fix(proxy): 非 ASCII docs 路径 edge 直接 404，避免 x-next-cache-tags 500

lib/poisoned-docs-path.ts

@@ -0,0 +1,22 @@
+/**
+ * 非 ASCII 的未知 docs 路径在 Vercel 运行时会把中文写进 x-next-cache-tags
+ * 响应头导致 500（vercel/next.js#92145，上游未修）。合法 docs slug
+ * 全是 ASCII——中文 leetcode 旧 URL 由 proxy.ts 的 slug-map 先行 301 成
+ * 拼音页，doc_paths 历史表里也没有非 leetcode 的中文行——所以解码后仍含
+ * >0xFF 字符（Node header 的 latin1 上限）的 docs 路径必是爬虫垃圾，
+ * edge 直接 404。
+ *
+ * 独立成模块是为了 vitest 可测：proxy.ts 引 next-intl/middleware，
+ * node 环境下 import 不动。
+ */
+export function isPoisonedDocsPath(pathname: string): boolean {
+  const stripped = pathname.replace(/^\/(zh|en)(?=\/)/, "");
+  if (!stripped.startsWith("/docs/")) return false;
+  let decoded: string;
+  try {
+    decoded = decodeURIComponent(stripped); // 防二次编码，对齐 redirectLeetcodeIfNeeded
+  } catch {
+    return true; // 畸形编码同样进不了 header，一并 404
+  }
+  return /[^ -ÿ]/.test(decoded);
+}

proxy.ts

@@ -2,6 +2,7 @@ import { NextResponse, type NextRequest } from "next/server";
 import createMiddleware from "next-intl/middleware";
 import leetcodeSlugMap from "@/generated/leetcode-slug-map.json";
 import { routing } from "@/i18n/routing";
+import { isPoisonedDocsPath } from "@/lib/poisoned-docs-path";
 
 /**
  * Edge proxy（Next.js 16 旧称 middleware）。
@@ -121,20 +122,31 @@ function redirectLeetcodeIfNeeded(req: NextRequest): NextResponse | null {
   return NextResponse.redirect(url, 301);
 }
 
+// 裸 404，no-store 避免攻击者拿 200 当命中信号、也避免 CDN 缓存垃圾响应。
+function bare404(): NextResponse {
+  return new NextResponse(null, {
+    status: 404,
+    headers: { "cache-control": "no-store" },
+  });
+}
+
 export function proxy(req: NextRequest) {
-  // Scanner 路径 0 函数调用直接 404，no-store 避免攻击者拿 200 当命中信号。
+  // Scanner 路径 0 函数调用直接 404。
   if (isBotScanPath(req.nextUrl.pathname)) {
-    return new NextResponse(null, {
-      status: 404,
-      headers: { "cache-control": "no-store" },
-    });
+    return bare404();
   }
 
-  // 1. Leetcode 中文 slug 优先做 301
+  // 1. Leetcode 中文 slug 优先做 301（必须在 poisoned 检查之前，
+  //    否则合法的中文旧 URL 会被 404 而不是重定向到拼音页）
   const leetcodeRedirect = redirectLeetcodeIfNeeded(req);
   if (leetcodeRedirect) return leetcodeRedirect;
 
-  // 2. 其它请求交给 next-intl 处理 locale routing
+  // 2. 未命中 slug-map 的非 ASCII docs 路径：edge 404，不进 Fluid
+  if (isPoisonedDocsPath(req.nextUrl.pathname)) {
+    return bare404();
+  }
+
+  // 3. 其它请求交给 next-intl 处理 locale routing
   return intlMiddleware(req);
 }
 
@@ -146,10 +158,15 @@ export const config = {
   //   rewrite source（/oauth/:path*）不匹配带 locale 的版本（/en/oauth/...），
   //   落到 [locale]/oauth/... 404。所以必须排除掉，让请求直接走 rewrite。
   // - _next / _vercel：Next.js 内部
-  // - (?!.*[Ll]eetcode).*\..*：带 . 的路径（静态资源 / sitemap.xml 等）一律排除，
-  //   但 leetcode 例外——GSC 旧 URL 里有大量带点的中文题名（"46.全排列"、
-  //   "1234. 替换…"），不放进来就触不到上面的 slug-map 301，只能硬 404。
-  //   leetcode 目录下不存在带点的静态资源，开这个口子安全。
+  // - (?!.*[Ll]eetcode|(?:zh/|en/)?docs/).*\..*：带 . 的路径（静态资源 /
+  //   sitemap.xml 等）一律排除，两个例外：
+  //   1. leetcode——GSC 旧 URL 里有大量带点的中文题名（"46.全排列"、
+  //      "1234. 替换…"），不放进来就触不到上面的 slug-map 301，只能硬 404。
+  //      leetcode 目录下不存在带点的静态资源，开这个口子安全。
+  //   2. docs——爬虫会构造带点又带中文的垃圾 docs 路径（如 ".../你的图片.jpg
+  //      \"悬停名\""），必须进 middleware 让 isPoisonedDocsPath 拦下，否则
+  //      直达 [...slug] lambda 触发 x-next-cache-tags 500。
+  //      /docs/ URL 下没有真实静态资源（public/ 无 docs 子目录），同样安全。
   matcher:
-    "/((?!api|trpc|auth|oauth|analytics|_next|_vercel|(?!.*[Ll]eetcode).*\\..*).*)",
+    "/((?!api|trpc|auth|oauth|analytics|_next|_vercel|(?!.*[Ll]eetcode|(?:zh/|en/)?docs/).*\\..*).*)",
 };

tests/proxy-guard.test.ts

@@ -0,0 +1,70 @@
+/**
+ * 非 ASCII 的未知 docs 路径必须在 edge 被 404 短路，否则会进
+ * [...slug] lambda，Vercel 运行时把中文写进 x-next-cache-tags 响应头
+ * 触发 500（vercel/next.js#92145，上游未修）。
+ *
+ * 同时守住 matcher 的两个不变量：
+ *   - docs 带点路径必须能进 middleware（isPoisonedDocsPath 生效的前提，
+ *     崩溃 URL 里恰好带 .jpg）
+ *   - 非 docs 的 dot-path（静态资源）和 backend rewrite 路径仍被排除
+ */
+import { describe, expect, test } from "vitest";
+import { readFileSync } from "node:fs";
+import { join } from "node:path";
+import { isPoisonedDocsPath } from "@/lib/poisoned-docs-path";
+
+const ROOT = join(__dirname, "..");
+
+/**
+ * 从 proxy.ts 源码提取 matcher 字符串并按 Next 的锚定语义编译。
+ * 源码文本里的 `\\` 在 JS 字符串字面量里是 `\`，先还原再建 RegExp。
+ */
+function matcherRegex(): RegExp {
+  const content = readFileSync(join(ROOT, "proxy.ts"), "utf-8");
+  const m = content.match(/matcher:\s*["'`]([^"'`]+)["'`]/);
+  if (!m) throw new Error("无法定位 proxy.ts 的 matcher 字段");
+  return new RegExp(`^${m[1].replace(/\\\\/g, "\\")}$`);
+}
+
+describe("isPoisonedDocsPath", () => {
+  test.each<[string, boolean]>([
+    // Sentry INVOLUTIONHELL-FRONTEND-4 的原始崩溃路径
+    ['/zh/docs/learn/cs/dev-tips/你的图片.jpg "自定义鼠标悬停显示名"', true],
+    // 畸形 percent-encoding：decodeURIComponent 会 throw，同样 404
+    ["/docs/%e4%b8", true],
+    // ASCII 垃圾路径归 page.tsx 的 resolve→404 流程管，不在这里拦
+    ["/docs/learn/ai/multimodal/[object Object]", false],
+    // 正常 docs 页
+    ["/zh/docs/learn/ai/multimodal-overview", false],
+    ["/en/docs/career/interview-prep/leetcode/46-quan-pai-lie", false],
+    // 不越界到 docs 以外的路由
+    ["/zh/u/中文名", false],
+    ["/", false],
+  ])("%s → %s", (path, expected) => {
+    expect(isPoisonedDocsPath(path)).toBe(expected);
+  });
+});
+
+describe("matcher：docs 带点路径进 middleware，其余排除规则不回归", () => {
+  const re = matcherRegex();
+
+  test.each([
+    "/zh/docs/foo.jpg",
+    "/docs/a/b.png",
+    '/zh/docs/learn/cs/dev-tips/你的图片.jpg "自定义鼠标悬停显示名"',
+    // leetcode 带点中文旧 URL：一直要能进 middleware 吃 slug-map 301
+    "/docs/CommunityShare/Leetcode/46.全排列",
+  ])("进 middleware: %s", (p) => {
+    expect(re.test(p)).toBe(true);
+  });
+
+  test.each([
+    "/mascot.png",
+    "/sitemap.xml",
+    // backend rewrite 路径（参考 PR #335 登录事故，另见 proxy-matcher.test.ts）
+    "/oauth/render/github",
+    "/api/admin/events",
+  ])("仍被排除: %s", (p) => {
+    expect(re.test(p)).toBe(false);
+  });
+});