kb-skills/.planning/debug/zhihu-article-archive-format.md

status, trigger, created, updated

status	trigger	created	updated
awaiting_human_verify	知乎文章归档输出格式存在多个问题	2026-03-16T17:45:00+08:00	2026-03-16T18:15:00+08:00

Current Focus

hypothesis: 修复完成，等待用户验证 test: 用户运行实际工作流验证 expecting: 知乎文章归档格式正确 next_action: 等待用户确认

Symptoms

expected: |

1. 元数据 YAML 格式正确，Obsidian 可以正常解析
2. 文章归档模板应与视频不同：只要 300 字摘要 + 原文
3. 原文部分不应包含额外的元数据格式
4. 原文部分第一句应保持为正文，不应变成标题

actual: |

1. bvid 这一项空了一行导致 Obsidian 读取元数据错误
2. 文章归档使用了视频模板，显示了视频时间
3. 原文部分多了一段元数据格式
4. 原文部分第一句正文变成了标题

errors: 无显式错误，Obsidian 解析 YAML 元数据失败 reproduction: 运行一键 CLI 命令处理知乎文章链接，查看生成的归档 Markdown 文件 started: 刚发现，可能是模板或格式化逻辑问题

Eliminated

Evidence

• timestamp: "2026-03-16T17:45:00+08:00" checked: zhihu_2003232153480226496_content.md 文件 found: |

  1. frontmatter 中 author 字段后有空行（第4行 author 后有一个空行）
  2. content.md 使用的是 zhihu.py 中的 _format_with_frontmatter，不是 deep_analyzer
  3. 该文件是原始抓取的内容，不是最终分析报告 implication: 问题可能在两个地方 - zhihu.py 的 _format_with_frontmatter 和 deep_analyzer.py 的 generate_frontmatter

• timestamp: "2026-03-16T17:47:00+08:00" checked: deep_analyzer.py 的 generate_frontmatter 函数（第436-470行） found: |

  1. 第455-459行：只有 content_type == "video" 时才添加 bvid
  2. 这意味着对 answer/zhuanlan 类型不应该添加 bvid
  3. 但代码中 bvid 只在 video 类型下插入 implication: generate_frontmatter 函数本身的逻辑是正确的，问题可能出在调用方或数据源

• timestamp: "2026-03-16T17:48:00+08:00" checked: zhihu.py 的 _format_with_frontmatter 函数（第237-265行） found: | 该函数用于 fetch_content，生成简单的 frontmatter：

  • title, author, source_url, platform, content_type, fetched_at
  • 没有 bvid 字段 implication: zhihu.py 生成的 content.md 是正确的，问题可能出在最终的分析报告

• timestamp: "2026-03-16T17:49:00+08:00" checked: 用户报告的问题描述与实际 content.md 对比 found: | 实际 zhihu_2003232153480226496_content.md 文件中：

  • author 字段后有换行符（author 的值包含换行）
  • frontmatter 格式看起来正确，但 author 值 "啦啦啦啦​​" 后有不可见字符/换行 implication: 问题可能是 author 字段的值包含换行符，导致 YAML 解析失败

• timestamp: "2026-03-16T17:51:00+08:00" checked: metadata.json 中的 author 字段 found: author 值为 '啦啦啦啦\u200b\n\u200b'，包含零宽度空格（U+200B）和换行符 implication: zhihu_extractor 提取的 author 字段包含不可见字符，需要在生成 frontmatter 时清理

• timestamp: "2026-03-16T17:53:00+08:00" checked: deep_analyzer.py 的 _build_prompt 函数（第193-196行） found: | if content_type == "article": return self._build_article_prompt(...) else: return self._build_video_prompt(...) 只检查 "article"，不检查 "answer" 或 "zhuanlan" implication: 知乎 answer 类型走视频模板，导致生成了"时间轴"等视频专用内容

• timestamp: "2026-03-16T17:54:00+08:00" checked: analysis.md 最终分析报告 found: |

  1. 第4-5行 author 后有空行（零宽度空格+换行）
  2. 第6行 platform: bilibili（应该是 zhihu）
  3. 第41-67行有"时间轴"部分（视频模板，文章不需要）
  4. 第69-212行"原文"部分追加了完整的 content.md（包含 frontmatter） implication: 多个问题需要修复

• timestamp: "2026-03-16T17:55:00+08:00" checked: analyze.py 的 _write_analysis_report 函数（第283-285行） found: | if content_type in ("article", "answer", "zhuanlan") and result.original_text: full_analysis = full_analysis.rstrip() + "\n\n## 原文\n\n" + result.original_text result.original_text 是从 content 的 text 字段提取的，应该只是正文 implication: 问题在 deep_analyzer.py 的 analyze 函数中，original_text 设置为完整的 text，但 text 来自 content.md 的全文

Resolution

root_cause: | 问题1: author 字段包含零宽度空格(U+200B)和换行符 - 来源: zhihu_extractor 提取的 author 字段包含不可见字符 - 影响: YAML frontmatter 解析失败，Obsidian 无法读取元数据

问题2: _build_prompt 函数只检查 content_type == "article" - 位置: deep_analyzer.py 第193-196行 - 影响: 知乎 answer/zhuanlan 类型走视频模板，生成"时间轴"等不需要的内容

问题3: 原文部分追加了完整的 content.md（包含 frontmatter） - 位置: analyze.py 第103行读取整个 content.md 文件 - 影响: "原文"部分包含 YAML frontmatter，第一行变成标题

问题4: platform 字段默认为 bilibili - 位置: deep_analyzer.py 第151行和第452行 - 影响: 知乎内容的 platform 显示为 bilibili

fix: |

1. deep_analyzer.py:

   • _build_prompt: 扩展条件为 content_type in ("article", "answer", "zhuanlan")
   • analyze: 清理 author 字段的零宽度空格和换行符
   • generate_frontmatter: 清理 author 字段
   • 根据 URL 或 content_type 推断 platform

2. analyze.py:

   • 读取 content.md 时，去除 frontmatter 部分，只保留正文

verification: |

• 单元测试: 15/15 通过
• _clean_string 函数测试: 成功清理零宽度空格和换行符
• generate_frontmatter 测试: 正确推断 platform 为 zhihu
• _strip_frontmatter 测试: 成功去除 YAML frontmatter

files_changed:

• kb-deep-analyzer/deep_analyzer.py
• kb_pipeline/processors/analyze.py