#!/usr/bin/env python3 # -*- coding: utf-8 -*- """IMA 诊断原料知识库 · 正文检索与主题汇总报告 输入：数据/ima_corpus.json、数据/ima_themes_wechat.json、数据/ima_themes_local.json 输出：销售分析/IMA知识库_诊断原料_近三个月内容汇总_2026-10-17.html """ import json import os import sys sys.path.insert(0, '/Users/liuxinyuan/Desktop/Hermes输出-工作类/脚本') import brand_kit as BK # noqa: E402 W = '/Users/liuxinyuan/Desktop/Hermes输出-工作类' D = os.path.join(W, '数据') OUT = os.path.join(W, '销售分析', 'IMA知识库_诊断原料_内容汇总_2026-10-17.html') corpus = json.load(open(os.path.join(D, 'ima_corpus.json'), encoding='utf-8'))['items'] wx = json.load(open(os.path.join(D, 'ima_themes_wechat.json'), encoding='utf-8')) lc = json.load(open(os.path.join(D, 'ima_themes_local.json'), encoding='utf-8')) total_kb = len(json.load(open(os.path.join(D, 'ima_kb_index_诊断原料.json'), encoding='utf-8'))['items']) n_wx_ok = sum(1 for x in corpus if x['source'] == 'wechat' and x['status'] == 'ok') n_wx_miss = sum(1 for x in corpus if x['source'] == 'wechat' and x['status'] != 'ok') n_lc_ok = sum(1 for x in corpus if x['source'] == 'local' and x['status'] == 'ok') readable = n_wx_ok + n_lc_ok def esc(s): return (str(s or '').replace('&', '&').replace('<', '<').replace('>', '>')) def theme_html(t, src): pts = [] for p in t.get('points', []): ev = p.get('evidence') or {} quote = esc(ev.get('quote', '')) title = esc(ev.get('title', '')) url = ev.get('url', '') date = esc(ev.get('date', '')) link = '%s' % (url, title) if url else title pts.append('
  • %s
    %s%s%s
    • ' % ( esc(p.get('text', '')), link, (' ｜ ' + date) if date else '', ('
    “%s”' % quote) if quote else '')) return ('

    %s

    %s
    ' '

    %s

    ') % ( esc(t.get('name')), 'wx' if src == 'wechat' else 'lc', '公众号' if src == 'wechat' else '本地文件', esc(t.get('summary')), ''.join(pts)) themes = ''.join(theme_html(t, 'wechat') for t in wx.get('themes', [])) themes += ''.join(theme_html(t, 'local') for t in lc.get('themes', [])) nums = ''.join('%s%s%s' % ( esc(x.get('value')), esc(x.get('meaning')), esc(x.get('source_title'))) for x in wx.get('notable_numbers', [])) acts = ''.join('
  • %s
    • ' % esc(x) for x in lc.get('actionable', [])) gaps = ''.join('
  • %s
    • ' % esc(x) for x in (lc.get('gaps', []) + wx.get('insufficient', []))) page = """ IMA 诊断原料知识库 · 内容汇总

    IMA 知识库 · 诊断原料 · 内容汇总

    来源：宝锐诊断原料销售知识库（%(total)d 条，已剔除个人笔记）｜ 只取知识库公开条目，不含个人笔记 ｜ 生成于 2026-10-17
    %(total)d知识库条目
    %(readable)d取到正文（%(pct).0f%%）
    %(wx)d公众号文章命中
    %(lc)d本地文件可读

    怎么读这份报告 口径先看

    • 公众号正文是“标题检索 + 转载版本”：知识库不返回原文链接，按标题在全网找回，可能匹配到同名/近似文章；文中标注的日期与链接均来自找回的页面，引用片段已逐字核对。
    • 本地文件来自 IMA 同步副本，日期为本地落盘日，非发布日；PDF 仅抽取前 6 页。
    • 未取到正文的 %(miss)d 篇：无原文链接、转载未收录、或站点反爬；不做推测性概括，见文末缺口清单。
    • 知识库 API 不提供更新时间，因此无法严格按“最近三个月”筛选；报告以“主题 + 可读正文”为口径，日期仅作参考。

    主题汇总 按内容聚类，公众号在前、本地文件在后

    %(themes)s

    值得记住的数字 均可在原文核对

    %(nums)s
    数字含义出处

    可执行清单 来自制度与产品资料

    读不到的部分 如实列出，不替代推测

    另有 74 篇公众号文章未找回正文（标题保留在索引中），如需，可逐篇人工提供链接或在 IMA 桌面端导出后我再补。

    %(footer)s
    """ % { 'total': total_kb, 'readable': readable, 'pct': 100.0 * readable / total_kb, 'wx': n_wx_ok, 'lc': n_lc_ok, 'miss': n_wx_miss, 'themes': themes, 'nums': nums, 'acts': acts, 'gaps': gaps, 'footer': '__F__', } page = BK.inject(page, theme='dark', tag='IMA 知识库 · 诊断原料 内容汇总', footer_extra='内部资料 · 不对外 ｜ 引用均来自知识库条目可读正文') page = page.replace('__F__', '') page = page.replace('', '
    ').replace('
    ', '') open(OUT, 'w', encoding='utf-8').write(page) print('✅', OUT, '%.0f KB' % (len(page.encode()) / 1024))