/firsthand-source-subscriber

name: firsthand-source-subscriber
description: 一手信源订阅适配器。给定信源 URL，探测最稳的订阅方式（RSS / HTML 链接提取），返回统一的文章列表 [{url,title}]。用于 ai-frontier-daily 内参监控的新增信源探测与抓取。

一手信源订阅适配器

按 `type` 分派抓取策略，统一输出 `[{url, title}]`。

MVP 适配器（Level 1，已实现于 scripts/firsthand/adapters.py）

• `html-links`：requests 抓页面，提取 `link_prefix` 开头的 href，拼 `base_url`。适合 SSR 站（claude.com/blog、anthropic.com/engineering）。
• `rss`：feedparser 解析 feed。适合有 RSS/Atom 的源（OpenAI、GitHub releases.atom）。

**真实发布日期**（写入 OKF `published`）：html-links 适配器会顺带从列表页链接文本提取日期（engineering 风格 `Apr 23, 2026`）；列表无日期时，主流程再去文章页取 JSON-LD `datePublished` / `article:published_time`（claude-blog 风格）。取不到不写，不用探测日期冒充。

探测新源订阅方式（add 时调用）

给定 URL，依次尝试： 1. 试 `<url>/rss.xml`、`/feed`、`/feed.xml`、`/sitemap.xml`，feedparser 能解析 → 用 `rss`。 2. 否则 requests 抓 HTML，统计最密集的文章链接前缀 → 用 `html-links`，推断 `link_prefix` 与 `base_url`。 3. 都不行（JS 渲染/403）→ 标记需阶段二 browser 适配器。

阶段二适配器（未实现）

`browser-headless` / `browser-auto`（Playwright MCP，**依赖未装组件，需先验证**）、`browser-live`（Claude in Chrome MCP，用户授权触发）、`manual`。详见 docs/superpowers/specs/2026-06-23-firsthand-monitor-design.md。

**X / Twitter 推主订阅**范本见 `~/Documents/Engineer/.agents/scripts/x-fetch.sh`：用 `agent-browser --auto-connect` 复用本地登录态无头抓取，从 `<time datetime>` 提真实发布时间，支持 `--since/--until` 时间窗与虚拟滚动分页。后续做 `browser` 适配器（如 `x-timeline` 类型）可直接参考。