kbdb-cc
88b7fbf409
Phase b：把 ingest 從手動直驅升級成真無人值守。drainer/ 是 workflow km_wiki_ingest_drain 的可部署執行體（Cloudflare Worker），復用已 live 的 arcrun-code/kbdb/graph、不改 cypher-executor。 - 兩觸發共用 processCard 核心：(A) cron drain（Gitea tree 列卡→游標後取一小批→ 逐卡處理→進游標→到底回捲；撐 5,083 檔）；(B) Gitea push webhook→只處理 delta。 - 游標存 KBDB 一個 ingest_cursor entry（走 API、零建表）。冪等：未改卡 entry (page_name+content_hash)/triplet(uri+hash) 皆 skip，只有新/改卡真寫。 - src/usercode.ts 由 workflow.yaml parse_card.code 抽出（單一真相源 card-to-envelope.mjs）。 - 維持非-auto：wrangler.toml 的 cron trigger 預設註解（不自走），drain 走 POST /drain。 scheduled handler 已在 code，leo 過閘後取消註解即開自走。README 記部署/secret/webhook 設定。 已部署 leo21c：arcrun-km-wiki-drainer.leo21c.workers.dev。以 wrangler dev（本地 miniflare + .dev.vars token，非 secret 寫入）對 live 服務驗證：cron drain 冪等全 skip、游標前進+回捲、 webhook delta 只寫變更卡、三模式命中新卡。GITEA_TOKEN secret 需 leo 於互動模式設（auto 擋 secret 寫入）。 Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com> Claude-Session: https://claude.ai/code/session_01HJiLCRUU2o3aSpPEzVCt2o
71 lines
3.5 KiB
Markdown
71 lines
3.5 KiB
Markdown
# arcrun-km-wiki-drainer —— km_wiki_ingest_drain 的無人值守 runtime
|
||
|
||
`workflow.yaml` 是宣告式 spec；**本 Worker 是它可真部署、有游標/觸發的執行體**。
|
||
復用已 live 的零件與服務，**不改 cypher-executor**：
|
||
|
||
```
|
||
Gitea 抓卡 md → arcrun-code 零件（sandbox inline JS 解析）→ /entries 冪等 upsert（embed:true）
|
||
→ graph /triplets/ingest（server 側 per-source 冪等）
|
||
```
|
||
|
||
- Live：`https://arcrun-km-wiki-drainer.leo21c.workers.dev`
|
||
- 解析 JS＝`src/usercode.ts`（由 `workflow.yaml` 的 `parse_card.code` 抽出，單一真相源 `lib/card-to-envelope.mjs`）。
|
||
|
||
## 兩觸發模式（共用同一 `processCard` 核心）
|
||
|
||
| 模式 | 觸發 | 行為 |
|
||
|---|---|---|
|
||
| **Phase 0 cron drain** | cron tick（見「開自走」）| `drainBatch(BATCH_SIZE)`：Gitea tree 列卡 → 游標之後取一小批 → 逐卡 `processCard` → 進游標（到底**回捲**重掃）。壓 CF subrequest 下、撐得住 5,083 檔（每 tick 小批）。 |
|
||
| **穩態 webhook** | Gitea push webhook → `POST /webhook` | 只處理本次 commit 動到的 `system-dev/wiki/cards/**.md`（delta），不重掃全庫。**Gitea→Cloudflare，非 GitHub Actions（不觸 D20）**。 |
|
||
|
||
**冪等**：未改卡的 entry（`page_name`+`content_hash`）與 triplet（`source.uri`+`content_hash`）皆 skip；只有新/改卡真寫。游標存 KBDB 一個 `ingest_cursor` entry（走 API、零建表）。
|
||
|
||
## HTTP 路由
|
||
|
||
| 方法 | 路徑 | 用途 |
|
||
|---|---|---|
|
||
| GET | `/` | 健康 |
|
||
| GET | `/cursor` | 看游標狀態 |
|
||
| POST | `/drain?batch=N` | 手動觸發一批 drain（= 一個 cron tick；驗收/補跑用） |
|
||
| POST | `/webhook` | Gitea push webhook 入口（delta） |
|
||
| POST | `/cursor/reset` | 游標歸零（重新全 drain） |
|
||
|
||
## ⚠️ 非-auto（預設）
|
||
|
||
`wrangler.toml` 的 `[triggers] crons` **預設註解掉**——不自走排程、不無人值守亂寫。
|
||
drain 以 `POST /drain` 手動觸發（與 cron `scheduled` handler 同核心）。
|
||
要開自走 Phase 0 backfill：leo 過閘後取消 `wrangler.toml` 那兩行註解再 deploy。
|
||
|
||
## 部署（wrangler 直推 leo21c，禁 acr update）
|
||
|
||
```bash
|
||
cd registry/examples/km-wiki-ingest/drainer
|
||
npm install
|
||
npx wrangler deploy
|
||
# ★ 必須：設 Gitea 讀取權（Leo/notes 為 private repo）——此步需 leo 在互動模式跑（secret 寫入）
|
||
printf '%s' "$GITEA_TOKEN" | npx wrangler secret put GITEA_TOKEN
|
||
# 選填：webhook 簽章驗證
|
||
# printf '%s' "$WEBHOOK_SECRET" | npx wrangler secret put GITEA_WEBHOOK_SECRET
|
||
```
|
||
|
||
## Gitea webhook 設定（穩態 delta）
|
||
|
||
`Leo/notes` → Settings → Webhooks → Add Webhook → Gitea：
|
||
- Target URL：`https://arcrun-km-wiki-drainer.leo21c.workers.dev/webhook`
|
||
- HTTP Method：POST，Content-Type：`application/json`
|
||
- Trigger：Push events（可只限 `main`）
|
||
- Secret：若設，同步 `GITEA_WEBHOOK_SECRET` secret（本 Worker 驗 `X-Gitea-Signature` HMAC-SHA256）
|
||
- Gitea 的 ping event → Worker 回 `{ok:true,pong:true}`（測連通）
|
||
|
||
## config（wrangler.toml [vars]）
|
||
|
||
`REPO=Leo/notes REF=main OWNER=leo CARDS_ROOT=system-dev/wiki/cards BATCH_SIZE=2`
|
||
`CODE_WORKER_URL / KBDB_URL / GRAPH_URL / GRAPH_KEY`（皆 leo21c live 服務）。
|
||
|
||
## 規模備註（5,083 檔）
|
||
|
||
- 列卡走 Gitea `git/trees?recursive=true`（一次全樹）；若 `truncated`，回應標記 `truncated:true`，
|
||
屆時換 tree 分頁列法（現況 notes 卡數小、不截斷）。
|
||
- 每 tick 只 `BATCH_SIZE` 張，游標續傳；到底回捲 → 全庫變更靠冪等於下一輪捕捉；
|
||
即時變更走 webhook。
|