feat: kb-deep-analyzer 支持文章类型分析

- 新增 --type article 参数
- 文章类型生成 300 字摘要 + 完整原文
- 视频类型保持原有时间轴分析逻辑
- 更新相关文档

🤖 Generated by AI

.planning/article-analysis-plan.md

@@ -0,0 +1,99 @@
+# kb-deep-analyzer 文章支持 - Implementation Plan
+
+**Goal:** 让 kb-deep-analyzer 对文章内容生成 300 字摘要 + 原文 + 元数据，而非视频的时间轴分析
+**Approach:** 在 deep_analyzer.py 中根据 `--type` 参数选择不同的 prompt 模板
+**Estimated Total Time:** 30 分钟
+
+## Checkpoint 1: 修改 deep_analyzer.py 核心逻辑 (~15 min)
+
+- [ ] Task 1.1: 修改 `_build_prompt` 方法签名，添加 `content_type` 参数 (~2 min)
+  - **Action:** 在方法签名中添加 `content_type: str = "video"`
+  - **Verify:** 方法签名正确
+
+- [ ] Task 1.2: 提取视频 prompt 为 `_build_video_prompt` 方法 (~3 min)
+  - **Action:** 将现有逻辑移到独立方法
+  - **Verify:** 原有视频分析功能不受影响
+
+- [ ] Task 1.3: 新增 `_build_article_prompt` 方法 (~5 min)
+  - **Action:** 创建文章专用 prompt：
+    - 300 字以内摘要，描述核心观点
+    - 主要主题（不超过 5 个）
+    - 标签（3-5 个）
+    - **不包含时间轴**
+  - **Verify:** prompt 模板符合需求
+
+- [ ] Task 1.4: 修改 `_build_prompt` 根据 `content_type` 分发 (~2 min)
+  - **Action:** 
+    ```python
+    if content_type == "article":
+        return self._build_article_prompt(...)
+    else:
+        return self._build_video_prompt(...)
+    ```
+  - **Verify:** 类型判断正确
+
+- [ ] Task 1.5: 修改 `analyze` 方法，传递 `content_type` (~2 min)
+  - **Action:** 将 content_type 传递到 _build_prompt
+  - **Verify:** 调用链正确
+
+- [ ] Task 1.6: 修改 `main` 函数，传递 type 参数 (~1 min)
+  - **Action:** `analyzer.analyze(metadata, content, args.type)`
+  - **Verify:** 命令行参数正确传递
+
+## Checkpoint 2: 修改输出格式逻辑 (~5 min)
+
+- [ ] Task 2.1: 文章输出时保留原文 (~3 min)
+  - **Action:** 在文章类型分析完成后，追加原文内容
+  - **格式:**
+    ```markdown
+    ## 摘要
+    [AI 生成的 300 字摘要]
+    
+    ## 主要主题
+    - 主题1
+    - 主题2
+    
+    ## 原文
+    [完整的文章原文]
+    ```
+  - **Verify:** 输出格式正确
+
+- [ ] Task 2.2: 调整 frontmatter 生成逻辑 (~2 min)
+  - **Action:** 文章类型不包含 duration 字段
+  - **Verify:** frontmatter 格式正确
+
+## Checkpoint 3: 更新文档 (~5 min)
+
+- [ ] Task 3.1: 更新 kb-deep-analyzer/SKILL.md (~3 min)
+  - **Action:** 添加 `--type article` 的使用说明
+  - **Verify:** 文档清晰
+
+- [ ] Task 3.2: 确认 kb-workflow/SKILL.md 已正确传递 type 参数 (~2 min)
+  - **Action:** 检查步骤 6 的命令是否包含 `--type` 参数
+  - **Verify:** workflow 文档正确
+
+## Checkpoint 4: 测试验证 (~5 min)
+
+- [ ] Task 4.1: 单元测试 - 视频类型不受影响 (~2 min)
+  - **Action:** 确认 `--type video` 行为不变
+  - **Verify:** 无回归
+
+- [ ] Task 4.2: 集成测试 - 文章类型输出正确 (~3 min)
+  - **Action:** 用一篇知乎文章测试 `--type article`
+  - **Verify:** 输出包含摘要 + 原文，无时间轴
+
+## Verification Criteria
+
+- [ ] `python deep_analyzer.py --type video` 行为与之前一致
+- [ ] `python deep_analyzer.py --type article` 生成 300 字摘要 + 原文
+- [ ] 文章输出无"时间轴"部分
+- [ ] frontmatter 正确（文章无 duration）
+- [ ] SKILL.md 文档已更新
+
+## Execution Options
+
+**1. Single-Agent (this session)** - 我在本会话中顺序执行任务，每个 checkpoint 汇报
+
+**2. Dispatch Sub-Agent** - 启动子代理执行开发任务
+
+选择哪种方式？

kb-deep-analyzer/SKILL.md

@@ -1,27 +1,35 @@
 # KB Deep Analyzer Skill
 
-**kb-deep-analyzer** - AI-powered deep content analysis.
+**kb-deep-analyzer** - AI 深度内容分析工具。
 
 ## Features
 
-- Multi-type analysis (tutorial, documentation, news)
-- Template-based output
-- Quality scoring
-- Automatic tagging
+- 多类型分析：视频（video）、文章（article）
+- 模板化输出
+- 质量评分
+- 自动标签
 - **多格式元数据支持**: 支持扁平结构 `{"title":"xxx"}` 和嵌套结构 `{"data":{"metadata":{...}}}`
 
+## 内容类型
+
+| 类型 | 参数 | 输出格式 |
+|------|------|----------|
+| 视频 | `--type video` | 摘要 + 主题 + 见解 + 时间轴 |
+| 文章 | `--type article` | 300字摘要 + 主题 + 原文 |
+
 ## Commands
 
 ```bash
-# 分析内容（推荐：使用 -u 参数强制无缓冲输出）
-AI_API_KEY="your-api-key" AI_PROVIDER="zhipu" AI_MODEL="glm-4.7" \
-  python3 -u deep_analyzer.py --metadata meta.json --content content.json --output analysis.md
+# 分析视频（默认）
+AI_API_KEY="your-api-key" AI_PROVIDER="zhipu" AI_MODEL="glm-5" \
+  python3 -u deep_analyzer.py --metadata meta.json --content content.json --output analysis.md --type video
 
-# 指定类型
-python deep_analyzer.py --metadata meta.json --content content.json --type tutorial --output tutorial.md
+# 分析文章（300字摘要 + 原文）
+AI_API_KEY="your-api-key" AI_PROVIDER="zhipu" AI_MODEL="glm-5" \
+  python3 -u deep_analyzer.py --metadata meta.json --content content.json --output analysis.md --type article
 
 # 指定 AI 提供商
-python deep_analyzer.py -m meta.json -c content.json -o out.md --provider zhipu --model glm-4
+python3 -u deep_analyzer.py -m meta.json -c content.json -o out.md --type video --provider zhipu --model glm-5
 ```
 
 ## 环境变量配置

kb-deep-analyzer/deep_analyzer.py

@@ -29,6 +29,7 @@ class AnalysisResult:
     key_insights: List[str] = field(default_factory=list)
     recommended_tags: List[str] = field(default_factory=list)
     full_analysis: str = ""
+    original_text: str = ""  # 文章类型的原文内容
 
 
 # ============== AI 客户端 ==============
@@ -129,8 +130,14 @@ class DeepAnalyzer:
     def __init__(self, ai_client: SimpleAIClient = None):
         self.ai_client = ai_client or SimpleAIClient()
 
-    def analyze(self, metadata: Dict[str, Any], content: Dict[str, Any]) -> AnalysisResult:
-        """一次性调用 AI 生成完整分析报告"""
+    def analyze(self, metadata: Dict[str, Any], content: Dict[str, Any], content_type: str = "video") -> AnalysisResult:
+        """一次性调用 AI 生成完整分析报告
+        
+        Args:
+            metadata: 元数据字典
+            content: 内容字典
+            content_type: 内容类型，"video" 或 "article"
+        """
         
         # 标准化元数据
         metadata = self._normalize_metadata(metadata)
@@ -141,18 +148,15 @@ class DeepAnalyzer:
         pubtime = metadata.get('pubtime', '')
         url = metadata.get('url', '')
         bvid = metadata.get('bvid', '')
+        platform = metadata.get('platform', 'bilibili')
         
         # 获取内容 - 支持多种字段名
         text = content.get('text', '') or content.get('subtitle', '') or content.get('subtitles', '') or content.get('description', '')
         
         print(f"[DeepAnalyzer] 开始分析: {title}")
-        print(f"[DeepAnalyzer] 时长: {duration}秒, 内容长度: {len(text)} 字符")
+        print(f"[DeepAnalyzer] 类型: {content_type}, 内容长度: {len(text)} 字符")
         
-        # 计算分片数（按10分钟分片）
-        num_chunks = max(1, (duration + 599) // 600)  # 向上取整到10分钟
-        print(f"[DeepAnalyzer] 将分 {num_chunks} 段分析")
-        
-        # 构建 prompt
+        # 构建 prompt（根据类型选择不同模板）
         prompt = self._build_prompt(
             title=title,
             duration=duration,
@@ -161,8 +165,9 @@ class DeepAnalyzer:
             pubtime=pubtime,
             url=url,
             bvid=bvid,
+            platform=platform,
             text=text,
-            num_chunks=num_chunks
+            content_type=content_type
         )
         
         # 调用 AI
@@ -173,13 +178,29 @@ class DeepAnalyzer:
             raise
         
         # 解析结果
-        result = self._parse_analysis(full_analysis, text, duration)
+        result = self._parse_analysis(full_analysis, text, duration, content_type)
+        
+        # 文章类型：追加原文
+        if content_type == "article":
+            result.original_text = text
         
         return result
     
     def _build_prompt(self, title: str, duration: int, duration_str: str, author: str, 
-                      pubtime: str, url: str, bvid: str, text: str, num_chunks: int) -> str:
-        """构建分析 prompt"""
+                      pubtime: str, url: str, bvid: str, platform: str, text: str, 
+                      content_type: str = "video") -> str:
+        """构建分析 prompt，根据内容类型选择不同模板"""
+        if content_type == "article":
+            return self._build_article_prompt(title, author, pubtime, url, platform, text)
+        else:
+            return self._build_video_prompt(title, duration, duration_str, author, pubtime, url, bvid, platform, text)
+    
+    def _build_video_prompt(self, title: str, duration: int, duration_str: str, author: str,
+                            pubtime: str, url: str, bvid: str, platform: str, text: str) -> str:
+        """构建视频分析 prompt"""
+        
+        # 计算分片数（按10分钟分片）
+        num_chunks = max(1, (duration + 599) // 600)
         
         # 截取适当长度的文本（20-30K 字符）
         max_chars = 30000
@@ -195,7 +216,7 @@ class DeepAnalyzer:
 作者：{author}
 时长：{duration_str}（{duration}秒）
 发布日期：{pubtime}
-平台：bilibili
+平台：{platform}
 URL：{url}
 
 【内容】（完整字幕）
@@ -240,7 +261,56 @@ URL：{url}
 
         return prompt
     
-    def _parse_analysis(self, analysis_text: str, original_text: str, duration: int) -> AnalysisResult:
+    def _build_article_prompt(self, title: str, author: str, pubtime: str, 
+                              url: str, platform: str, text: str) -> str:
+        """构建文章分析 prompt"""
+        
+        # 文章保留完整内容（不截断，因为需要追加原文）
+        # 但 prompt 中只取前 20000 字符供 AI 分析
+        max_chars = 20000
+        if len(text) > max_chars:
+            text_sample = text[:max_chars] + "\n\n[...内容过长已截断，但原文会完整保留...]"
+        else:
+            text_sample = text
+        
+        prompt = f"""你是一个专业的文章内容分析师。请根据以下信息生成摘要：
+
+【文章信息】
+标题：{title}
+作者：{author}
+发布日期：{pubtime}
+平台：{platform}
+URL：{url}
+
+【内容】
+{text_sample}
+
+【输出要求】必须使用以下格式：
+
+## 摘要
+[300字以内的摘要，描述文章的核心观点和主要内容]
+
+## 主要主题
+[从内容中提取不超过5个主题，每个不超过10字]
+- 主题1
+- 主题2
+...
+
+## 标签
+[从内容中提取3-5个精炼标签，每个不超过10字]
+- 标签1
+- 标签2
+...
+
+【重要】
+1. 摘要应精炼概括文章核心观点，让读者快速了解文章主旨
+2. 不要输出时间轴
+3. 不要输出关键见解（除非是特别重要的观点）"""
+
+        return prompt
+    
+    def _parse_analysis(self, analysis_text: str, original_text: str, duration: int, 
+                        content_type: str = "video") -> AnalysisResult:
         """解析 AI 返回的分析结果"""
         result = AnalysisResult()
         result.full_analysis = analysis_text
@@ -363,7 +433,7 @@ def load_json(file_path: str) -> Dict:
         return json.load(f)
 
 
-def generate_frontmatter(metadata: Dict, result: AnalysisResult) -> str:
+def generate_frontmatter(metadata: Dict, result: AnalysisResult, content_type: str = "video") -> str:
     """生成 Markdown frontmatter"""
     # 提取标签
     tags = result.recommended_tags or []
@@ -378,11 +448,16 @@ def generate_frontmatter(metadata: Dict, result: AnalysisResult) -> str:
     fm = ["---", 
           f"title: \"{metadata.get('title', '未命名')}\"",
           f"date: {date_str}",
-          f"duration: {metadata.get('duration_str', metadata.get('duration', 0))}",
           f"author: {metadata.get('author', '未知')}",
-          f"bvid: {metadata.get('bvid', '')}",
           f"platform: {metadata.get('platform', 'bilibili')}"]
     
+    # 视频类型添加 duration 和 bvid
+    if content_type == "video":
+        fm.insert(3, f"duration: {metadata.get('duration_str', metadata.get('duration', 0))}")
+        bvid = metadata.get('bvid', '')
+        if bvid:
+            fm.insert(5, f"bvid: {bvid}")
+    
     # 添加 URL
     url = metadata.get('url', '')
     if url:
@@ -454,7 +529,7 @@ def main():
 
     # 执行分析
     print(f"[Main] 开始分析...")
-    result = analyzer.analyze(metadata, content)
+    result = analyzer.analyze(metadata, content, args.type)
 
     # 使用 AI 生成的原始内容（保留 Markdown 格式）
     full_analysis = result.full_analysis
@@ -464,6 +539,10 @@ def main():
     full_analysis = re.sub(r'(## ?)?标签\n[\s\S]*?(?=\n## ?|\n时间轴|---|\Z)', '', full_analysis)
     # 清理多余的空行
     full_analysis = re.sub(r'\n{3,}', '\n\n', full_analysis)
+    
+    # 文章类型：追加原文
+    if args.type == "article" and result.original_text:
+        full_analysis = full_analysis.rstrip() + "\n\n## 原文\n\n" + result.original_text
 
     # 写入输出
     os.makedirs(os.path.dirname(os.path.abspath(args.output)), exist_ok=True)
@@ -471,7 +550,7 @@ def main():
     with open(args.output, 'w', encoding='utf-8') as f:
         # 添加 frontmatter
         if not args.no_frontmatter:
-            fm = generate_frontmatter(metadata, result)
+            fm = generate_frontmatter(metadata, result, args.type)
             f.write(fm + "\n\n")
         
         # 写入分析内容

kb-workflow/SKILL.md

@@ -332,10 +332,24 @@ python3 kb_workflow.py --analyzed
 4. 如果没有官方字幕，使用 Whisper 识别的结果
 
 5. 启动子代理调用 kb-deep-analyzer（使用 g5 模型）：
+
+**根据内容类型选择 --type 参数：**
+- 视频（video/zvideo）：`--type video`
+- 文章（article/zhuanlan/question）：`--type article`
+
 ```bash
-python3 /path/to/deep_analyzer.py --metadata [meta_path] --content [content_path] --output [analyzed_dir]/[filename].md --provider zhipu --model glm-5
+# 视频
+python3 /path/to/deep_analyzer.py --metadata [meta_path] --content [content_path] --output [analyzed_dir]/[filename].md --type video --provider zhipu --model glm-5
+
+# 文章
+python3 /path/to/deep_analyzer.py --metadata [meta_path] --content [content_path] --output [analyzed_dir]/[filename].md --type article --provider zhipu --model glm-5
 ```
 
+**文章类型输出格式：**
+- 300 字以内的摘要（核心观点）
+- 主要主题
+- 完整原文
+
 **环境变量设置**（在子代理中设置）：
 - `AI_PROVIDER=zhipu`
 - `AI_MODEL=glm-5`
@@ -381,7 +395,8 @@ python3 kb_workflow.py --archive-file "[分析报告文件路径]"
 | 5 | kb-whisper-diarization | `--input xxx.mp4 --model base --diarize` | `{p}_{id}_diarized.json` | 带说话者分离（需 HF_TOKEN） |
 | 5 | kb-funasr | `--input xxx.mp4 --model sensevoice` | `{p}_{id}.json`, `{p}_{id}.txt` | **推荐用于中文视频** |
 | 5 | kb-ocr-processor | `--input xxx.mp4` | `{p}_{id}_ocr.json` | 语音识别困难时的替代方案 |
-| 6 | kb-deep-analyzer | `--metadata x.meta.json --content x.json --output x.md --provider zhipu --model glm-5` | `{p}_{id}.md` | **使用 g5 模型，必须成功** |
+| 6 | kb-deep-analyzer | `--metadata x.meta.json --content x.json --output x.md --type video --provider zhipu --model glm-5` | `{p}_{id}.md` | **视频分析，使用 g5 模型** |
+| 6 | kb-deep-analyzer | `--metadata x.meta.json --content x.json --output x.md --type article --provider zhipu --model glm-5` | `{p}_{id}.md` | **文章分析，300字摘要+原文** |
 
 ## 条件分支逻辑
 
@@ -430,6 +445,10 @@ python3 kb_workflow.py --archive-file "[分析报告文件路径]"
 步骤4: 提取专栏/文章文字内容
    │   命令: python3 bilibili_content.py --id "cvxxx" --type article
    ↓
+步骤6: 深度分析（使用 --type article）
+   │   命令: python3 deep_analyzer.py --type article
+   │   输出: 300字摘要 + 原文
+   ↓
 步骤6: 深度分析（直接使用提取的文字）
    ↓
 ┌─────────────────────────────────────┐