97309b5580
票上寫的真兇是錯的。`direct.go` 那一行 `skipDirNames{"system-dev"}` 不是唯一的
排除清單——同一個 Scan 呼叫下面幾行就是 `Plan: plan`,#104 的清單一直都接著。
拿 leo 真實的 `pms` 唯讀跑一輪現行 main:策略 docs-only、送 9 個檔、node_modules 零個。
他 08-16 看到 undici 文件,是因為手上的 daemon 是 v0.18.27,而修法 cc6e500 要到
v0.18.28(08-16 16:13,7f379d0)才被戳版號——那支 commit 自己就寫著
「changelog 停在 v0.18.27,而 collector/ 早已往前走 30 個檔(…cc6e500…)」。
但那個誤判之所以會發生,是因為底下有四個真的缺陷,這一版把它們一起修掉:
① 兩張表分居兩處 ⇒ 讀源碼的人只看得到一張。
`system-dev` 的保護搬進 IngestPlan(templateOwnedDirNames),
direct.go 不再手捏第二張清單。判準只剩一個地方。
② 排除規則生不生效,取決於呼叫端記不記得傳 Plan。
改成 Scan 自己算(Mode == "" ⇒ PlanIngest)。「忘了接」這個失敗模式不存在了。
③ 一張大表把「沒有人會這樣命名」與「這是普通英文字」混在一起,於是**誤殺**。
實測:一般筆記庫 8 份筆記只送出 1 份(build/樂高作品集、out/外出旅遊、
vendor/廠商聯絡簿…全被當成建置產物),而且回報「擋掉 0 個」。
拆成三種理由,強度不同、要求的佐證也不同:
① 使用者的 .gitignore 說的(新增 ignorerules.go,git 語法的安全子集)
② 名字本身就不是人話(node_modules、__pycache__…)——無條件
③ 泛用名(build/dist/out/vendor…)——**旁邊真的擺著專案檔才算**
🔴 判準一律不看 `.git`(leo 2026-08-16:「你不需要判斷有沒有 git,
我的 KB 筆記庫也有 git,是否用 github/gitea 追蹤完全沒意義」)。
`.gitignore` 只讀內容當線索,不拿存在當門檻。
順帶:鎖定檔(pnpm-lock.yaml…)不是知識——`.yaml` 進白名單後它變成了「知識」。
④ 「排除規則要看得見」只做了一半:整棵剪掉的子樹一個都沒數(pms 實測回報 0),
而且 Plan/ExcludedByPlan 只有 CLI 讀,daemon(使用者真正走的那條路)拿到就丟。
新增 ExcludedDirs(路徑+人話理由)+ SyncStatus.FolderPlans 寫進 status.json。
實測(唯讀跑 leo 的 `/Users/youlinhsieh/Documents/tech_projects/pms`):
139 個文件檔 → 送出 7 個,全是他自己的 README/docs;
6 個資料夾整棵跳過,每個都講得出理由;node_modules 與授權條款 0 個。
測試:collector 全綠(新增 12 案,含「裸呼叫 Scan 也必須排除別人的套件」、
「不准再有第二張排除清單」的源碼層守門、筆記庫不誤殺、同名看旁邊擺什麼決定);
arcrun-app 全綠。未出貨、未推 main。
Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
467 lines
23 KiB
Go
467 lines
23 KiB
Go
// ingestplan.go — 掃描之前先問一句「這個資料夾是什麼」,再決定要讀哪些檔
|
||
// (arcrun-rag#104,2026-08-14 leo 規格)。
|
||
//
|
||
// 🔴 leo 的原話就是這支檔的規格,順序不能顛倒:
|
||
//
|
||
// 「這些庫都早就萃好了,所以它要**辨識這個庫已經有 wiki,那就直接 ingest 了**」
|
||
// 「它應該**第一步查看 wiki 裡有沒有內容**,再去辨識哪些檔案是需要讀的,
|
||
// **只有文件要讀,程式碼不用讀**」
|
||
//
|
||
// 🔴 為什麼非做不可(實測,非推測):leo 把 5 個資料夾接上去,App 顯示
|
||
// 12,022 份檔案、11,183 卡在佇列。光 `InkStoneCo` 一個就 8,339 份——
|
||
// **而那個 repo 真正整理好的知識庫只有 `system-dev/wiki/` 的幾十張,差兩個數量級。**
|
||
// 更糟的是掃到 45 個名為 `wiki` 的目錄(8 份 `.claude/worktrees`、5 份出貨用 worktree、
|
||
// 8 份 `templatefs` 範本、還有 `.next`/`.vercel` 建置產物)⇒ **同一份被收十幾次**,
|
||
// 與 2026-08-13 查明的「48 萬筆廢資料」是同款成因(重複放大)。
|
||
//
|
||
// ⇒ 本檔回答一個問題:**這個監看根該收哪些檔**。三種答案:
|
||
//
|
||
// IngestAll 一般資料夾/筆記庫——收全部(行為與先前完全一致,零改變)
|
||
// IngestCuratedWiki 版控中的專案,而且**已經有整理好的 wiki** ⇒ 只收那一份
|
||
// IngestDocsOnly 版控中的專案,但沒有現成 wiki ⇒ 只收文件區,程式碼一律不讀
|
||
//
|
||
// 🔴 「不要用副檔名白名單當唯一判準」(票上的紅線):本檔的主判準是**路徑身分**
|
||
// (這個目錄在這個 repo 裡扮演什麼角色),副檔名只是最後一道。`.md` 在 repo 裡
|
||
// 大多不是知識——是 README、是 CHANGELOG、是 template 範本、是建置產物。
|
||
//
|
||
// 🔴 「排除規則要看得見」(票上的紅線,同 #121):本檔算出來的每一條理由都會經由
|
||
// TriggerPayload.Plan 走進 status.json ⇒ 使用者看得到「有 8,000 個檔沒被收,因為它們是程式碼」,
|
||
// 而不是安靜地少收。
|
||
package collector
|
||
|
||
import (
|
||
"os"
|
||
"path/filepath"
|
||
"sort"
|
||
"strings"
|
||
)
|
||
|
||
// IngestMode=這個監看根的收檔策略。
|
||
type IngestMode string
|
||
|
||
const (
|
||
IngestAll IngestMode = "all" // 收全部(一般資料夾/筆記庫)
|
||
IngestCuratedWiki IngestMode = "curated-wiki" // 只收現成的整理好的 wiki
|
||
IngestDocsOnly IngestMode = "docs-only" // 只收文件區
|
||
)
|
||
|
||
// IngestPlan=掃描前算出來的策略,連同「講給使用者聽的理由」。
|
||
//
|
||
// 🔴 Reason 不是 debug 訊息,是**產品文案**:使用者看到「12,022 個檔只送了 32 個」
|
||
// 的當下,唯一能讓他不慌的東西就是這句話。用他的話寫,不要寫路徑術語。
|
||
type IngestPlan struct {
|
||
Mode IngestMode `json:"mode"`
|
||
// RepoRoot=版控工作目錄的根(Mode != IngestAll 時非空)。
|
||
RepoRoot string `json:"repo_root,omitempty"`
|
||
// WikiRelDir=現成 wiki 的相對路徑(僅 IngestCuratedWiki)。
|
||
WikiRelDir string `json:"wiki_rel_dir,omitempty"`
|
||
// DocRelDirs=要收的文件目錄(僅 IngestDocsOnly;根層 .md 另由 keepsRootDoc 放行)。
|
||
DocRelDirs []string `json:"doc_rel_dirs,omitempty"`
|
||
// Reason=一句話講給使用者聽的「為什麼只收這些」。
|
||
Reason string `json:"reason"`
|
||
// OtherWikiDirs=這個 repo 底下**其他**子專案自己的 wiki(相對路徑)。
|
||
// 刻意不收(見 wantsPath 的說明),但一定要列出來——不然使用者只會覺得東西不見了。
|
||
OtherWikiDirs []string `json:"other_wiki_dirs,omitempty"`
|
||
|
||
// ── 以下不外露成 JSON:判準的材料,不是給使用者看的結論 ──────────────────
|
||
// ignore=使用者自己寫的 `.gitignore` 的**內容**(見 ignorerules.go)。
|
||
// 🔴 只用內容,不把「有沒有這個檔」當門檻——leo 2026-08-16:他的 KB 筆記庫也有 git,
|
||
// 版控訊號分辨不出「筆記庫 vs 軟體專案」。沒有 `.gitignore` 的資料夾同樣要被正確處理。
|
||
ignore *IgnoreRules
|
||
}
|
||
|
||
// ExcludedDir=走訪時整棵跳過的一個目錄,連同「講給使用者聽的理由」。
|
||
//
|
||
// 🔴 票上的紅線是「排除規則要看得見」,而原本的做法只數了**檔案層**被擋掉的數量
|
||
// (ExcludedByPlan);整棵剪掉的子樹一個都沒數 ⇒ 拿 leo 真實的 `pms` 跑一輪,
|
||
// 2,127 個檔裡排除了絕大多數,畫面上的數字卻是 **0**。
|
||
// 「安靜地少收」與「講了一個 0」對使用者是同一件事。
|
||
//
|
||
// 為什麼記目錄而不是記檔案數:整棵剪掉的重點就是**不走進去**,要數就得走一趟,
|
||
// 那正是這一票要省掉的成本。而使用者真正要知道的本來就是
|
||
// 「哪幾個資料夾沒收、為什麼」,不是「少收了幾千個檔」。
|
||
type ExcludedDir struct {
|
||
Path string `json:"path"`
|
||
Reason string `json:"reason"`
|
||
}
|
||
|
||
// curatedWikiCandidates=「整理好的知識庫」慣例位置,依優先序。
|
||
// `system-dev/wiki` 是 system-dev-template 的規約(leo 全部的 repo 都是這個),
|
||
// 其餘兩個是一般開源專案的慣例。
|
||
var curatedWikiCandidates = []string{"system-dev/wiki", "docs/wiki", "wiki"}
|
||
|
||
// docDirCandidates=沒有現成 wiki 時,「文件住在哪」的慣例位置。
|
||
var docDirCandidates = []string{"docs", "doc", "documentation"}
|
||
|
||
// ─────────────────────────────────────────────────────────────────────────────
|
||
// 排除一個目錄的三種理由。**順序就是強度**,理由不同、要求的佐證也不同。
|
||
//
|
||
// 🔴 2026-08-16 修正(本檔原本只有一張大表 noiseDirNames,任何模式一律照殺):
|
||
// 那張表把「沒有人會這樣命名」與「這是普通英文字」混在一起,於是同時犯了兩個方向的錯——
|
||
//
|
||
// 實測:一個一般筆記庫(無 `.git`)放 8 個 .md,其中 7 個分別住在
|
||
// `build/`、`專案/dist/`、`out/`、`target/`、`coverage/`、`bin/`、`fixtures/`,
|
||
// **只送出 1 個,而且 ExcludedByPlan 回報 0**——安靜地弄丟使用者七份筆記。
|
||
// (`build` 可以是樂高作品集,`out` 可以是外出旅遊,`vendor` 可以是廠商。)
|
||
//
|
||
// ⇒ 判準要問的不是「這個名字像不像雜訊」,是「**這東西是誰放的**」。
|
||
// ─────────────────────────────────────────────────────────────────────────────
|
||
|
||
// toolOwnedDirNames=名字本身就不是人話的目錄——沒有人會把自己的筆記
|
||
// 放進一個叫 `node_modules` 或 `__pycache__` 的資料夾。
|
||
// **任何模式、任何脈絡下都跳過,不需要佐證。**
|
||
var toolOwnedDirNames = map[string]bool{
|
||
// 依賴(別人的原始碼,不是使用者的)
|
||
"node_modules": true, "bower_components": true, "site-packages": true,
|
||
"venv": true, "virtualenv": true, "__pycache__": true,
|
||
"Pods": true, "Carthage": true,
|
||
// 建置產物/快取(從別的檔生出來的,收了就是同一份內容收兩次)
|
||
// #104 實據:`.next`/`.vercel`。這些以 `.` 開頭的其實已被 Scan 的隱藏目錄規則擋下,
|
||
// 列在這裡是為了讓「為什麼跳過」講得出理由,也讓 LoadIgnoreRules 少走幾趟。
|
||
".next": true, ".nuxt": true, ".vercel": true, ".output": true, ".turbo": true,
|
||
".parcel-cache": true, ".pytest_cache": true, ".gradle": true,
|
||
// 範本/樣板:我們自己要鋪給別人的檔,收自己鋪的東西最荒謬
|
||
// (#104 實據:8 份 `collector/templatefs/system-dev/wiki`)
|
||
"templatefs": true, "template-fs": true,
|
||
// 給程式吃的樣本,不是知識
|
||
"__fixtures__": true, "__snapshots__": true,
|
||
}
|
||
|
||
// ambiguousBuildDirNames=**旁邊擺著專案檔時**是建置產物/依賴,但在別的脈絡下
|
||
// 完全可能是使用者真正的內容的目錄名。
|
||
//
|
||
// 🔴 只有 looksGenerated 為真時才生效。
|
||
// 一般筆記庫裡的 `build/`(樂高作品集)、`out/`(外出)、`vendor/`(廠商)一律照收。
|
||
var ambiguousBuildDirNames = map[string]bool{
|
||
"dist": true, "build": true, "out": true, "target": true,
|
||
"bin": true, "obj": true, "coverage": true,
|
||
"vendor": true, "skeleton": true, "testdata": true, "fixtures": true,
|
||
}
|
||
|
||
// toolOwnedFileNames=機器產生的鎖定檔。與 toolOwnedDirNames 同一條理由
|
||
// (名字本身就不是人話),只是它們是檔不是目錄。
|
||
//
|
||
// 🔴 為什麼要另外列:`.yaml`/`.yml` 在 2026-08-15 被加進 allowedExt(InkStoneCo#44 ④,
|
||
// 因為 `.feature`/`.yaml` 常常真的是知識文件)。副作用是 **`pnpm-lock.yaml` 變成了
|
||
// 「知識」**——實測 pms 那棵樹時它真的被送出去了。鎖定檔是解析器的輸出,
|
||
// 幾千行雜湊值,萃出來的卡只會跟使用者真正的筆記競爭排序(同授權條款那個病)。
|
||
var toolOwnedFileNames = map[string]bool{
|
||
"pnpm-lock.yaml": true, "package-lock.json": true, "yarn.lock": true,
|
||
"go.sum": true, "Cargo.lock": true, "composer.lock": true,
|
||
"Gemfile.lock": true, "poetry.lock": true, "pnpm-workspace.yaml": true,
|
||
}
|
||
|
||
// templateOwnedDirNames=system-dev-template 鋪出來的產物區,任何深度都不當原稿
|
||
// (daemon-beta task 2,2026-08-06,原始出處 commit b4fee43)。
|
||
//
|
||
// 🔴 這一條以前是 direct.go 自己手捏的第二張表(`SkipDirNames{"system-dev": true}`),
|
||
// 而 #104 的排除清單在這裡——**兩張表分居兩處,於是 2026-08-16 讀源碼的人只看到其中一張,
|
||
// 把「清單根本沒接上」當成了真兇**(實際上兩張都有接上,見 direct.go 的 `Plan: plan`)。
|
||
// 收成同一個地方,就不會再有第二張表可以漏看。
|
||
// curated-wiki 模式要收的正是 `system-dev/wiki` ⇒ 那條路由 onPathTo 放行。
|
||
var templateOwnedDirNames = map[string]bool{"system-dev": true}
|
||
|
||
// projectManifestFiles=「有人在這一層跑建置工具」的佐證檔。
|
||
//
|
||
// 🔴 為什麼**不是**看 `.git`(leo 2026-08-16 當場推翻):
|
||
//
|
||
// 「**你不需要判斷有沒有 git,我的 KB 筆記庫也有 git,
|
||
// 是否用 github/gitea 追蹤完全沒意義。**」
|
||
//
|
||
// ⇒ 版控是「這個人有沒有在做版本備份」,與「這個資料夾是不是軟體專案」無關。
|
||
// 同理 `.gitignore` 的**存在**也不是門檻(它的**內容**仍是有用的線索,見 ignorerules.go)。
|
||
// ⇒ 判準只准建在「**這個目錄本身/旁邊是什麼**」上——這樣筆記庫與軟體專案一視同仁。
|
||
var projectManifestFiles = []string{
|
||
"package.json", "go.mod", "Cargo.toml", "pyproject.toml", "requirements.txt",
|
||
"pom.xml", "build.gradle", "build.gradle.kts", "Gemfile", "composer.json",
|
||
"CMakeLists.txt", "Makefile", "pnpm-workspace.yaml", "tsconfig.json",
|
||
}
|
||
|
||
// looksGenerated 回答「這個叫 build/dist/out… 的目錄,真的是工具生出來的嗎」。
|
||
//
|
||
// 判準是**目錄局部的**:它的**上一層**有沒有擺著專案檔(package.json、go.mod…)。
|
||
// 建置產物一定跟產生它的專案檔同一層——`pms/workers/x/package.json` 旁邊的
|
||
// `pms/workers/x/dist` 是產物;筆記庫 `專案/build`(樂高作品集)旁邊什麼都沒有。
|
||
//
|
||
// 為什麼用「上一層」而不是「整棵樹有沒有專案檔」:monorepo 底下同時有程式與筆記,
|
||
// 用整棵樹當旗標會把筆記那一半也一起殺掉。局部判斷才不會誤傷。
|
||
func looksGenerated(absDir string) bool {
|
||
parent := filepath.Dir(absDir)
|
||
for _, n := range projectManifestFiles {
|
||
if _, err := os.Stat(filepath.Join(parent, n)); err == nil {
|
||
return true
|
||
}
|
||
}
|
||
return false
|
||
}
|
||
|
||
// PlanIngest 決定某個監看根的收檔策略。**這支是 #104 的入口,Scan 在走訪前呼叫一次。**
|
||
//
|
||
// 判斷順序刻意照 leo 的原話:先問「是不是專案」,再問「有沒有現成 wiki」,最後才退到文件區。
|
||
//
|
||
// 為什麼「是不是專案」用版控(`.git`)判:那是唯一不必猜的訊號,而且與 #105 同一個判準
|
||
// ——一個資料夾在版控裡,就代表裡面有人在追每個檔案的歷史,那幾乎必然是原始碼專案而不是
|
||
// 誰的筆記本。判準只有一個地方(repoguard.go),兩張票共用,不會漂移。
|
||
func PlanIngest(absRoot string) IngestPlan {
|
||
repoRoot := DetectRepoRoot(absRoot)
|
||
// 使用者自己寫的排除宣告——只讀它的**內容**當線索,不拿它的存在當門檻。
|
||
ignore := LoadIgnoreRules(absRoot)
|
||
|
||
if repoRoot == "" {
|
||
return IngestPlan{
|
||
Mode: IngestAll,
|
||
Reason: "這是一般資料夾,裡面的文件我全部都會讀(別人的套件與建置產物除外)。",
|
||
ignore: ignore,
|
||
}
|
||
}
|
||
|
||
others := otherWikiDirs(absRoot)
|
||
if wiki := findCuratedWiki(absRoot); wiki != "" {
|
||
return IngestPlan{
|
||
Mode: IngestCuratedWiki,
|
||
RepoRoot: repoRoot,
|
||
WikiRelDir: wiki,
|
||
Reason: "這是一個開發專案,而且你已經整理好一份知識庫(" + wiki + ")——" +
|
||
"我直接讀那一份就好,不再把整個專案的原始碼與零散檔案重萃一次。",
|
||
OtherWikiDirs: others,
|
||
ignore: ignore,
|
||
}
|
||
}
|
||
|
||
docs := existingDocDirs(absRoot)
|
||
reason := "這是一個開發專案,我只讀文件、不讀程式碼。"
|
||
if len(docs) > 0 {
|
||
reason = "這是一個開發專案,我只讀文件(" + strings.Join(docs, "、") + ")與根目錄的說明檔,不讀程式碼。"
|
||
}
|
||
return IngestPlan{
|
||
Mode: IngestDocsOnly,
|
||
RepoRoot: repoRoot,
|
||
DocRelDirs: docs,
|
||
Reason: reason,
|
||
OtherWikiDirs: others,
|
||
ignore: ignore,
|
||
}
|
||
}
|
||
|
||
// findCuratedWiki 回傳第一個「存在且真的有內容」的現成 wiki 目錄(相對路徑),沒有回空字串。
|
||
//
|
||
// 「有內容」=底下至少有一個 `.md`。空目錄不算——不然一個剛跑完 template 安裝、
|
||
// wiki 還沒寫的 repo 會被判成 curated-wiki,結果一個檔都不收(那比收太多更糟:
|
||
// 使用者會以為系統壞了)。
|
||
func findCuratedWiki(absRoot string) string {
|
||
for _, rel := range curatedWikiCandidates {
|
||
dir := filepath.Join(absRoot, filepath.FromSlash(rel))
|
||
if !isDir(dir) {
|
||
continue
|
||
}
|
||
if dirHasMarkdown(dir) {
|
||
return rel
|
||
}
|
||
}
|
||
return ""
|
||
}
|
||
|
||
// dirHasMarkdown 淺層回答「這個目錄樹裡有沒有 .md」,找到一個就停(不走完整棵)。
|
||
func dirHasMarkdown(dir string) bool {
|
||
found := false
|
||
_ = filepath.WalkDir(dir, func(p string, d os.DirEntry, err error) error {
|
||
if err != nil || found {
|
||
return nil
|
||
}
|
||
if d.IsDir() {
|
||
if p != dir && strings.HasPrefix(d.Name(), ".") {
|
||
return filepath.SkipDir
|
||
}
|
||
return nil
|
||
}
|
||
if strings.EqualFold(filepath.Ext(d.Name()), ".md") && !strings.HasPrefix(d.Name(), ".") {
|
||
found = true
|
||
}
|
||
return nil
|
||
})
|
||
return found
|
||
}
|
||
|
||
func existingDocDirs(absRoot string) []string {
|
||
var out []string
|
||
for _, rel := range docDirCandidates {
|
||
if isDir(filepath.Join(absRoot, filepath.FromSlash(rel))) {
|
||
out = append(out, rel)
|
||
}
|
||
}
|
||
return out
|
||
}
|
||
|
||
// otherWikiDirs 找出監看根底下**其他**地方的 wiki(子專案自己的知識庫)。
|
||
//
|
||
// 🔴 為什麼找出來卻不收:leo 的 `InkStoneCo` 底下有 `products/*`、`matrix/*` 這些
|
||
// **各自獨立的 repo**,每一個都有自己的 `system-dev/wiki`。它們是**別的專案**的知識,
|
||
// 混進這個資料夾的知識庫裡,AR-Mira 搜一個主題就會回一堆分不清屬於誰的東西。
|
||
// 要收哪一個,是使用者的決定——把那個子專案自己加進看守清單即可。
|
||
//
|
||
// 但**一定要講出來**:使用者接了一個 monorepo 卻只看到 32 張卡,不告訴他其餘的在哪,
|
||
// 他只會覺得東西不見了(票上的紅線:不要讓他猜)。
|
||
//
|
||
// 走訪時套用與 Scan 相同的跳過規則(隱藏目錄、noise、linked worktree、
|
||
// 已知的 curated 位置自己),所以出貨用 worktree 與 templatefs 的那十幾份不會列進來。
|
||
func otherWikiDirs(absRoot string) []string {
|
||
seen := map[string]bool{}
|
||
for _, rel := range curatedWikiCandidates {
|
||
seen[rel] = true
|
||
}
|
||
var out []string
|
||
_ = filepath.WalkDir(absRoot, func(p string, d os.DirEntry, err error) error {
|
||
if err != nil || !d.IsDir() || p == absRoot {
|
||
return nil
|
||
}
|
||
name := d.Name()
|
||
// 與 SkipsDirWhy 的 ②③ 同一組判準(泛用名同樣要旁邊有專案檔才算)。
|
||
if strings.HasPrefix(name, ".") || toolOwnedDirNames[name] ||
|
||
(ambiguousBuildDirNames[name] && looksGenerated(p)) {
|
||
return filepath.SkipDir
|
||
}
|
||
if IsLinkedWorktree(p) {
|
||
return filepath.SkipDir // 同一個 repo 的第二份簽出,內容重複
|
||
}
|
||
rel, rerr := filepath.Rel(absRoot, p)
|
||
if rerr != nil {
|
||
return nil
|
||
}
|
||
relSlash := filepath.ToSlash(rel)
|
||
if name == "wiki" && !seen[relSlash] && dirHasMarkdown(p) {
|
||
out = append(out, relSlash)
|
||
return filepath.SkipDir
|
||
}
|
||
return nil
|
||
})
|
||
sort.Strings(out)
|
||
return out
|
||
}
|
||
|
||
// ─────────────────────────────────────────────────────────────────────────────
|
||
// 走訪判準:Scan 在 WalkDir 裡逐目錄/逐檔問這兩支
|
||
// ─────────────────────────────────────────────────────────────────────────────
|
||
|
||
// SkipsDir 回答「走訪時要不要整棵跳過這個目錄」。relSlash 是相對監看根的路徑。
|
||
//
|
||
// 三類跳過,全模式適用:
|
||
// 1. noise(依賴/建置產物/範本)——名字判準,見 noiseDirNames
|
||
// 2. linked worktree——`.git` 是檔案。#104 實據裡的 `.claude/worktrees/…` 與
|
||
// `products/arcrun-rag-wt60ship` 全是這一種:主 repo 的第二份簽出,收了就是重複
|
||
// 3. 巢狀 repo(自己有 `.git` 的子目錄)——那是別的專案,見 otherWikiDirs 的說明
|
||
//
|
||
// 再加上模式限定的:curated-wiki 只走那一份 wiki 的路;docs-only 只走文件目錄的路。
|
||
// (隱藏目錄由 Scan 自己擋,那條規則比本檔更早存在,不搬過來。)
|
||
func (p IngestPlan) SkipsDir(relSlash, absPath string) bool {
|
||
skip, _ := p.SkipsDirWhy(relSlash, absPath)
|
||
return skip
|
||
}
|
||
|
||
// SkipsDirWhy 同 SkipsDir,但一併回「講給使用者聽的理由」。
|
||
//
|
||
// 🔴 理由不是 debug 字串,是產品文案:使用者看到「兩千個檔只送了九個」的當下,
|
||
// 唯一能讓他不慌的東西就是這一句(票上的紅線,同 #121「不要讓用戶猜」)。
|
||
func (p IngestPlan) SkipsDirWhy(relSlash, absPath string) (bool, string) {
|
||
name := filepath.Base(relSlash)
|
||
|
||
// ① 使用者自己宣告過的(最有力的理由——他親手寫的,不是我們猜的)
|
||
if p.ignore.Ignores(relSlash, true) {
|
||
return true, "你的 .gitignore 說不要收這裡"
|
||
}
|
||
// ② 名字本身就不是人話(不需要佐證)
|
||
if toolOwnedDirNames[name] {
|
||
return true, "這是工具產生的(別人的套件、快取或建置產物),不是你寫的東西"
|
||
}
|
||
// ③ 泛用名(build/dist/out…)——只有在它旁邊真的擺著專案檔時才算。
|
||
// 判準是目錄局部的,與版控無關(leo 2026-08-16:他的筆記庫也有 git)。
|
||
if ambiguousBuildDirNames[name] && looksGenerated(absPath) {
|
||
return true, "這是建置工具產生的目錄(旁邊就是產生它的專案檔)"
|
||
}
|
||
// ④ template 鋪出來的產物區(任何深度)。curated-wiki 要收的那條路例外。
|
||
if templateOwnedDirNames[name] && !(p.Mode == IngestCuratedWiki && onPathTo(relSlash, p.WikiRelDir)) {
|
||
return true, "這是開發範本鋪出來的目錄,不是你的知識"
|
||
}
|
||
if IsLinkedWorktree(absPath) {
|
||
return true, "這是同一個專案的第二份簽出(git worktree),內容與主資料夾重複"
|
||
}
|
||
// 巢狀 repo:監看根自己不算(relSlash == "." 走不到這裡,Scan 只對子目錄呼叫)。
|
||
if IsRepoRoot(absPath) {
|
||
return true, "這是另一個獨立的專案,要收請把它自己加進看守清單"
|
||
}
|
||
switch p.Mode {
|
||
case IngestCuratedWiki:
|
||
// 只有「通往那份 wiki 的路」與「那份 wiki 底下」要走。
|
||
if !onPathTo(relSlash, p.WikiRelDir) {
|
||
return true, "這次只讀你整理好的 " + p.WikiRelDir
|
||
}
|
||
case IngestDocsOnly:
|
||
for _, d := range p.DocRelDirs {
|
||
if onPathTo(relSlash, d) {
|
||
return false, ""
|
||
}
|
||
}
|
||
return true, "這是一個開發專案,這次只讀文件區,不讀程式碼"
|
||
}
|
||
return false, ""
|
||
}
|
||
|
||
// KeepsFile 回答「這個檔要不要收」。relSlash 是相對監看根的路徑。
|
||
//
|
||
// curated-wiki:只收那份 wiki 底下的檔。
|
||
// docs-only:收文件目錄底下的檔,外加**根層的說明檔**(README/CONTRIBUTING 那些是
|
||
// 專案唯一的入門文件,把它們漏掉,一個只有 README 的 repo 會變成一個檔都不收)。
|
||
// all:全收,判準交回 Scan 原本的副檔名白名單。
|
||
func (p IngestPlan) KeepsFile(relSlash string) bool {
|
||
// 使用者自己宣告過的檔案(`*.log`、`.dev.vars`…)同樣當真——與目錄同一條理由。
|
||
if p.ignore.Ignores(relSlash, false) {
|
||
return false
|
||
}
|
||
// 機器產生的鎖定檔不是知識(見 toolOwnedFileNames)。
|
||
if toolOwnedFileNames[filepath.Base(relSlash)] {
|
||
return false
|
||
}
|
||
switch p.Mode {
|
||
case IngestCuratedWiki:
|
||
return strings.HasPrefix(relSlash, p.WikiRelDir+"/")
|
||
case IngestDocsOnly:
|
||
for _, d := range p.DocRelDirs {
|
||
if strings.HasPrefix(relSlash, d+"/") {
|
||
return true
|
||
}
|
||
}
|
||
return !strings.Contains(relSlash, "/") // 根層說明檔
|
||
}
|
||
return true
|
||
}
|
||
|
||
// OverridesTemplateOwned 回答「這個檔雖然被 TemplateOwns 認成『開發用的』,
|
||
// 但本次策略仍然要收它嗎」。
|
||
//
|
||
// 🔴 只有 curated-wiki 模式、且只針對那份 wiki 底下的檔會回 true。
|
||
//
|
||
// 為什麼需要這個開關:`TemplateOwns` 把 `system-dev/` 整棵當成「開發用的、不該進知識庫」
|
||
// (2026-08-06,理由是「我們代裝進使用者資料夾的 template 產物不是他的知識」)。
|
||
// 但 leo 2026-08-14 的規格要的正是那個位置——`system-dev/wiki/` 在**他自己的 repo** 裡
|
||
// 是他親手整理的知識庫,而且是唯一該收的東西。
|
||
//
|
||
// 兩條規則對撞,用**身分**化解而不是拿掉任何一條:
|
||
// - 我們代裝的資料夾沒有 `.git` ⇒ PlanIngest 回 IngestAll ⇒ 這裡回 false ⇒ 舊規則照舊
|
||
// - 他自己的 repo 有 `.git` 且有現成 wiki ⇒ curated-wiki ⇒ 這裡回 true ⇒ 收那份 wiki
|
||
func (p IngestPlan) OverridesTemplateOwned(relSlash string) bool {
|
||
if p.Mode != IngestCuratedWiki {
|
||
return false
|
||
}
|
||
return strings.HasPrefix(relSlash, p.WikiRelDir+"/")
|
||
}
|
||
|
||
// onPathTo 回答「relSlash 是不是 target 的祖先、target 自己、或 target 的子孫」
|
||
// ——也就是走訪時「這條路要不要繼續走下去」。
|
||
func onPathTo(relSlash, target string) bool {
|
||
if relSlash == target ||
|
||
strings.HasPrefix(relSlash, target+"/") ||
|
||
strings.HasPrefix(target, relSlash+"/") {
|
||
return true
|
||
}
|
||
return false
|
||
}
|