workflow-collector

# Workflow Collector (工作流自动化总控生产 Skill) 专为自媒体增长与一人公司打造的工作流采集、清洗、精翻与报告生成总控流水线。 --- ## 🏗️ 4 大核心工作节点 ```text ┌─────────────────────────────────────────────────────────────┐ │ 1. 链接采集与去重 (Grok 6 组矩阵 + X 书签 -> 过滤已有 84+ 篇) │ └──────────────────────────────┬──────────────────────────────┘ │ ▼ ┌─────────────────────────────────────────────────────────────┐ │ 2. 文章串行高保真下载 (18 阶 DOM 滚动 + 评论区提取 + 无截断标题) │ └──────────────────────────────┬──────────────────────────────┘ │ ▼ ┌─────────────────────────────────────────────────────────────┐ │ 3. Baoyu 出版级精翻 (无机翻腔、100% 代码/Prompt 与高清配图保留) │ └──────────────────────────────┬──────────────────────────────┘ │ ▼ ┌─────────────────────────────────────────────────────────────┐ │ 4. 实战报告生成 (4 维读者与流程) + 双索引自动同步 (INDEX/LATEST) │ └─────────────────────────────────────────────────────────────┘ ``` --- ## ⚡ 核心命令速查 | 功能用途 | CLI 命令 | 说明 | |---|---|---| | **全量串行运行 4 大节点** | `node E:/projectHome/workflow-collector/scripts/collector.mjs --all` | 自动完成采集 ➔ 下载 ➔ 精翻 ➔ 出报告全闭环 | | **仅执行节点 1（采集与去重）** | `node E:/projectHome/workflow-collector/scripts/collector.mjs --stage 1` | 扫描 Grok 与 X 书签并暂存去重链接 | | **仅执行节点 2（串行下载）** | `node E:/projectHome/workflow-collector/scripts/collector.mjs --stage 2` | 读取暂存链接逐篇高保真下载入库 | | **仅执行节点 3（Baoyu 精翻）** | `node E:/projectHome/workflow-collector/scripts/collector.mjs --stage 3` | 自动扫描未审外文长文并转为出版级译文 | | **仅执行节点 4（出报告与更新索引）** | `node E:/projectHome/workflow-collector/scripts/collector.mjs --stage 4` | 更新 `INDEX.md`、`LATEST_100.md` 与今日报告 | | **仅采集个人书签** | `node E:/projectHome/workflow-collector/scripts/collector.mjs --stage 1 --bookmarks-only` | 仅读取并排重 X 个人书签分类 | | **仅采集 Grok 检索矩阵** | `node E:/projectHome/workflow-collector/scripts/collector.mjs --stage 1 --grok-only` | 仅调度 Grok 6 组检索矩阵 | | **测试模式（不写盘）** | `node E:/projectHome/workflow-collector/scripts/collector.mjs --dry-run` | 仅打印采集诊断与排重数据 | --- ## 📋 阶段详细规范 ### 1. 链接采集去重（Stage 1） - **数据源**： - Grok 6 组检索矩阵（中/英/日 × 创作/变现）； - X 个人书签（`twitter bookmarks` + `twitter bookmarks folders` 重点分类）； - **排重机制**： - 自动读取 `workflows-doc/articles/`（`wf-01` ~ `wf-84+`）全部历史文档； - 比对 URL、Article ID、Status ID，识别成对重复并输出 `staged_candidates.json`。 ### 2. 串行下载（Stage 2） - **浏览器自动化 (Chrome CDP 9221)**： - 严格单线程串行模式，防止并发触发风控； - 瞬时 evaluate 展开全部“显示原文”、“显示更多”、“显示此主题”； - 18 阶渐进式滚动加载，触发全部虚拟 DOM； - 提取作者在评论区的核心干货补充； - **严禁标题截断**：100% 保持完整未截断标题。 ### 3. 出版级精翻（Stage 3） - 遵循 Baoyu 精翻标准：逐段饱满厚度，消除机翻腔； - 100% 保留所有代码块、Prompt、视频演示与高清配图； - 统一更新文档状态与元数据。 ### 4. 报告生成与索引维护（Stage 4） - 自动更新分类全量索引 `workflows-doc/INDEX.md` 与最新 100 篇动态索引 `workflows-doc/LATEST_100.md`； - 统一生成 4 维格式的《今日入库工作流实战报告》落盘至 `today/workflow-daily-report.md`： - `🎯 目标读者` - `💡 解决痛点` - `📦 输出结果` - `🛠️ 核心实操流程（列表）`。