的每一条信息，必须直接从 H5 报告或 approved 数据中提取
• 邮件正文的每一个链接，必须与 H5 报告中对应信息的链接完全一致
• 邮件正文对同一事件的描述，必须与 H5 一致，只允许精简（缩短摘要），不允许改写或添加新观点
• 严禁在邮件正文中出现 H5 报告里没有的信息
• 严禁在邮件正文中遗漏 H5 报告里的关键信息

7.2 邮件正文板块结构（与 H5 一一对应）

📌 执行摘要（以AI评分，从高到低，列出前五项）
    → 与 H5 完全一致，顺序不变
    → 每条标题可点击链接到原始文章

📰 各板块精选（只放 H5 中 approved 的信息）
    → 行业热点：H5 中有则放 1-2 条最重要的，带原始链接
    → 研究成果：H5 中有则放 1-2 条最重要的，带原始链接
    → 融资动态：H5 中有则放 1-2 条最重要的，带原始链接
    → 政策监管：H5 中有则放 1-2 条最重要的，带原始链接
    → 活动预告：H5 中有则放 1-2 条最重要的，带原始链接
    → 如某板块无 approved 信息，保留板块并标注"经五轮检索，本周期暂无相关新信息收录。"

🧠 AI 深度分析要点（3个核心结论）
    → 趋势研判：1-2 句话（必须来自 H5 的 AI 分析板块）
    → 竞争格局：1-2 句话（必须来自 H5 的 AI 分析板块）
    → 风险提示：1-2 句话（必须来自 H5 的 AI 分析板块）

📎 提示：详细报告请查看附件 HTML

7.3 邮件正文生成方法（强制步骤）

必须使用以下方法生成邮件正文，严禁自由创作：

1. 读取 data/approved_YYYY-MM-DD.json 获取所有 approved 信息
2. 读取 reports/synbio_daily_YYYY-MM-DD.html 获取 H5 报告内容
3. 从 approved 数据中按板块分类，每个板块取价值分数最高的 1-2 条
4. 从 H5 的 AI 分析板块提取 3 个核心结论
5. 使用定稿 CSS 样式组装邮件正文 HTML
6. 确保邮件中的每个链接都与 approved 数据中的 url 字段完全一致

7.4 邮件正文验证（强制步骤）

生成邮件正文后，必须使用 PythonRun 执行以下验证代码：

import sys
sys.path.insert(0, r"scripts")
from report_pipeline import validate_email_consistency
import json
from settings import date_str

date_str = date_str()

approved_path = rf"data/approved_{date_str}.json"
with open(approved_path, 'r', encoding='utf-8') as f:
    approved_data = json.load(f)

email_path = rf"reports/email_{date_str}.html"
with open(email_path, 'r', encoding='utf-8') as f:
    email_body = f.read()

result = validate_email_consistency(email_body, approved_data)

print(f"邮件一致性验证: is_consistent={result['is_consistent']}")
if result['errors']:
    print(f"错误 ({len(result['errors'])}条):")
    for e in result['errors']:
        print(f"  ❌ {e}")
if result['warnings']:
    print(f"警告 ({len(result['warnings'])}条):")
    for w in result['warnings']:
        print(f"  ⚠️ {w}")

# 如果不一致，必须修正
if not result['is_consistent']:
    print("邮件正文与H5不一致，必须修正后才能发送")

验证失败的处理：

• 如果邮件正文包含 H5/approved 中没有的 URL → 删除该链接对应的内容
• 如果邮件正文包含 H5/approved 中没有的信息标题 → 删除该信息
• 如果邮件正文遗漏了执行摘要的关键信息 → 从 H5 补充
• 如果邮件正文链接与 H5 不一致 → 修正为 H5 中的链接

---

Step 8: 邮件推送（send gate通过后才发送）

8.1 检查验证结果

必须通过 scripts/send_email.py 的发送门禁。门禁会执行 pre-check、报告验证、AI防幻觉、approved 链接健康检查、post-check 和 MIME 检查；任一失败不得连接 SMTP。

8.2 邮件配置

读取 config/email_config.json check_url_health 默认保持 true，除离线测试外不得关闭；allow_simple_fallback 默认保持 false。

8.3 发送邮件

python scripts\send_email.py YYYY-MM-DD reports\YYYY-MM-DD.md reports\synbio_daily_YYYY-MM-DD.html reports\email_YYYY-MM-DD.html --dry-run
python scripts\send_email.py YYYY-MM-DD reports\YYYY-MM-DD.md reports\synbio_daily_YYYY-MM-DD.html reports\email_YYYY-MM-DD.html

MIME类型规则（严禁违反）：

• HTML附件：MIMEText(content, 'html', 'utf-8')
• Markdown附件：MIMEText(content, 'plain', 'utf-8')
• 严禁使用 MIMEBase('application', 'octet-stream') 或 application/octet-stream

---

Step 9: 更新政策库

如有新收录的政策，更新 config/policy_database.json。

重要：编辑前必须先读取并验证现有JSON格式。该文件由历次报告运行自动维护，可能因并发编辑或格式问题存在语法错误（如数组元素间缺少逗号）。

更新流程：

1. 读取现有 policy_database.json
2. 用 json.load() 验证格式；如失败，先修复语法错误再添加新政策
3. 将新政策追加到 policies 数组
4. 更新 last_updated 字段
5. 保存后用 json.load() 再次验证
6. 如验证失败，回退到备份并记录错误

---

输出要求

1. 必须使用脚本处理信息 — 严禁跳过过滤/去重/排序步骤
2. 必须通过合规复检 — Markdown验证不通过不得发送邮件
3. 邮件必须与H5一致 — 邮件验证不通过不得发送邮件
4. H5必须使用定稿模板 — CSS类名、样式、布局严禁修改
5. 所有链接必须是原始文章链接 — 严禁使用分类页面URL
6. 邮件正文必须使用定稿样式 — 确保链接在邮件中正确显示
7. 板块灵活处理 — 有信息必须体现，无信息可临时去掉
8. 最多迭代3次 — 3次仍不通过则记录错误并跳过发送
9. 完成后返回：
   • 报告文件路径
   • 邮件发送状态（成功/失败/跳过及原因）
   • 收录信息数量、通过数量、拒绝数量
   • Markdown验证得分
   • 邮件一致性验证结果
   • 各板块信息数量
   • 主要趋势判断

---

防偏差机制（强制规则）

核心原则

无论自动任务还是手动操作，必须严格执行完整流水线。

严禁跳过任何步骤。严禁基于搜索结果直接手写报告。

慢无所谓，对最重要。

完整流水线（9步，缺一不可）

Step 1: 读取配置（数据源 + 去重规则 + 脚本指南）
Step 2: 多维度搜索（五轮搜索法）
Step 3: 保存原始数据和搜索日志 → data/raw_YYYY-MM-DD.json + data/search_log_YYYY-MM-DD.json
Step 4: 调用 report_pipeline.py 处理（去重+过滤+排序+搜索日志审计）
Step 5: 基于 approved 列表和 raw 计数生成Markdown报告
Step 6: 调用 report_pipeline.py 验证报告格式
Step 7: 生成H5 HTML报告
Step 8: 生成邮件正文（与H5严格一致）
Step 9: 邮件推送（send gate通过后才发送）

任何情况下，Step 3→Step 4→Step 5→Step 6 必须连续执行，不得跳过。

防偏差检查清单

检查点A：原始数据已保存

• 已创建 data/raw_YYYY-MM-DD.json
• 已创建 data/search_log_YYYY-MM-DD.json，覆盖 r1-r5 五轮搜索 query
• JSON中包含所有搜索到的信息（news/research/funding/policy/events）
• 每条信息有title/source/date/summary/url/type/source_round字段
• url字段是具体文章链接，不是网站首页

未保存原始数据或搜索日志 → 禁止生成报告

检查点B：脚本已执行

• 已调用 report_pipeline.py 处理每个类别
• 已查看处理结果（approved/rejected数量）
• 已确认 rejected 原因（去重/时效性/政策库）
• 已保存 data/approved_YYYY-MM-DD.json

未执行脚本处理 → 禁止生成报告

检查点C：只使用approved数据

• 报告中的每条信息都能在 data/approved_YYYY-MM-DD.json 中找到
• 报告中的信息标题与approved数据中的title一致
• 报告中的链接与approved数据中的url一致
• 没有使用任何rejected列表中的信息

发现未approved信息混入报告 → 立即删除并重新检查

检查点D：报告已验证

• 已调用 report_pipeline.py 验证报告格式
• passed=True 且 can_send_email=True
• 得分 >= 80
• 无必须修复的fix_instructions

验证不通过 → 禁止发送邮件，必须修正后重新验证

检查点E：邮件一致性

• 邮件正文中的每条信息都在H5报告中存在
• 邮件正文中的每个链接都与H5报告中的链接一致
• 邮件正文没有H5报告中没有的信息

邮件与H5不一致 → 禁止发送邮件

常见偏差模式与对策

偏差模式	后果	对策
基于搜索结果直接手写报告	去重失效、信息重复、格式错误	强制先保存JSON，再调用脚本
缺少搜索日志或 source_round	无法证明五轮检索，旧内容可能补录混入	发送前 pre_check 强制阻断
跳过report_pipeline.py	去重失效、时效性不检查、价值不排序	脚本执行是门禁，不执行不生成
使用rejected信息	重复信息、过期信息混入报告	只使用approved列表
跳过验证直接发送	格式错误、日期排序错误	验证不通过禁止发送
邮件自由创作不基于H5	邮件与报告不一致	邮件必须从approved+H5提取
为了快而省略步骤	质量下降、错误频发	慢无所谓，对最重要

手动操作特别规则

当用户要求"今天发一下""重新生成"等紧急请求时：

1. 不得跳过任何步骤
2. 必须明确告知用户正在执行完整流程
3. 如果某步骤失败，必须修正后才能继续
4. 不得为了快而降低质量

标准回复模板：

"正在执行完整流水线：五轮搜索 → 保存JSON → 脚本处理（去重+过滤） → 生成报告 → 验证 → 发送邮件。预计需要X分钟，请稍候。"

偏差事后处理

如果发现已发送的报告存在偏差（如重复、遗漏、格式错误）：

1. 立即记录偏差原因到 data/deviation_log.json
2. 分析根本原因：是步骤跳过？还是规则理解错误？
3. 更新防偏差机制：将新发现的偏差模式加入本文件
4. 重新生成并补发正确版本
5. 向用户说明情况并道歉

---

*详细防偏差规则参见 config/anti_deviation_rules.md