poyee-data-warehouse/dw_base/sync

dw_base/sync — 外部文档同步

职责

周期性从外部文档系统（公司内 Docmost 优先；后续可扩 Confluence / Notion / 飞书知识库）拉取 page → 落到 kb/inbox/ → 供 AI 整理进正式 kb/ 分类文档。

对外接口概要（规划中）

• docmost.pull_pages(space, since_ts=None) -> list[Path]
  • 拉取指定 space 的 page，落到 kb/inbox/{yyyymmdd}/<page_id>_<slug>.md
  • since_ts 增量拉取游标（避免重复）
• docmost.auth(token) —— API 鉴权
• 入口脚本 bin/docs-sync.py（本批不建，后续实现时再加）

约定

• 落盘路径：kb/inbox/{yyyymmdd}/<page_id>_<slug>.md
  • 日期子目录防止 inbox 根目录被塞爆
  • 文件名带 page_id 方便增量覆盖同一页的后续更新
• 拉回的是草稿，不直接进 kb/ 正式分类，必须走"AI 整理 → 人工审 → 归入 kb/{NN}-xxx.md"流程

依赖

• requests（调 Docmost API）
• configparser（读 conf/sync/docmost.ini 非敏感配置：base URL、space id 等）
• 账密：Docmost API token 走 datasource/sync/docmost/<env>.ini（高敏不入库）

状态

骨架（未启动）。待确认：

• Docmost API 鉴权方式（token / OAuth？）
• 是否支持 webhook（事件驱动增量同步，避免轮询）
• 多 space 支持优先级

见 kb/90-重构路线.md 聚簇 D。