[Paka-418]

问题

magicbox_doc 的 Algolia 索引 workflow 自 2026-10-28 起每次失败：

Skip failed page: HTTP 404 for https://developer.d-robotics.cc/magicbox_doc
Skip failed page: HTTP 404 for https://developer.d-robotics.cc/magicbox_doc/en/introduction
pages=1 queued=0
Built 0 DocSearch records
Failed: No records extracted; aborting without clearing index

根因

crawlSite() 的三个种子全部落空：

种子	实际结果
.../magicbox_doc（无尾斜杠）	OSS 上 404（.../magicbox_doc/ 才 301 到 /magicbox_doc/magicbox）
.../magicbox_doc/en	200，但是没有正文的 baseUrl 提示页
.../magicbox_doc/en/introduction	404，该页面不存在

种子拿不到正文 → 0 条记录 → 脚本主动中止。站点本身是好的（/magicbox_doc/en/faq、/magicbox_doc/quickstart 等均 200）。

修复

抓取前先读线上 /sitemap.xml 与 /en/sitemap.xml（各 14 条）做种子，命中后仍按页面链接扩展；sitemap 不可用时回退到站点根两个种子。

验证

本地 ALGOLIA_ADMIN_API_KEY=dummy node scripts/algolia-index.mjs：

Sitemap .../sitemap.xml -> 14 URLs
Sitemap .../en/sitemap.xml -> 14 URLs
Collected 27 HTML pages
Built 283 DocSearch records

（随后在 settings 步骤用假 key 报 403，符合预期。）合入后由 Sync gh-pages to OSS 完成触发的 workflow_run 跑真实索引。

相关

同款旧脚本还存在于 rdk_x_doc / rdk_s_doc / case_doc / accessories_audio_kit_doc / accessories_bmi088_doc，本次只修 magicbox，其余另行评估。

🤖 Generated with Claude Code