chore: archive legacy demo surfaces

archive/2026-06-30-step1/README.md

@@ -0,0 +1,33 @@
+# 2026-06-30 Step 1 Legacy Archive
+
+This archive keeps files removed from the formal mainline during the first
+cleanup pass. They are preserved for reference and local-demo recovery, but they
+are no longer part of the formal cloud pipeline.
+
+## Archived Groups
+
+- `legacy_web/`
+  - Old static single-post demo files previously under `web/`.
+  - Includes `frameworks.json`, `payloads.json`, `runs/index.json`, and
+    `index.html`.
+- `legacy_scripts/`
+  - Old local demo and SQLite/search helper scripts.
+  - Includes `serve_old_web.py`, `rebuild_payloads.py`, `import_to_db.py`, and
+    `run_search.py`.
+- `legacy_tests/`
+  - Tests that only covered the old static demo server.
+- `data_interface_captures/`
+  - Raw crawler/API capture evidence previously under `数据接口与来源/captures/`.
+- `local_agent/`
+  - Local machine launch config that pointed at the old `creation_knowledge`
+    service entry.
+
+## Formal Mainline Rule
+
+New formal code should not import or depend on files in this archive. If an
+old behavior is still needed, reimplement it through the formal modules:
+
+- `app/` for API and frontend entrypoints
+- `acquisition/` for search, detail, media, and coarse classification
+- `decode_content/` for reading, gates, framing, scoping, and payload drafts
+- `pipeline/` for orchestration and resumable jobs

archive/2026-06-30-step4/legacy_tests/README.md

@@ -0,0 +1,12 @@
+Legacy tests archived after the Step 4 acquisition refactor.
+
+These tests protected the old local-demo SQLite/search/query-demo paths:
+
+- `test_store.py`
+- `test_creation_search.py`
+- `test_query.py`
+
+They are intentionally outside `tests/` so the default formal test suite does
+not keep treating SQLite, `data/queries/creation_demo.json`, or
+`scripts/run_creation_search.py` as the mainline contract. Use the `local-demo`
+branch or this archive when investigating legacy behavior.

archive/2026-06-30-step5/legacy_tests/README.md

@@ -0,0 +1,17 @@
+# Step5 legacy decode tests
+
+This folder keeps tests for the old `scripts/decompose.py` helper surface.
+
+The formal decode path now lives under `decode_content/`:
+
+- `decode_content/contracts.py`
+- `decode_content/readers/`
+- `decode_content/gates.py`
+- `decode_content/framing.py`
+- `decode_content/scoping.py`
+- `decode_content/payloads.py`
+- `decode_content/service.py`
+
+Default tests should protect the formal modules instead of importing the legacy
+script that writes `web/frameworks*.json`, `web/payloads*.json`, or
+`web/runs/*.json`.

archive/2026-06-30-step6/README.md

@@ -0,0 +1,20 @@
+# Step 6 legacy archive
+
+This archive keeps API/frontend/creation_knowledge assets that were removed
+from the formal mainline during the pipeline and app migration.
+
+- `legacy_api/`: old FastAPI entrypoints superseded by `app/api.py` and
+  `app/routes/*`.
+- `legacy_frontend/`: old acquisition workbench build output from
+  `acquisition/web/app/dist`.
+- `legacy_creation_knowledge/`: old top-level package kept for reference after
+  reusable reader logic moved to `decode_content/readers/*` and formal API moved
+  to `app/*`.
+- `legacy_sqlite/`: old local SQLite store for creation search runs/items. The
+  formal state source is PostgreSQL through repository adapters.
+- `legacy_acquisition/`: old SQLite-coupled acquisition runner modules kept as
+  migration evidence after platform adapters moved into `acquisition/platforms/*`.
+- `legacy_scripts/`: old SQLite/local JSON scripts replaced by formal scripts
+  and repository-backed runners.
+- `legacy_tests/`: tests that assert local `/data` media-writing behavior. The
+  formal media path now stores OSS/CDN URLs through acquisition media assets.

acquisition/backfill_weixin.py → archive/2026-06-30-step6/legacy_acquisition/backfill_weixin.py

@@ -16,7 +16,7 @@ from acquisition import store
 from acquisition.crawler import RateLimiter
 from acquisition.search import fetch_weixin_detail
 from core.config import Settings
-from creation_knowledge.integrations.video_extract import _default_download
+from core.media_download import download_media_bytes as _default_download
 
 ROOT = Path(__file__).resolve().parent.parent
 DATA = ROOT / "data"

acquisition/creation_search.py → archive/2026-06-30-step6/legacy_acquisition/creation_search.py

@@ -14,8 +14,8 @@ from acquisition.crawler import RateLimiter, fetch_post_detail
 from acquisition.oss import upload_stream
 from acquisition.search import search_keyword, search_weixin, search_xiaohongshu, fetch_weixin_detail
 from core.config import Settings
+from core.media_download import download_media_bytes as _default_download
 from core.models import Post
-from creation_knowledge.integrations.video_extract import _default_download
 
 ROOT = Path(__file__).resolve().parent.parent
 DEFAULT_QUERY_FILE = ROOT / "data" / "queries" / "creation_demo.json"

archive/2026-06-30-step6/legacy_docs/acquisition-runtime-boundary.md

@@ -0,0 +1,368 @@
+# Acquisition Demo Runtime Boundary
+
+本文整理当前 acquisition demo 在 `acquisition/` 目录以外真实使用的输入、输出、配置和外部接口。调查时间：2026-06-30。
+
+## 当前状态
+
+- 已尝试关闭历史 SubAgent `019f1683-1368-7b20-8d07-8ce7532ab34e`，工具返回 `not found`，当前没有可管理的活跃 SubAgent。
+- 当前前端服务入口是 `creation_knowledge.api:app`，本地通常跑在 `http://localhost:8126/app/#/`。
+- 当前 demo 主链路不是旧的“找帖子”页面，而是“创作 query 正交 demo”：
+  - query 生成：`scripts/build_creation_demo.py`
+  - 真实采集：`scripts/run_creation_search.py`
+  - AI 补判：`scripts/classify_creation_items.py`
+  - API + 静态托管：`creation_knowledge/api.py` + `acquisition/web_api.py`
+  - 前端：`acquisition/web/app/src/App.jsx`、`CreationDemo.jsx`、`CreationQueryDetail.jsx`
+
+## 目录外真实依赖
+
+### `core/`
+
+`acquisition` 依赖 `core` 作为共享底座：
+
+- `core/config.py`
+  - 读取 `.env` 或系统环境变量。
+  - 组装 `Settings`，供搜索、详情、OSS、模型判断、静态目录使用。
+- `core/prompts.py`
+  - 从项目根 `prompts/<name>.txt` 读取 prompt。
+- `core/llm.py`
+  - 走 OpenRouter `/chat/completions`，用于旧 query 生成/部分 query 过滤。
+- `core/models.py`
+  - `Post` / `Card` 数据模型，被 crawler/detail parse 使用。
+- `core/embedding.py`
+  - 走火山 Ark embedding。当前 acquisition demo 主链路不直接用，旧/解构链路和 scope 工具可能用。
+- `core/db.py`
+  - PostgreSQL/Greenplum 连接工具。当前 demo 主链路主要用 SQLite；旧/正式入库链路会用。
+
+### `creation_knowledge/`
+
+当前 acquisition demo 借用了 `creation_knowledge` 的服务壳和媒体下载工具：
+
+- `creation_knowledge/api.py`
+  - FastAPI app。
+  - 挂载 `/app` 到 `acquisition/web/app/dist`。
+  - 挂载 `/data` 到 `Settings.data_dir`，默认 `data`。
+  - 挂载 `/frames` 到 `Settings.frames_dir`，默认 `runtime/frames`。
+  - include `acquisition.web_api.router`。
+- `creation_knowledge/integrations/video_extract.py`
+  - `acquisition.creation_search` 只复用 `_default_download` 下载图片/媒体。
+  - 旧视频解构链路会使用更多 video extract 逻辑。
+
+### `scripts/`
+
+当前 demo 的主要操作入口在 `scripts/`，不在 `acquisition/` 内：
+
+- `scripts/build_creation_demo.py`
+  - 读 `scope_trees/trees_index.json`。
+  - 调 `acquisition.query_filter.filter_queries`。
+  - 写 `data/queries/creation_demo.json`。
+- `scripts/run_creation_search.py`
+  - 读 `data/queries/creation_demo.json`。
+  - 写 `data/app.db` 的 `creation_*` 表。
+  - 下载小红书/公众号图片到 `data/media/...`。
+  - 抖音视频调用 OSS 上传接口，保存 CDN URL 到 SQLite。
+- `scripts/classify_creation_items.py`
+  - 从 `data/app.db` 读取未判断/失败的 item。
+  - 调 `acquisition.classify` 使用 Qwen / Ark / OpenRouter。
+  - 写 `creation_item_classifications`。
+
+旧链路仍存在但不是当前 demo 主路径：
+
+- `scripts/decompose.py`
+  - 读 `创作知识提取-skill/extraction/phase1-frame.md`、`phase2-scope.md`。
+  - 读 `prompts/gate_admit.txt`、`gate_refute.txt`、`gate_tiebreak.txt` 等。
+  - 输出 `outputs/`、`web/frameworks*.json`、`web/payloads*.json` 等旧/后续解构产物。
+- `scripts/run_search.py`
+  - 旧“找帖子”链路，写 `data/search_results.json`、`data/search/...`。
+
+## Prompt 与 Skill
+
+### 当前 demo 直接使用的 prompt
+
+- `acquisition/query_filter.txt`
+  - query 机械正交后做 valid/relevant 过滤。
+  - `scripts/build_creation_demo.py` 间接调用。
+  - 前端 `/api/filter-prompt` 会原样展示。
+- `prompts/classify_imgtext.txt`
+  - 小红书、微信公众号图文判断“是不是创作知识”。
+  - `acquisition.classify.classify_imgtext` 读取。
+  - 前端 `/api/judge-prompts` 会展示。
+- `prompts/classify_video.txt`
+  - 抖音视频判断“是不是创作知识”。
+  - `acquisition.classify.classify_video` 读取。
+  - 当前列表里的 `x/10创作知识` 暂不把抖音计入分母。
+
+### 旧/解构链路使用的 prompt
+
+- `prompts/extract.txt`
+- `prompts/extract_video.txt`
+- `prompts/gate_admit.txt`
+- `prompts/gate_refute.txt`
+- `prompts/gate_tiebreak.txt`
+- `prompts/gate_how_*`
+- `prompts/gate_why_refute.txt`
+- `prompts/normalize_scope.txt`
+- `prompts/query_gen.txt`
+- `prompts/form_query_gen.txt`
+
+### 创作知识提取 skill
+
+`创作知识提取-skill/` 当前不是 acquisition demo 主链路的直接运行依赖。它仍然是后续“真实解构/组装 payload”的方法论来源：
+
+- `scripts/decompose.py` 直接读取：
+  - `创作知识提取-skill/extraction/phase1-frame.md`
+  - `创作知识提取-skill/extraction/phase2-scope.md`
+- skill 内还包含 schema、taxonomy、lint/ingest/scope-link 工具。
+
+## 数据输入与输出
+
+### Query 输入
+
+- `scope_trees/trees_index.json`
+  - `scripts/build_creation_demo.py` 读取。
+  - 生成 query 的实质/形式/作用/感受/意图树输入。
+- `scope_trees/trees.json`
+  - 当前 demo 主路径不直接读。
+- `scope_trees/trees_embeddings.npy`
+  - 当前 demo 主路径不直接读；scope/embedding 工具可能用。
+
+### Query 输出
+
+- `data/queries/creation_demo.json`
+  - 当前前端首页直接 fetch：`/data/queries/creation_demo.json`。
+  - `scripts/run_creation_search.py` 默认读取它，作为 430 query 输入。
+  - 当前大小约 140KB。
+
+### SQLite
+
+- `data/app.db`
+  - 当前 demo 的结构化结果库。
+  - SQLite，当前约 52MB。
+  - 当前主表：
+    - `creation_search_runs`
+    - `creation_search_jobs`
+    - `creation_search_items`
+    - `creation_item_classifications`
+  - 旧表目前为空：
+    - `queries`
+    - `search_results`
+    - `post_class`
+
+当前调查时行数：
+
+- `creation_search_runs`: 3
+- `creation_search_jobs`: 1302
+- `creation_search_items`: 6009
+- `creation_item_classifications`: 4290
+- `queries`: 0
+- `search_results`: 0
+- `post_class`: 0
+
+`creation_search_items` 存标题、正文、原帖 URL、本地图片 URL、OSS 视频 CDN URL、raw JSON 等；不是巨大 JSON 文件。
+
+### 媒体输出
+
+- `data/media/xiaohongshu/<query_hash>/<content_id>/image_*.webp|jpg|png`
+- `data/media/weixin/<query_hash>/<article_hash>/image_*.webp|jpg|png|gif`
+- 抖音视频不落本地，写 OSS CDN URL 到 SQLite `creation_search_items.video_url`。
+
+当前体量：
+
+- `data/media`: 约 5.4GB
+- `data/app.db`: 约 52MB
+- `data/queries`: 约 140KB
+- `data/` 总计：约 5.5GB
+
+### Runtime 输出
+
+- `runtime/logs/...`
+  - 全量采集、分类、web 服务日志。
+- `runtime/frames`
+  - 旧/视频帧链路使用；FastAPI 会挂载为 `/frames`。
+
+## `.env` 配置
+
+配置读取优先级是：真实环境变量 > `CK_ENV_FILE` 指定文件 > 默认 `.env` > 代码默认值。
+
+当前 demo 主链路实际会读取这些 key：
+
+### 基础
+
+- `CK_ENV_FILE`
+- `CK_DATA_DIR`
+- `CK_FRAMES_DIR`
+- `CK_MAX_CARDS`
+
+### Aiddit 爬虫接口（小红书 / 微信公众号等）
+
+- `AIDDIT_CRAWLER_BASE_URL`
+- `AIDDIT_CRAWLER_TIMEOUT_SECONDS`
+
+### 票圈 TV 抖音独立后端
+
+- `PIAOQUANTV_DOUYIN_BASE_URL`
+- `PIAOQUANTV_DOUYIN_ACCOUNT_ID`
+- `PIAOQUANTV_DOUYIN_COOKIE_BATCH`
+- `CK_DOUYIN_RATIO`
+
+### OSS 转存
+
+- `CRAWLER_OSS_UPLOAD_URL`
+- `CRAWLER_OSS_UPLOAD_TIMEOUT_SECONDS`
+
+### OpenRouter / Gemini
+
+- `OPENROUTER_BASE_URL`
+- `OPENROUTER_API_KEY`
+- `OPENROUTER_MODEL`
+- `OPENROUTER_TIMEOUT_SECONDS`
+
+### 阿里云百炼 / Qwen
+
+- `ALIYUN_BAILIAN_API_KEY`
+- `ALIYUN_BAILIAN_BASE_URL`
+- `ALIYUN_BAILIAN_MODEL`
+
+### Ark / 豆包 / 火山
+
+- `ARK_API_KEY`
+- `ARK_CHAT_URL`
+- `ARK_CHAT_MODEL`
+- `ARK_EMBEDDING_EP`
+- `ARK_EMBEDDING_URL`
+- `ARK_EMBEDDING_DIM`
+
+### 分类限流
+
+- `CLASSIFY_PROVIDER`
+- `CLASSIFY_MODEL`
+- `CLASSIFY_PROVIDER_MIN_INTERVAL_SECONDS`
+- `CLASSIFY_QWEN_MIN_INTERVAL_SECONDS`
+- `CLASSIFY_ARK_MIN_INTERVAL_SECONDS`
+- `CLASSIFY_429_BACKOFF_SECONDS`
+- `CLASSIFY_QWEN_429_BACKOFF_SECONDS`
+- `CLASSIFY_ARK_429_BACKOFF_SECONDS`
+
+### Query 过滤
+
+- `QUERY_FILTER_PROVIDER`
+
+### PG / 后续正式入库
+
+当前 acquisition demo 主要用 SQLite，但 `Settings` 仍要求/读取 PG 配置：
+
+- `OPEN_AIGC_PG_HOST`
+- `OPEN_AIGC_PG_PORT`
+- `OPEN_AIGC_PG_USER`
+- `OPEN_AIGC_PG_PASSWORD`
+- `OPEN_AIGC_PG_DB_NAME`
+- `CK_PG_SCHEMA`
+
+## 外部接口
+
+### 小红书
+
+- 搜索：`POST {AIDDIT_CRAWLER_BASE_URL}/crawler/xiao_hong_shu/keyword`
+- 详情：`POST {AIDDIT_CRAWLER_BASE_URL}/crawler/xiao_hong_shu/detail`
+
+当前 demo：
+
+- 搜索前 10 条。
+- 逐条拉详情。
+- 下载图文图片到本地 `data/media/xiaohongshu/...`。
+
+### 微信公众号
+
+- 搜索：`POST {AIDDIT_CRAWLER_BASE_URL}/crawler/wei_xin/keyword`
+- 详情：`POST {AIDDIT_CRAWLER_BASE_URL}/crawler/wei_xin/detail`
+
+当前 demo：
+
+- 搜索前 10 条。
+- 逐条拉详情。
+- 下载图文图片到本地 `data/media/weixin/...`。
+
+### 抖音
+
+- 搜索：`POST {PIAOQUANTV_DOUYIN_BASE_URL}/crawler/dou_yin/keyword`
+- 详情：`POST {PIAOQUANTV_DOUYIN_BASE_URL}/crawler/dou_yin/detail`
+
+当前 demo：
+
+- 请求体带 `account_id` 和 `cookie_batch`。
+- 搜索前 10 条。
+- 逐条拉详情。
+- 第一个 `video_url` 调 OSS 转存。
+- 本地不保存抖音视频文件。
+
+### OSS 转存
+
+- `POST {CRAWLER_OSS_UPLOAD_URL}`
+- 当前默认：`http://crawler-upload-v2.aiddit.com/crawler/oss/upload_stream`
+- 请求体：
+  - `src_url`
+  - `src_type`: `image` 或 `video`
+- 返回 `oss_object.cdn_url`。
+
+当前 demo 只强制用于抖音视频。文档 `docs/oss-media-transfer.md` 记录过：小红书图片、公众号图片、抖音视频都实测可转存；文字正文不能直接用该接口存，需要另做 JSON/HTML/Markdown 文件上传接口。
+
+### 多模态模型
+
+- OpenRouter：`{OPENROUTER_BASE_URL}/chat/completions`
+- Qwen/DashScope：`{ALIYUN_BAILIAN_BASE_URL}/chat/completions`
+- Ark/豆包：默认 `https://ark.cn-beijing.volces.com/api/v3/chat/completions`
+
+当前 demo 判断逻辑：
+
+- `classify_imgtext`: 标题 + 正文前 1500 字 + 本地图片 base64 data URL。
+- `classify_video`: HTTP(S) CDN video URL 直接传模型；本地 mp4 是兼容 fallback。
+- Qwen / Ark / OpenRouter 按 provider 选择和可用密钥兜底。
+- provider 级 limiter 和 429 backoff 在单进程内生效。
+
+## 前端依赖
+
+前端不是独立后端，它由 FastAPI 静态托管：
+
+- 构建源：`acquisition/web/app`
+- 构建产物：`acquisition/web/app/dist`
+- 入口：`/app`
+- 路由：
+  - `#/`：Query Demo
+  - `#/query/<encoded-query>`：单 query 详情
+
+前端直接请求：
+
+- `/data/queries/creation_demo.json`
+- `/api/creation-search/summary`
+- `/api/creation-search/query?query=...`
+- `/api/filter-prompt`
+- `/api/judge-prompts`
+- `/data/media/...`
+
+## 正式开发迁移建议
+
+如果另起正式目录，不建议把当前 5.5GB `data/` 直接复制为默认输入输出。建议拆成四类可配置路径：
+
+1. `QUERY_SOURCE_PATH`
+   - 当前对应 `data/queries/creation_demo.json`。
+   - 正式版可以换成数据库表、对象存储 JSON、或正式 query 生成服务。
+
+2. `RESULT_DB_PATH`
+   - 当前固定在 `acquisition.store.DB_PATH = data/app.db`。
+   - 正式版应改成 env 可配置，例如 `CK_SQLITE_PATH` 或直接切 PG。
+
+3. `MEDIA_ROOT`
+   - 当前由 `CK_DATA_DIR` 控制，默认 `data`。
+   - 当前媒体实际写死在 `ROOT / data / media/...` 的代码也需要改成使用 `settings.data_dir`，否则迁目录会漏。
+
+4. `PROMPT_ROOT`
+   - 当前 `core/prompts.py` 固定读项目根 `prompts/`。
+   - 正式版建议显式配置 prompt 目录或把 prompt 版本入库。
+
+优先改造点：
+
+- `acquisition.store.DB_PATH` 改成可配置，不再硬绑定 `data/app.db`。
+- `acquisition.creation_search._process_xhs/_process_weixin` 的本地媒体目录改成 `settings.data_dir`。
+- `load_creation_queries` 默认路径改为参数/环境配置。
+- `core.prompts.PROMPTS_DIR` 改成可配置，或在启动时固定 prompt snapshot。
+- 把 crawler/OSS/model provider 封装成正式 adapter，避免 `.env` key 分散。
+- 将旧链路 `scripts/run_search.py`、旧表 `queries/search_results/post_class` 与当前 `creation_*` demo 数据模型分离归档。

archive/2026-06-30-step6/legacy_frontend/acquisition_web_dist/index.html

@@ -0,0 +1,13 @@
+<!doctype html>
+<html lang="zh-CN">
+  <head>
+    <meta charset="UTF-8" />
+    <meta name="viewport" content="width=device-width, initial-scale=1.0" />
+    <title>创作知识 · Query 正交 Demo</title>
+    <script type="module" crossorigin src="/app/assets/index-wpGdM-2q.js"></script>
+    <link rel="stylesheet" crossorigin href="/app/assets/index-CkGW0KOY.css">
+  </head>
+  <body>
+    <div id="root"></div>
+  </body>
+</html>

web/README.md

@@ -0,0 +1,16 @@
+# Web Archive Pointer
+
+The old root static demo files were archived during the 2026-06-30 cleanup:
+
+```text
+archive/2026-06-30-step1/legacy_web/
+```
+
+The formal frontend now lives in:
+
+```text
+app/frontend/
+```
+
+This directory is kept only as a pointer so legacy debug scripts do not silently
+become the formal frontend.

数据接口与来源/captures/README.md

@@ -0,0 +1,13 @@
+# Captures Archived
+
+Raw capture files were moved out of the active mainline during the 2026-06-30
+cleanup pass.
+
+Current archive path:
+
+```text
+archive/2026-06-30-step1/data_interface_captures/captures/
+```
+
+The formal pipeline should use platform adapters and cloud-state records rather
+than loading raw capture files from this directory.