用途:在解析发布页面时,判定媒体项是编辑内容(功能截图、演示视频、说明图表)还是站点装饰(作者头像、导航徽标、追踪像素、分隔装饰),决定哪些进入发布的media[]数组。策略偏精度:丢弃编辑图片可事后补救,保留垃圾图片会污染界面并浪费存储。
运行时机:仅在解析流水线中AI提取发布内容之后,以及爬取模式读取全文并生成新media[]时运行;订阅源获取时不运行,因其已限定媒体范围。
廉价预检(保留在代码中,不消耗AI):命中追踪域名(如px.ads.linkedin.com、t.co、analytics.twitter.com、bat.bing.com)直接丢弃;HEAD/GET后content-type不在可上传集合(image/png|jpeg|gif|webp|svg+xml|avif、video/mp4|webm)则丢弃;体积小于5KB或大于10MB丢弃;YouTube、Vimeo、Loom等流媒体嵌入保留为video引用,不走上传;按内容哈希命中的R2键可复用并跳过重分类。其余模糊情形交由本技能判断。
启发式提示:不要把/avatar、/logo、/icon、/badge、1x1等路径子串当作硬性丢弃条件(例如“新图标集”发布的图标图片就是正文),仅作弱负信号;唯一例外是站点根目录的/favicon.ico与精确的/favicon*,始终视为装饰。
分类规则:强保留信号包括位于正文中部、alt描述功能或演示、文件名含screenshot/demo/feature等、尺寸宽于400px且非1:1、托管于组织的posts/releases/blog路径。强丢弃信号包括alt为姓名或空且URL含avatar/profile/author、文件名为logo.svg或header-bg.jpg等通用装饰、无上下文关联的200×200以下完美正方形、路径含插件或框架静态目录且无posts路径、每次发布都出现。弱信号包括/icon仅在发布与图标无关时为装饰;/badge为CI徽章时丢弃,与成就相关时保留;页面顶部SVG通常为徽标但可能是图表,需结合alt与位置。
输出:按输入顺序返回JSON数组,每项含url、decision(keep/drop)、confidence(high/low)与reason。低置信度的丢弃会被调用方保守处理。限制:不要新建子串黑名单;不要仅凭URL丢弃;不要请求图片字节来分类,仅用URL、alt与上下文;不要“以防万一”地保留。