diff --git a/.planning/phases/08-crawler/08-RESEARCH.md b/.planning/phases/08-crawler/08-RESEARCH.md
new file mode 100644
index 0000000..8d27aa4
--- /dev/null
+++ b/.planning/phases/08-crawler/08-RESEARCH.md
@@ -0,0 +1,390 @@
+# Phase 8: 内容爬取实现 - Research
+
+**Researched:** 2026-03-17
+**Domain:** Playwright API Interception, Zhihu Crawler, Anti-Scraping
+**Confidence:** HIGH
+
+## Summary
+
+本阶段实现知乎内容爬取的核心功能，使用 Playwright 拦截 API 请求的方式获取结构化数据。关键技术点是复用浏览器 Cookie，自动处理 x-zse-96 签名，无需逆向工程。
+
+**Primary recommendation:** 使用 Playwright `page.route()` 拦截知乎 API 请求，直接获取 JSON 响应。热门评论通过 `/api/v4/comment_v5/` 端点获取，代理通过环境变量 `HTTP_PROXY`/`HTTPS_PROXY` 配置并在 `browser.new_context()` 中应用。
+
+<user_constraints>
+## User Constraints (from CONTEXT.md)
+
+### Implementation Decisions
+
+#### 爬取方式选择
+- **实现方式**: 使用 Playwright 拦截 API 请求
+- **原理**: 浏览器访问页面时拦截其发出的 API 请求（如 /api/v4/answers/xxx），直接获取 JSON 响应
+- **优势**: 复用浏览器 Cookie，自动处理 x-zse-96 签名，无需逆向
+- **支持内容类型**: 问答 (answer)、专栏 (zhuanlan)
+- **不支持**: 知乎视频 — 推迟到后续版本
+
+#### 评论爬取范围
+- **爬取范围**: 只爬取热门评论
+- **嵌套展开**: 不展开回复的回复，只爬第一层评论
+- **可选开关**: 评论爬取是可选功能，通过参数控制是否启用
+
+#### 代理配置方式
+- **配置方式**: 通过环境变量配置（HTTP_PROXY/HTTPS_PROXY）
+- **配置文件**: 添加到 ~/.kb_env，与现有配置方式一致
+- **使用策略**: 强制使用代理 — 不配置代理则拒绝爬取，防止 IP 被封
+
+#### 反爬策略
+- **请求频率**: 随机延迟，每个请求间隔 1-3 秒
+- **重试策略**: 有限重试，失败后重试 3 次，间隔递增
+- **错误处理**: 重试全部失败后抛出异常，由上层处理
+
+### Claude's Discretion
+- Playwright 拦截的具体实现方式（route/intercept）
+- 热门评论的具体数量限制
+- 重试间隔的具体递增策略
+- 错误提示信息的具体文案
+
+### Deferred Ideas (OUT OF SCOPE)
+None — discussion stayed within phase scope
+</user_constraints>
+
+<phase_requirements>
+## Phase Requirements
+
+| ID | Description | Research Support |
+|----|-------------|-----------------|
+| CONT-01 | 爬取知乎问答 - 问题标题、问题描述、回答内容、元数据 | Playwright route 拦截 `/api/v4/answers/{id}` 获取结构化 JSON |
+| CONT-02 | 爬取知乎专栏/文章 - 标题、正文、元数据 | Playwright route 拦截 zhuanlan API 或页面 DOM 解析 |
+| CONT-03 | 爬取内容下的评论（可选开关） | `/api/v4/comment_v5/{type}/{id}/comments?order=hot` 热门评论 API |
+| CONT-04 | 提取作者信息、发布时间、点赞数等元数据 | API 响应中包含完整元数据字段 |
+| NET-01 | 支持代理 IP 配置 | 环境变量 `HTTP_PROXY`/`HTTPS_PROXY` + `browser.new_context(proxy=...)` |
+| NET-02 | 请求频率控制，避免触发反爬 | `time.sleep(random.uniform(1, 3))` 随机延迟 |
+| NET-03 | 自动获取请求签名（x-zse-96），无需手动逆向 | Playwright 浏览器自动处理签名 |
+</phase_requirements>
+
+## Standard Stack
+
+### Core
+| Library | Version | Purpose | Why Standard |
+|---------|---------|---------|--------------|
+| playwright | 1.40+ | 浏览器自动化 | 项目已使用，API 拦截功能完善 |
+| pydantic | 2.x | 数据模型验证 | 项目标准，用于响应数据模型 |
+| tenacity | 8.x | 重试机制 | 项目已使用，支持可配置超时 |
+
+### Supporting
+| Library | Version | Purpose | When to Use |
+|---------|---------|---------|-------------|
+| httpx | 0.25+ | HTTP 客户端 | 如需直接 API 调用（非拦截模式） |
+| python-dotenv | 1.0+ | 环境变量加载 | 代理配置读取 |
+
+### Alternatives Considered
+| Instead of | Could Use | Tradeoff |
+|------------|-----------|----------|
+| Playwright route | requests + 逆向签名 | 需要持续维护签名算法，Playwright 方式更稳定 |
+| 直接调用 API | Selenium + DOM 解析 | DOM 结构变化频繁，API 响应更稳定 |
+
+**Installation:**
+```bash
+# 已安装，无需额外安装
+playwright install chromium  # 如需更新浏览器
+```
+
+## Architecture Patterns
+
+### Recommended Project Structure
+```
+kb_workflow/
+├── crawler/                    # 新建爬虫模块
+│   ├── __init__.py
+│   ├── zhihu_crawler.py        # 主爬虫类
+│   ├── api_interceptor.py      # API 拦截逻辑
+│   ├── models.py               # 响应数据模型
+│   └── config.py               # 爬虫配置（代理、延迟等）
+├── auth/
+│   └── zhihu_login.py          # 现有 - 复用 Cookie 管理
+└── metadata/
+    └── zhihu_extractor.py      # 现有 - 复用 PlaywrightBrowser
+```
+
+### Pattern 1: Playwright Route Interception
+**What:** 拦截浏览器发出的 API 请求，直接获取 JSON 响应
+**When to use:** 获取结构化数据，避免 DOM 解析
+**Example:**
+```python
+# Source: https://playwright.dev/python/docs/network
+from playwright.sync_api import sync_playwright
+
+def intercept_api(route):
+    """拦截知乎 API 请求"""
+    if "/api/v4/" in route.request.url:
+        # 继续请求以获取响应
+        response = route.fetch()
+        json_data = response.json()
+        # 存储拦截到的数据
+        route.fulfill(response=response)
+    else:
+        route.continue_()
+
+with sync_playwright() as p:
+    browser = p.chromium.launch()
+    page = browser.new_page()
+    page.route("**/api/v4/**", intercept_api)
+    page.goto("https://www.zhihu.com/question/123/answer/456")
+```
+
+### Pattern 2: 代理配置
+**What:** 通过环境变量配置代理，在 Playwright 中应用
+**When to use:** 所有爬取请求，防止 IP 被封
+**Example:**
+```python
+# Source: https://playwright.dev/python/docs/network
+import os
+from playwright.sync_api import sync_playwright
+
+def get_proxy_config():
+    """从环境变量获取代理配置"""
+    proxy_server = os.environ.get("HTTP_PROXY") or os.environ.get("HTTPS_PROXY")
+    if proxy_server:
+        # 解析代理 URL
+        # http://user:pass@host:port 或 http://host:port
+        return {"server": proxy_server}
+    return None
+
+# 在 new_context 中应用代理
+browser = chromium.launch()
+context = browser.new_context(proxy=get_proxy_config())
+```
+
+### Pattern 3: 随机延迟与重试
+**What:** 请求间随机延迟，失败时有限重试
+**When to use:** 所有网络请求
+**Example:**
+```python
+import random
+import time
+from tenacity import Retrying, stop_after_attempt, wait_exponential
+
+def crawl_with_retry(crawl_func, url):
+    """带重试的爬取"""
+    for attempt in Retrying(
+        stop=stop_after_attempt(3),
+        wait=wait_exponential(multiplier=1, min=2, max=10),
+        reraise=True
+    ):
+        with attempt:
+            # 随机延迟
+            time.sleep(random.uniform(1, 3))
+            return crawl_func(url)
+```
+
+### Anti-Patterns to Avoid
+- **硬编码延迟时间:** 使用固定延迟容易被检测，应使用随机值
+- **忽略代理检查:** 不检查代理配置直接爬取可能导致 IP 被封
+- **无限重试:** 重试次数应有限制，避免无限循环
+
+## Don't Hand-Roll
+
+| Problem | Don't Build | Use Instead | Why |
+|---------|-------------|-------------|-----|
+| 请求重试 | 自定义重试循环 | tenacity.Retrying | 支持指数退避、超时、回调 |
+| API 签名 | 逆向 x-zse-96 算法 | Playwright 浏览器自动处理 | 签名算法频繁更新，逆向成本高 |
+| Cookie 管理 | 手动解析存储 | 现有 ZhihuLogin + PlaywrightBrowser | 已有成熟实现 |
+| 代理解析 | 自定义 URL 解析 | Playwright proxy 参数 | 支持认证、SOCKS5 |
+
+**Key insight:** Playwright 拦截模式的核心优势是复用浏览器的完整上下文（Cookie、签名、指纹），无需维护逆向代码。
+
+## Common Pitfalls
+
+### Pitfall 1: Service Worker 干扰
+**What goes wrong:** 使用 `page.route()` 时某些请求未被捕获
+**Why it happens:** Service Worker 拦截了网络请求
+**How to avoid:** 在 `new_context()` 中设置 `service_workers="block"`
+**Warning signs:** API 拦截处理器未被调用
+
+```python
+context = browser.new_context(service_workers="block")
+```
+
+### Pitfall 2: 代理未生效
+**What goes wrong:** 配置了环境变量但请求仍使用直连
+**Why it happens:** Playwright 默认不读取环境变量
+**How to avoid:** 显式读取环境变量并传入 `new_context(proxy=...)`
+**Warning signs:** IP 被封、请求频率限制
+
+### Pitfall 3: 评论 API 分页处理
+**What goes wrong:** 只获取了第一页评论
+**Why it happens:** 评论 API 使用 cursor 分页
+**How to avoid:** 使用 `offset` 参数处理分页，但根据决策只爬热门评论（单页）
+**Warning signs:** 评论数量固定为 20 条
+
+### Pitfall 4: Cookie 过期未检测
+**What goes wrong:** 爬取时返回登录页面
+**Why it happens:** Cookie 已过期但未提前验证
+**How to avoid:** 爬取前调用 `/api/v4/me` 验证 Cookie 有效性
+**Warning signs:** 响应包含"登录"关键词
+
+## Code Examples
+
+Verified patterns from official sources:
+
+### API 拦截存储响应
+```python
+# Source: https://playwright.dev/python/docs/network
+class ZhihuApiInterceptor:
+    """知乎 API 拦截器"""
+
+    def __init__(self):
+        self.captured_data = {}
+
+    def handle_route(self, route):
+        """处理拦截的请求"""
+        url = route.request.url
+
+        # 拦截答案 API
+        if "/api/v4/answers/" in url:
+            response = route.fetch()
+            data = response.json()
+            self.captured_data["answer"] = data
+            route.fulfill(response=response)
+            return
+
+        # 拦截评论 API
+        if "/comment_v5/" in url:
+            response = route.fetch()
+            data = response.json()
+            self.captured_data["comments"] = data
+            route.fulfill(response=response)
+            return
+
+        route.continue_()
+
+    def setup(self, page):
+        """设置路由拦截"""
+        page.route("**/api/v4/**", self.handle_route)
+```
+
+### 代理配置读取
+```python
+# Source: https://playwright.dev/python/docs/network
+import os
+from urllib.parse import urlparse
+
+def parse_proxy_env():
+    """解析代理环境变量"""
+    proxy_url = os.environ.get("HTTPS_PROXY") or os.environ.get("HTTP_PROXY")
+    if not proxy_url:
+        return None
+
+    parsed = urlparse(proxy_url)
+    config = {"server": f"{parsed.scheme}://{parsed.hostname}:{parsed.port}"}
+
+    if parsed.username and parsed.password:
+        config["username"] = parsed.username
+        config["password"] = parsed.password
+
+    return config
+```
+
+### 热门评论 API 调用
+```python
+# Source: https://docs.tikhub.io/262614090e0
+# 知乎评论 V5 API 参数说明
+COMMENT_API_TEMPLATE = (
+    "https://www.zhihu.com/api/v4/comment_v5/"
+    "{content_type}/{content_id}/comments"
+    "?order=hot&limit=20"
+)
+
+# content_type: "answers" (回答) 或 "articles" (文章)
+# order: "hot" (热门) 或 "ts" (最新)
+# limit: 每页数量，默认 20
+```
+
+## State of the Art
+
+| Old Approach | Current Approach | When Changed | Impact |
+|--------------|------------------|--------------|--------|
+| requests + 逆向签名 | Playwright 拦截 | 2024+ | 无需维护签名算法 |
+| DOM 选择器解析 | API 响应 JSON | 2024+ | 数据结构更稳定 |
+| 固定延迟 | 随机延迟 | 最佳实践 | 降低被检测风险 |
+
+**Deprecated/outdated:**
+- 逆向 x-zse-96 签名算法: 知乎频繁更新签名，维护成本高
+- 基于 DOM 的内容提取: 页面结构变化导致解析失败
+
+## Open Questions
+
+1. **热门评论数量限制**
+   - What we know: API 默认返回 20 条，支持分页
+   - What's unclear: 决策说"只爬热门评论"，是否限制为 20 条
+   - Recommendation: 默认 20 条，通过参数可配置
+
+2. **专栏文章的 API 端点**
+   - What we know: 专栏页面有对应的 API 调用
+   - What's unclear: 具体的 API 路径格式
+   - Recommendation: 实现时通过 route 拦截自动发现
+
+3. **重试间隔递增策略**
+   - What we know: 使用 tenacity 支持指数退避
+   - What's unclear: 具体的 min/max 值
+   - Recommendation: min=2s, max=10s, multiplier=1
+
+## Validation Architecture
+
+### Test Framework
+| Property | Value |
+|----------|-------|
+| Framework | pytest 7.x |
+| Config file | pytest.ini |
+| Quick run command | `pytest tests/test_crawler/ -x -v` |
+| Full suite command | `pytest tests/ -v` |
+
+### Phase Requirements -> Test Map
+| Req ID | Behavior | Test Type | Automated Command | File Exists? |
+|--------|----------|-----------|-------------------|-------------|
+| CONT-01 | 爬取问答内容 | integration | `pytest tests/test_crawler/test_answer_crawler.py -x` | Wave 0 |
+| CONT-02 | 爬取专栏文章 | integration | `pytest tests/test_crawler/test_article_crawler.py -x` | Wave 0 |
+| CONT-03 | 爬取热门评论 | integration | `pytest tests/test_crawler/test_comment_crawler.py -x` | Wave 0 |
+| CONT-04 | 提取元数据 | unit | `pytest tests/test_crawler/test_metadata_extraction.py -x` | Wave 0 |
+| NET-01 | 代理配置 | unit | `pytest tests/test_crawler/test_proxy_config.py -x` | Wave 0 |
+| NET-02 | 请求频率控制 | unit | `pytest tests/test_crawler/test_rate_limiter.py -x` | Wave 0 |
+| NET-03 | 自动签名处理 | integration | `pytest tests/test_crawler/test_api_intercept.py -x` | Wave 0 |
+
+### Sampling Rate
+- **Per task commit:** `pytest tests/test_crawler/ -x --tb=short`
+- **Per wave merge:** `pytest tests/ -v`
+- **Phase gate:** Full suite green before `/gsd:verify-work`
+
+### Wave 0 Gaps
+- [ ] `tests/test_crawler/__init__.py` - 测试模块初始化
+- [ ] `tests/test_crawler/conftest.py` - 共享 fixtures (mock browser, mock API responses)
+- [ ] `tests/test_crawler/test_answer_crawler.py` - 问答爬取测试
+- [ ] `tests/test_crawler/test_article_crawler.py` - 专栏爬取测试
+- [ ] `tests/test_crawler/test_comment_crawler.py` - 评论爬取测试
+- [ ] `tests/test_crawler/test_metadata_extraction.py` - 元数据提取测试
+- [ ] `tests/test_crawler/test_proxy_config.py` - 代理配置测试
+- [ ] `tests/test_crawler/test_rate_limiter.py` - 频率控制测试
+- [ ] `tests/test_crawler/test_api_intercept.py` - API 拦截测试
+
+## Sources
+
+### Primary (HIGH confidence)
+- [Playwright Python Network Docs](https://playwright.dev/python/docs/network) - Route interception, proxy configuration
+- [TikHub API Docs - Zhihu Comment V5](https://docs.tikhub.io/262614090e0) - 评论 API 参数说明
+- Project existing code: `kb_workflow/auth/zhihu_login.py`, `kb_workflow/metadata/zhihu_extractor.py`
+
+### Secondary (MEDIUM confidence)
+- [MediaCrawler GitHub](https://github.com/NanmiCoder/MediaCrawler) - 知乎爬虫实现参考
+- [Playwright Proxy Configuration](https://rg9.dev/posts/playwright-http-proxy/) - 多种代理配置方式
+
+### Tertiary (LOW confidence)
+- [How to Intercept API Calls in Playwright](https://roundproxies.com/blog/intercept-network-playwright/) - 教程参考
+
+## Metadata
+
+**Confidence breakdown:**
+- Standard stack: HIGH - 项目已有 Playwright 和 tenacity 使用经验
+- Architecture: HIGH - Playwright 官方文档详细，模式清晰
+- Pitfalls: MEDIUM - 部分问题需要实际运行验证
+
+**Research date:** 2026-03-17
+**Valid until:** 2026-04-17 (Playwright API 稳定，知乎 API 可能变化)