cms-website/docs/superpowers/plans/2026-10-21-slice-import-pipeline-phase3.md

# SiteForge 纵向切片 · Plan 3：内容导入管道（阶段 3）实施计划

> **For agentic workers:** REQUIRED SUB-SKILL: Use superpowers:subagent-driven-development (recommended) or superpowers:executing-plans to implement this plan task-by-task. Steps use checkbox (`- [ ]`) syntax for tracking.

**Goal:** 把阶段 2 的 UniversalRow 流落库：稳定身份幂等导入（内容修订 + current 指针）、term 物化（含自建缺失 taxonomy）、媒体登记（魔数/SVG 隔离/uploads 对拍）、route_registry 生成（§6.1 全表处置）；终点 = 真实 hesupipe 全量导入成功且二导幂等（0 新修订）。

**Architecture:** 依据 spec §15 阶段 3、§5 数据模型（Plan 1 已建 21 表）、§6.1 路径处置、§7.5 checksum；消费 Plan 2 产出（runWxrAdapter 四事件流 / registerSource 快照 / 版本块）。新增 `apps/api/src/modules/import/`（编排服务）+ `sf import` 命令。**导入不发布**（published 指针不动——ADR-010）。

**Tech Stack:** 既有栈零新增依赖（file-type 类魔数检测手写常用签名表，避免新依赖——见 Task 4）。

**边界（不做）**：显式 publish 命令（阶段 4）、构建/主题（阶段 4）、SEO diff（后续）、REST 通道、差量删除检测。

---

## 前置事实（执行者必读）

1. **Plan 2 移交清单 9 项**是本计划必读输入（Plan 2 文末）；尤其第 1 项（term 表缺 category/post_tag，按 (domain,nicename) 自建）、第 2 项（uploads 路径对拍）、第 5 项（消费接口契约）。
2. 表结构已冻结（Plan 1）：source_records 六列稳定身份 UNIQUE、content_revisions 不可变触发器、entry_locales 双指针、route_registry exact/collision 双键 + NULLS NOT DISTINCT。
3. 既有纪律全套沿用：TDD、临时库测试、身份断言、无包级 test 脚本、typecheck 四段链、cms 只读。
4. **导入语义核心**（spec §7.5/§8.1）：同一 (site, connection, source_type, source_id, locale) 的 row → 已有 source_record 且 normalized_checksum 相同 → **skip（0 新修订）**；不同 → 新修订 + entry_locales.current_revision_id 前移（**published 不动**）。permalink 变化只影响 route，不影响条目身份。
5. wppop/extras 等未知字段已在 UniversalRow.extras——落 revision.data.extras 原样保留。
6. **normalized checksum 输入域（P0 钉死，评审 Issue 2）**：`canonicalJson({ universal_row_version, adapter_version, mapping_version, sanitizer_version, locale, mapped_content: {title, slug, **status**, bodyHtml, seo, knownFields, extras}, taxonomy_relations: taxonomyRefs, media_reference_identities: attachmentRefs, route_source_values: {sourceUrl} })`——**rawLocation 显式排除**（位置性字段，进哈希破坏跨快照 skip）；版本三常量必入（bump 语义）；status 必入（draft↔publish 翻转必须可见）。revision.data 顶层结构钉死：`{ title?, slug?, status, bodyHtml, seo, knownFields, extras }`。canonicalJson 帮助函数从 register.service.ts 提取到 `apps/api/src/common/canonical.ts` 共享导出（register 侧改 import，零行为变更）。**注**：sourceUrl 在哈希内（route_source_values）→ permalink 变化**会产新修订**（spec §7.5 一致），只是不建新 entry。
7. **媒体映射侧车（P0 钉死，评审 Issue 1——真实数据实证）**：真实媒体目录为扁平 GUID 命名（2625 文件无 yyyy/mm），与 WXR attachment_url 零精确命中；唯一映射在旧 cms 库 media_assets 表（source_url→file_path）。阶段 3 增加**映射侧车输入**：Task 0 从 cms PG（5433，只读 SELECT）导出该站 (source_url, file_path) 清单 JSON → 登记为 `manual_url_list` 快照（register 复用既有 kind）。对拍三级：①清单 uploads 相对路径精确命中 → ②侧车 source_url 命中（file_path 再对清单实体）→ ③missing 报告。**清单 miss 的 attachment 不插 media_assets 行**（sha256 NOT NULL 插不进），只进报告。
8. **locale 接缝坑（评审提醒）**：适配器 mapConfig.locale 缺省空串——import 必须传 `site.default_locale`，否则 1047 行全被拒为未知 locale。Task 6 编排钉死。
9. **阶段 3 站点路径来源（评审 Issue 4）**：主列表路径用 CLI 参数 `--products-path /products/ --news-path /news/`（默认值即此，记入 job metadata）；taxonomy public_base_path 常量钉死（WP 默认）：category→`/category/`、post_tag→`/tag/`、product_cat→`/product-category/`、product_tag→`/product-tag/`（本切片该路径不生效仅记录；spec §19.5 权威路径确认后可调——记入报告备注）。collision_key 折叠函数钉死：NFC + lowercase + 去尾斜杠。
10. **attachment 页三态降级（评审 Issue 3）**：阶段 3 无 sitemap 解析器——attachment 页**一律按"仅 WXR→301 媒体文件"**处理（sitemap→html 分支留待 sitemap 解析能力落地，报告注明降级）。
11. **attachment 行不建 content_entries**：wp:attachment 行只进媒体管道（media_assets）+ 路由（301）；content_entries 仅 129 post + 48 product + 15 page = **192**（Task 7 计数以此为准）。sourceType→typeKey 映射钉死：wp:post→news_article、wp:page→basic_page、wp:product→product。
12. **unsupported item 也写 source_records**（评审 Issue ②选项①）：nav_menu_item 等 75 条 → source_records 行（parse_status='unsupported'、locale=站点默认、source_id=post_id、不关联 content_entry）——"不支持对象有明确结果"的可审计性；**source_records 总数 = 1122**。**前置工作项（Task 1 内）**：@sf/adapter-wp 的 unsupported/error 事件**加法式补 `postId?: string`**（纯加法不触发 UniversalRow 契约升版；error 分支 failed>0 时同理按报告计数、不硬造 source_id）。
13. **import_jobs 与三快照的绑定**：job.source_snapshot_id 指向 **wxr 快照**（主输入）；media_bundle 与 manual_url_list 由 CLI 按 (connection, kind) 解析最新并记入 job 报告（job 行不扩列）。Task 0 导出 SQL 加 `AND source_url IS NOT NULL`（867 中 8 行 NULL 不带出）。

## 仓库结构增量

```text
apps/api/src/modules/import/
  import.service.ts        # 编排：事件流→各写入器→报告
  term-writer.ts           # wp:term 事件 + 自建缺失 term
  content-writer.ts        # row→entry/locale/revision/source_record（checksum skip）
  media-writer.ts          # attachment row + media_bundle 对拍→media_assets/usages
  route-writer.ts          # §6.1 处置表→route_registry
  magic-bytes.ts           # 常用文件签名检测（png/jpg/gif/webp/pdf/svg 判别 + svg 文本特征）
scripts/sf.ts              # + import 命令
tests/integration/import-*.test.ts
```

---

### Task 0: 媒体映射侧车导出（P0 前置，评审 Issue 1）✅ 完成（a227cfa + 加固 a185254，规格审查通过含 859/859 独立比对；导出 859 行、WXR 命中 836/855=97.8%、未命中 19 全列证据文档；register --media-map → manual_url_list 幂等）

**Files:** `scripts/export-media-map.mjs`；`docs/evidence/media-map-export.md`

- [ ] 只读查询 cms PG（5433，infrastructure-postgres-1，只读 SELECT——绝不写）：`SELECT source_url, file_path FROM media_assets WHERE site_id = '<54f91c49 站点>' AND source_url IS NOT NULL ORDER BY source_url` → JSON 数组落 `storage/incoming/media-map-hesupipe.json`
- [ ] 登记为 manual_url_list 快照（`pnpm sf source:register --site … --sitemap?` 需扩：register 支持 `--media-map <json>` 输入→kind=manual_url_list——小改 register.service 输入枚举）
- [ ] 证据文档：行数、与冒烟 855 attachment 的覆盖率预估（URL 前缀归一后 join 对照）
- [ ] commit `feat(source): 媒体映射侧车导出与登记`

### Task 1: import 命令骨架 + import_jobs 生命周期 ✅ 完成（0e8b2b5 + 修复 eb188da，双审通过；282 测试；审查战果：复用口径忠实化、**管道 Outcome 契约定缝**（counts/issues + ctx.report 累加器 + succeeded_with_issues 派生）、报告 tmp+rename 先写后落行、stale 警告、真 PG 23505 探针。遗留两行入 Task 2：ImportErrorCode 补 REPORT_WRITE_FAILED、ctx.db 事务边界 JSDoc） ✅ 完成

**Files:** `apps/api/src/modules/import/{import.service.ts,import.module.ts}`；sf.ts + `import`；Test `tests/integration/import-job.test.ts`

（本任务含前置事实 12 的 adapter 事件加法扩展：unsupported/error 事件补 `postId?: string`）

- [x] 失败测试：`sf import --site <key> --snapshot <id>`（或按 connection+kind 选最新快照）→ import_jobs 行 created→running→succeeded（或 succeeded_with_issues/failed）；idempotency_key 唯一（重复提交同 key 复用既有 job 不重跑）；job 记录 mapping/adapter/sanitizer 版本块（来自 versions.ts）
- [x] 实现：job 状态机 + 报告落 artifacts/import/<jobId>/；空流（无 snapshot）→ 明确报错
- [x] 绿 → commit `feat(import): job 骨架与生命周期`

### Task 2: term 物化（含自建缺失）✅ 完成（191c275 + 修复 8485c51，双审通过；289 测试；审查战果：**双序终态等价**（收编 UPDATE + name-only 收编，混合序独立探针证实）、同 slug 双 id 报告、handleEvent 分派形状（Task 6 编排就绪）。遗留入 Task 3/6：content_terms 跨快照 is_primary 翻转决策；autoCreatedTerms null-id 注脚；REPORT_WRITE_FAILED 测试）

**Files:** `term-writer.ts`；Test `tests/integration/import-terms.test.ts`

- [ ] 失败测试（用 mini.xml 全链 + 手构缺表场景）：
  - wp:term 事件 → taxonomies（按 term_taxonomy 映射 object_type：category→post/product_cat→product/post_tag→post…）+ terms（source_id=term_id）+ 幂等重跑不重复
  - **自建缺失 term**（移交项①）：row 的 taxonomyRefs 中 (domain, nicename) 无对应 term → 自动建（source_id=`auto:<nicename>`、slug=nicename、name=引用 value）+ 报告计数 autoCreatedTerms；**同一 nicename 多次引用只建一条**（唯一 (site, taxonomy, source_id) 兜底）
  - content_terms 写入（is_primary：首个为 true 余 false——WP 单主分类语义近似，JSDoc 注明）
- [ ] 实现 + 绿 → commit `feat(import): term 物化与缺失自建`

### Task 3: 内容写入器（稳定身份 + checksum skip）✅ 完成（2b61431 + rider fe72df3，双审通过；296 测试；幂等三态含跨快照五列身份、checksum 三方独立对拍、published 全程未碰；审查沉淀：counts 键全局命名空间契约、unsupported/failed 分项键、NULL-entry 缝归属 Task 6）

**Files:** `content-writer.ts`；Test `tests/integration/import-content.test.ts`

- [ ] 失败测试：
  - 首导：每 row → source_records + content_entries + entry_locales（current_revision_id 设、**published NULL**）+ content_revisions（source=import、checksum=normalized checksum、data 含 title/knownFields/extras/清洗后 bodyHtml/seo）
  - **二导同快照**：0 新修订（checksum skip）、0 新 entry
  - **内容变化**（改 checksum 手构）：新修订 + current 前移 + published 仍指旧值（ADR-010 断言）
  - **permalink 变化**（改 sourceUrl 手构）：**不建新 entry**（身份键不含 URL）+ route 更新走 Task 5；source_records.source_url 更新
  - locale 语义：row.locale 必须匹配站点 default_locale 或显式支持列表——未知 locale 记错误跳过（Plan 1 纪律）
- [ ] 实现 + 绿 → commit `feat(import): 内容稳定身份写入`

### Task 4: 媒体登记（魔数/隔离/对拍）✅ 完成（ed081ec + 加固 7e6ce91，双审通过；310 测试；三级对拍含侧车扁平名候选/两阶段 usage 双序一致/SVG quarantine 不建 usage/幂等定向冲突；加固：manifest 形态守卫/侧车门控/约束名精确认领（constraint_name 实证）/窗口边界。Task 7 度量口径已固化计划）

**Files:** `media-writer.ts` + `magic-bytes.ts`；Test `tests/integration/import-media.test.ts`

- [ ] 失败测试：
  - attachment row 对拍**三级**（前置事实 7）：①uploads 相对路径清单精确命中 ②侧车 source_url→file_path→清单实体 ③missing 报告（**不插 media_assets 行**）；media_assets（public_path=旧 uploads 路径、sha256/storage_path 从清单取）+ media_usages（正文/featured/gallery 引用从 row.attachmentRefs+清洗后 HTML 提取）
  - **悬空引用**（mini 203/204）：引用无对应 attachment/清单记录 → 报告 issue 计数、**不静默丢弃**（§11.2 一级/§7.6 禁静默）
  - **魔数校验**：png/jpg/gif/webp/pdf 签名表手写（~40 行）；声明 MIME 与检测不符 → 报告 issue；**SVG 检出（文本 `<svg` 特征）→ status=quarantined 不进产物**（spec §11.1）
  - 多候选（同名不同目录）→ **歧义不自动选**，全部列报告（spec §5.5）
  - 855 attachment 真实规模冒烟（Task 7 一并）
- [ ] 实现 + 绿 → commit `feat(import): 媒体登记与安全校验`

### Task 5: route_registry 生成（§6.1 处置全表）✅ 完成（9d2cc0a + 修复 bb2d381 + docs 15d7c91，双审通过；317 测试；§6.1 阶段 3 可产生的行全覆盖（mini 全链 12 行逐行对拍），?p= 排除钉死"不插行+计数+issue"（route_kind 六值无 excluded——查询路由 SP3），attachment 301 暂存到 finish 反查 media_assets（时序契约），host 单值 = production_origin（旧 host 变体 SP3），upsert 三分（owner = route_kind+target_content_id+target_file），日期/作者归档与人工映射/410 同属无输入源合理空缺；**审查修复：finish ②④ 域 isSafePath 统一（反斜杠穿越探针双重验证）、attachment ?p= 排除对齐、WriteOutcome 四态降级计数精化、permalink 形态覆盖**）

**Files:** `route-writer.ts`；Test `tests/integration/import-routes.test.ts`

- [x] 失败测试（**所有阶段 3 可产生的 §6.1 行**均有对应用例——含评审补的 asset 与首页两行，mini 数据手构补充）：
  - 内容 permalink → html（路径保真含 .html；target_content_id 关联）；**首页 `/` → html**；**媒体上传路径 `/wp-content/uploads/...` → asset**（media public_path 生成）；主列表页 `/products/`、`/news/`（**CLI 参数来源**，默认即此）→ html；产品/文章分类 → html（public_base_path 常量按前置事实 9，product_tag 记 `/product-tag/`——WooCommerce 默认，本切片该路径不生效仅记录）；tag/product_tag/日期/作者 → redirect 301 主列表；attachment 页 → **一律 301 媒体文件**（前置事实 10 降级，报告注明）；`?p=` → excluded_with_reason 登记。**"所有阶段 3 可产生的 §6.1 行"均有用例**（人工映射/确认删除两行无输入源，属合理空缺）
  - **exact/collision 双键**：`/About` 与 `/about` 两条并存（collision_key 折叠函数按前置事实 9 钉死）；同 exact_key 冲突（两内容同路径）→ 报告 conflict 不静默覆盖
  - **重导幂等**：同路径同目标 → 0 新行；目标变 → 更新（route 表可变，非不可变表）
- [x] 实现 + 绿 → commit `feat(import): 路由注册表生成`

### Task 6: 编排集成 + 导入报告 ✅ 完成（8003de3 + 修复 77687e2 + 终验补完 fa6e8a3，双审通过；325 测试；九项编排义务全落地（真流/串行分派/finish 硬序/counts 求和/NULL-entry 收编/共享基类型/stale 回收/REPORT_WRITE_FAILED 测试/清洗统计）；审查战果：**失败报告部分冲刷**（eventsDispatched+纯 finish 补算）、列表路径建行前校验（INVALID_LIST_PATH）、reason 归档分层。HTML 报告推迟 Task 8；orchestrator.ts 抽取触发器已记）

**Files:** `import.service.ts` 补全；Test `tests/integration/import-full.test.ts`

- [ ] 失败测试：mini.xml register→import 全链：site/connection/snapshot→job→terms(2+自建0)→content_entries(**3**：post/product/page——attachment 不建，前置事实 11)→media(2+对拍)→routes(首页+2列表+3内容+2媒体 asset+2 attachment 301+tags…)→报告（各计数+**清洗统计**+版本块+冲突/失配清单）；**published_revision_id 全 NULL**（导入不发布断言）；**mapConfig.locale=site.default_locale 接线断言**（前置事实 8）
- [ ] **Task 3 审查移交的编排义务**：① NULL-entry 占位行收编（content-writer 六列分支 UPDATE 挂 entry——精确位置已标注在代码缝注释）② 多写入器 counts 按**求和**聚合（import.service 现为⊕覆盖——键名全局唯一已 JSDoc 契约化；编排层改或约定各写入器键前缀，二选一定死）③ 写入器 identity 参数共享基类型（Pick<ImportJobContext,…>）防漂移 ④ stale 回收（已在清单）⑤ REPORT_WRITE_FAILED 测试补 ⑥ wp:attachment 双写入方单一 owner 决策（content-writer record-only 足迹 vs media-writer——媒体域归 Task 4，编排广播时 media-writer 消费 attachment 行、content-writer 只留 record 足迹，Task 6 定分派规则）
- [ ] **Task 5 审查移交的汇流契约（Task 6 实现底本）**：事件期**严格串行 await** 分派 `content.handleEvent → term → media → route`（三家锚点都查 content 同事件产物，禁 Promise.all）；finish 期唯一硬序 `await media.finish()` **先于** `route.finish()`（attachment 反查与 asset 全表读 media_assets）；term/content finish 同步无库依赖任意位置。**测试 fullPipeline（import-routes.test.ts）即抄写底本**。Task 7 度量备注：routesCollisions 重跑如实再现非缺陷；WP 首页=page 场景的首页冲突 issue 有既定解释；真实规模 ~2815 route 行 ~9300 RT——**DB 须同机/近端跑并记录耗时**，超预期先加 `(site_id,host,collision_key)` 与 `media_assets(source_id)` 两索引
- [x] 报告落 artifacts/import/<jobId>/reports/import.json（**HTML 版与错误封顶推迟至 Task 8 收尾**——Task 6 审查确认；JSON 已含 18 键 counts/issueGroups 六组/清洗统计/版本块）
- [ ] stale 回收：超时 running → stale 置位与心跳列决策（ADR-017）
- [ ] 绿 → commit `feat(import): 全链编排与导入报告`

### Task 7: 真实 hesupipe 全量导入（阶段 3 验收）

**Files:** `scripts/import-real.mjs`（或直接 sf import 命令 + 采样）；`docs/evidence/phase3-import.md`

- [ ] register 真实 WXR + 媒体目录（`D:/project/cms/storage/media/54f91c49-*` 只读副本到 storage/incoming——**实测约 171MB/2625 文件**（评审勘误：非 500MB，勿拷错站点目录），耗时记录）+ **Task 0 侧车** → sf import
- [ ] 验收断言：content_entries=**192**（129+48+15）；media_assets=侧车+清单命中数（报告对照 855 attachment 的三级分布）；source_records=1122；terms=451+自建数（对照冒烟 807 引用覆盖）；routes 计数与处置分布报告；**二导 0 新修订**；数据库行数与导入报告逐项一致
- [ ] **Task 4 审查移交的度量口径**：mediaRegistered 只计首跑插入——838 命中数必须来自干净库首跑；missing/quarantined/dangling 重跑如实再现；**quarantined/unsupported 资产的引用不落任何 count 桶**（非 dangling 非 usage）——"侧车 23 悬空"对拍时勿期望它们在 mediaDanglingRefs 里（只能经 mediaQuarantined/issues 可见）
- [ ] 内存/耗时记录；证据文档；commit `test(evidence): 阶段3真实全量导入验收`
- [ ] 任何计数不符 → 如实报告停下分析（同 Task 8 纪律）

### Task 8: 收尾

- [ ] ADR-017（导入幂等语义：稳定身份键选择/checksum 输入域/自建 term 策略）；README 状态更新；typecheck 四段链/lint/test 三绿；阶段 4 移交清单（publish 命令消费的接口：current 指针集合/审计动作形状；site_config_revisions 首版生成时机建议）
- [ ] commit + push 由用户执行

## 验收（对照 spec §15 阶段 3）

- [ ] 同 Snapshot 二次导入 0 新 Revision
- [ ] Permalink 变化不创建重复 Content Entry
- [ ] 媒体歧义不自动匹配（多候选全列报告）
- [ ] URL 冲突和不支持对象全部进入报告
- [ ] 真实全量导入成功 + 幂等重跑 + 报告对照
- [ ] 三绿；published 指针全程未动