#!/usr/bin/env python3
"""
article_pipeline.py — Stage 0: Input-Preparation für den BSN-Artikel-Workflow.
Liest Topic, PDFs, URLs und baut einen strukturierten Prompt für den Hermes-Agenten,
der dann via delegate_task Research (Stage 1) und Write+QC (Stage 2+3) durchführt.
Stage 4 (Git, Verify) macht der Agent selbst.
"""
import argparse
import json
import os
import sys
from datetime import datetime
WORKSPACE = "/home/hermes/workspace"
DOC_CACHE = os.path.expanduser("~/.hermes/cache/documents")
def ocr_pdf(pdf_path: str) -> str:
"""PDF mit pymupdf OCRen und Text extrahieren."""
import pymupdf
doc = pymupdf.open(pdf_path)
texts = []
for page in doc:
texts.append(page.get_text())
doc.close()
return "\n\n".join(texts)
def build_prompt(topic: str, sources: list[str], rubric: str,
category_id: int, image_urls: list[str],
deadline: str | None,
pdf_texts: dict[str, str]) -> str:
"""Direkten Agent-Prompt für den Artikel-Workflow bauen."""
now = datetime.now()
date_str = now.strftime("%d. %B %Y")
slug = topic.lower().replace(" ", "_").replace(":", "").replace("×", "x")[:40]
date_slug = now.strftime("%Y-%m-%d")
filename = f"artikel_{slug}_{date_slug}.html"
# --- WRITE+QC CONTEXT (most complex part) ---
write_context = (
"STRUKTUR (exakt einhalten, nummeriert):\n"
"1. TITEL
\n"
'2. DACHZEILE: '
'Zusammenfassung in 1-2 Sätzen
\n'
'3. '
'DATUM · Lesezeit: ca. N Minuten
\n'
'4. Einleitungs-Absatz \n'
'5. INFOBOX (PFLICHT bei Unternehmen/Produkt-News): '
'
\n'
'6. ALLE Inhalts-Abschnitte ( +
)\n'
'7.
<-- NACH allen Inhalten, VOR Quellen!\n'
'8. Quellen-Überschrift: Quellen\n'
'9. JEDE Quelle als: Name — Beschreibung\n'
'10. \n'
'11. Recherchestand: DATUM. '
'Basierend auf QUELLEN.
\n'
'\n'
'KRITISCHE REGELN (QC-Fail bei Verstoß):\n'
'- Read-More NACH allen Inhalten, VOR Quellen (NICHT nach Absatz 1!)\n'
'- JEDE Quelle als mit target="_blank" — KEINE unverlinkten Quellen!\n'
'- Dachzeile + Infobox sind PFLICHT\n'
'- Quellen-Überschrift: font-size:1.17em (NICHT 0.9rem)\n'
'- Kein "XML API v2", kein "Betriebsgeheimnis", keine Emojis\n'
'- Datei endet mit