defuddle

name

defuddle

description

Extract clean markdown content from web pages using Defuddle CLI, attach a unified Obsidian frontmatter, auto-translate English content into academic Chinese, download images to the local 附件/ folder (rewriting references to Obsidian ![[file]] embeds), and save to the 网页裁剪/ directory. Always dedupes first — before fetching any URL it greps the 网页裁剪/ directory's frontmatter 来源 field to check whether that page was already clipped; if so it reuses the existing note as-is (never re-fetches or alters it) and only builds a wikilink to it. Use instead of WebFetch when the user provides a URL to read, clip, archive, or to batch-clip the sub-links of an index/trail page — for online documentation, articles, blog posts, GitHub READMEs, or any standard web page. Do NOT use for URLs ending in .md — those are already markdown, use WebFetch directly.

Defuddle

Use Defuddle CLI to extract clean readable content from web pages, wrap it with a unified frontmatter, and — when the content is English — translate it into academic Chinese before saving. 正文中的远程图片会自动下载到本地 附件/ 目录，并将引用改写为 Obsidian 的 ![[文件名]] 嵌入语法，避免远程图片失效。

If not installed: npm install -g defuddle

默认输出目录

抓取的网页内容统一保存到 网页裁剪/ 目录（不要放进 01-编程笔记/，详见 CLAUDE.md 的「网页裁剪约定」）。

• 文件名取网页核心主题（结合 defuddle 提取的 -p title），转为简短中文短语，去掉日期前缀、仓库 owner 前缀、特殊字符 / \ : * ? " < > |。
  • 例：标题 tanweai/pua: 你是一个曾经被寄予厚望的 P8 级工程师… → 文件名 pua.md；标题 DietrichGebert/ponytail: Makes your AI agent… → 文件名 ponytail README.md。
• 若标题过长或含大量标点，提炼核心主题后再命名；无法确定时与用户确认。
• 仅当用户明确指定其它路径时，才覆盖默认目录。

标准抓取流程

按顺序执行：抓取前查重 → 取元数据 → 抓正文 → 组装 frontmatter → 判断语言并按需翻译 → 补全代码块语言标识 → 下载图片并改写引用 → 落盘。其中第一步「查重」是前置门控——命中已入库笔记时直接跳过后续全部抓取步骤。

0. 抓取前查重（必做，先于一切抓取动作）

抓取任何 URL 之前，先检查 网页裁剪/ 下是否已有笔记的 来源 字段指向同一 URL。同一个页面常常在多个父页面（索引页 / 目录页）的子链接里反复出现，或之前已单独抓过——重复抓取既浪费请求，又会与既有笔记冲突。先查重，再决定抓不抓。

查重方法：用 Grep 工具在 网页裁剪/ 目录搜索目标 URL。取 URL 去掉协议（http:// / https://）后的域名 + 路径部分作为 pattern，并把 . 转义为 \.（URL 含 ?、(、+ 等正则元字符时也一并转义，避免误匹配）。

Grep  pattern: 来源:.*docs\.oracle\.com/javase/tutorial/getStarted/problems/index\.html
       path:   网页裁剪/
       output_mode: files_with_matches

• 命中的文件即「已入库的同一页面」。读取其 frontmatter 确认 来源 确实一致（URL 规范化：忽略 http/https、末尾斜杠、大小写、#片段 差异）。
• 记下命中笔记的文件名（不含 .md），后续用它建双链。

命中时（已存在）—— 原样保留，绝不重抓、绝不改既有笔记：

• 不要抓取正文、不要翻译、不要改 frontmatter、不要改该笔记正文的任何字符。它当初入库时已定稿，重复抓取不应篡改。
• 尤其不要改它的 分类。已有笔记的 分类 反映它当初的物理归属（如指向 [[入门]]）。分类是「树轴」上的唯一物理位置，不该因后来的引用而变动；当前页面需要关联它时，用双链引用表达即可——这恰好落在「图轴」的关联关系上（参见 CLAUDE.md 的双轴分类设计）。例如 常见问题及其解决方案 归属 入门，而 Hello World 应用程序 通过 [[常见问题及其解决方案|…]] 双链引用它，两者各得其所。
• 单页抓取场景：告知用户该 URL 已入库为 [[笔记名]]，并询问是否仍要覆盖重抓（默认不重抓）。
• 批量子链接场景：该子链接跳过抓取，直接纳入下方「父页面外部链接改双链」清单，用 [[已有笔记名|显示文本]] 建链即可。

未命中时：继续下面的标准抓取流程（第 1 步起）。

1. 提取元数据

defuddle parse <url> -p title
defuddle parse <url> -p description

-p title 返回的标题常含 owner/repo: 副标题 形式（尤其 GitHub），完整保留到 frontmatter 的 标题 字段；文件名另行精简。

2. 抓取正文

defuddle parse <url> --md -o "网页裁剪/<文件名>.md"

Windows / Git Bash 下路径含中文需加引号。

3. 组装统一 frontmatter

在抓取到的文件最顶部插入如下 frontmatter（字段顺序固定，空值字段保留键、值留空）：

---
分类:
  - "网页裁剪"
  - "[[父页面名]]"   # 可选：仅当本页是从某个父页面（索引页）拉取的子链接时追加，指向父笔记
标题: "<标题的中文译文>"
描述: "<描述的中文译文>"
来源: "<用户提供的原始 URL，原样保留>"
发布者: "<平台标识-发布者>"
发布时间:
创建时间: "<当前时间，ISO 8601 带时区>"
---

字段规则：

• 分类：第一项固定为 - "网页裁剪"。当本页是从某个父页面（索引页 / 目录页）拉取的子链接时，追加第二项 - "[[父页面名]]"，指向父页面笔记。父页面名取父笔记的文件名（不含 .md），如父笔记是 网页裁剪/入门.md 则写 - "[[入门]]"。这样子页面可向上回溯到父节点，形成文档层级树（详见下方「批量抓取子链接」）。无父节点时只保留 - "网页裁剪"。
• 标题：defuddle -p title 提取的原始标题，翻译为中文。翻译时去掉无信息量的 owner/repo: 前缀，保留核心主题；英文术语按「学术翻译规范」处理（如 LLM 译为「大语言模型(LLM)」）。例：upstash/context7: Context7 Platform -- Up-to-date code documentation for LLMs and AI code editors → Context7 平台 —— 为大语言模型(LLM)和 AI 代码编辑器提供最新代码文档。
• 描述：defuddle -p description 提取的内容；为空则取标题的副标题部分。无论来源为何种语言，一律翻译为中文，并遵循与正文相同的术语规范。
• 来源：用户传入的原始 URL，即使指向 blob/main/README.zh-CN.md 也原样保留，便于追溯。
• 发布者：<平台>-<发布者> 形式。
  • GitHub：取 owner，如 GitHub-tanweai、GitHub-DietrichGebert；owner 无法判断时写 GitHub-。
  • 其他平台：域名短名 + 发布者，如 知乎-张三、Medium-johndoe；无法判断时用 <域名短名>-。
• 发布时间：defuddle 通常无法获取，留空。若页面明确标注发布日期且可解析，则填 YYYY-MM-DD。
• 创建时间：抓取当下的本机时间，ISO 8601 带时区。Git Bash 下用 date -Iseconds 生成（形如 2026-06-26T11:23:37+08:00）。

4. 判断语言并按需翻译

读取抓取到的正文，判断主体语言：

• 若已是中文（含中英混排但主体为中文，如 GitHub 的 README.zh-CN.md）：保留原文，仅做 frontmatter 组装即可，不重新翻译正文。但 frontmatter 的 标题、描述 若来自 defuddle 元数据且为英文，仍需翻译为中文。
• 若主体为英文：按下方「学术翻译规范」整篇翻译为中文，用译文替换正文（frontmatter 之后的全部内容）。同时 标题、描述 也译为中文。

不要局部翻译、不要逐句直译——先通读全文理解语境，再产出连贯译文，最后替换落盘。

5. 补全代码块语言标识（默认执行）

翻译完成、最终正文确定后，运行代码语言检测脚本：扫描正文里无语言标识的代码围栏（裸 ```），根据代码内容启发式判定语言并补上标识（如 ```java、```bash），使 Obsidian 能正确语法高亮。

node ".claude/skills/defuddle/scripts/detect-code-languages.js" "网页裁剪/<文件名>.md"

要点：

• 脚本位于本 skill 目录下的 scripts/detect-code-languages.js，就地修改传入文件：只改写无标识的围栏开头行，代码内容与已有标识不动。已有标识（如 ```yaml）原样保留。
• 保证不出现裸围栏：脚本对每个无标识的非空代码块都给出一个语言标识——命中某条规则就标具体语言（如 java、bash）；命不中就标 text（等宽、不高亮，适合程序输出、编译器报错、纯片段这类「不是任何语言代码」的内容）。只有真正空的代码块才保留原样。这是设计目标，不要因为某块是「输出」就跳过本步——让脚本统一标成 text 才能避免裸 ```。
• 覆盖 java/bash/batch/python/js/ts/go/rust/cpp/csharp/sql/json/yaml/xml/html/css 等 20+ 种语言，基于关键字与结构特征判断。Java 规则覆盖完整类定义（public class、System.out、import java.）以及纯类型化变量声明、数组声明（int[] a; / float a[];）、数组元素赋值与 new int[10] 等，避免教程示例里的短代码片段被漏判。
• 可一次传多个文件：node ".../detect-code-languages.js" "网页裁剪/a.md" "网页裁剪/b.md"。
• 在翻译完成、图片下载之前运行。翻译时原文里的代码块（含裸围栏）原样保留到译文，由本步骤统一补标识。
• 仅当用户明确说「不要检测代码语言」时才跳过；否则一律执行。

6. 下载图片到本地并改写引用（默认执行）

翻译完成、最终正文确定后，默认对落盘文件运行图片本地化脚本：扫描正文中的远程图片（Markdown ![](https://…) 与 HTML <img src="https://…">），下载到 附件/ 目录，并把引用改写为 Obsidian 嵌入语法 ![[文件名]]。

node ".claude/skills/defuddle/scripts/download-images.js" "网页裁剪/<文件名>.md" --prefix "<可选前缀>"

要点：

• 脚本位于本 skill 目录下的 scripts/download-images.js，路径相对仓库根目录。它就地修改传入的 Markdown 文件：下载成功的图片引用改写为 ![[文件名]]，下载失败的保留原远程链接并在控制台告警。
• 在翻译完成、文件最终落盘后运行——否则脚本改写后的 ![[]] 引用会被后续的整段译文替换覆盖掉。
• 命名：基于内容 hash——文件名为图片内容的 sha256 前 16 位 + 扩展名，形如 1c55b4dff2677827.svg。定长干净，不会因 URL 过长而产出超长文件名（早期曾把整段 URL 编码进文件名）；同内容图片（不同 URL）自动命中同一文件名并直接复用，天然去重、不重复写入。
• --prefix（可选，通常不需要）：加在 hash 前。hash 已保证唯一，仅当想为某篇笔记的图片做人工分组时才用，如 --prefix context7-。
• 脚本对同一 URL 只下载一次；按 URL 末段 / Content-Type 推断扩展名（兜底 png）；下载失败（403/404/超时）保留原远程链接，不中断流程。
• 图片压缩（默认开启）：下载后自动用 sharp 压缩——PNG/JPEG/WebP/AVIF/BMP 转为 WebP（质量 82），体积通常降 50-90%；GIF 与 SVG 保留原格式不动。压缩在内存完成，直接以最终名（<hash>.webp）落盘并写入引用。实测 1.7MB 的 JPEG → 139KB WebP（-92%）。压缩依赖 sharp，已在 scripts/ 下安装（node_modules 被 gitignore）。如需关闭：加 --no-compress；如仅压缩大图：--threshold 204800（只压 >200KB 的）。
• 仅当用户明确说「不要下载图片」「保留远程图片」时才跳过此步；否则一律执行。

翻译时，正文里出现的 ![](https://…) 远程图片占位照原样保留（URL 不改动），由本步骤统一改写。不要在翻译阶段手工改写图片链接。

批量抓取子链接与父子关系

用户常提供一个索引页 / 目录页，要求把页面中的若干子链接「抓取到本地，并把外部链接改成双链」（如：抓取「入门」学习路径下的 4 个子课程）。这种场景下需要额外维护父子层级关系，使文档自下而上可回溯。

文档树可以任意深度（常 2-4 层）。抓取时逐级展开：先抓本批直接子节点，凡是某个子节点页面内又含「下一层子链接」的，视用户需求对该子节点按同一套流程再展开一层（它此时成为下一层的父节点），最终构建成一棵干净的父子树。关键：每个父页面只列自己的直接子节点，不跨级罗列孙节点——孙节点关系靠各自相邻层级的「父→子」逐层双链表达，打开任一节点即可向上回溯到根（详见第 2.2 节）。

核心目标是构建一棵干净的父子 tree 结构：父子关系只在「子页面 frontmatter 分类」和「父页面正文双链」两个通道表达，兄弟子页面之间不互建双链（详见第 2.1 节），避免同层节点在关系图里两两连成网。

1. 抓取每个子页面

对索引页中列出的每个子链接，先按上方「第 0 步：抓取前查重」检查 来源 是否已入库：

• 命中（已存在）：跳过抓取，原样保留既有笔记不改（不改 分类、不重译）。只把该子链接记入「改双链清单」，用既有笔记名建双链。这是最常见的情形——同一子页常被多个父页面引用，例如 常见问题及其解决方案 已归属 入门，当 Hello World 应用程序 也引用它时，只需建双链，不重复抓取、不改动它原本的 分类: - "[[入门]]"。
• 未命中：执行「标准抓取流程」（第 1 步取元数据 → … → 第 6 步下载图片），子页面命名与父页面同级放在 网页裁剪/ 下（不要建子目录），文件名取网页核心主题转简短中文短语。新建子页面的 frontmatter 中，分类 在 - "网页裁剪" 之后追加一项指向父页面的双链 - "[[父页面名]]"（见上方「字段规则」）。

关键判断：抓取前查重保护的是「已存在的物理笔记」。命中的笔记原封不动，需要建立关系时一律走双链引用，不通过改 分类 来「归并」——分类管物理归属，双链管引用关系，两者不可混用。

2. 父子双链匹配

子页面的 分类 中的父节点双链，其 [[父页面名]] 必须与父笔记的文件名完全一致（不含扩展名）。

示例——父笔记是 网页裁剪/入门.md，则其 4 个子页面的 frontmatter 写：

分类:
  - "网页裁剪"
  - "[[入门]]"

这样在 Obsidian 的「反向链接（Backlinks）」面板中，打开「入门」笔记即可看到所有归属它的子页面，形成从下而上的索引。

2.1 子页面之间禁止互引双链（保持 tree 结构干净）

父子关系是唯一需要建立的层级关系，且只通过两个通道表达：子页面 frontmatter 的 分类 双链（自下而上），以及父页面正文中指向各子页面的双链（自上而下）。除此之外，子页面之间不要互建任何双链，避免在关系图里把同一层节点两两连成网。

具体地，抓取正文时常见但必须剔除的两类子节点互引：

• 顶部的「兄弟页/同章节」列表：原始网页常在正文顶部罗列一组同级标题链接（如「什么是对象 / 什么是类 / 什么是继承 / 什么是接口 / 什么是包」互相列出）。这些链接指向的都是同一批兄弟子页面，属于互引，一律删除整段列表。
• 底部的「上一页 / 下一页」导航：指向前后兄弟页的 [[兄弟页|...]] 双链也是子节点互引，删除；底部分隔线 --- 一并去掉。该走线性阅读顺序时，由父节点正文中的列表顺序表达，无需在子页面里重复。

保留不删的双链：

• 子页面 frontmatter 分类 中指向父节点的双链（层级归属，必须保留）。
• 跨主题引用——即指向不属于本组兄弟的其它笔记的双链（例如某子页面正文中提到后续课程「类和对象」「接口和继承」）。这类双链表达的是跨分类的知识关联，不是兄弟互引，照常建立、保留。

判断口径很简单：这条双链指向的是与本页同一个父节点下的另一个子页面吗？ 如果是 → 互引，删掉。如果指向父节点本身（frontmatter）或指向本组之外的主题（跨主题引用）→ 保留。

设计意图：关系图保持干净的「父子树」形态——兄弟关系只在父节点那一处集中表达。打开任一子页面时，它的反向链接面板应当只显示父节点这一个入口，而不是被一堆兄弟节点填满。

2.2 多级树（任意深度）

文档树常不止一层（如 Oracle Java 教程的树深达 4-5 层）。处理多级树时，把单层规则套用到每一层即可，但有三点必须牢记：

① 父页面只列直接子节点，绝不跨级罗列孙节点

这是多级树最关键的规则，也是用户反复强调的标准。每个父页面（含「既是子又是父」的中转节点）的「子页面」清单只放直接子节点——孙节点、曾孙节点一律不出现在本页清单里，它们只出现在各自直接父节点的清单中。

经全目录 Grep 验证：现有所有父页面的子页面清单都是单层平级，0 处缩进嵌套——这就是目标范式。不要为了「在一个页面看到全局」而用缩进把孙节点塞进父页面；全局结构靠 Obsidian 反向链接面板逐层导航，而非在单页堆砌。

② 「既是子又是父」的中转节点

多级树里大量节点既是上一层的子、又是下一层的父（如「类」既是「类和对象」的子，又是「声明类 / 定义方法 / 构造方法…」5 篇的父）。这类节点的两层关系各走各的通道，互不干扰：

• 作为子：frontmatter 的 分类 指向上一级父节点（如 分类: - "网页裁剪" - "[[类和对象]]"）。这是它的唯一物理归属。
• 作为父：在正文末尾加一节 ## 子页面，列出它自己的直接子节点（如「声明类」「定义方法」等）。

两层关系通过不同通道表达，同一节点既挂父链、又有子页面清单，完全正常。

③ 逐级抓取流程

抓取一棵多级树时，按层级从上到下逐级展开：

1. 抓取本批（当前父节点列出的）直接子页面——遵循第 1 节「查重→抓取→frontmatter 父链」流程。
2. 处理完直接子页面后，对每个子页面判断它「有没有自己的下一层子链接」：
   • 抓取的子页面正文里如果罗列了它自己的子链接（与父节点当初的情形一样），就把它当作下一层的「父节点」，对它的子链接再走一遍本套「批量抓取」流程。
   • 该子页面此时需要：① frontmatter 指向上一级（已在第 1 步完成）；② 正文加 ## 子页面 清单列自己的直接子节点。
3. 每展开一层都重复同样的动作，直到叶子节点（不再含子链接的页面）。
4. 各层独立处理：第 N 层的父页面只列第 N+1 层的直接子节点，第 N+2 层及更深只出现在第 N+1 层的清单里。

抓取前查重在多级树里尤其重要——同一子页面可能被树的不同位置引用，命中既有笔记就跳过、不重抓、不改它的 分类，只在当前父页面建双链。

2.3 子页面清单格式（新抓父页面的统一规范）

父页面（含「既是子又是父」的中转节点）正文里的「子页面」清单，新抓取的一律用 ## 子页面 小节 + 无序列表，与已整理过的父页面（如 控制流语句、类和对象 子树）对齐：

## 子页面

- [[子页面名|显示文本]] —— 一句话中文说明。
- [[子页面名|显示文本]] —— 一句话中文说明。

• 显示文本：沿用网页原链接文本（如「if-then 和 if-then-else 语句（The if-then and if-then-else Statements）」），保留中英对照便于追溯。
• 一句话说明：概括该子页主题，便于在父页面快速浏览各子页内容。写不写都行，建议写。
• 平级不嵌套：列表项一律单层 - ，不缩进、不嵌套孙节点（孙节点见各自的直接父页面，见第 2.2 节①）。

历史既有父页面若用 inline 段落链接等其它格式（如 入门、语言基础），不强制回改——遵循「不擅自改既有笔记」原则。仅对新抓取的父页面执行本格式规范。

3. 父页面的外部链接改双链

子页面全部处理完毕（新抓取的入库 + 查重命中保留的既有笔记）后，回到父页面笔记，把指向这些子页面的外部链接（Markdown [文本](https://…)）改为 Obsidian 双链 [[子页面名|显示文本]]：

• 子页面名取对应笔记的文件名（不含 .md）——无论该笔记是本批新抓的还是查重命中的既有笔记，统一用它现有的文件名建链。
• 显示文本沿用原链接文本，如原为 [入门（Getting Started）](https://...) → [[入门|入门（Getting Started）]]。
• 仅改本批清单中的子链接（新抓取入库的 + 查重命中保留的）。父页面里若有更下一层的链接（孙链接）：若本次任务要把它们也展开为下一级子页面（见第 2.2 节逐级抓取），它们会在下一层处理时改双链；若本次不展开，则保持原外部链接不变，便于后续追溯。
• 父页面里指向「其它平台 / 资源」的链接（非本批子页面）也不动，只替换本批清单中的子页面链接。

示例

场景 A —— 两个子页都未抓取过（全部新抓）：

父笔记 网页裁剪/入门.md 原有：

- [深入剖析「Hello World!」](https://docs.oracle.com/javase/tutorial/getStarted/application/index.html) —— ...
- [常见问题及其解决方案](https://docs.oracle.com/javase/tutorial/getStarted/problems/index.html) —— ...

查重两个 URL 均未命中，分别新抓为 深入剖析 Hello World.md、常见问题及其解决方案.md（frontmatter 分类 带 - "[[入门]]"）。父笔记改为：

- [[深入剖析 Hello World|深入剖析「Hello World!」]] —— ...
- [[常见问题及其解决方案|常见问题及其解决方案]] —— ...

场景 B —— 子页已被其它父页面抓取过（查重命中，只建双链）：

常见问题及其解决方案 已归属 入门（分类: - "[[入门]]"）。现在抓取 Hello World 应用程序.md，它也引用了同一个 problems 页面。查重命中既有笔记 常见问题及其解决方案.md：

• 不重抓、不改它的 分类（它仍是 [[入门]]）；
• 该子链接直接记入改双链清单。

Hello World 应用程序.md 中对应行改为双链即可：

[[常见问题及其解决方案|常见问题及其解决方案（Common Problems (and Their Solutions)）]] —— ...

这样 problems 笔记物理上只存在一份、归属不变，却能被 入门 和 Hello World 应用程序 两个父页面同时引用——靠的就是双链，而非重复抓取或篡改分类。

场景 C —— 多级树（含中转节点，逐级展开）：

抓取 类和对象 的完整子树（3 层：类和对象 → 类/对象/类的更多内容/嵌套类/枚举类型 → 各自的子页面）。

第 1 步：类和对象 列出 5 个直接子节点。查重均未命中，新抓为 类.md、对象.md、类的更多内容.md、嵌套类.md、枚举类型.md，frontmatter 各写 分类: - "网页裁剪" - "[[类和对象]]"。类和对象 的「子页面」清单只列这 5 个直接子节点，不列孙节点：

## 子页面

- [[类|类（Classes）]] —— 类的结构与声明（字段、方法、构造方法）。
- [[对象|对象（Objects）]] —— 创建和使用对象，以及对象的生命周期。
- [[类的更多内容|类的更多内容（More on Classes）]] —— 从方法返回值、this 关键字、类成员、访问控制。
- [[嵌套类|嵌套类（Nested Classes）]] —— 静态嵌套类、内部类、局部类、匿名类、Lambda 表达式。
- [[枚举类型|枚举类型（Enum Types）]] —— 定义和使用常量集合的特殊类。

第 2 步：对每个一级子页面判断「有没有下一层子链接」。类 含 5 个子链接（声明类、声明成员变量、定义方法、为类提供构造方法、向方法或构造方法传递信息），于是把 类 当作下一层的父节点展开——抓取这 5 个孙页面，frontmatter 写 分类: - "网页裁剪" - "[[类]]"，并在 类.md 正文加 ## 子页面 清单列出它们：

## 子页面

- [[声明类|声明类（Declaring Classes）]] —— ...
- [[声明成员变量|声明成员变量（Declaring Member Variables）]] —— ...
- [[定义方法|定义方法（Defining Methods）]] —— ...
- [[为类提供构造方法|为类提供构造方法（Providing Constructors for Your Classes）]] —— ...
- [[向方法或构造方法传递信息|向方法或构造方法传递信息（Passing Information to a Method or a Constructor）]] —— ...

关键：声明类 等 5 个孙节点只出现在 类.md 的清单里，绝不出现在 类和对象.md 的清单里。类和对象 只看到「类」，打开「类」才看到它的子，逐层向下。这样整棵树每一处都只表达相邻层级的父子关系，关系图干净不缠。

同理对 对象、类的更多内容、嵌套类、枚举类型 各自展开它们的下一层，各自加自己的 ## 子页面 清单。

学术翻译规范（英文 → 中文）

当正文主体为英文时，按以下规范翻译。翻译完成后用译文整体替换正文。frontmatter 的 标题、描述 字段同样按本规范翻译为中文（来源、发布者、创建时间 等非文本字段保持原样）。

你是一位专业的中文母语译者，擅长学术内容翻译，能够流畅地将文本翻译成中文。

翻译规则

1. 只输出译文，不添加解释、注释或额外内容；不要在文末附「以下是翻译：」之类的话。

2. 保留专业术语：学科术语、专有名词、技术黑话原则上译为中文，并在首次出现时用「中文(原文)」格式标注原文，例如 "Skills" 译为「技能(Skills)」、「agent」译为「智能体(agent)」；后续重复出现时可只用中文。判断某词是否需要保留原文，以「读者准确理解技术含义」为准——无公认中文译法的术语、产品名、命令名直接保留英文。

3. HTML 标签：若原文含 HTML 标签（<a>、<sub>、<code> 等），在译文中保持标签结构，把标签放到译文里对应的位置，确保渲染正确、语句通顺。

4. 引用与参考文献：引用、参考文献、书目格式原样保留，不翻译作者名、论文标题、URL。

5. 保持正式学术语调：语域、语气、复杂度对齐原文，不口语化、不简化。

6. 公式与科学记数法：数学公式、等式、科学记数法准确保留，不改动符号。

7. 术语一致性：贯穿全文，同一术语的译法保持一致。

8. Markdown 结构：标题层级、列表、代码块（含语言标注）、表格、引用块、链接 URL 原样保留；只翻译可读文本（代码块的语言标识如 ```bash 不翻译）。原文若代码围栏无语言标识（裸 ```），翻译时保持无标识原样——语言由第 5 步的检测脚本统一补全，不要手工猜测添加。

9. 代码块内的注释：代码块中的注释文本也需翻译为中文，包括块注释（/* … */、/** … */、<!-- … -->、''' … '''）、行注释（// …、# …、-- …、REM …）等各语言形式。翻译时只改注释里的可读文字，注释定界符与代码本身保持不变（语句、关键字、字符串字面量、变量名一概不动）。保持原有缩进与对齐。

   示例——翻译前：

   /**
    * The HelloWorldApp class implements an application that
    * simply prints "Hello World!" to standard output.
    */
   class HelloWorldApp {
       public static void main(String[] args) {
           System.out.println("Hello World!"); // Display the string.
       }
   }
   

   翻译后（仅注释变中文，代码不变）：

   /**
    * HelloWorldApp 类实现了一个应用程序，
    * 它仅向标准输出打印 "Hello World!"。
    */
   class HelloWorldApp {
       public static   {
           System.out.println(); 
       }
   }
   

常见技术术语对照（参考，非强制）

English	中文
agent	智能体(agent)
skill	技能(skill)
prompt	提示词(prompt)
LLM	大语言模型(LLM)
token	词元(token)
hallucination	幻觉(hallucination)
MCP	上下文协议(MCP)
benchmark	基准测试(benchmark)
middleware	中间件(middleware)
API	API（保留原文）

遇到对照表外的术语，按规则 2 处理；产品名、命令名（如 defuddle、ctx7、Cursor）直接保留英文。

历史附件迁移（rename-to-hash.js）

早期版本曾用 URL 末段或整段 URL 编码命名附件，产出过超长 / 混乱的文件名（如 awesome-design-md-68747470733a2f2f….svg）。scripts/rename-to-hash.js 把 附件/ 下所有图片批量改名为 <sha256前16位>.<ext>，并同步更新全仓库 .md 中的 ![[引用]]（含 ![[名|尺寸]] 变体）：

• 同内容图片（hash 相同）去重：保留一份，删除重复，引用统一指向保留文件。
• hash 碰撞（前 16 位相同但内容不同，极罕见）追加序号，绝不误删。
• 已是 hash 命名（16 位 hex stem）的文件跳过，幂等可重复运行。
• 非图片文件不动；GIF/SVG 等保留原扩展名，只改名。

# 预览改名映射（不实际改动）
node .claude/skills/defuddle/scripts/rename-to-hash.js --dry-run

# 确认后实跑
node .claude/skills/defuddle/scripts/rename-to-hash.js

建议先 --dry-run 看映射与「去重删除 / 碰撞」计数，确认无误再实跑。迁移前确保已 git 提交，便于回退。

Usage

仅查看内容不保存（临时阅读）：

defuddle parse <url> --md

提取特定元数据：

defuddle parse <url> -p title
defuddle parse <url> -p description
defuddle parse <url> -p domain

Output formats

Flag	Format
--md	Markdown (default choice)
--json	JSON with both HTML and markdown
(none)	HTML
-p <name>	Specific metadata property

完整示例

用户输入：defuddle https://github.com/upstash/context7

执行：

defuddle parse "https://github.com/upstash/context7" -p title
defuddle parse "https://github.com/upstash/context7" -p description
defuddle parse "https://github.com/upstash/context7" --md -o "网页裁剪/Context7 README.md"
date -Iseconds   # 生成创建时间

读取落盘文件 → 顶部插入 frontmatter → 判定正文为英文 → 整篇按学术规范翻译 → 用译文替换正文 → 补全代码块语言标识 → 下载图片到 附件/ → 保存：

node ".claude/skills/defuddle/scripts/detect-code-languages.js" "网页裁剪/Context7 README.md"
node ".claude/skills/defuddle/scripts/download-images.js" "网页裁剪/Context7 README.md" --prefix "context7-"

最终文件头部形如：

---
分类:
  - "网页裁剪"
标题: "Context7 平台 —— 为大语言模型(LLM)和 AI 代码编辑器提供最新代码文档"
描述: "为大语言模型(LLM)和 AI 代码编辑器提供最新代码文档 - upstash/context7"
来源: "https://github.com/upstash/context7"
发布者: "GitHub-upstash"
发布时间:
创建时间: "2026-06-26T11:23:37+08:00"
---

若本页是从某个父页面拉取的子链接，分类 在 - "网页裁剪" 下追加一项 - "[[父页面名]]"（详见上方「批量抓取子链接与父子关系」）。