kb-skills/.planning/phases/02-platform-skills/02-01-PLAN.md

phase, plan, type, wave, depends_on, files_modified, autonomous, requirements, user_setup, must_haves

phase	plan	type	wave	depends_on	files_modified	autonomous	requirements	user_setup	must_haves
02-platform-skills	01	execute	1		kb_pipeline/link_parser.py kb_pipeline/idempotency.py kb_pipeline/__init__.py tests/test_pipeline/test_link_parser.py tests/test_pipeline/test_idempotency.py	true	PLAT-01 PLAT-02 PLAT-03		truths artifacts key_links 输入B站视频URL，解析出 platform=bilibili, type=video, id=BVxxx 输入知乎专栏URL，解析出 platform=zhihu, type=zhuanlan, id=xxx 输入b23.tv短链，自动解析到真实URL并提取ID 输入无法识别的URL，返回None和错误信息（不抛异常） 幂等检查能正确判断文件是否已存在 path provides exports kb_pipeline/link_parser.py 统一链接解析器 LinkParser ParsedLink path provides exports kb_pipeline/idempotency.py 幂等检查机制 IdempotencyChecker path provides min_lines tests/test_pipeline/test_link_parser.py LinkParser 单元测试 50 path provides min_lines tests/test_pipeline/test_idempotency.py 幂等检查单元测试 30 from to via pattern kb_pipeline/link_parser.py kb_pipeline/config.py get_settings for base_path from.*config.*import from to via pattern kb_pipeline/idempotency.py kb_pipeline/link_parser.py ParsedLink for content_id from.*link_parser.*import

创建统一的 LinkParser 类和幂等检查机制，为后续平台适配器提供链接解析和重复处理防护能力。

Purpose: 为所有平台提供统一的 URL 解析入口，支持 B站/知乎的内容类型识别和 ID 提取，同时提供幂等检查避免重复处理。 Output: LinkParser 类、ParsedLink 数据类、IdempotencyChecker 类

<execution_context> @/home/starmen1265/.claude/get-shit-done/workflows/execute-plan.md @/home/starmen1265/.claude/get-shit-done/templates/summary.md </execution_context>

@.planning/PROJECT.md @.planning/ROADMAP.md @.planning/STATE.md @.planning/phases/02-platform-skills/02-CONTEXT.md @.planning/phases/02-platform-skills/02-RESEARCH.md @.planning/phases/02-platform-skills/02-VALIDATION.md

From kb_pipeline/schemas.py:

class StepInput(BaseModel):
    content_id: str = Field(..., min_length=1, description="内容唯一标识")
    platform: Literal["bilibili", "zhihu"] = Field(..., description="平台名称")

class StepStatus(str, Enum):
    PENDING = "pending"
    COMPLETED = "completed"
    FAILED = "failed"

From kb_pipeline/config.py:

class KBSettings(BaseSettings):
    base_path: str = Field(..., description="知识库根目录")
    archive_path: str = Field(..., description="归档目录")

@lru_cache
def get_settings() -> KBSettings:
    """获取配置单例"""

From kb_pipeline/errors.py:

class KBError(Exception):
    def __init__(self, message, error_type, step_name, input_summary, suggestion, cause=None)

class ValidationError(KBError):
    def __init__(self, step_name, input_summary, validation_errors=None, cause=None)

From kb_pipeline/retry.py:

retry_on_network_error = retry(
    stop=stop_after_attempt(3),
    wait=wait_exponential(multiplier=1, min=2, max=10),
    retry=retry_if_exception_type(NetworkError),
)

<existing_code>

From kb-link-parser/link-parser.py:

class LinkParser:
    BILIBILI_VIDEO_PATTERN = re.compile(r'https?://(?:www\.)?bilibili\.com/video/(BV[a-zA-Z0-9]+)')
    BILIBILI_ARTICLE_PATTERN = re.compile(r'https?://(?:www\.)?bilibili\.com/(?:article|read)/([a-zA-Z0-9]+)')
    ZHIHAU_ANSWER_PATTERN = re.compile(r'https?://(?:www\.)?zhihu\.com/question/\d+/answer/(\d+)')
    ZHIHAU_ZHUANLAN_PATTERN = re.compile(r'https?://zhuanlan\.zhihu\.com/p/(\d+)')

    def resolve_shortlink(self, url: str) -> Optional[str]:
        # 使用 requests.head(url, allow_redirects=True, timeout=10)

    def parse(self, url: str) -> Dict[str, Any]:
        # 返回 {platform, type, id, original_url, resolved_url, success, error}

</existing_code>

Task 1: Write interface contracts and tests for LinkParser kb_pipeline/link_parser.py, tests/test_pipeline/test_link_parser.py - Test 1: 解析B站视频URL返回正确的 ParsedLink (platform=bilibili, type=video, id=BVxxx) - Test 2: 解析B站专栏URL返回正确的 ParsedLink (platform=bilibili, type=article, id=cvxxx) - Test 3: 解析知乎问答URL返回正确的 ParsedLink (platform=zhihu, type=answer, id=xxx) - Test 4: 解析知乎专栏URL返回正确的 ParsedLink (platform=zhihu, type=zhuanlan, id=xxx) - Test 5: 解析b23.tv短链返回解析后的真实URL - Test 6: 无法识别的URL返回None（不抛异常） 1. 创建 kb_pipeline/link_parser.py: - 定义 ParsedLink dataclass，包含: platform, content_type, content_id, original_url, resolved_url - 定义 LinkParser 类，实现 parse(url) -> Optional[ParsedLink] - 支持 URL 类型: * B站视频: bilibili.com/video/BVxxx * B站专栏: bilibili.com/read/cvxxx * 知乎问答: zhihu.com/question/xxx/answer/xxx * 知乎专栏: zhuanlan.zhihu.com/p/xxx - 短链支持: b23.tv 使用 requests.head(allow_redirects=True) 解析 - 错误处理: 无法识别返回 None，不抛异常

2. 创建 tests/test_pipeline/test_link_parser.py:
   - 使用 pytest 和 parametrize 测试各种 URL 格式
   - Mock 短链解析以避免真实网络请求
   - 覆盖所有 CONTEXT.md 定义的支持 URL 类型

pytest tests/test_pipeline/test_link_parser.py -x -v LinkParser 能正确解析所有支持的 URL 类型，无法识别的 URL 返回 None Task 2: Write interface contracts and tests for IdempotencyChecker kb_pipeline/idempotency.py, tests/test_pipeline/test_idempotency.py - Test 1: 文件存在时 check_exists 返回 (True, [file_list]) - Test 2: 文件不存在时 check_exists 返回 (False, []) - Test 3: 部分文件存在时返回正确的存在文件列表 1. 创建 kb_pipeline/idempotency.py: - 定义 IdempotencyChecker 类 - 实现 check_exists(output_dir: Path, content_id: str, platform: str) -> Tuple[bool, list[Path]] - 检查文件: * 元数据: {platform}_{content_id}_metadata.json * 内容: {platform}_{content_id}_content.md - 使用 pathlib.Path 进行路径操作

2. 创建 tests/test_pipeline/test_idempotency.py:
   - 使用 tmp_path fixture 创建临时文件
   - 测试文件存在/不存在的各种场景
   - 测试部分文件存在的情况

pytest tests/test_pipeline/test_idempotency.py -x -v IdempotencyChecker 能正确检查文件是否存在，返回准确的文件列表 Task 3: Update package exports kb_pipeline/__init__.py 更新 kb_pipeline/__init__.py，导出新模块: ```python from .link_parser import LinkParser, ParsedLink from .idempotency import IdempotencyChecker

__all__ = [
    # ... existing exports ...
    "LinkParser",
    "ParsedLink",
    "IdempotencyChecker",
]
```

python -c "from kb_pipeline import LinkParser, ParsedLink, IdempotencyChecker; print('OK')" LinkParser, ParsedLink, IdempotencyChecker 可从 kb_pipeline 包根导入 - 所有测试通过: `pytest tests/test_pipeline/test_link_parser.py tests/test_pipeline/test_idempotency.py -v` - 导入测试: `python -c "from kb_pipeline import LinkParser, IdempotencyChecker"` - 覆盖率: `pytest tests/test_pipeline/ --cov=kb_pipeline --cov-report=term-missing`

<success_criteria>

• LinkParser 正确解析 B站视频/专栏、知乎问答/专栏 URL
• b23.tv 短链自动解析到真实 URL
• 无法识别的 URL 返回 None（不抛异常）
• IdempotencyChecker 正确检查文件存在性
• 所有测试通过（至少 10 个测试用例）
• 公共 API 可从 kb_pipeline 包根导入 </success_criteria>

After completion, create `.planning/phases/02-platform-skills/02-01-SUMMARY.md`