weflow-cli 1.8.0 → 1.8.2

package/scripts/compile_wiki.py

@@ -24,8 +24,8 @@ from collections import defaultdict, Counter
 
 sys.path.insert(0, os.path.dirname(os.path.abspath(__file__)))
 from _utils import (CHAT_CARD_PREFIX, CONCEPT_DIRS, call_deepseek,  # noqa: E402
-                    SEPARATOR, get_api_key, load_config, parse_frontmatter,
-                    write_with_frontmatter)
+                    normalize_concept_name, SEPARATOR, get_api_key, load_config,
+                    parse_frontmatter, write_with_frontmatter)
 
 # Default paths
 SOURCE_ROOT = 'output/biz-daily'
@@ -652,20 +652,8 @@ def replace_source_section(text: str, lines: list) -> str:
     return text[:head] + SOURCE_SECTION + '\n\n' + '\n'.join(lines) + '\n' + tail
 
 
-NORM_STRIP_RE = re.compile(r'[\s\-_·、，.。:：/\\（）()\[\]【】"\’]+')
-
-
-def normalize_concept_name(name: str) -> str:
-    """判「这两个名字是不是同一个概念」用的规范形。
-
-    去空格、连字符、下划线、标点，转小写，再去掉英文复数尾 —— 实测这样能把
-    `GPT 5.6`/`GPT-5.6`/`GPT5.6`、`AI 工具`/`AI工具`、`AI skill`/`AI skills` 收到一起。
-
-    **它也会把 `news`/`new` 收到一起**，所以它只用来**提议**合并；真正的裁决是
-    "留来源最多的那张页"，而且删之前还有 `--dry-run` 可以看名单。
-    """
-    stripped = NORM_STRIP_RE.sub('', name.casefold().strip())
-    return re.sub(r'(?<=[a-z])s$', '', stripped)
+# `normalize_concept_name`（以及它用的 `NORM_STRIP_RE`）现在住在 `_utils`，与 `wiki_lint`
+# 共用一份 —— 见那里的说明。留这句是为了下次有人在这里找它时不用翻。
 
 
 def build_pages_from_cards(pages_dir: str, card_dirs=None, dry_run: bool = False,
@@ -782,6 +770,7 @@ def merge_duplicate_pages(pages_dir: str, dry_run: bool = False) -> dict:
         text = main.read_text(encoding='utf-8')
         fm, body = parse_frontmatter(text)
         aliases = [str(a) for a in (fm.get('aliases') or [])]
+        main_sources = [str(s) for s in (fm.get('sources') or [])]
         keep, have = [], set()
         for line in text.split('\n'):
             if line.startswith('- [[') and ']] ' + SEPARATOR + ' ' in line:
@@ -799,6 +788,16 @@ def merge_duplicate_pages(pages_dir: str, dry_run: bool = False) -> dict:
                         keep.append(line)
                         moved += 1
             other_fm, _ = parse_frontmatter(other_text)
+            # `sources:` 也要取并集。**这是 2026-09-28 补的**：此前它只从主页面带过去，
+            # 于是被并那张卡的名单整条消失 —— 实测合并的 315 组**每一组**都少了至少一条。
+            # 这个键不是装饰：`--relabel` 靠 `source_kinds_for(frontmatter['sources'])` 推
+            # `来源/文章|聊天|收藏` 标签，少一条就可能少一个标签。正文的来源行一直是对的
+            # （上面并过了），只有 frontmatter 这一侧漏。
+            # 同目录内各页的命名约定是一致的（`Wiki/Concepts` 一个知识库、`Chat/Concepts`
+            # 另一个），所以取并集不会把两套名字混进来。
+            for name in (other_fm.get('sources') or []):
+                if name not in main_sources:
+                    main_sources.append(str(name))
             for name in [other.stem] + [str(x) for x in (other_fm.get('aliases') or [])]:
                 if name != main.stem and name not in aliases:
                     aliases.append(name)
@@ -810,6 +809,8 @@ def merge_duplicate_pages(pages_dir: str, dry_run: bool = False) -> dict:
         examples.append({'main': main.stem, 'absorbed': [o.stem for o in others]})
         if not dry_run:
             fm['aliases'] = sorted(aliases)
+            if main_sources:
+                fm['sources'] = main_sources
             write_with_frontmatter(str(main), fm,
                                    replace_source_section(body, sorted(keep)) if keep else body)
     return {'groups': merged, 'removed': removed, 'aliased': aliased,
@@ -971,7 +972,7 @@ def generate_concept(name: str, refs: list[dict], api_key: str, origin: str = ''
         body_parts.append(f'- [[{r["file"]}]] — {r["title"]}\n')
 
     # Frontmatter
-    # 与正文同源同序：`--refresh-sources` 判"要不要写盘"就是看这两者一致不一致
+    # 与正文同源同序：`--refresh-sources` 判"要不要写盘"就是看这两者一致不一致
     source_files = [r['file'] for r in refs]
     today = time.strftime('%Y-%m-%d')
     fm = {