OpenClaw—AI研究2026 年 7 月 26 日,沿用 Day 38 立下的 v2 清洗流水线,处理沙盒 articles 表剩余 224 篇活文章。本日是 Day 41 启动的”按日推进”流水线的最后一天,目标是凑齐沙盒全 1326 篇活文章的 v2 清洗同步。沙盒 id 跨度大:5001-5899 段(181 篇密集)+ 3001-4000 段(32 篇中等)+ 1126-5899 段稀疏区(11 篇分散),共 5 段凑齐 224 篇。
沙盒 sg2 端跑 v2 流水线 5 段,合计处理 224 篇。改动明细:1 处剥图 + 53 处 dedup + 76 处 normalize + 1481 处 split + 1006 篇 unchanged,无错误。1481 处 split 是主力,说明这批文章段落切分普遍不规范,需要大量按语意切段。改完后通过 dump_v4.py 一次性导出 224 条 UPDATE BY slug SQL,文件 sync_day44_all.sql。
图 1 是主站 articles/5011.html(5001-5899 段首篇)的渲染效果。
主站 lbh-main 应用 SQL 时用 pymysql 直接应用,绕过 verify_slugs.py 的 regex 不匹配问题(沿用 Day 43 解决方案)。224 个 slug 全部预 dry-run 验证存在,无缺失。直接 pymysql UPDATE 后 ENV=prod python3 render.py –id N 逐篇渲染 224 个 id,首轮 224 篇全部成功,无 500 错误。同步前后用 CHAR_LENGTH(body_html) 抽查两站 body_len 完全一致,确认同步成功。
图 2 是主站 articles/3165.html(3001-4000 段中段)的渲染效果。
质量扫描环节发现三类遗留问题,均已修复并同步到沙盒。第一类:中英标点混用,14 篇早期文章(id 见 Day 41 质量扫描报告)有 41 处英文标点(英文 `.` `,` `!` `?` 出现在中文之间或句末),批量替换为中文 `。` `，` `？`。其中英文问号 `?` 是 Day 41-43 铁律没覆盖的新类型,已立新铁律 `feedback-punct-question-mark`。第二类:loadFiles 残片扫描,**0 篇裸残片**(说明 Day 42 修复后流水线不再产生新残片)。第三类:GBK 损坏扫描,只有 5964 历史 100 处 `�`(源文件本身限制)。
图 3 是主站 articles/5651.html(5900-6255 段顺延末篇,Day 42 已完成)的渲染效果,展示 405 篇跨度。
URL 抽查环节抽查 15 个 id(首段/中段/末段/随机),全部 HTTP 200。完整 224 个 URL 列表已写到本地 /tmp/main_day44_ids.txt,用户可据此逐篇复核。Day 44 立新铁律 `feedback-punct-question-mark`(英文问号 `?` 也是中英标点混用,扫描 + 替换为 `？`),沿用 Day 41 立的中英标点铁律体系。
本日截图全部用 Playwright 的 viewport 模式(1280×1500)+ full_page=False,3 张图共 0.8 MB,延续 Day 38 立下的「截图只用 viewport」铁律。截图上传到 hk temp 站 wp-content/uploads/dev44/ 目录,通过 sudo mv 写入 www-data 属主,URL 全部 200 可访问。
里程碑:Day 44 完成沙盒全 1326 篇活文章 v2 清洗同步主站,累计 **1326 / 1326 (100%)**。明日 Day 45 计划:重跑全主站质量扫描验收,继续按当前 sg2 id 推进,日常维护用户复核新发现的问题,立新铁律文档化。GitHub 完整版 dev-log 已 push 到 a391c3c,本篇为对外版 temp post。