dilab/audit

audit — 季度爬取

analysis 看到的是仓库；audit 看到的是访问者和爬虫看到的内容：真实的 HTML、实际的状态码、重定向、以及服务端返回的站点地图。它发现的一切要么变成 fix 技能可以机械执行的待办事项，要么列入所有者列表——那些不该由技能处理的事务（导航、布局、定价和法律页面、托管）。它从不编辑文章，也从不创建 PR。

脚本：${CLAUDE_PLUGIN_ROOT}/scripts/{crawl,inventory,sitecheck}.js。设置 P=${CLAUDE_PLUGIN_ROOT}。

参数：--origin <url>（默认值：seo/brand.json 中的 https://<domain>，否则使用 Preview 行的主机）--max <n> 页面（500），--external <n> 要检查的外部链接（200），--cwv（向 PageSpeed Insights 请求首页和集群枢纽页；需要能访问 googleapis.com，PAGESPEED_API_KEY 可选），--no-items（仅报告，不写入待办事项），--dry-run（爬取并报告，不提交任何内容）。

0. 前置条件

产品仓库根目录；git status --porcelain 为空；处于默认分支；存在 seo/strategy.md 和 ## SEO agent 块。先执行 node $P/scripts/inventory.js --root .，以便爬虫能将路径映射到文件和种类。不需要 gh。

1. 爬取

PREV=$(ls seo/data/crawl/*.json 2>/dev/null | sort | tail -1)
node $P/scripts/crawl.js --root . --origin <origin> --max <n> --external <n> [--cwv] --save seo/data/crawl ${PREV:+--diff $PREV} --quiet

读取 JSON：summary（页面、按代码分类的发现、truncated），findings[]（code、severity fix|report、path、file、msg、to），sitemap（count、error、missing），external[]，cwv[]，diff（自上次审计以来的 new、resolved）。顶层出现 error 键或 sitemap.error → 说明情况并停止；站点宕机是所有者的问题，不是待办事项。truncated: true → 说明爬取已达到 --max 限制以及哪些路径仍在队列中。

然后还要执行 node $P/scripts/sitecheck.js --root .：它能看到源码（Blade 参数、路由、框架）——这些是 HTML 源码隐藏的内容，两者结合起来才是完整视图。

2. 分类

按以下顺序分为三类：

1. fix 项 — 对于 severity: fix 的发现（代码为 title、description、canonical、alt、link、sitemap），且该页面的库存条目具有 file 且种类为指南、文章或工具。每页面一个条目，格式与 analysis §1c 完全相同，仅有两处不同：- evidence: audit <date>: <n> findings 以及每行 fixes: 以 (audit <date>) 结尾，以便 fix 知道要针对线上站点而非 sitecheck 进行确认：

   ### [B-nnn] fix: <path>
   - type: fix
   - target: <path>
   - score: <n> (potential <p> × ease 10 × fit <f>)      ← potential 3，或来自最新 seo/data/gsc 快照的页面 gsc_potential；fit 来自集群优先级
   - evidence: audit <date>: <n> findings
   - status: open
   - fixes:
     link: internal link /old-path redirects to /new-path: link the final URL (audit <date>)
     description: no meta description (audit <date>)
   

   如果一个页面已有开放的/已认领的/正在审核的 fix 项 → 将新的 fixes: 行追加到其中（跳过已存在的、具有相同 code + to 的行）。如果一个页面被一个开放的 refresh 项拥有 → 标记为 owned by B-nnn，不创建 fix 项。如果 sitecheck 也报告了相同的发现（相同页面、相同代码），则只列出一次，来自审计，并带有 (audit <date>) 标签。
2. link 项 — 文章页面的 orphan 发现：每个集群一个 link 项（$P/skills/analysis/SKILL.md §1c 格式，- links: 行 /hub → /orphan (orphan, audit <date>)）；如果集群已有开放的 link 项，则追加配对。没有集群的孤页（没有匹配的枢纽页）归入所有者列表。
3. 所有者列表 — 其余所有内容：broken-external、redirect-chain、duplicate-title/duplicate-description、noindex-in-sitemap、sitemap-404、thin、h1、mixed-content、slow、server-error、非文章页面（首页、定价页、法律页面、布局）上的所有发现、sitemap.missing 以及 CWV 行。按代码分组，最严重的在前，每种代码最多 3 个示例路径；如果库存中有文件名则注明。文章页面上的 thin 是刷新信号，不是修复项：说明是刷新信号并交由 analysis 处理。

如果使用了 --no-items → 仅执行第 3 类，并统计本应创建的条目数量。

3. 提交

除非使用 --dry-run：运行 git add seo/data/crawl/<date>.json seo/backlog.md 并在默认分支上提交 seo: audit <date> — <pages> pages, <findings> findings, <k> fix items, <m> link items（直接提交计划文件）；如果分支有上游则推送。不创建 PR。

4. 报告（不超过 15 行）

• audit <date>: <pages> pages crawled (<html> html, <truncated?>), <findings> findings (<fixable> fixable)；站点地图 <count> 个 URL，<missing> 个缺失或失败
• 按代码分类的发现，每行一个，包含计数
• 与 <previous> 的差异：<new> 个新增，<resolved> 个已解决（如果新增 ≤ 5 个则列出名称）
• 条目：fix ID 及路径；link ID 及集群；owned by / already open 备注
• 所有者列表：不超过 8 行，最严重的在前（导航中的 5xx 或重定向链排在长描述之前）
• 使用 --cwv 时的 CWV 表格：路径、LCP、CLS、INP、性能、来源
• 下一步：fix 将在周五执行这些条目（或立即执行 /seo-agent:fix）；下次审计将在 3 个月后进行

硬性规则

• 对站点只读：使用 seo-agent-audit 用户代理进行 GET/HEAD 请求，单个来源，--max 个页面，请求间有 --delay 延迟；绝不提交表单，绝不登录，绝不爬取其他主机
• 绝不编辑文章、布局或站点地图；绝不创建 PR；仅写入 seo/data/crawl/ 和 seo/backlog.md
• 待办事项仅针对 fix 技能可以编辑的文章页面；其余归所有者处理
• 确定性：所有发现均来自 crawl.js；不通过人工阅读 HTML 添加任何发现
• thin 绝不是修复项