legacy-recycler

name: legacy-recycler description: "Recycle contenu legacy (__blog_advice*) vers __seo_gamme_conseil v5. Use when user mentions recycler legacy, injecter contenu expert, enrichir depuis CSV, importer blog advice. À utiliser après pollution-scanner."

Legacy Recycler — Recyclage de contenu expert hérité

Principe fondamental

Ne JAMAIS écrire en DB sans validation humaine. Proposer le mapping, montrer avant/après, attendre "ok" ou "je valide", puis exécuter.

Sources de données legacy

Structure des tables legacy

Le contenu CMS hérité est réparti sur 3 tables :

• __blog_advice — Article principal (colonnes préfixées ba_)
• __blog_advice_h2 — Sections H2 de l'article (préfixe ba2_)
• __blog_advice_h3 — Sous-sections H3 (préfixe ba3_, liées via ba3_ba2_id)

Source principale : __blog_advice

SELECT ba_id, ba_pg_id, ba_title, ba_h1, LENGTH(ba_content) as len,
  ba_content_type, ba_difficulty, ba_time_minutes
FROM "__blog_advice"
WHERE ba_pg_id IS NOT NULL
ORDER BY LENGTH(ba_content) DESC;

Source riche : sections H2 + H3

Le vrai contenu expert est dans les H2/H3, pas dans ba_content (souvent juste une intro courte).

-- H2 d'un article
SELECT ba2_id, ba2_h2, LENGTH(ba2_content) as len, LEFT(ba2_content, 300) as preview
FROM "__blog_advice_h2"
WHERE ba2_ba_id = '{ba_id}'
ORDER BY ba2_id;

-- H3 d'un H2
SELECT ba3_id, ba3_h3, LENGTH(ba3_content) as len
FROM "__blog_advice_h3"
WHERE ba3_ba2_id = '{ba2_id}'
ORDER BY ba3_id;

Cross-refs gamme

Rapprochement par ba_pg_id ou par nom de gamme/slug :

SELECT ba.ba_id, ba.ba_title, ba.ba_pg_id, pg.pg_nom,
  (SELECT COUNT(*) FROM "__blog_advice_h2" h2 WHERE h2.ba2_ba_id = ba.ba_id) as h2_count
FROM "__blog_advice" ba
LEFT JOIN "__piece_gamme" pg ON pg.pg_id::text = ba.ba_pg_id
WHERE ba.ba_content IS NOT NULL
ORDER BY LENGTH(ba.ba_content) DESC;

Base de données

• Projet Supabase : cxpojprgwgubzjyqzmoq
• Table cible : __seo_gamme_conseil
• Tables source : __blog_advice, __blog_advice_h2, __blog_advice_h3
• Outil : mcp__claude_ai_Supabase__execute_sql

Pipeline de recyclage (4 étapes)

Étape 1 : cleanCmsHtml() — Nettoyage HTML hérité

Le contenu CMS legacy contient du HTML sale :

Patterns à nettoyer :
- style="..." inline           -> supprimer
-   & é       -> convertir en UTF-8
- <font ...>                   -> supprimer la balise, garder le texte
- <span style="...">          -> supprimer la balise, garder le texte
- class="MsoNormal"           -> supprimer l'attribut
- <div> imbriqués vides       -> supprimer
- <br><br><br>+               -> réduire à <br><br>
- <!-- commentaires -->        -> supprimer

Règle : Garder la structure sémantique (<b>, <ul>, <li>, <p>, <h3>) mais retirer tout le formatage cosmétique.

Étape 2 : splitIntoSections() — Découpage en sections typées

Le contenu legacy est un flux HTML continu. Le découper en blocs thématiques :

Heuristiques de découpage :

1. Chercher les <h2>, <h3>, <b> en début de paragraphe comme marqueurs de section
2. Si pas de marqueurs clairs, utiliser l'analyse sémantique du contenu
3. Un bloc peut mapper vers plusieurs sections si le contenu est riche

Étape 3 : scoreLegacyQuality() — Score de qualité 0-100

Chaque bloc extrait reçoit un score basé sur :

Seuils de décision :

Étape 4 : mapToV5Sections() — Injection dans __seo_gamme_conseil

Pour chaque bloc scoré WRITE ou REVIEW validé :

1. Vérifier l'existant : la section v5 cible a-t-elle déjà du contenu ?

   SELECT sgc_content, LENGTH(sgc_content) as len, sgc_enriched_by
   FROM "__seo_gamme_conseil"
   WHERE sgc_pg_id = '{pg_id}' AND sgc_section_type = '{type}'
   

2. Décision :

   • Section vide ou très courte (<100 chars) -> REMPLACER
   • Section existante faible (<300 chars, générique) -> ENRICHIR (ajouter en début/fin)
   • Section existante bonne (>300 chars, propre) -> NE PAS TOUCHER (sauf si legacy très supérieur)

3. ROLLBACK LOG (obligatoire avant tout UPDATE) : Sauvegarder l'ancien contenu.

   SELECT sgc_pg_id, sgc_section_type, sgc_enriched_by,
     LENGTH(sgc_content) as old_len,
     LEFT(sgc_content, 500) as old_content_backup
   FROM "__seo_gamme_conseil"
   WHERE sgc_pg_id = '{pg_id}' AND sgc_section_type = '{type}';
   

   Inclure old_content_backup dans le rapport de sortie.

4. Exécuter (après validation humaine) :

   UPDATE "__seo_gamme_conseil"
   SET sgc_content = '{contenu_legacy_nettoyé}',
       sgc_enriched_by = 'pipeline-v5-legacy-recycle'
   WHERE sgc_pg_id = '{pg_id}' AND sgc_section_type = '{type}';
   

Attention SQL

• sgc_pg_id est TEXT -> utiliser des quotes : WHERE sgc_pg_id = '82'
• Échapper les apostrophes : l'étrier -> l''étrier
• Pas de colonne sgc_updated_at (elle n'existe pas)
• pgid dans __BLOG_ADVICE_OLD peut être NULL pour certains articles

Tags de traçabilité

Workflow complet d'utilisation

1. Scanner d'abord avec pollution-scanner pour identifier les sections faibles/vides
2. Lister les articles legacy disponibles pour la gamme ciblée
3. Nettoyer le HTML legacy (cleanCmsHtml)
4. Découper en sections (splitIntoSections)
5. Scorer chaque bloc (scoreLegacyQuality)
6. Montrer à l'utilisateur : bloc legacy proposé vs contenu actuel
7. Attendre validation humaine explicite
8. Exécuter l'UPDATE si validé
9. Vérifier le résultat (re-query + scoring)

Rapport de sortie

Après chaque batch de recyclage, produire :

Et le coverage manifest obligatoire (voir agent-exit-contract.md).