perf(harvest): attempt3 先按磁盘证据重建结果,零 token 替代整场重跑

runtime 类失败(结构化交付失败)时,采集成果其实已全部落盘(registry+归档):
新增 reconstruct-result.py 按运行窗口内的 registry 条目重建 structured_output
(归档文件逐篇核验),注入原信封——秒级完成、零 token,跳过备用 provider 重跑。
窗口内无交付(business 失败/真没干成活)自动落回原 attempt3 重跑路径。
实测:ft 14:25 窗口重建 40 篇核验通过;空窗口 exit 3 正确回退。

bin/harvest.sh

@@ -254,6 +254,20 @@ for ATTEMPT in 1 2 3; do
     fi
   fi
   if [ "$ATTEMPT" = "3" ]; then
+    # 先尝试磁盘重建:runtime 类失败=活已干完只是交卷失败,成果都在
+    # registry/归档里——重建结果零 token 秒级完成,不再整场重跑。
+    # (business 失败=没干成活,窗口内必无交付,重建自然落空走重跑)
+    if [ "${_RETRY_KIND:-}" = "runtime" ]; then
+      if python3 "$SCRIPT_DIR/reconstruct-result.py" \
+          --source "$SOURCE" --count "$COUNT" \
+          --start-epoch "$START_EPOCH" --json-out "$JSON_OUT" \
+          --skill-config "$(nh_skill_dir)/config.json" \
+          --vault-root "${OBSIDIAN_VAULT_PATH:-$HOME/NewsHub}" \
+          --date-tag "$DATE_TAG"; then
+        echo "[attempt 3/3] ✅ 已按磁盘证据重建结果,跳过备用 provider 重跑"
+        break
+      fi
+    fi
     if [ -n "${FALLBACK_PROVIDER:-}" ] && [ "${FALLBACK_PROVIDER}" != "${PROVIDER:-}" ]; then
       cp -f "$JSON_OUT" "${JSON_OUT}.attempt2" 2>/dev/null || true
       cp -f "$RAW_OUT" "${RAW_OUT}.attempt2" 2>/dev/null || true

bin/reconstruct-result.py

+#!/usr/bin/env python3
+"""reconstruct-result.py - 从磁盘证据重建采集结果,替代 attempt3 整场重跑。
+
+场景:attempt1/2 的采集工作已全部落盘(归档+registry),仅结构化交付失败。
+此时备用 provider 从头重采纯属浪费——直接按 registry 里本次运行窗口内的
+条目重建 structured_output,零 token 成本,秒级完成。
+
+退出码:0=重建成功(≥1 篇,已写入 JSON_OUT);3=窗口内无交付(应照常走重跑)。
+"""
+import argparse
+import json
+import sys
+from datetime import datetime, timezone
+from pathlib import Path
+
+
+def parse_iso(ts):
+    try:
+        return datetime.fromisoformat(ts.replace("Z", "+00:00")).timestamp()
+    except (ValueError, AttributeError):
+        return 0.0
+
+
+def main():
+    ap = argparse.ArgumentParser()
+    ap.add_argument("--source", required=True)
+    ap.add_argument("--count", type=int, default=20)
+    ap.add_argument("--start-epoch", type=float, required=True, help="本次运行开始时间(date +%s)")
+    ap.add_argument("--json-out", required=True, help="最后一次尝试的信封,重建结果注入其中")
+    ap.add_argument("--skill-config", required=True, help="技能 config.json(取 vaultFolder)")
+    ap.add_argument("--vault-root", default=str(Path.home() / "NewsHub"))
+    ap.add_argument("--date-tag", default=None, help="运行日 YYYYMMDD(默认今天)")
+    args = ap.parse_args()
+
+    try:
+        cfg = json.loads(Path(args.skill_config).read_text(encoding="utf-8"))
+    except (OSError, ValueError):
+        print("[reconstruct] 技能配置不可读,放弃重建", file=sys.stderr)
+        return 3
+    folder = next((s.get("vaultFolder") for s in cfg.get("sources", [])
+                   if s.get("id") == args.source), None)
+    if not folder:
+        print(f"[reconstruct] 源 {args.source} 无 vaultFolder,放弃重建", file=sys.stderr)
+        return 3
+
+    date_tag = args.date_tag or datetime.now().strftime("%Y%m%d")
+    day_dir = Path(args.vault_root).expanduser() / folder / date_tag
+    registry = day_dir / "registry.json"
+    if not registry.is_file():
+        print(f"[reconstruct] 无 registry: {registry}", file=sys.stderr)
+        return 3
+    try:
+        entries = json.loads(registry.read_text(encoding="utf-8")).get("articles", [])
+    except (OSError, ValueError):
+        return 3
+
+    arts = []
+    for e in entries:
+        if parse_iso(e.get("processedAt", "")) < args.start_epoch:
+            continue
+        archive = day_dir / e.get("originalFilename", "")
+        if not archive.is_file():
+            continue
+        arts.append({
+            "url": e.get("url", ""),
+            "title": e.get("titleEn") or e.get("titleZh") or e.get("url", ""),
+            "published_at": e.get("date", ""),
+            "archive_path": str(archive),
+            "status": "SUCCESS",
+            "failure_type": None,
+            "failure_reason": None,
+            "quality_evidence": [],
+        })
+    if not arts:
+        print(f"[reconstruct] 运行窗口({datetime.fromtimestamp(args.start_epoch):%H:%M} 起)内无交付", file=sys.stderr)
+        return 3
+
+    so = {
+        "schema_version": 1,
+        "source": args.source,
+        "requested_count": args.count,
+        "attempted_count": len(arts),
+        "succeeded_count": len(arts),
+        "failed_count": 0,
+        "status": "SUCCESS",
+        "source_exhausted": False,
+        "exhaustion_reason": "",
+        "warnings": ["结构化交付失败,结果由磁盘证据重建(registry+归档核验);"
+                     "如个别文章摘要/推送未竟,下次运行 finalize 会自动补齐"],
+        "failures": [],
+        "articles": arts,
+    }
+    # 保留原信封的运行元数据(成本/会话等),只补上结构化结果
+    try:
+        envelope = json.loads(Path(args.json_out).read_text(encoding="utf-8"))
+        if not isinstance(envelope, dict):
+            raise ValueError
+    except (OSError, ValueError):
+        envelope = {"is_error": False, "result": "ok"}
+    envelope["structured_output"] = so
+    envelope["is_error"] = False
+    Path(args.json_out).write_text(json.dumps(envelope, ensure_ascii=False, indent=2), encoding="utf-8")
+    print(f"[reconstruct] 重建成功:{len(arts)} 篇(窗口内 registry 条目,归档文件已核验)")
+    return 0
+
+
+if __name__ == "__main__":
+    sys.exit(main())