Move policy-analysis reports to output/ subdirectory

skills/jd-fapai-scrape/scrape.py

@@ -448,7 +448,8 @@ def print_stats(listings, new_items=None, updated_items=None, early_stopped=Fals
 
 
 def scrape(keyword="塘厦", cate_id="15", sort_field="11",
-           max_scrolls=100, output_dir=".", incremental=False):
+           max_scrolls=100, output_dir="output/法拍",
+           incremental=False, csv_only=False):
     os.makedirs(output_dir, exist_ok=True)
 
     now_str = datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S")
@@ -463,10 +464,12 @@ def scrape(keyword="塘厦", cate_id="15", sort_field="11",
     if incremental:
         existing, known_ids = load_existing(json_path)
         if not known_ids:
-            print("未找到已有数据，转为首次抓取模式")
+            print("未找到已有 JSON 数据，转为首次抓取模式")
             incremental = False
         else:
             print(f"已有数据: {len(existing)} 条, 已知 {len(known_ids)} 个 paimaiId")
+            if csv_only:
+                print("提示: csv_only 模式下增量更新仍需 JSON 做合并，临时使用后删除")
 
     new_listings, early_stopped = fetch_listings(
         keyword, cate_id, sort_field, max_scrolls,
@@ -482,9 +485,12 @@ def scrape(keyword="塘厦", cate_id="15", sort_field="11",
         print(f"合并后总数: {len(merged)} 条")
         print(f"新增: {len(new_items)} 条 | 更新: {len(updated_items)} 条")
 
-        with open(json_path, "w", encoding="utf-8") as f:
+        if not csv_only:
-            json.dump(merged, f, indent=2, ensure_ascii=False)
+            with open(json_path, "w", encoding="utf-8") as f:
+                json.dump(merged, f, indent=2, ensure_ascii=False)
         save_csv(merged, csv_path)
+        if csv_only and os.path.exists(json_path):
+            os.remove(json_path)
 
         log_path = os.path.join(output_dir, f"{keyword}_增量日志.log")
         with open(log_path, "a", encoding="utf-8") as f:
@@ -505,7 +511,8 @@ def scrape(keyword="塘厦", cate_id="15", sort_field="11",
                         f"{ts_to_str(item.get('_startTime'))}\n")
 
         print(f"\n输出文件:")
-        print(f"  JSON: {json_path}")
+        if not csv_only:
+            print(f"  JSON: {json_path}")
         print(f"  CSV:  {csv_path}")
         print(f"  日志: {log_path}")
 
@@ -517,12 +524,14 @@ def scrape(keyword="塘厦", cate_id="15", sort_field="11",
             item["_first_seen"] = now_str
             item["_last_seen"] = now_str
 
-        with open(json_path, "w", encoding="utf-8") as f:
+        if not csv_only:
-            json.dump(sorted_listings, f, indent=2, ensure_ascii=False)
+            with open(json_path, "w", encoding="utf-8") as f:
+                json.dump(sorted_listings, f, indent=2, ensure_ascii=False)
         save_csv(sorted_listings, csv_path)
 
         print(f"\n输出文件:")
-        print(f"  JSON: {json_path}")
+        if not csv_only:
+            print(f"  JSON: {json_path}")
         print(f"  CSV:  {csv_path}")
 
         print_stats(sorted_listings)
@@ -535,9 +544,11 @@ if __name__ == "__main__":
     parser.add_argument("--cate-id", default="15", help="类目ID (默认: 15=法拍房)")
     parser.add_argument("--sort-field", default="11", help="排序 (默认: 11=最新发布)")
     parser.add_argument("--max-scrolls", type=int, default=100, help="最大滚动次数")
-    parser.add_argument("--output-dir", default=".", help="输出目录")
+    parser.add_argument("--output-dir", default="output/法拍", help="输出目录 (默认: output/法拍)")
     parser.add_argument("--incremental", "-i", action="store_true",
                         help="增量更新：只下载新房源，遇到已知项即停止")
+    parser.add_argument("--csv-only", action="store_true",
+                        help="只输出 CSV，不保存 JSON（增量模式下 JSON 临时使用后删除）")
 
     args = parser.parse_args()
 
@@ -548,4 +559,5 @@ if __name__ == "__main__":
         max_scrolls=args.max_scrolls,
         output_dir=args.output_dir,
         incremental=args.incremental,
+        csv_only=args.csv_only,
     )

skills/policy-radar/SKILL.md

@@ -14,7 +14,7 @@ description: 政策雷达 — 从中国政府公开信息源抓取最新政策
 
 **角色:** 你是一个政策分析师，专为中国A股市场的投资者提供政策解读服务。你不会凭空猜测——所有判断都基于政策原文。
 
-**目标产物:** 一份 `policy-analysis/policy-analysis-{日期}.md`，包含：
+**目标产物:** 一份 `output/policy-analysis/policy-analysis-{日期}.md`，包含：
 1. 本期抓取到的所有相关政策清单（附原文链接/引文）
 2. 每条政策的四步法解读
 3. 政策连续性验证（对比上一期分析）
@@ -104,9 +104,9 @@ description: 政策雷达 — 从中国政府公开信息源抓取最新政策
 
 **基线建立规则（硬步骤，不可跳过）:**
 
-- **非首次运行**: 将本期政策与上一期 `policy-analysis/policy-analysis-{上期日期}.md` 的结论逐条对比，标注每条政策的「新增表述/措辞变化/排序变化/新增措施/删除内容」。
+- **非首次运行**: 将本期政策与上一期 `output/policy-analysis/policy-analysis-{上期日期}.md` 的结论逐条对比，标注每条政策的「新增表述/措辞变化/排序变化/新增措施/删除内容」。
 - **首次运行**: 必须执行「基线扫描」子步骤——搜索过去 3 个月的相关政策（至少覆盖本次关键词领域），建立一份简短的基线摘要（每条政策的核心方向+关键措辞），作为 4.2 的对比锚点。基线摘要写入报告的「基线对比」字段，不得省略。
-- **后续运行输入**: 将上一期 `policy-analysis/policy-analysis-{日期}.md` 作为上下文输入，使 4.2 的增量判断可验证，而非依赖 agent 的历史知识。
+- **后续运行输入**: 将上一期 `output/policy-analysis/policy-analysis-{日期}.md` 作为上下文输入，使 4.2 的增量判断可验证，而非依赖 agent 的历史知识。
 
 #### 4.3 分类：区分货币政策与财政政策
 
@@ -134,7 +134,7 @@ description: 政策雷达 — 从中国政府公开信息源抓取最新政策
 
 **Step 5 — 生成结构化分析报告。**
 
-使用以下模板（第4节）生成 `policy-analysis/policy-analysis-{日期}.md`。
+使用以下模板（第4节）生成 `output/policy-analysis/policy-analysis-{日期}.md`。
 
 **Step 6 — 写入文件并汇报。**
 
@@ -349,7 +349,7 @@ article = scrape_article("gov.cn", url)  # 返回 [{text}, ...]
 
 1. **原文可追溯** — 每条政策都有原文链接或原文引文。原文获取不完整时须有 ⚠️ 降级标注。
 2. **四步法齐全** — 每条政策都经过 4.1→4.2→4.3→4.4 四步。缺失项不得臆测填充，应标注「原文不可得」。
-3. **基线对比** — 非首次运行对比上一期 `policy-analysis/policy-analysis-{日期}.md`；首次运行执行 3 个月基线扫描并建立基线摘要。
+3. **基线对比** — 非首次运行对比上一期 `output/policy-analysis/policy-analysis-{日期}.md`；首次运行执行 3 个月基线扫描并建立基线摘要。
 4. **方向判断有依据** — 每个投资判断（含看空赛道）指向具体政策编号，格式为 `{政策编号} 中的 ...`。
 5. **无臆测** — 所有分析基于原文。推测部分必须标注「(推测,非原文)」。
 6. **优先级标注** — 每条政策在清单中标注了 P0-P4 优先级。
@@ -368,5 +368,5 @@ article = scrape_article("gov.cn", url)  # 返回 [{text}, ...]
 
 ## 9. 一句话调用
 
-> 「运行政策雷达，搜索{关键词/时间范围}，抓取政策原文，按四步法解读，输出 policy-analysis/policy-analysis-{日期}.md。」
+> 「运行政策雷达，搜索{关键词/时间范围}，抓取政策原文，按四步法解读，输出 output/policy-analysis/policy-analysis-{日期}.md。」