Refactor project components and workflows

docs/worldquant-knowledge-base/06-sources/README.md

@@ -1,6 +1,6 @@
 # 来源、覆盖范围与验证记录
 
-首次采集日期：2026-09-07；最近论坛同步：2026-09-11。下列初轮与扩展轮数字保留为历史记录，最新覆盖见文末周同步记录。时间边界按 Asia/Shanghai 的 2026-01-01 00:00 至整理时点；原始索引时间使用 UTC/带偏移的 ISO 8601。日历日简写通常取原来源 UTC 日期，未把它伪装成本地精确时刻。
+首次采集日期：2026-09-07；最近论坛同步：2026-09-18。下列初轮与扩展轮数字保留为历史记录，最新覆盖见文末周同步记录。时间边界按 Asia/Shanghai 的 2026-01-01 00:00 至整理时点；原始索引时间使用 UTC/带偏移的 ISO 8601。日历日简写通常取原来源 UTC 日期，未把它伪装成本地精确时刻。
 
 ## 邮箱
 
@@ -92,3 +92,19 @@ SPC 7 篇官方帮助页按 ID 直接读取；另通过支持站搜索取得 Pyt
 任务专用采集入口和状态位于本机 `.local/forum-sync/`（Git 忽略）：`collect.py` 负责分页、限流退避、互斥和逐帖原子保存；`staged/` 保留去除 HTML 和凭据类字符串的文本；`candidate-baseline.json` 为采集候选，知识整理及验证通过后才复制为 `baseline.json` 并推进 `checkpoint.json`。后续采集比较该基线的正文及评论指纹，仍须实际筛选变化内容。`run.json` 保存本次计数和失败项；部分失败不得宣称全部成功。此状态只包含任务必要内容，不保存登录响应、Cookie 或会话令牌，也未推广为全局规则或共享脚本。
 
 本轮验证：两个 CSV 各 629 个唯一帖子 ID，评论数合计 9,587；所有论坛引用均属于本次范围，122 篇帖子被知识条目引用，本地链接未发现缺失目标。新增知识内容及本地 JSON 状态的账号、密码字面值与 JWT 形式扫描通过。实际 API 采集通过；采集脚本语法检查通过，后续增量比较、失败恢复和限流退避尚未通过真实故障场景演练，不能将首次成功等同长期运行保证。
+
+## 每周论坛同步：2026-09-18
+
+本次实际采集时间为北京时间 10:11:39–10:16:36；这是执行记录，不将计划的 09:00 写成实际开始时间。认证返回 201，支持站 SSO 落地仍为 403，Community API 正常。18 页共有 1,771 篇可见帖子，排除 1,101 篇早于年初边界的帖子，范围内保留 670 篇；上次 629 个 ID 均仍可见。逐帖分页取得 9,601 条评论，670 个记录的实际取得数与列表计数均相等，零采集失败。
+
+相对 9 月 11 日内容基线，新收录 41 篇：29 篇发表于上次采集结束后，12 篇的创建时间更早。后者只能称为本轮补录，无法仅凭列表差异判断此前为何不可见或漏收。这 41 篇共取得 5 条评论。旧帖留言墙 42302637812503 新可见 9 个评论 ID，其中 7 条创建时间早于上次采集、2 条发表于 9 月 12 日；其余既有评论文本指纹未见变化，也没有缺失评论 ID。评论总数增加 14 条，其中只有 7 条的创建时间晚于上次采集，不能将净增量全称为本周发表。
+
+231 篇旧帖的更新时间变化，但只有两篇正文内容指纹变化：43320471694999 的 AI 合集新增 CNHKMCP QuantFlow 提示词入口，43030071187479 的新人指南新增第三方发布公告与 Osmosis 入口。逐一对照上周文本确认均为目录更新，没有据此扩充列表外旧帖知识。加上留言墙评论变化，共 3 篇既有帖出现内容或评论集合变化，其余仅同步元数据。
+
+41 篇新收录帖已完成标题筛查，40 篇有可提取正文并完成主旨阅读，14 篇研究机制和 6 篇工程材料另做独立核验。43287990820375 的正文仅含 12 张图片、没有可提取文字；尝试读取全部 12 个官方图片地址均返回 403，因此未逐图核验，阅读状态记为 `metadata_only`，并在检查点保留待阅读项，不把标题中的夺冠经验或 21 个 OS Alpha 视为已读证据。新收录帖的 5 条评论及留言墙新可见的 9 条评论均已阅读。宣传、充值/邀请和缺少研究证据的收入展示保留索引，不机械扩写成研究方法。
+
+知识更新包括：同源差分和正交化不保证降低生产相关性、类别编号协方差的编码依赖、分析师差分口径、代理变量及稀疏事件的有效样本边界；RA 脚本未知结果被标为完成的静态风险；支付教学假设与真实公式的区别；ARC 社区积分活动；按评价时间复盘的边界。所有社区回测数值仍为作者自报，本轮未运行或安装其代码。另通过官方 API 复核 SPC 提交说明 41681208900759（更新 2026-09-13），确认对象数组格式，并补充 return_prediction 正值与 confidence_score 多空方向的分工；没有访问提交接口或调整权重。
+
+本轮继续比较全部范围内评论的文本指纹，没有假定帖子更新时间或评论数量能完全反映评论编辑。评论指纹针对去除 HTML、规范化空白后的文字，不覆盖纯排版、链接目标或图片替换；因此“未见评论文本编辑”不能解释为所有媒体与格式均未变化。上周文本保留在本机 `.local/forum-sync/previous-2026-09-11/`，新候选仍由验证后才推进到相应成功基线，图片访问缺口另行保留；状态与采集文本不包含认证响应或会话材料。没有同步邮件、改变平台属性、预约、报名、回测、发帖或推送仓库。
+
+验证结果：两个 CSV 各有 670 个唯一帖子 ID，评论合计 9,601；采集记录及候选指纹逐项一致，142 篇帖子被知识条目引用，论坛引用均在范围内，本地链接与差异空白检查通过。新增知识内容和本地 JSON/JSONL 状态的账号密码字面值及 JWT 形式扫描通过。实际 API 采集及本周内容比对已运行；社区回测与代码未执行，自动失败恢复、限流退避仍未经过故障演练。文本及索引同步完成，图片正文访问失败保留为独立缺口。