Archive Content 回填脚本

脚本路径

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：

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。
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：

php scripts/backfill_archive_content.php

只处理一个 archive：

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

强制重算，即使 content 已经有值：

php scripts/backfill_archive_content.php --force

只预览，不写数据库：

php scripts/backfill_archive_content.php --dry-run

成功输出示例

[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。

1.8 KiB Raw Blame History Unescape Escape