Phase 2: 叙事发现引擎 — 审查与遗留问题

审查日期：2026-05-26 状态：核心功能已完成，以下为遗留改进项

审查结果

Phase 2 实现了 spec 04-engine-design.md 中 Narrative Discovery 引擎的全部 4 个子系统：

1. 叙事提取 — LLM 结构化输出 + Pydantic 校验
2. 语义匹配 — pgvector 三档阈值（0.85/0.6）
3. 状态机 — candidate→active→fading→archived + rejected
4. 合并/分裂检测 — 语义聚类 + 情绪标准差

测试覆盖：44 单元 + 10 集成 = 54 测试全部通过。

审查中已修复的问题

#	问题	修复
1	active→fading 缺 trend 检查	新增 is_weakening = ewma < latest 条件
2	合并检测未过滤 strengthening	新增 strength_latest > strength_ewma 过滤
3	缺 EWMA 计算逻辑	orchestrator 新增 _compute_ewma_updates()，create 时初始化，update 时递推
4	search_similar 丢失 sources 字段	重建 NarrativeRow 时赋值 sources=row.sources
5	::vector 语法与 asyncpg 参数冲突	改用 CAST(:param AS vector)
6	Protocol 签名过时	同步 get_by_status、add_edge、embedding 参数
7	未使用 import	清理 field、combinations、NarrativeRelationType、Sequence
8	集成测试 pgvector 扩展未安装	CREATE EXTENSION IF NOT EXISTS vector
9	集成测试 event loop 不匹配	fixture 重置 module-level 单例

遗留改进项（不阻塞 Phase 3）

中优先级

#	问题	影响	建议
M1	process_article 中 embedding 重复调用	matcher.embed() 和 create_candidate 时各调一次，浪费 token 和延迟	将 matcher 返回的 embedding 传递给 create，避免二次调用
M2	Vector 列维度硬编码 1536	换 embedding 模型（如 3-large=3072）需改 ORM + 重建表	EmbeddingProvider 已有 dimension 属性，ORM 应动态读取或使用迁移
M3	process_articles 纯串行	多篇文章逐条处理，高吞吐场景成瓶颈	改为 asyncio.gather + 幂等去重

低优先级

#	问题	影响	建议
L1	单元测试多为 happy path	LLM 失败、DB 异常等 error path 未覆盖	Phase 3 稳定后补充 error path 测试
L2	FeedReader 默认 RSS 源可能失效	部分源 URL 可能变更	从 data_sources.yaml 动态加载 feed 配置
L3	状态机 rejected 不在 NarrativeStatus 枚举中	使用字符串 "rejected" 而非枚举	考虑加入枚举或保持当前设计（rejected 只是临时状态）

测试矩阵

测试类型	数量	覆盖范围
单元 — narrative_models	7	Pydantic 模型校验、边界值
单元 — state_machine	10	全部状态转换 + 边界条件
单元 — merge_split	6	cosine similarity、聚类、标准差
单元 — feed_reader	3	FeedSource、HTML 清理
集成 — db	2	pgembed + ORM CRUD
集成 — narrative_engine	8	完整 pipeline（mock LLM + real DB）
总计	54	—