SKILL.md

文章剪藏到 Notion

将 $ARGUMENTS 中的单篇文章剪藏到 Notion 的 文章剪藏 根页面下。根页面下每个分类是一个独立的 Notion 数据库（data source），文章作为该数据库的一行写入。根据文章内容自动选择最匹配的分类数据库并生成标签。

结构假定

文章剪藏：根页面，其下挂载多个分类数据库。
分类数据库：每个分类是一个 Notion 数据库（通过 fetch 获取其 data_source_id，即 collection://... URL）。文章是该数据库的行。
公共字段：每个分类数据库通常有 标题(title)、URL/来源(url)、标签(multi_select)；部分分类可能还有 作者、发布日期、摘要 等字段。不维护文章计数，不需要"数量"字段。
若实际结构与上述不符，以 fetch 返回的 schema 为准，按实际字段名和类型映射；不要臆造字段；schema 中缺失的字段（如作者、发布日期）信息并入摘要，不单独成块。

约束

只接受一个 http:// 或 https:// 文章 URL。多个 URL、空参数或非 URL 参数时，要求用户提供一个链接。
不绕过登录、付费墙、robots 限制或其他访问控制。公开页面无法取得完整正文时，说明原因并停止，不要用搜索摘要冒充文章正文。
保留原文标题、作者和发布日期（若能取得）以及来源链接，用于归属和追溯。
不复制页面中与正文无关的广告、追踪链接或推荐内容；不要删除正文中的必要风险提示、赞助披露或作者署名。
只能通过本会话已安装、已授权的 Notion 插件/MCP 工具写入 Notion。 不使用浏览器自动化、Notion 网页手动操作、邮件转发、第三方中转或本地导出文件替代插件写入。
Notion 插件不可用、未授权，或缺少搜索/读取/创建页面能力时，明确告知用户需要连接或授权插件，并停止；不得声称已保存。
不覆盖、移动或删除任何已有 Notion 页面。
正文只放正文：content 的"正文"部分只保留清理后的原文正文，不要在正文顶部或任何位置插入作者、来源、发布日期、规范链接等归属信息块（来源 URL 已存于 URL 属性；作者/日期可在摘要中自然提及，不单独成块）。

性能原则（重要）

剪藏一篇文章应在合理时间内完成（目标：单次剪藏 ≤ 15 个工具调用）。遵循以下原则避免不必要的往返：

批量 fetch：一次 fetch 根页面即可拿到所有分类数据库的 collection:// URL；不要逐个分类 fetch。只在需要确认某个分类的 schema 时才 fetch 该 data source，且同一分类的 schema 在一次剪藏内只 fetch 一次。
用 SQL 去重：去重用 notion-query-data-sources 的 SQL 模式一次完成，不要逐行 search。
标签复用 schema：multi_select 的可选项已在 fetch 返回的 schema 中，不需要额外查询；直接从 schema 读取已有标签复用。
限制图片数量：正文图片最多上传 10 张，按出现顺序取前 10 张；超出部分保留原外链占位说明。此上限源于早期批量上传失败的经验，目的是兼顾"图片可用"与"速度"，不要为了提速而进一步砍掉已转存的图片。
异步创建：创建页面时设置 allow_async: true，让 Notion 后台完成正文写入，工具快速返回。
不要读取分类正文：分类名通常已足够判断语义，不要 fetch 分类数据库的内容来"理解分类含义"。
单次抓取 + 单次解析：正文与图片只抓取一次。优先用 curl 直接拉取页面 HTML（带桌面 UA），再用一个脚本（如 Python + bs4）一次性提取标题、作者、日期、正文块与图片直链；不要先 WebFetch 再单独 curl、再多次试探性解析。微信公众号（mmbiz 图床）的图片直链就在 img[data-src] 属性里，curl 即可拿到，不需要浏览器渲染。
分批上传图片：待转存图片按 2–3 张一批调用 notion-create-attachment，批与批之间等待约 3 秒。实测一次并发 10 张会触发接口限流、返回错误并被迫重试，反而更慢。不要先抽样 curl 测试可达性，直接传，失败按回退规则处理。
明确工具名，不反复检索：本次用到的工具固定为 notion-search、notion-fetch、notion-query-data-sources、notion-create-attachment、notion-create-pages；直接调用，不要反复用 ToolSearch 试探。

操作流程

1. 获取并清理文章

优先用 curl（桌面 UA）直接拉取页面 HTML 作为唯一信息源；仅当站点依赖 JS 渲染才退回到浏览器工具。优先采用规范链接（canonical URL），可从 HTML 的 <link rel="canonical"> 或 og:url 读取。
提取：标题、作者、发布日期、站点名、规范来源 URL、正文、正文内有意义的标题层级、代码、表格、图片及其说明、关键引用链接。
仅保留主文章内容。至少移除以下内容：
- 顶部/侧边导航、页脚、Cookie 横幅、登录/订阅弹窗；
- 广告、推广、联盟营销模块、赞助卡片及其行动按钮；
- “推荐阅读”“相关文章”“猜你喜欢”“更多内容”、评论区、社交分享控件；
- 作者的其他文章列表、标签云、站内搜索、重复页眉/页脚和无关脚本样式文本。
保持原始的段落、列表、标题和代码逻辑。不要为了缩短内容而改写或概括正文；只移除非文章元素。
收集正文图片（单次解析）：用同一个解析脚本一次性提取所有 <img> 的真实 src（优先 data-src，回退 src）与说明文字，按出现顺序取前 10 张。微信公众号（mmbiz 图床）的直链就在 img[data-src] 中，curl 拉到的 HTML 即可读到，不需要浏览器渲染；只有当确证某站点必须渲染才暴露直链时，再退回浏览器工具，但不要默认走渲染。不要为了拿图而单独再抓一遍页面。

若无法可靠地区分正文和页面噪声，先向用户说明并提供可剪藏范围，不要把整页 HTML 或导航文字写入 Notion。

2. 定位分类数据库并去重

fetch 根页面 文章剪藏，从返回结果中收集所有分类数据库的 <data-source url="collection://..."> 及其显示名称。只 fetch 一次根页面。
根据文章主题、对象和内容形式，在现有分类中选取语义最接近的一项。优先复用分类：不要仅因名称不完全一致而新建分类。
SQL 去重：对选中的分类 data source 执行一次查询，按规范 URL 精确匹配，URL 命中不到时再按标题精确匹配：
```
SELECT "标题", "URL", id FROM "collection://<data_source_id>"
WHERE "URL" = ? OR "标题" = ?
LIMIT 5
```
若命中同一来源 URL 或明显相同的标题，停止创建并告知用户已有页面的位置。
如果没有任何合理的已有分类，向用户说明建议的新分类名称和理由，等待确认后才创建新的分类数据库；未经确认不可新建。

3. 转存图片（确保可显示）

对收集到的正文图片，按以下顺序处理，只处理能稳定显示的图片：

优先上传转存：对每张图片尝试用 notion-create-attachment 的 source_url 上传。要求：公开 HTTPS 直链、不重定向、不需要 cookie/headers、≤5 MiB、能在 1 分钟内下载完成。
- 上传成功后，工具返回 markdown_source（形如 file-upload://...），用它替换正文中的原图片 URL。
- 上传失败的图片跳过下一步处理。
回退外链：上传失败的图片，保留原 URL 用 Notion 外链图片语法嵌入 ![说明](原URL)，并在图片下方加一行斜体说明：（外链图片，可能失效）。
跳过无效图片：明显是 tracking pixel、1x1 透明图、或 data URI 的图片直接丢弃。
分批上传：把待转存图片按 2–3 张一批调用 notion-create-attachment，批与批之间 sleep 3 秒。实测 10 张一次性并发会触发接口限流、返回错误并被迫重试。不要先抽样 curl 测试图片可达性，直接上传，失败按回退外链规则处理。

4. 生成标签

自动生成 3–6 个简洁标签，覆盖文章的具体主题、关键技术/实体和内容类型（例如 RAG、向量数据库、教程）。
标签必须：
- 优先从该分类数据库 schema 中 multi_select 的已有选项里复用同义标签，避免近义重复；
- 没有合适的已有选项时再新增；
- 不重复已选分类名；
- 不使用“文章”“剪藏”“阅读”等无信息量的通用词；
- 不编造正文未出现或无法合理推断的事实。
标签写入该行的 标签 属性（multi_select）。

5. 创建文章页面

fetch 选中分类数据库的 data source（若本次剪藏尚未 fetch 过其 schema），确认字段名和类型。
在该分类数据库下创建一行（一个页面）。properties 按实际 schema 映射：标题、URL/来源、标签、作者、发布日期、摘要。正文放入 content，不要塞进 rich_text 属性（正文较长时 rich_text 会截断）。

content 使用下列结构（Notion 不支持的格式用其最接近的块类型表达）：

## 摘要

{用 2–4 句忠实概括文章核心观点、结论和适用范围；不得补充原文未支持的结论。}

## 正文

{清理后的文章正文，保留标题层级、列表、代码、表格、图片（已转存的用 file-upload:// 引用，外链的用原 URL）和必要链接。}

不要在 content 顶部重复写文章标题（标题已作为页面 title 属性存在）。

设置 allow_async: true，让创建操作异步执行，工具快速返回任务 ID。
不要擅自改变数据库 schema。若发现必需字段缺失，向用户说明并等待确认后才用 notion-update-data-source 增加字段。

6. 完成后反馈

完成创建后，简洁报告：

文章标题与来源；
选用的既有分类；
添加的标签；
已移除的噪声类型（例如“侧栏广告、推荐文章和订阅横幅”）；
图片处理结果：成功转存 N 张、外链保留 M 张、跳过 K 张；
新建 Notion 页面的链接或页面 ID（异步创建时给出任务 ID，并提示用户页面正文可能需要几秒到几十秒才在 Notion 中可见）。

若失败，明确说明失败发生在获取、正文识别、图片转存、Notion 分类读取、去重或创建的哪个步骤，并给出下一步所需信息。不要声称已保存，除非插件返回了成功结果。