住建政策情报采集分析助手

面向省级住建部门业务人员，验证完整业务闭环：

选择日期范围 → 采集三个官网 → 查看采集日志 → 筛选主题/地区 → 下载政策附件 → 生成交互式网页周报 → 查看分析结论与证据来源。

三个固定信息源（站点结构见 references/site_schema.md）：

| 层级 | 来源 | |---|---| | 国家层面 | 住房和城乡建设部 https://www.mohurd.gov.cn/index.html | | 本省 | 江苏省住建厅 http://jsszfhcxjst.jiangsu.gov.cn/ | | 对标省 | 浙江省住建厅 https://jst.zj.gov.cn/index.html |

运行环境

采集脚本用 WorkBuddy 内置 Python 运行时：C:/Users/shaoyuanhang/.workbuddy/binaries/python/envs/default/Scripts/python.exe
依赖：httpx、beautifulsoup4、lxml（已安装于该 venv）
数据目录：C:/Users/shaoyuanhang/WorkBuddy/Claw/data/（SQLite + 附件 + 日志 + 快照）
产物目录：C:/Users/shaoyuanhang/WorkBuddy/Claw/output/（search.html + report.html）
图表库：assets/echarts.min.js（本地 bundle，无需外网）

执行流程（6 个工作流单元）

单元 1：采集任务初始化

与用户确认：起止日期、采集站点（默认三站全选）、主题筛选（默认全部）。
若用户未给日期，默认「最近 7 天」（今天往前 7 天）。
用 date 命令获取今天日期，计算起止（不要手算）。

单元 2：站点采集（scripts/collect.py）

cd "C:/Users/shaoyuanhang/WorkBuddy/Claw/.workbuddy/skills/housing-policy-intelligence/scripts"
"C:/Users/shaoyuanhang/.workbuddy/binaries/python/envs/default/Scripts/python.exe" collect.py \
  --start <YYYY-MM-DD> --end <YYYY-MM-DD> \
  --sites mohurd,jiangsu,zhejiang \
  --db "C:/Users/shaoyuanhang/WorkBuddy/Claw/data/policy.db" \
  --data-dir "C:/Users/shaoyuanhang/WorkBuddy/Claw/data" \
  --snapshot-fallback

逐站抓列表 → 日期过滤 → 抓详情 → 结构化 → 去重 → 入库 → 下载附件 → 保存快照。
单站失败不阻塞；任务状态：成功 / 部分成功 / 失败。
失败时自动加载 data/snapshot/articles.json（最近成功快照）。

单元 3：内容结构化（scripts/structure.py）

标题、时间、来源、栏目、正文、主题、摘要、指纹、重要度。
主题按 references/topics.md 词表分类，WorkBuddy 可补充标签。

单元 4：附件处理（scripts/download_attachments.py）

类型白名单 pdf/doc/docx/wps/ofd；单文件 ≤ 20MB；单站 ≤ 20 个；sha256 去重；失败可单独重试。

单元 5：知识库入库（scripts/store.py）

文章正文入库 SQLite；保留原始 URL、抓取时间、任务 ID。

单元 6：周报生成

数据聚合 + 组装网页：scripts/generate.py 一键完成（内部调用 build_data + build_html，并复制 echarts）。
WorkBuddy 读取 report_data.json 里的文章，用自身 LLM 生成分析（见下），写入 data/analysis.json。
用 preview_url 展示生成的 output/report.html。

网页模板已固化在 assets/report.html、assets/search.html，只需注入数据与分析，无需重写页面。

AI 分析产出规范（写入 data/analysis.json）

{
  "key_conclusions": [{"title": "", "content": "", "article_ids": [..]}],
  "compare": {"national": "", "jiangsu": "", "zhejiang": "", "diff": ""},
  "topic_analysis": [{"topic": "", "overview": "", "policy_summary": "", "layer_compare": "", "judgement": "", "article_ids": [..]}],
  "clues": [{"title": "", "regions": [], "topics": [], "clue_type": "新政策|试点|资金|监管|改革", "importance": 0, "ai_basis": "", "action": "", "article_ids": [..]}]
}

每个主题至少生成四类分析：数据概览、政策摘要、层级对照（住建部要求 vs 江苏/浙江落实差异）、业务研判（对本省参考意义/待关注/潜在行动）。
政策线索含：标题、地区、主题、类型、重要度、AI 判断依据、建议动作、支撑文章 ID。
可编辑边界：结论、摘要、线索可编辑；原文、来源、时间、附件不可改写。
所有结论必须带支撑 article_id（结论 → 文章 → 原文/附件可追溯）。

组装 HTML（generate.py 一键）

python scripts/generate.py --db data/policy.db --data-dir data --out-dir output \
    --start <YYYY-MM-DD> --end <YYYY-MM-DD> --analysis data/analysis.json

内部：build_data.py 聚合 → build_html.py 把 __REPORT_DATA__/__ANALYSIS__ 占位符替换为 JSON → 复制 echarts.min.js → 输出 output/report.html + search.html。然后用 preview_url 打开 report.html。

数据标识约定

实时数据 = 本次真实采集；缓存数据 = 失败时加载的快照；AI 草稿 = 模型生成待审核。
页面统一区分三类标识；采集失败记录在周报「采集说明」区块展示。

重试与兜底

附件重试：直接重跑 collect.py（指纹去重保证文章不重复入库，失败附件会重新下载）；或调用 download_attachments.py 中的 retry_one(att, dir) 函数对单个附件重试。
单站失败重跑：python collect.py ... --sites <失败站>（仅重采失败站点）。
断网演示：直接加载 data/seed/ 种子数据（python seed.py --db ... --data-dir ... 已生成的离线快照）。