diff --git a/.planning/phases/09-pipeline-integration/09-00-PLAN.md b/.planning/phases/09-pipeline-integration/09-00-PLAN.md
new file mode 100644
index 0000000..f8dacc4
--- /dev/null
+++ b/.planning/phases/09-pipeline-integration/09-00-PLAN.md
@@ -0,0 +1,148 @@
+---
+phase: 09-pipeline-integration
+plan: 00
+type: execute
+wave: 0
+depends_on: []
+files_modified: []
+autonomous: true
+requirements: []
+user_setup: []
+
+must_haves:
+ truths:
+ - "测试脚手架已就绪，为 Wave 1 实现提供验证基础"
+ artifacts:
+ - path: "tests/test_platforms/test_zhihu.py"
+ provides: "Test scaffolding for ZhihuAdapter"
+ min_lines: 30
+ exports: ["mock_zhihu_answer_result", "mock_zhihu_zhuanlan_result"]
+ key_links: []
+---
+
+
+创建 Wave 0 测试脚手架，为后续实现任务提供验证基础。
+
+Purpose: 遵循 Nyquist 规则，测试先于实现，确保每个实现任务有对应的自动化验证
+Output: 测试文件骨架和 mock fixtures
+
+
+
+@/home/starmen1265/.claude/get-shit-done/workflows/execute-plan.md
+@/home/starmen1265/.claude/get-shit-done/templates/summary.md
+
+
+
+@.planning/PROJECT.md
+@.planning/ROADMAP.md
+@.planning/STATE.md
+@.planning/phases/09-pipeline-integration/09-CONTEXT.md
+
+
+From kb_workflow/crawler/models.py:
+```python
+class CrawlResult(BaseModel):
+ success: bool
+ content_type: str
+ data: Optional[Union[AnswerData, ArticleData]]
+ comments: Optional[List[CommentData]]
+ error: Optional[str]
+
+class AnswerData(BaseModel):
+ question_title: str
+ question_description: Optional[str]
+ answer_content: str
+ author: AuthorInfo
+ voteup_count: int
+ comment_count: int
+ created_time: int
+ updated_time: Optional[int]
+
+class ArticleData(BaseModel):
+ title: str
+ content: str
+ author: AuthorInfo
+ voteup_count: int
+ comment_count: int
+ created_time: int
+ updated_time: Optional[int]
+
+class CommentData(BaseModel):
+ id: int
+ content: str
+ author: CommentAuthor
+ vote_count: int
+ created_time: int
+```
+
+From kb_workflow/auth/zhihu_login.py:
+```python
+class ZhihuLoginResult(BaseModel):
+ success: bool
+ cookie_str: Optional[str]
+ error: Optional[str]
+
+class CookieValidationResult(BaseModel):
+ valid: bool
+ user_id: Optional[str]
+ error: Optional[str]
+```
+
+
+
+
+
+
+ Task 0: Create test scaffolding and mock fixtures
+ tests/test_platforms/test_zhihu.py
+
+创建测试文件骨架，包含以下内容：
+
+1. Mock fixtures:
+ - `mock_zhihu_answer_result`: 模拟 ZhihuCrawler.crawl_answer() 返回的 CrawlResult
+ - `mock_zhihu_zhuanlan_result`: 模拟 ZhihuCrawler.crawl_article() 返回的 CrawlResult
+ - `mock_comments_list`: 模拟评论列表数据
+ - `mock_zhihu_login_result`: 模拟 ZhihuLogin.login_by_qrcode() 返回结果
+
+2. 测试用例骨架（使用 pytest.mark.skip 标记，等待实现后移除）:
+ - `test_fetch_metadata_answer`: 测试问答元数据获取
+ - `test_fetch_metadata_article`: 测试专栏文章元数据获取
+ - `test_fetch_content_with_comments`: 测试带评论的内容获取
+ - `test_cookie_expired_triggers_login`: 测试 Cookie 过期触发登录
+ - `test_idempotent_execution`: 测试幂等执行
+ - `test_comment_formatting`: 测试评论格式化
+
+3. Mock 配置:
+ - 使用 pytest-mock 或 unittest.mock
+ - 配置 ZhihuCrawler mock 返回预期的 CrawlResult
+ - 配置 ZhihuLogin mock 返回预期的登录结果
+
+文件末尾添加注释标记:
+```python
+# WAVE_0_COMPLETE: Test scaffolding ready for implementation
+```
+
+
+ pytest tests/test_platforms/test_zhihu.py --collect-only -q 2>&1 | grep -c "test_"
+
+
+测试文件存在，包含至少 6 个测试用例骨架和 4 个 mock fixtures
+
+
+
+
+
+
+测试骨架已创建，测试可以被 pytest 收集（即使被 skip）
+
+
+
+- tests/test_platforms/test_zhihu.py 文件存在
+- 包含 mock fixtures: mock_zhihu_answer_result, mock_zhihu_zhuanlan_result, mock_comments_list, mock_zhihu_login_result
+- 包含测试骨架: test_fetch_metadata_answer, test_fetch_metadata_article, test_fetch_content_with_comments, test_cookie_expired_triggers_login, test_idempotent_execution, test_comment_formatting
+- pytest 可以收集到所有测试用例
+
+
+
diff --git a/.planning/phases/09-pipeline-integration/09-01-PLAN.md b/.planning/phases/09-pipeline-integration/09-01-PLAN.md
index bea7ba6..b6ac2c0 100644
--- a/.planning/phases/09-pipeline-integration/09-01-PLAN.md
+++ b/.planning/phases/09-pipeline-integration/09-01-PLAN.md
@@ -3,8 +3,8 @@ phase: 09-pipeline-integration
plan: 01
type: execute
wave: 1
-depends_on: []
-files_modified: []
+depends_on: [09-00]
+files_modified: [kb_workflow/pipeline/platforms/zhihu.py, tests/test_platforms/test_zhihu.py]
autonomous: true
requirements: [PIPE-01, PIPE-02, PIPE-03]
user_setup: []
@@ -13,7 +13,8 @@ must_haves:
truths:
- "知乎链接使用新爬虫处理器，无需手动设置 Cookie"
- "新处理器与现有 Pipeline 架构完全兼容"
- - "支持断点续传和幂等执行(与其他处理器行为一致)"
+ - "支持断点续传和幂等执行（与其他处理器行为一致）"
+ - "评论爬取默认开启，评论追加到正文末尾"
artifacts:
- path: "kb_workflow/pipeline/platforms/zhihu.py"
provides: "ZhihuAdapter implementation"
@@ -21,7 +22,7 @@ must_haves:
exports: ["ZhihuAdapter"]
- path: "kb_workflow/crawler/zhihu_crawler.py"
provides: "ZhihuCrawler class"
- exports: ["ZhihuCrawler", "Crawl_answer", "crawl_article", "crawl_comments"]
+ exports: ["ZhihuCrawler", "crawl_answer", "crawl_article", "crawl_comments"]
- path: "kb_workflow/crawler/models.py"
provides: "Data models (AnswerData, ArticleData, CommentData, CrawlResult)"
exports: ["AnswerData", "ArticleData", "CommentData", "CommentAuthor", "ContentMetadata", "AuthorInfo", "CrawlResult"]
@@ -30,8 +31,7 @@ must_haves:
exports: ["ZhihuLogin", "login_by_qrcode", "validate_cookie", "ZhihuLoginResult", "CookieValidationResult"]
- path: "tests/test_platforms/test_zhihu.py"
provides: "test coverage for ZhihuAdapter"
- exports: ["ZhihuAdapter", "test_get_content_type_*"]
- min_lines: 50
+ min_lines: 50
exports: ["mock_zhihu_answer_result", "mock_zhihu_zhuanlan_result"]
- path: "kb_workflow/pipeline/processors/download.py"
provides: "Download processor (consumer of ZhihuAdapter)"
@@ -49,14 +49,19 @@ must_haves:
to: "ZhihuAdapter._format_comments_section"
via: "content append"
pattern: "\\n---\\n## 热门评论"
+ - from: "ZhihuAdapter.fetch_content"
+ to: "IdempotencyChecker"
+ via: "幂等检查调用"
+ pattern: "idempotency|already_processed"
---
-将新爬虫实现整合进现有 Pipeline 架构,替换原有知乎处理器,保持接口兼容性和,支持评论爬取和Cookie 过期自动处理。
+将新爬虫实现整合进现有 Pipeline 架构，替换原有知乎处理器，保持接口兼容性，支持评论爬取和 Cookie 过期自动处理。
-Cookie 过期处理
-Cookie 过期时自动触发扫码登录,用户扫码后流程继续
-新爬虫失败时直接报错,不降级到旧版。
+Cookie 过期处理：Cookie 过期时自动触发扫码登录，用户扫码后流程继续。
+新爬虫失败时直接报错，不降级到旧版。
+评论爬取默认开启，评论追加到正文末尾。
+幂等执行：通过 IdempotencyChecker 确保同一内容不会重复处理。
@@ -73,7 +78,7 @@ Cookie 过期时自动触发扫码登录,用户扫码后流程继续
@.planning/phases/09-pipeline-integration/09-RESEARCH.md
@.planning/phases/09-pipeline-integration/09-CONTEXT.md
-@.planning/phases/09-pipeline-integration/09-VALIDATION.md
+@.planning/phases/09-pipeline-integration/09-00-SUMMARY.md
@@ -98,123 +103,194 @@ class PlatformAdapter(ABC):
pass
```
-From kb_workflow/crawler/models.py
+From kb_workflow/crawler/models.py:
```python
class CrawlResult(BaseModel):
success: bool
content_type: str
data: Optional[Union[AnswerData, ArticleData]]
- comments: Optional[List[commentData]]
+ comments: Optional[List[CommentData]]
error: Optional[str]
-
```
-from kb_workflow/crawler/zhihu_crawler.py
+From kb_workflow/crawler/zhihu_crawler.py:
```python
class ZhihuCrawler:
- def crawl_answer(self, url: str, include_comments: bool = False) -> CrawlResult
+ def crawl_answer(self, url: str, include_comments: bool = False) -> CrawlResult:
...
def crawl_article(self, url: str) -> CrawlResult:
- """
+ ...
+
def crawl_comments(self, content_type: str, content_id: int, include_comments: bool = True) -> CommentsResult:
- """
+ ...
```
-from kb_workflow/auth/zhihu_login.py
+From kb_workflow/auth/zhihu_login.py:
```python
class ZhihuLogin:
- def login_by_qrcode(self) -> ZhihuLoginResult
- """
- def validate_cookie(self, cookie_str: str = None) -> CookieValidationResult
- """
+ def login_by_qrcode(self) -> ZhihuLoginResult:
+ ...
+
+ def validate_cookie(self, cookie_str: str = None) -> CookieValidationResult:
+ ...
+```
+
+From kb_workflow/pipeline/idempotency.py:
+```python
+class IdempotencyChecker:
+ def is_processed(self, content_id: str, content_type: str) -> bool:
+ """检查内容是否已处理"""
+ ...
+
+ def mark_processed(self, content_id: str, content_type: str) -> None:
+ """标记内容已处理"""
+ ...
```
+
-
+
Task 1: Update ZhihuAdapter to use ZhihuCrawler
kb_workflow/pipeline/platforms/zhihu.py
+
+ - Test 1: fetch_metadata 返回正确的问答元数据
+ - Test 2: fetch_metadata 返回正确的专栏文章元数据
+ - Test 3: fetch_content 返回带评论的 Markdown 内容
+ - Test 4: Cookie 过期时自动触发扫码登录
+ - Test 5: 幂等检查阻止重复处理同一内容
+
-修改 ZhihuAdapter 类:
+修改 ZhihuAdapter 类，内部实现使用 ZhihuCrawler 替代 ZhihuPlaywrightExtractor。
-内部实现",使用 ZhihuCrawler 替代 ZhihuPlaywrightExtractor。
+保留公共接口不变 (fetch_metadata, fetch_content, get_content_type, get_output_filename)。
-保留公共接口不变 (fetch_metadata, fetch_content, get_content_type, get_output_filename).
+**关键决策实现（来自 CONTEXT.md）：**
+1. **评论爬取默认开启**：设置 include_comments=True 作为默认参数
+2. **评论追加到正文**：修改 _format_with_frontmatter 在 content 末尾追加评论（格式见 CONTEXT.md specifics）
+3. **幂等执行 (PIPE-03)**：在 fetch_metadata 开头调用 IdempotencyChecker.is_processed()，已处理的内容直接返回缓存结果或跳过
具体修改:
-1. 移除 ZhihuPlaywrightExtractor` 导入，ZhihuCrawler"
-2 添加 `_get_crawler()` 方法创建和管理 ZhihuCrawler 实例
- 添加 `_crawl_with_crawler()` 方法使用 ZhihuCrawler 进行内容爬取
- 添加 `_convert_crawl_result_to_metadata()` 方法将 CrawlResult 转换为 metadata dict
- 添加 `_format_comments_section()` 方法格式化评论为 Markdown
- 添加 `_is_cookie_expired()` 方法检测 Cookie 过期
- 添加 `_trigger_qrcode_login()` 方法触发扫码登录
- 移除 `_extract_with_playwright` 和 `_get_extractor` 方法（不再需要)
-2 修改 `_detect_login_page` 方法,基于 CrawlResult 检测登录页面
-
+1. 移除 ZhihuPlaywrightExtractor 导入，添加 ZhihuCrawler 导入
+2. 添加 `_get_crawler()` 方法创建和管理 ZhihuCrawler 实例
+3. 添加 `_crawl_with_crawler()` 方法使用 ZhihuCrawler 进行内容爬取，**include_comments=True 为默认值**
+4. 添加 `_convert_crawl_result_to_metadata()` 方法将 CrawlResult 转换为 metadata dict
+5. 添加 `_format_comments_section()` 方法格式化评论为 Markdown
+6. **修改 `_format_with_frontmatter()` 方法**：在正文末尾追加评论部分
+ ```python
+ def _format_with_frontmatter(self, ...):
+ content = base_content
+ if comments:
+ content += "\n\n---\n\n## 热门评论\n\n" + self._format_comments_section(comments)
+ return content
+ ```
+7. 添加 `_is_cookie_expired()` 方法检测 Cookie 过期
+8. 添加 `_trigger_qrcode_login()` 方法触发扫码登录
+9. 添加幂等检查：在处理前调用 IdempotencyChecker.is_processed()
+10. 移除 `_extract_with_playwright` 和 `_get_extractor` 方法（不再需要)
+11. 修改 `_detect_login_page` 方法，基于 CrawlResult 检测登录页面
+
pytest tests/test_platforms/test_zhihu.py -x -v
-Z ZhihuAdapter 使用 ZhihuCrawler 作为内容获取
+ZhihuAdapter 使用 ZhihuCrawler 作为内容获取
fetch_metadata 返回包含评论的 CrawlResult
-fetch_content 返回 Markdown 格式内容(含评论追加)
-
+fetch_content 返回 Markdown 格式内容（含评论追加，格式为 "---\n## 热门评论"）
+评论爬取默认开启（include_comments=True）
+幂等执行通过 IdempotencyChecker 实现
+
-
- Task 2: Add Cookie expired auto login tests
+
+ Task 2: Enable test cases and verify Cookie auto login
tests/test_platforms/test_zhihu.py
+
+ - Test 1: Cookie 有效时，爬取正常返回数据
+ - Test 2: Cookie 过期时，触发扫码登录流程
+ - Test 3: 触发登录后重试成功
+ - Test 4: mock _trigger_qrcode_login 返回登录失败时正确处理
+
-添加测试用例验证 Cookie 过期时自动触发扫码登录:
-测试场景:
-1. Cookie 有效时,爬取正常返回数据
-2. Cookie 过期时,触发扫码登录流程
-3. 触发登录后重试成功
+移除 Wave 0 创建的测试骨架中的 pytest.mark.skip 标记，实现以下测试场景:
+
+1. `test_cookie_valid_returns_data`: Cookie 有效时，爬取正常返回数据
+2. `test_cookie_expired_triggers_login`: Cookie 过期时，触发扫码登录流程
+3. `test_login_retry_success`: 触发登录后重试成功
+4. `test_login_failure_raises_error`: mock _trigger_qrcode_login 返回登录失败
+
需要 mock:
-login_result = ZhihuLoginResult(success=True, cookie_str="new_cookie")
-- mock _trigger_qrcode_login 返回登录失败
-- mock _trigger_qrcode_login 抛出异常
-测试验证正确处理各种情况
-
+- ZhihuCrawler.crawl_answer / crawl_article 返回 mock CrawlResult
+- ZhihuLogin.validate_cookie 返回过期状态
+- ZhihuLogin.login_by_qrcode 返回登录结果
+
pytest tests/test_platforms/test_zhihu.py -k "test_cookie" -v
Cookie 过期自动触发扫码登录的测试用例全部通过
-
+
-
- Task 3: Add comment formatting tests
+
+ Task 3: Verify comment formatting and idempotency
tests/test_platforms/test_zhihu.py
+
+ - Test 1: 有评论时，格式化为 "## 热门评论" 部分
+ - Test 2: 无评论时，不追加评论部分
+ - Test 3: 幂等检查阻止重复处理同一内容
+ - Test 4: 不同内容 ID 可以独立处理
+
-添加测试用例验证评论格式化:
-测试场景:
-1. 有评论时,格式化为 "热门评论" 部分
-2. 无评论时,返回空字符串
-使用 mock 数据验证格式正确
-
+移除 Wave 0 创建的测试骨架中的 pytest.mark.skip 标记，实现以下测试场景:
+
+1. `test_comment_formatting_with_comments`: 有评论时，格式化为 "## 热门评论" 部分
+2. `test_comment_formatting_no_comments`: 无评论时，不追加评论部分
+3. `test_idempotent_execution_skips_processed`: 幂等检查阻止重复处理同一内容
+4. `test_different_content_processes_independently`: 不同内容 ID 可以独立处理
+
+验证评论格式:
+```markdown
+[原回答/文章内容]
+
+---
+
+## 热门评论
+
+1. **@用户A**: 评论内容...
+2. **@用户B**: 评论内容...
+```
+
+验证幂等性:
+- 首次调用 fetch_metadata 应正常处理
+- 再次调用相同 content_id 应跳过或返回缓存
+
- pytest tests/test_platforms/test_zhihu.py -k "test_comment" -v
+ pytest tests/test_platforms/test_zhihu.py -k "test_comment or test_idempotent" -v
评论格式化测试用例全部通过
-
+幂等执行测试用例全部通过
+
运行完整的 Pipeline 测试验证整合是否正常工作:
+```bash
+pytest tests/test_platforms/test_zhihu.py -v
+```
-- 知乎链接使用新爬虫处理器,无需手动设置 Cookie
+- 知乎链接使用新爬虫处理器，无需手动设置 Cookie
- 新处理器与现有 Pipeline 架构完全兼容
-- 支持断点续传和幂等执行(与其他处理器行为一致)
+- 支持断点续传和幂等执行（通过 IdempotencyChecker 实现）
+- 评论爬取默认开启（include_comments=True）
+- 评论追加到正文末尾（格式: "---\n## 热门评论"）