# Archive Content 回填脚本

## 脚本路径

```text
scripts/backfill_archive_content.php
```

## 脚本作用

回填历史 `archives.content` 字段。

这个脚本主要用于修复旧数据中 `content` 为空的问题。它会按下面顺序尝试生成 `content`：

1. 如果 archive 有 `raw`，就按当前导入规则把原始 Markdown 规范化成正文文本。
2. 如果 `raw` 为空，就按 `chunk_index` 顺序拼接现有 chunk 的 `text` 作为回退正文。

脚本不会伪造 `raw`。如果历史数据里 `raw` 丢了，脚本只会尽力补 `content`。

## 运行前提

- 当前环境中的 PostgreSQL 配置可用。
- 项目依赖已安装完成。
- 从项目根目录执行命令。

## 运行命令

默认只处理 `content` 为空的 archive：

```bash
php scripts/backfill_archive_content.php
```

只处理一个 archive：

```bash
php scripts/backfill_archive_content.php --archive_uid=01KQHVREB6XPYF604RVZAP9NNY
```

强制重算，即使 `content` 已经有值：

```bash
php scripts/backfill_archive_content.php --force
```

只预览，不写数据库：

```bash
php scripts/backfill_archive_content.php --dry-run
```

## 成功输出示例

```text
[updated] 01KQHVREB6XPYF604RVZAP9NNY source=chunks content_length=6375
Archive content backfill completed.
Archive filter: auto
Force mode: no
Dry run: no
Scanned: 1
Updated: 1
From raw: 0
From chunks: 1
Skipped: 0
```

## 适用场景

- 修复旧版本导入留下的 `archives.content` 为空问题。
- 导入逻辑更新后，希望重算归一化正文。
- 为后续 AI / RAG / archive 级读取补齐正文字段。

## 重要限制

- 如果历史数据既没有 `raw`，也没有 chunks，脚本会跳过该 archive。
- 用 chunks 回填时，得到的是拼接后的正文文本，不会恢复原始 Markdown 结构。