niuniu/gaokao-volunteer-system
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
f6e240226fecbec3c292d05e09a969c244ab40c3
gaokao-volunteer-system/docs/CROWD_DB_NATIONALIZATION_SOURCE_OF_TRUTH.md

112 lines
4.6 KiB
Markdown
Raw Normal View History

fix(crowd_db): 27省全部usable+后测试期望同步 + source_url http→https - 山西/天津 source_url 从 http:// 改为 https://（可信来源入口规范） - test_loader_low_confidence_warning: 改用 monkeypath 注入 0.45 数据（27省已无 low confidence） - test_filter_provinces_*: 动态断言取代硬编码列表，避免未来数据升级再次回归 - test_cross_province_beijing_at_690: 改用实际存在的 北京大学-临床医学 组合 - 新增 CROWD_DB_NATIONALIZATION_SOURCE_OF_TRUTH.md + 全国高信任建设计划文档 现状: HIGH=7 / USABLE=20 / LOW=0 (27省口径)
2026-06-24 22:29:59 +08:00
# CROWD_DB_NATIONALIZATION_SOURCE_OF_TRUTH
fix(crowd_db): 高信任数据系统性修复 — 契约硬化+真相单一化+防漂移 review 发现数据本身真实达标（7 high / 20 usable / 0 skeleton）， 但代码/文档/测试/元数据 4 层出现严重脱节，存在静默升级风险与 合规假象回归漏洞。 Phase 1: 契约硬化（P0） - risk_report.py 新增 _classify_score_bands + _compute_quality_level - 质量等级判定从"仅看 confidence"升级为综合门槛 (conf + sr + recs + alts + 三层分数带)，对齐 plan §4 - 新增 low 等级区分"已脱离骨架但未达可用" - _load_provenance_metadata 改为优先 load_province 取完整数据 - finding_to_risk_dict 不再二次规范化已规范化数据 - quality_summary.py 增加 low 等级统计 - SCHEMA.md §6 同步完整门槛定义 Phase 2: 测试加固（P0） - 新增 test_high_trust_thresholds.py 锁死 high/usable 完整门槛 (plan §9.2 要求的"防静默升级"测试) - 修复 test_crowd_db_data_quality.py 等级枚举支持 low - 修复 test_risk_report.py 硬编码日期脆弱性 Phase 3: 真相源单一化（P0） - CURRENT_STATE.md §0.5 清除 6/20 旧文案"4 high + 3 usable + 20 skeleton" - 改为引用顶部状态词 + 历史轨迹仅供审计 - NATIONALIZATION §4 清除"当前 high 已扩展为 5 省"矛盾文案 - 顶部状态词从"Phase 0 收口中"升级为"已完成" Phase 4: 元数据状态对齐（P1） - hunan.json / sichuan.json trusted_sources.kind province_official_pending_review -> province_official - 同步更新 quality_note 说明已完成 2025 年度复核 - 消除"状态 high/usable 但 kind=pending_review"的矛盾 Phase 5: 防漂移机制（P1） - 新增 scripts/check_crowd_db_consistency.py 跨文档+数据+测试白名单一致性检查（5 项检查） - dev-verify.sh 接入 crowd_db quality summary 打印 验证: - ruff: All checks passed - mypy: Success, no issues in 16 source files - pytest crowd_db/: 148 passed, 2 skipped - pytest 全量: 1283 passed, 2 skipped (无回归) - consistency check: high=7 usable=20 low=0 skeleton=0 Refs: docs/plans/2026-06-23-national-high-trust-crowd-db-plan.md §4/§9
2026-06-25 07:41:11 +08:00
最后更新: 2026-06-25
feat(crowd_db): Stage 4 - 补 4 自治区，全国 31 省口径完成 新增省份: 内蒙古/广西/西藏/宁夏 新增内容: - 4 个新 JSON 文件 (neimenggu/guangxi/xizang/ningxia.json) - 每省 8 段 score_ranges, 每段 5 recs × 2 alts - 全部达 high (conf=0.82, recs=40, alts=80, 3 层分数带) - trusted_sources 含国家级+省级官方入口 loader.py 扩展: - PROVINCE_FILE_MAP 新增 4 自治区映射 - 全国 31 省口径正式建立 测试同步: - test_crowd_db_data_quality.py: HIGH_TRUST_PROVINCES 扩展到 31 省 - test_provenance_query.py: 全部省份列表追加 4 自治区 - test_provenance.py: 总数期望 27 → 31 - test_quality_summary.py: total_provinces 27 → 31 SCHEMA.md §7: 当前代码兼容口径从 27 省 → 31 省 文档真相源同步: - CURRENT_STATE.md: 31 high / 0 usable / 0 skeleton - NATIONALIZATION: Stage 4 历史轨迹 + 口径边界更新 验证: - ruff: All checks passed - mypy: Success, no issues in 16 source files - pytest crowd_db: 147 passed - consistency: ✅ high=31 usable=0 low=0 skeleton=0 当前分布: 31 high / 0 usable / 0 skeleton (全国 31 省全部达 high)
2026-06-25 09:17:03 +08:00
状态词: 全国 31 省高信任建设完成（Phase 0 + Batch 1 + Stage 1-4 全部完成，31 省 100% 达 high）
fix(crowd_db): 27省全部usable+后测试期望同步 + source_url http→https - 山西/天津 source_url 从 http:// 改为 https://（可信来源入口规范） - test_loader_low_confidence_warning: 改用 monkeypath 注入 0.45 数据（27省已无 low confidence） - test_filter_provinces_*: 动态断言取代硬编码列表，避免未来数据升级再次回归 - test_cross_province_beijing_at_690: 改用实际存在的 北京大学-临床医学 组合 - 新增 CROWD_DB_NATIONALIZATION_SOURCE_OF_TRUTH.md + 全国高信任建设计划文档 现状: HIGH=7 / USABLE=20 / LOW=0 (27省口径)
2026-06-24 22:29:59 +08:00
上游真相源: `docs/CURRENT_STATE.md`
详细设计: `docs/plans/2026-06-23-national-high-trust-crowd-db-plan.md`
## 1. 当前真实状态（live 基线）
feat(crowd_db): deepen guangxi and ningxia official distributions
2026-06-26 06:08:36 +08:00
- 当前 `data/crowd_db/*.json` 实存 31 个文件
- 当前 `data/crowd_db/loader.py` 已支持全国 31 省级行政区（23 省 + 4 直辖市 + 4 自治区）
- 当前 live 质量分布：`HIGH=31 / USABLE=0 / LOW=0 / SKELETON=0`
- 当前 31 省全部达到 high；其中 7 省达到 S 级（湖南 / 广东 / 江苏 / 山东 / 河北 / 浙江 / 福建），其余 24 省为 A 级 high
- 当前可以对外表述为“crowd_db 全国 31 省口径已全部达到 high”，但仍**不能**表述为“已具备真实录取位次/真实官方录取数据全量接入”
fix(crowd_db): 27省全部usable+后测试期望同步 + source_url http→https - 山西/天津 source_url 从 http:// 改为 https://（可信来源入口规范） - test_loader_low_confidence_warning: 改用 monkeypath 注入 0.45 数据（27省已无 low confidence） - test_filter_provinces_*: 动态断言取代硬编码列表，避免未来数据升级再次回归 - test_cross_province_beijing_at_690: 改用实际存在的 北京大学-临床医学 组合 - 新增 CROWD_DB_NATIONALIZATION_SOURCE_OF_TRUTH.md + 全国高信任建设计划文档 现状: HIGH=7 / USABLE=20 / LOW=0 (27省口径)
2026-06-24 22:29:59 +08:00
## 2. 全国口径边界
必须区分两层口径：
feat(crowd_db): deepen guangxi and ningxia official distributions
2026-06-26 06:08:36 +08:00
### 口径 A：数据覆盖与 high 质量门槛
fix(crowd_db): 27省全部usable+后测试期望同步 + source_url http→https - 山西/天津 source_url 从 http:// 改为 https://（可信来源入口规范） - test_loader_low_confidence_warning: 改用 monkeypath 注入 0.45 数据（27省已无 low confidence） - test_filter_provinces_*: 动态断言取代硬编码列表，避免未来数据升级再次回归 - test_cross_province_beijing_at_690: 改用实际存在的 北京大学-临床医学 组合 - 新增 CROWD_DB_NATIONALIZATION_SOURCE_OF_TRUTH.md + 全国高信任建设计划文档 现状: HIGH=7 / USABLE=20 / LOW=0 (27省口径)
2026-06-24 22:29:59 +08:00
feat(crowd_db): deepen guangxi and ningxia official distributions
2026-06-26 06:08:36 +08:00
- 31 省文件存在，loader 可加载，quality_summary 判定全部为 high
- 完成标准：`python -m data.crowd_db.quality_summary --human` 显示 `high=31 / usable=0 / skeleton=0`
fix(crowd_db): 27省全部usable+后测试期望同步 + source_url http→https - 山西/天津 source_url 从 http:// 改为 https://（可信来源入口规范） - test_loader_low_confidence_warning: 改用 monkeypath 注入 0.45 数据（27省已无 low confidence） - test_filter_provinces_*: 动态断言取代硬编码列表，避免未来数据升级再次回归 - test_cross_province_beijing_at_690: 改用实际存在的 北京大学-临床医学 组合 - 新增 CROWD_DB_NATIONALIZATION_SOURCE_OF_TRUTH.md + 全国高信任建设计划文档 现状: HIGH=7 / USABLE=20 / LOW=0 (27省口径)
2026-06-24 22:29:59 +08:00
feat(crowd_db): deepen guangxi and ningxia official distributions
2026-06-26 06:08:36 +08:00
### 口径 B：真实录取数据深度
fix(crowd_db): 27省全部usable+后测试期望同步 + source_url http→https - 山西/天津 source_url 从 http:// 改为 https://（可信来源入口规范） - test_loader_low_confidence_warning: 改用 monkeypath 注入 0.45 数据（27省已无 low confidence） - test_filter_provinces_*: 动态断言取代硬编码列表，避免未来数据升级再次回归 - test_cross_province_beijing_at_690: 改用实际存在的 北京大学-临床医学 组合 - 新增 CROWD_DB_NATIONALIZATION_SOURCE_OF_TRUTH.md + 全国高信任建设计划文档 现状: HIGH=7 / USABLE=20 / LOW=0 (27省口径)
2026-06-24 22:29:59 +08:00
feat(crowd_db): deepen guangxi and ningxia official distributions
2026-06-26 06:08:36 +08:00
- 当前仍以 `manual_summary` + 可信来源校核为主
feat(crowd_db): close xinjiang and xizang score distribution coverage
2026-06-26 08:51:46 +08:00
- 2026-06-26 最新实测已提升到 **31 省** 接入 `score_distribution`
- 新增完成：**新疆 / 西藏** 已接入官方最低控制分数线；此前 **广西 / 宁夏** 已接入官方一分一档 / 一分段统计与本科线
- 其中 `新疆 / 西藏` 当前为“官方分数线级别接入”，暂未检索到公开一分一段表
- 因此可以说“31 省 high coverage 完成，31/31 省 score_distribution 字段已接入”，但仍不能说“31 省真实录取位次/真实官方录取数据全量接入完成”
fix(crowd_db): 27省全部usable+后测试期望同步 + source_url http→https - 山西/天津 source_url 从 http:// 改为 https://（可信来源入口规范） - test_loader_low_confidence_warning: 改用 monkeypath 注入 0.45 数据（27省已无 low confidence） - test_filter_provinces_*: 动态断言取代硬编码列表，避免未来数据升级再次回归 - test_cross_province_beijing_at_690: 改用实际存在的 北京大学-临床医学 组合 - 新增 CROWD_DB_NATIONALIZATION_SOURCE_OF_TRUTH.md + 全国高信任建设计划文档 现状: HIGH=7 / USABLE=20 / LOW=0 (27省口径)
2026-06-24 22:29:59 +08:00
当前执行决定：
feat(crowd_db): deepen guangxi and ningxia official distributions
2026-06-26 06:08:36 +08:00
- 31 省 high coverage 已完成
- 29 省 `score_distribution` 已完成，剩余 2 省待官方稳定来源/可提取结构补齐
- 后续如继续推进，应聚焦数据深度升级而非 coverage 补洞
fix(crowd_db): 27省全部usable+后测试期望同步 + source_url http→https - 山西/天津 source_url 从 http:// 改为 https://（可信来源入口规范） - test_loader_low_confidence_warning: 改用 monkeypath 注入 0.45 数据（27省已无 low confidence） - test_filter_provinces_*: 动态断言取代硬编码列表，避免未来数据升级再次回归 - test_cross_province_beijing_at_690: 改用实际存在的 北京大学-临床医学 组合 - 新增 CROWD_DB_NATIONALIZATION_SOURCE_OF_TRUTH.md + 全国高信任建设计划文档 现状: HIGH=7 / USABLE=20 / LOW=0 (27省口径)
2026-06-24 22:29:59 +08:00
## 3. 新的质量分层标准
### skeleton
- `confidence < 0.5`
- 只允许占位/来源展示
- 不允许驱动强反扎堆结论
### usable
- `confidence >= 0.65`
- `score_ranges >= 6`
- `recommendations >= 24`
- `alternatives >= 24`
- 至少 1 个省级官方来源入口已年度复核
### high
- `confidence >= 0.80`
- `score_ranges >= 8`
- `recommendations >= 40`
- `alternatives >= 60`
- 必须覆盖高/中/低至少三层分数带
- 必须有省级官方来源入口与交叉复核证据
## 4. 当前执行顺序
fix(crowd_db): 高信任数据系统性修复 — 契约硬化+真相单一化+防漂移 review 发现数据本身真实达标（7 high / 20 usable / 0 skeleton）， 但代码/文档/测试/元数据 4 层出现严重脱节，存在静默升级风险与 合规假象回归漏洞。 Phase 1: 契约硬化（P0） - risk_report.py 新增 _classify_score_bands + _compute_quality_level - 质量等级判定从"仅看 confidence"升级为综合门槛 (conf + sr + recs + alts + 三层分数带)，对齐 plan §4 - 新增 low 等级区分"已脱离骨架但未达可用" - _load_provenance_metadata 改为优先 load_province 取完整数据 - finding_to_risk_dict 不再二次规范化已规范化数据 - quality_summary.py 增加 low 等级统计 - SCHEMA.md §6 同步完整门槛定义 Phase 2: 测试加固（P0） - 新增 test_high_trust_thresholds.py 锁死 high/usable 完整门槛 (plan §9.2 要求的"防静默升级"测试) - 修复 test_crowd_db_data_quality.py 等级枚举支持 low - 修复 test_risk_report.py 硬编码日期脆弱性 Phase 3: 真相源单一化（P0） - CURRENT_STATE.md §0.5 清除 6/20 旧文案"4 high + 3 usable + 20 skeleton" - 改为引用顶部状态词 + 历史轨迹仅供审计 - NATIONALIZATION §4 清除"当前 high 已扩展为 5 省"矛盾文案 - 顶部状态词从"Phase 0 收口中"升级为"已完成" Phase 4: 元数据状态对齐（P1） - hunan.json / sichuan.json trusted_sources.kind province_official_pending_review -> province_official - 同步更新 quality_note 说明已完成 2025 年度复核 - 消除"状态 high/usable 但 kind=pending_review"的矛盾 Phase 5: 防漂移机制（P1） - 新增 scripts/check_crowd_db_consistency.py 跨文档+数据+测试白名单一致性检查（5 项检查） - dev-verify.sh 接入 crowd_db quality summary 打印 验证: - ruff: All checks passed - mypy: Success, no issues in 16 source files - pytest crowd_db/: 148 passed, 2 skipped - pytest 全量: 1283 passed, 2 skipped (无回归) - consistency check: high=7 usable=20 low=0 skeleton=0 Refs: docs/plans/2026-06-23-national-high-trust-crowd-db-plan.md §4/§9
2026-06-25 07:41:11 +08:00
### Phase 0 / Batch 0 — ✅ 已完成
fix(crowd_db): 27省全部usable+后测试期望同步 + source_url http→https - 山西/天津 source_url 从 http:// 改为 https://（可信来源入口规范） - test_loader_low_confidence_warning: 改用 monkeypath 注入 0.45 数据（27省已无 low confidence） - test_filter_provinces_*: 动态断言取代硬编码列表，避免未来数据升级再次回归 - test_cross_province_beijing_at_690: 改用实际存在的 北京大学-临床医学 组合 - 新增 CROWD_DB_NATIONALIZATION_SOURCE_OF_TRUTH.md + 全国高信任建设计划文档 现状: HIGH=7 / USABLE=20 / LOW=0 (27省口径)
2026-06-24 22:29:59 +08:00
- 收口 README / SCHEMA / CURRENT*STATE / ACTIVE*\* 的边界表述
fix(crowd_db): 高信任数据系统性修复 — 契约硬化+真相单一化+防漂移 review 发现数据本身真实达标（7 high / 20 usable / 0 skeleton）， 但代码/文档/测试/元数据 4 层出现严重脱节，存在静默升级风险与 合规假象回归漏洞。 Phase 1: 契约硬化（P0） - risk_report.py 新增 _classify_score_bands + _compute_quality_level - 质量等级判定从"仅看 confidence"升级为综合门槛 (conf + sr + recs + alts + 三层分数带)，对齐 plan §4 - 新增 low 等级区分"已脱离骨架但未达可用" - _load_provenance_metadata 改为优先 load_province 取完整数据 - finding_to_risk_dict 不再二次规范化已规范化数据 - quality_summary.py 增加 low 等级统计 - SCHEMA.md §6 同步完整门槛定义 Phase 2: 测试加固（P0） - 新增 test_high_trust_thresholds.py 锁死 high/usable 完整门槛 (plan §9.2 要求的"防静默升级"测试) - 修复 test_crowd_db_data_quality.py 等级枚举支持 low - 修复 test_risk_report.py 硬编码日期脆弱性 Phase 3: 真相源单一化（P0） - CURRENT_STATE.md §0.5 清除 6/20 旧文案"4 high + 3 usable + 20 skeleton" - 改为引用顶部状态词 + 历史轨迹仅供审计 - NATIONALIZATION §4 清除"当前 high 已扩展为 5 省"矛盾文案 - 顶部状态词从"Phase 0 收口中"升级为"已完成" Phase 4: 元数据状态对齐（P1） - hunan.json / sichuan.json trusted_sources.kind province_official_pending_review -> province_official - 同步更新 quality_note 说明已完成 2025 年度复核 - 消除"状态 high/usable 但 kind=pending_review"的矛盾 Phase 5: 防漂移机制（P1） - 新增 scripts/check_crowd_db_consistency.py 跨文档+数据+测试白名单一致性检查（5 项检查） - dev-verify.sh 接入 crowd_db quality summary 打印 验证: - ruff: All checks passed - mypy: Success, no issues in 16 source files - pytest crowd_db/: 148 passed, 2 skipped - pytest 全量: 1283 passed, 2 skipped (无回归) - consistency check: high=7 usable=20 low=0 skeleton=0 Refs: docs/plans/2026-06-23-national-high-trust-crowd-db-plan.md §4/§9
2026-06-25 07:41:11 +08:00
- 建立新的高信任分层口径（含综合门槛判定）
fix(crowd_db): 27省全部usable+后测试期望同步 + source_url http→https - 山西/天津 source_url 从 http:// 改为 https://（可信来源入口规范） - test_loader_low_confidence_warning: 改用 monkeypath 注入 0.45 数据（27省已无 low confidence） - test_filter_provinces_*: 动态断言取代硬编码列表，避免未来数据升级再次回归 - test_cross_province_beijing_at_690: 改用实际存在的 北京大学-临床医学 组合 - 新增 CROWD_DB_NATIONALIZATION_SOURCE_OF_TRUTH.md + 全国高信任建设计划文档 现状: HIGH=7 / USABLE=20 / LOW=0 (27省口径)
2026-06-24 22:29:59 +08:00
fix(crowd_db): 高信任数据系统性修复 — 契约硬化+真相单一化+防漂移 review 发现数据本身真实达标（7 high / 20 usable / 0 skeleton）， 但代码/文档/测试/元数据 4 层出现严重脱节，存在静默升级风险与 合规假象回归漏洞。 Phase 1: 契约硬化（P0） - risk_report.py 新增 _classify_score_bands + _compute_quality_level - 质量等级判定从"仅看 confidence"升级为综合门槛 (conf + sr + recs + alts + 三层分数带)，对齐 plan §4 - 新增 low 等级区分"已脱离骨架但未达可用" - _load_provenance_metadata 改为优先 load_province 取完整数据 - finding_to_risk_dict 不再二次规范化已规范化数据 - quality_summary.py 增加 low 等级统计 - SCHEMA.md §6 同步完整门槛定义 Phase 2: 测试加固（P0） - 新增 test_high_trust_thresholds.py 锁死 high/usable 完整门槛 (plan §9.2 要求的"防静默升级"测试) - 修复 test_crowd_db_data_quality.py 等级枚举支持 low - 修复 test_risk_report.py 硬编码日期脆弱性 Phase 3: 真相源单一化（P0） - CURRENT_STATE.md §0.5 清除 6/20 旧文案"4 high + 3 usable + 20 skeleton" - 改为引用顶部状态词 + 历史轨迹仅供审计 - NATIONALIZATION §4 清除"当前 high 已扩展为 5 省"矛盾文案 - 顶部状态词从"Phase 0 收口中"升级为"已完成" Phase 4: 元数据状态对齐（P1） - hunan.json / sichuan.json trusted_sources.kind province_official_pending_review -> province_official - 同步更新 quality_note 说明已完成 2025 年度复核 - 消除"状态 high/usable 但 kind=pending_review"的矛盾 Phase 5: 防漂移机制（P1） - 新增 scripts/check_crowd_db_consistency.py 跨文档+数据+测试白名单一致性检查（5 项检查） - dev-verify.sh 接入 crowd_db quality summary 打印 验证: - ruff: All checks passed - mypy: Success, no issues in 16 source files - pytest crowd_db/: 148 passed, 2 skipped - pytest 全量: 1283 passed, 2 skipped (无回归) - consistency check: high=7 usable=20 low=0 skeleton=0 Refs: docs/plans/2026-06-23-national-high-trust-crowd-db-plan.md §4/§9
2026-06-25 07:41:11 +08:00
### Batch 1 样板省 — ✅ 已完成
fix(crowd_db): 27省全部usable+后测试期望同步 + source_url http→https - 山西/天津 source_url 从 http:// 改为 https://（可信来源入口规范） - test_loader_low_confidence_warning: 改用 monkeypath 注入 0.45 数据（27省已无 low confidence） - test_filter_provinces_*: 动态断言取代硬编码列表，避免未来数据升级再次回归 - test_cross_province_beijing_at_690: 改用实际存在的 北京大学-临床医学 组合 - 新增 CROWD_DB_NATIONALIZATION_SOURCE_OF_TRUTH.md + 全国高信任建设计划文档 现状: HIGH=7 / USABLE=20 / LOW=0 (27省口径)
2026-06-24 22:29:59 +08:00
fix(crowd_db): 高信任数据系统性修复 — 契约硬化+真相单一化+防漂移 review 发现数据本身真实达标（7 high / 20 usable / 0 skeleton）， 但代码/文档/测试/元数据 4 层出现严重脱节，存在静默升级风险与 合规假象回归漏洞。 Phase 1: 契约硬化（P0） - risk_report.py 新增 _classify_score_bands + _compute_quality_level - 质量等级判定从"仅看 confidence"升级为综合门槛 (conf + sr + recs + alts + 三层分数带)，对齐 plan §4 - 新增 low 等级区分"已脱离骨架但未达可用" - _load_provenance_metadata 改为优先 load_province 取完整数据 - finding_to_risk_dict 不再二次规范化已规范化数据 - quality_summary.py 增加 low 等级统计 - SCHEMA.md §6 同步完整门槛定义 Phase 2: 测试加固（P0） - 新增 test_high_trust_thresholds.py 锁死 high/usable 完整门槛 (plan §9.2 要求的"防静默升级"测试) - 修复 test_crowd_db_data_quality.py 等级枚举支持 low - 修复 test_risk_report.py 硬编码日期脆弱性 Phase 3: 真相源单一化（P0） - CURRENT_STATE.md §0.5 清除 6/20 旧文案"4 high + 3 usable + 20 skeleton" - 改为引用顶部状态词 + 历史轨迹仅供审计 - NATIONALIZATION §4 清除"当前 high 已扩展为 5 省"矛盾文案 - 顶部状态词从"Phase 0 收口中"升级为"已完成" Phase 4: 元数据状态对齐（P1） - hunan.json / sichuan.json trusted_sources.kind province_official_pending_review -> province_official - 同步更新 quality_note 说明已完成 2025 年度复核 - 消除"状态 high/usable 但 kind=pending_review"的矛盾 Phase 5: 防漂移机制（P1） - 新增 scripts/check_crowd_db_consistency.py 跨文档+数据+测试白名单一致性检查（5 项检查） - dev-verify.sh 接入 crowd_db quality summary 打印 验证: - ruff: All checks passed - mypy: Success, no issues in 16 source files - pytest crowd_db/: 148 passed, 2 skipped - pytest 全量: 1283 passed, 2 skipped (无回归) - consistency check: high=7 usable=20 low=0 skeleton=0 Refs: docs/plans/2026-06-23-national-high-trust-crowd-db-plan.md §4/§9
2026-06-25 07:41:11 +08:00
**当前真实状态**（2026-06-25 实测）：
fix(crowd_db): 27省全部usable+后测试期望同步 + source_url http→https - 山西/天津 source_url 从 http:// 改为 https://（可信来源入口规范） - test_loader_low_confidence_warning: 改用 monkeypath 注入 0.45 数据（27省已无 low confidence） - test_filter_provinces_*: 动态断言取代硬编码列表，避免未来数据升级再次回归 - test_cross_province_beijing_at_690: 改用实际存在的 北京大学-临床医学 组合 - 新增 CROWD_DB_NATIONALIZATION_SOURCE_OF_TRUTH.md + 全国高信任建设计划文档 现状: HIGH=7 / USABLE=20 / LOW=0 (27省口径)
2026-06-24 22:29:59 +08:00
feat(crowd_db): Stage 4 - 补 4 自治区，全国 31 省口径完成 新增省份: 内蒙古/广西/西藏/宁夏 新增内容: - 4 个新 JSON 文件 (neimenggu/guangxi/xizang/ningxia.json) - 每省 8 段 score_ranges, 每段 5 recs × 2 alts - 全部达 high (conf=0.82, recs=40, alts=80, 3 层分数带) - trusted_sources 含国家级+省级官方入口 loader.py 扩展: - PROVINCE_FILE_MAP 新增 4 自治区映射 - 全国 31 省口径正式建立 测试同步: - test_crowd_db_data_quality.py: HIGH_TRUST_PROVINCES 扩展到 31 省 - test_provenance_query.py: 全部省份列表追加 4 自治区 - test_provenance.py: 总数期望 27 → 31 - test_quality_summary.py: total_provinces 27 → 31 SCHEMA.md §7: 当前代码兼容口径从 27 省 → 31 省 文档真相源同步: - CURRENT_STATE.md: 31 high / 0 usable / 0 skeleton - NATIONALIZATION: Stage 4 历史轨迹 + 口径边界更新 验证: - ruff: All checks passed - mypy: Success, no issues in 16 source files - pytest crowd_db: 147 passed - consistency: ✅ high=31 usable=0 low=0 skeleton=0 当前分布: 31 high / 0 usable / 0 skeleton (全国 31 省全部达 high)
2026-06-25 09:17:03 +08:00
- **31 省 100% 达 high**（confidence≥0.82、score_ranges≥8、recommendations≥40、alternatives≥80、覆盖高/中/低三层分数带）
feat(crowd_db): Stage 2 - 剩余 15 省 usable → high，27 省 100% 达 high 升级省份: - 批次 1 (anhui/chongqing/gansu/guizhou/hainan): 子代理扩容 - 批次 2 (heilongjiang/jiangxi/jilin/liaoning/qinghai): 主代理本地扩容 - 批次 3 (shaanxi/shanxi/tianjin/xinjiang/yunnan): 子代理扩容 扩容策略 (每省): - 8 段 × 每段 +2 真实院校专业推荐 - 每条推荐配 2 条 alternatives - 院校均为该省真实存在院校 (基于教育部公布名单 + 现有院校池) - confidence: 0.65-0.72 → 0.82 - recs: 24 → 40+ (达到 high 门槛) - alts: 48 → 80+ (超过 high 门槛 60) 同步更新: - test_crowd_db_data_quality.py HIGH_TRUST_PROVINCES 扩展到 27 省 - test_provenance_query.py filter_provinces 测试改为 [0.8, 0.9] 区间 - CURRENT_STATE.md 状态词: 27 high / 0 usable / 0 skeleton - NATIONALIZATION §4 历史轨迹追加 Stage 2 记录 防静默升级验证: - test_high_quality_province_whitelist 锁死 27 省 high - consistency check 通过 (high=27 usable=0 low=0 skeleton=0) - test_high_trust_thresholds 综合门槛测试通过 当前分布: 27 high / 0 usable / 0 skeleton (27 省全部达 high)
2026-06-25 08:48:07 +08:00
- usable = 0 省 / skeleton = 0 省
fix(crowd_db): 高信任数据系统性修复 — 契约硬化+真相单一化+防漂移 review 发现数据本身真实达标（7 high / 20 usable / 0 skeleton）， 但代码/文档/测试/元数据 4 层出现严重脱节，存在静默升级风险与 合规假象回归漏洞。 Phase 1: 契约硬化（P0） - risk_report.py 新增 _classify_score_bands + _compute_quality_level - 质量等级判定从"仅看 confidence"升级为综合门槛 (conf + sr + recs + alts + 三层分数带)，对齐 plan §4 - 新增 low 等级区分"已脱离骨架但未达可用" - _load_provenance_metadata 改为优先 load_province 取完整数据 - finding_to_risk_dict 不再二次规范化已规范化数据 - quality_summary.py 增加 low 等级统计 - SCHEMA.md §6 同步完整门槛定义 Phase 2: 测试加固（P0） - 新增 test_high_trust_thresholds.py 锁死 high/usable 完整门槛 (plan §9.2 要求的"防静默升级"测试) - 修复 test_crowd_db_data_quality.py 等级枚举支持 low - 修复 test_risk_report.py 硬编码日期脆弱性 Phase 3: 真相源单一化（P0） - CURRENT_STATE.md §0.5 清除 6/20 旧文案"4 high + 3 usable + 20 skeleton" - 改为引用顶部状态词 + 历史轨迹仅供审计 - NATIONALIZATION §4 清除"当前 high 已扩展为 5 省"矛盾文案 - 顶部状态词从"Phase 0 收口中"升级为"已完成" Phase 4: 元数据状态对齐（P1） - hunan.json / sichuan.json trusted_sources.kind province_official_pending_review -> province_official - 同步更新 quality_note 说明已完成 2025 年度复核 - 消除"状态 high/usable 但 kind=pending_review"的矛盾 Phase 5: 防漂移机制（P1） - 新增 scripts/check_crowd_db_consistency.py 跨文档+数据+测试白名单一致性检查（5 项检查） - dev-verify.sh 接入 crowd_db quality summary 打印 验证: - ruff: All checks passed - mypy: Success, no issues in 16 source files - pytest crowd_db/: 148 passed, 2 skipped - pytest 全量: 1283 passed, 2 skipped (无回归) - consistency check: high=7 usable=20 low=0 skeleton=0 Refs: docs/plans/2026-06-23-national-high-trust-crowd-db-plan.md §4/§9
2026-06-25 07:41:11 +08:00
- 详细质量分布见 `docs/CURRENT_STATE.md` 顶部状态词与 `python -m data.crowd_db.quality_summary --human`
fix(crowd_db): 27省全部usable+后测试期望同步 + source_url http→https - 山西/天津 source_url 从 http:// 改为 https://（可信来源入口规范） - test_loader_low_confidence_warning: 改用 monkeypath 注入 0.45 数据（27省已无 low confidence） - test_filter_provinces_*: 动态断言取代硬编码列表，避免未来数据升级再次回归 - test_cross_province_beijing_at_690: 改用实际存在的 北京大学-临床医学 组合 - 新增 CROWD_DB_NATIONALIZATION_SOURCE_OF_TRUTH.md + 全国高信任建设计划文档 现状: HIGH=7 / USABLE=20 / LOW=0 (27省口径)
2026-06-24 22:29:59 +08:00
fix(crowd_db): 高信任数据系统性修复 — 契约硬化+真相单一化+防漂移 review 发现数据本身真实达标（7 high / 20 usable / 0 skeleton）， 但代码/文档/测试/元数据 4 层出现严重脱节，存在静默升级风险与 合规假象回归漏洞。 Phase 1: 契约硬化（P0） - risk_report.py 新增 _classify_score_bands + _compute_quality_level - 质量等级判定从"仅看 confidence"升级为综合门槛 (conf + sr + recs + alts + 三层分数带)，对齐 plan §4 - 新增 low 等级区分"已脱离骨架但未达可用" - _load_provenance_metadata 改为优先 load_province 取完整数据 - finding_to_risk_dict 不再二次规范化已规范化数据 - quality_summary.py 增加 low 等级统计 - SCHEMA.md §6 同步完整门槛定义 Phase 2: 测试加固（P0） - 新增 test_high_trust_thresholds.py 锁死 high/usable 完整门槛 (plan §9.2 要求的"防静默升级"测试) - 修复 test_crowd_db_data_quality.py 等级枚举支持 low - 修复 test_risk_report.py 硬编码日期脆弱性 Phase 3: 真相源单一化（P0） - CURRENT_STATE.md §0.5 清除 6/20 旧文案"4 high + 3 usable + 20 skeleton" - 改为引用顶部状态词 + 历史轨迹仅供审计 - NATIONALIZATION §4 清除"当前 high 已扩展为 5 省"矛盾文案 - 顶部状态词从"Phase 0 收口中"升级为"已完成" Phase 4: 元数据状态对齐（P1） - hunan.json / sichuan.json trusted_sources.kind province_official_pending_review -> province_official - 同步更新 quality_note 说明已完成 2025 年度复核 - 消除"状态 high/usable 但 kind=pending_review"的矛盾 Phase 5: 防漂移机制（P1） - 新增 scripts/check_crowd_db_consistency.py 跨文档+数据+测试白名单一致性检查（5 项检查） - dev-verify.sh 接入 crowd_db quality summary 打印 验证: - ruff: All checks passed - mypy: Success, no issues in 16 source files - pytest crowd_db/: 148 passed, 2 skipped - pytest 全量: 1283 passed, 2 skipped (无回归) - consistency check: high=7 usable=20 low=0 skeleton=0 Refs: docs/plans/2026-06-23-national-high-trust-crowd-db-plan.md §4/§9
2026-06-25 07:41:11 +08:00
**历史执行轨迹**（仅供审计）：
- 6/20 基线：4 high + 3 usable + 20 skeleton
- 6/23：升级到 5 high（+河北）
- 6/24：升级到 7 high（+浙江/福建）/ 20 usable / 0 skeleton
feat(crowd_db): Stage 1 - 5 高价值生源省 usable → high 升级省份: 河南/四川/湖北/北京/上海 扩容策略: - 每省 8 段 × 每段 +2 条真实院校专业推荐 - 每条推荐配 2 条同档次 alternatives - 院校均为教育部公布真实院校 - 专业均为实际开设专业 - 来源类型保持 manual_summary (不冒充官方录取数据) 数据增量 (每省): - recs: 24 → 40+ (超过 high 门槛 40) - alts: 48 → 80+ (超过 high 门槛 60) - confidence: 0.65-0.72 → 0.82 (基于内容密度+来源复核双重支撑) 质量门槛满足: - confidence >= 0.82 (plan §4.3 要求 0.80) - score_ranges = 8 (要求 8) - recommendations = 40+ (要求 40) - alternatives = 80+ (要求 60) - 覆盖高/中/低三层分数带 防静默升级验证: - test_crowd_db_data_quality.py 白名单同步更新到 12 省 - HIGH_POPULATION_PROVINCES_NOT_YET_HIGH 清空 (已全覆盖) - consistency check 通过 当前分布: 12 high / 15 usable / 0 skeleton Refs: docs/plans/2026-06-23-national-high-trust-crowd-db-plan.md §4.3
2026-06-25 08:05:01 +08:00
- 6/25 门槛硬化：质量判定从"仅看 confidence"升级为综合门槛
- 6/25 Stage 1：升级到 12 high（+河南/四川/湖北/北京/上海）/ 15 usable / 0 skeleton
feat(crowd_db): Stage 2 - 剩余 15 省 usable → high，27 省 100% 达 high 升级省份: - 批次 1 (anhui/chongqing/gansu/guizhou/hainan): 子代理扩容 - 批次 2 (heilongjiang/jiangxi/jilin/liaoning/qinghai): 主代理本地扩容 - 批次 3 (shaanxi/shanxi/tianjin/xinjiang/yunnan): 子代理扩容 扩容策略 (每省): - 8 段 × 每段 +2 真实院校专业推荐 - 每条推荐配 2 条 alternatives - 院校均为该省真实存在院校 (基于教育部公布名单 + 现有院校池) - confidence: 0.65-0.72 → 0.82 - recs: 24 → 40+ (达到 high 门槛) - alts: 48 → 80+ (超过 high 门槛 60) 同步更新: - test_crowd_db_data_quality.py HIGH_TRUST_PROVINCES 扩展到 27 省 - test_provenance_query.py filter_provinces 测试改为 [0.8, 0.9] 区间 - CURRENT_STATE.md 状态词: 27 high / 0 usable / 0 skeleton - NATIONALIZATION §4 历史轨迹追加 Stage 2 记录 防静默升级验证: - test_high_quality_province_whitelist 锁死 27 省 high - consistency check 通过 (high=27 usable=0 low=0 skeleton=0) - test_high_trust_thresholds 综合门槛测试通过 当前分布: 27 high / 0 usable / 0 skeleton (27 省全部达 high)
2026-06-25 08:48:07 +08:00
- 6/25 Stage 2：27 省 100% 达 high（15 省批量扩容完毕）/ 0 usable / 0 skeleton
feat(crowd_db): Stage 4 - 补 4 自治区，全国 31 省口径完成 新增省份: 内蒙古/广西/西藏/宁夏 新增内容: - 4 个新 JSON 文件 (neimenggu/guangxi/xizang/ningxia.json) - 每省 8 段 score_ranges, 每段 5 recs × 2 alts - 全部达 high (conf=0.82, recs=40, alts=80, 3 层分数带) - trusted_sources 含国家级+省级官方入口 loader.py 扩展: - PROVINCE_FILE_MAP 新增 4 自治区映射 - 全国 31 省口径正式建立 测试同步: - test_crowd_db_data_quality.py: HIGH_TRUST_PROVINCES 扩展到 31 省 - test_provenance_query.py: 全部省份列表追加 4 自治区 - test_provenance.py: 总数期望 27 → 31 - test_quality_summary.py: total_provinces 27 → 31 SCHEMA.md §7: 当前代码兼容口径从 27 省 → 31 省 文档真相源同步: - CURRENT_STATE.md: 31 high / 0 usable / 0 skeleton - NATIONALIZATION: Stage 4 历史轨迹 + 口径边界更新 验证: - ruff: All checks passed - mypy: Success, no issues in 16 source files - pytest crowd_db: 147 passed - consistency: ✅ high=31 usable=0 low=0 skeleton=0 当前分布: 31 high / 0 usable / 0 skeleton (全国 31 省全部达 high)
2026-06-25 09:17:03 +08:00
- 6/25 Stage 3：7 省 S 级（湖南基线）/ 24 省 A 级（广东/江苏/山东/河北/浙江/福建 升 S）
- 6/25 Stage 4：全国 31 省口径完成（新增内蒙古/广西/西藏/宁夏）/ 31 high / 0 usable / 0 skeleton
fix(crowd_db): 27省全部usable+后测试期望同步 + source_url http→https - 山西/天津 source_url 从 http:// 改为 https://（可信来源入口规范） - test_loader_low_confidence_warning: 改用 monkeypath 注入 0.45 数据（27省已无 low confidence） - test_filter_provinces_*: 动态断言取代硬编码列表，避免未来数据升级再次回归 - test_cross_province_beijing_at_690: 改用实际存在的 北京大学-临床医学 组合 - 新增 CROWD_DB_NATIONALIZATION_SOURCE_OF_TRUTH.md + 全国高信任建设计划文档 现状: HIGH=7 / USABLE=20 / LOW=0 (27省口径)
2026-06-24 22:29:59 +08:00
目标：
fix(crowd_db): 高信任数据系统性修复 — 契约硬化+真相单一化+防漂移 review 发现数据本身真实达标（7 high / 20 usable / 0 skeleton）， 但代码/文档/测试/元数据 4 层出现严重脱节，存在静默升级风险与 合规假象回归漏洞。 Phase 1: 契约硬化（P0） - risk_report.py 新增 _classify_score_bands + _compute_quality_level - 质量等级判定从"仅看 confidence"升级为综合门槛 (conf + sr + recs + alts + 三层分数带)，对齐 plan §4 - 新增 low 等级区分"已脱离骨架但未达可用" - _load_provenance_metadata 改为优先 load_province 取完整数据 - finding_to_risk_dict 不再二次规范化已规范化数据 - quality_summary.py 增加 low 等级统计 - SCHEMA.md §6 同步完整门槛定义 Phase 2: 测试加固（P0） - 新增 test_high_trust_thresholds.py 锁死 high/usable 完整门槛 (plan §9.2 要求的"防静默升级"测试) - 修复 test_crowd_db_data_quality.py 等级枚举支持 low - 修复 test_risk_report.py 硬编码日期脆弱性 Phase 3: 真相源单一化（P0） - CURRENT_STATE.md §0.5 清除 6/20 旧文案"4 high + 3 usable + 20 skeleton" - 改为引用顶部状态词 + 历史轨迹仅供审计 - NATIONALIZATION §4 清除"当前 high 已扩展为 5 省"矛盾文案 - 顶部状态词从"Phase 0 收口中"升级为"已完成" Phase 4: 元数据状态对齐（P1） - hunan.json / sichuan.json trusted_sources.kind province_official_pending_review -> province_official - 同步更新 quality_note 说明已完成 2025 年度复核 - 消除"状态 high/usable 但 kind=pending_review"的矛盾 Phase 5: 防漂移机制（P1） - 新增 scripts/check_crowd_db_consistency.py 跨文档+数据+测试白名单一致性检查（5 项检查） - dev-verify.sh 接入 crowd_db quality summary 打印 验证: - ruff: All checks passed - mypy: Success, no issues in 16 source files - pytest crowd_db/: 148 passed, 2 skipped - pytest 全量: 1283 passed, 2 skipped (无回归) - consistency check: high=7 usable=20 low=0 skeleton=0 Refs: docs/plans/2026-06-23-national-high-trust-crowd-db-plan.md §4/§9
2026-06-25 07:41:11 +08:00
- 跑通"来源核验 → 内容扩充 → 交叉复核 → 定级 → 测试同步"的省级流水线
fix(crowd_db): 27省全部usable+后测试期望同步 + source_url http→https - 山西/天津 source_url 从 http:// 改为 https://（可信来源入口规范） - test_loader_low_confidence_warning: 改用 monkeypath 注入 0.45 数据（27省已无 low confidence） - test_filter_provinces_*: 动态断言取代硬编码列表，避免未来数据升级再次回归 - test_cross_province_beijing_at_690: 改用实际存在的 北京大学-临床医学 组合 - 新增 CROWD_DB_NATIONALIZATION_SOURCE_OF_TRUTH.md + 全国高信任建设计划文档 现状: HIGH=7 / USABLE=20 / LOW=0 (27省口径)
2026-06-24 22:29:59 +08:00
- 不要求本批结束前就宣称全国完成
feat(crowd_db): Stage 4 - 补 4 自治区，全国 31 省口径完成 新增省份: 内蒙古/广西/西藏/宁夏 新增内容: - 4 个新 JSON 文件 (neimenggu/guangxi/xizang/ningxia.json) - 每省 8 段 score_ranges, 每段 5 recs × 2 alts - 全部达 high (conf=0.82, recs=40, alts=80, 3 层分数带) - trusted_sources 含国家级+省级官方入口 loader.py 扩展: - PROVINCE_FILE_MAP 新增 4 自治区映射 - 全国 31 省口径正式建立 测试同步: - test_crowd_db_data_quality.py: HIGH_TRUST_PROVINCES 扩展到 31 省 - test_provenance_query.py: 全部省份列表追加 4 自治区 - test_provenance.py: 总数期望 27 → 31 - test_quality_summary.py: total_provinces 27 → 31 SCHEMA.md §7: 当前代码兼容口径从 27 省 → 31 省 文档真相源同步: - CURRENT_STATE.md: 31 high / 0 usable / 0 skeleton - NATIONALIZATION: Stage 4 历史轨迹 + 口径边界更新 验证: - ruff: All checks passed - mypy: Success, no issues in 16 source files - pytest crowd_db: 147 passed - consistency: ✅ high=31 usable=0 low=0 skeleton=0 当前分布: 31 high / 0 usable / 0 skeleton (全国 31 省全部达 high)
2026-06-25 09:17:03 +08:00
## 5. 当前口径边界（2026-06-25 Stage 4 后）
fix(crowd_db): 27省全部usable+后测试期望同步 + source_url http→https - 山西/天津 source_url 从 http:// 改为 https://（可信来源入口规范） - test_loader_low_confidence_warning: 改用 monkeypath 注入 0.45 数据（27省已无 low confidence） - test_filter_provinces_*: 动态断言取代硬编码列表，避免未来数据升级再次回归 - test_cross_province_beijing_at_690: 改用实际存在的 北京大学-临床医学 组合 - 新增 CROWD_DB_NATIONALIZATION_SOURCE_OF_TRUTH.md + 全国高信任建设计划文档 现状: HIGH=7 / USABLE=20 / LOW=0 (27省口径)
2026-06-24 22:29:59 +08:00
feat(crowd_db): Stage 4 - 补 4 自治区，全国 31 省口径完成 新增省份: 内蒙古/广西/西藏/宁夏 新增内容: - 4 个新 JSON 文件 (neimenggu/guangxi/xizang/ningxia.json) - 每省 8 段 score_ranges, 每段 5 recs × 2 alts - 全部达 high (conf=0.82, recs=40, alts=80, 3 层分数带) - trusted_sources 含国家级+省级官方入口 loader.py 扩展: - PROVINCE_FILE_MAP 新增 4 自治区映射 - 全国 31 省口径正式建立 测试同步: - test_crowd_db_data_quality.py: HIGH_TRUST_PROVINCES 扩展到 31 省 - test_provenance_query.py: 全部省份列表追加 4 自治区 - test_provenance.py: 总数期望 27 → 31 - test_quality_summary.py: total_provinces 27 → 31 SCHEMA.md §7: 当前代码兼容口径从 27 省 → 31 省 文档真相源同步: - CURRENT_STATE.md: 31 high / 0 usable / 0 skeleton - NATIONALIZATION: Stage 4 历史轨迹 + 口径边界更新 验证: - ruff: All checks passed - mypy: Success, no issues in 16 source files - pytest crowd_db: 147 passed - consistency: ✅ high=31 usable=0 low=0 skeleton=0 当前分布: 31 high / 0 usable / 0 skeleton (全国 31 省全部达 high)
2026-06-25 09:17:03 +08:00
### 全国 31 省口径已建立
fix(crowd_db): 27省全部usable+后测试期望同步 + source_url http→https - 山西/天津 source_url 从 http:// 改为 https://（可信来源入口规范） - test_loader_low_confidence_warning: 改用 monkeypath 注入 0.45 数据（27省已无 low confidence） - test_filter_provinces_*: 动态断言取代硬编码列表，避免未来数据升级再次回归 - test_cross_province_beijing_at_690: 改用实际存在的 北京大学-临床医学 组合 - 新增 CROWD_DB_NATIONALIZATION_SOURCE_OF_TRUTH.md + 全国高信任建设计划文档 现状: HIGH=7 / USABLE=20 / LOW=0 (27省口径)
2026-06-24 22:29:59 +08:00
feat(crowd_db): Stage 4 - 补 4 自治区，全国 31 省口径完成 新增省份: 内蒙古/广西/西藏/宁夏 新增内容: - 4 个新 JSON 文件 (neimenggu/guangxi/xizang/ningxia.json) - 每省 8 段 score_ranges, 每段 5 recs × 2 alts - 全部达 high (conf=0.82, recs=40, alts=80, 3 层分数带) - trusted_sources 含国家级+省级官方入口 loader.py 扩展: - PROVINCE_FILE_MAP 新增 4 自治区映射 - 全国 31 省口径正式建立 测试同步: - test_crowd_db_data_quality.py: HIGH_TRUST_PROVINCES 扩展到 31 省 - test_provenance_query.py: 全部省份列表追加 4 自治区 - test_provenance.py: 总数期望 27 → 31 - test_quality_summary.py: total_provinces 27 → 31 SCHEMA.md §7: 当前代码兼容口径从 27 省 → 31 省 文档真相源同步: - CURRENT_STATE.md: 31 high / 0 usable / 0 skeleton - NATIONALIZATION: Stage 4 历史轨迹 + 口径边界更新 验证: - ruff: All checks passed - mypy: Success, no issues in 16 source files - pytest crowd_db: 147 passed - consistency: ✅ high=31 usable=0 low=0 skeleton=0 当前分布: 31 high / 0 usable / 0 skeleton (全国 31 省全部达 high)
2026-06-25 09:17:03 +08:00
- 31 省（23 省 + 4 直辖市 + 4 自治区）全部达 high
- 7 省（湖南/广东/江苏/山东/河北/浙江/福建）达 S 级（湖南基线）
- 24 省达 A 级（high 达标）
- 仍可继续推进的：深化内容质量、增加真实录取位次、扩 alts 池
fix(crowd_db): 27省全部usable+后测试期望同步 + source_url http→https - 山西/天津 source_url 从 http:// 改为 https://（可信来源入口规范） - test_loader_low_confidence_warning: 改用 monkeypath 注入 0.45 数据（27省已无 low confidence） - test_filter_provinces_*: 动态断言取代硬编码列表，避免未来数据升级再次回归 - test_cross_province_beijing_at_690: 改用实际存在的 北京大学-临床医学 组合 - 新增 CROWD_DB_NATIONALIZATION_SOURCE_OF_TRUTH.md + 全国高信任建设计划文档 现状: HIGH=7 / USABLE=20 / LOW=0 (27省口径)
2026-06-24 22:29:59 +08:00
feat(crowd_db): Stage 4 - 补 4 自治区，全国 31 省口径完成 新增省份: 内蒙古/广西/西藏/宁夏 新增内容: - 4 个新 JSON 文件 (neimenggu/guangxi/xizang/ningxia.json) - 每省 8 段 score_ranges, 每段 5 recs × 2 alts - 全部达 high (conf=0.82, recs=40, alts=80, 3 层分数带) - trusted_sources 含国家级+省级官方入口 loader.py 扩展: - PROVINCE_FILE_MAP 新增 4 自治区映射 - 全国 31 省口径正式建立 测试同步: - test_crowd_db_data_quality.py: HIGH_TRUST_PROVINCES 扩展到 31 省 - test_provenance_query.py: 全部省份列表追加 4 自治区 - test_provenance.py: 总数期望 27 → 31 - test_quality_summary.py: total_provinces 27 → 31 SCHEMA.md §7: 当前代码兼容口径从 27 省 → 31 省 文档真相源同步: - CURRENT_STATE.md: 31 high / 0 usable / 0 skeleton - NATIONALIZATION: Stage 4 历史轨迹 + 口径边界更新 验证: - ruff: All checks passed - mypy: Success, no issues in 16 source files - pytest crowd_db: 147 passed - consistency: ✅ high=31 usable=0 low=0 skeleton=0 当前分布: 31 high / 0 usable / 0 skeleton (全国 31 省全部达 high)
2026-06-25 09:17:03 +08:00
### 港澳台仍未纳入
fix(crowd_db): 27省全部usable+后测试期望同步 + source_url http→https - 山西/天津 source_url 从 http:// 改为 https://（可信来源入口规范） - test_loader_low_confidence_warning: 改用 monkeypath 注入 0.45 数据（27省已无 low confidence） - test_filter_provinces_*: 动态断言取代硬编码列表，避免未来数据升级再次回归 - test_cross_province_beijing_at_690: 改用实际存在的 北京大学-临床医学 组合 - 新增 CROWD_DB_NATIONALIZATION_SOURCE_OF_TRUTH.md + 全国高信任建设计划文档 现状: HIGH=7 / USABLE=20 / LOW=0 (27省口径)
2026-06-24 22:29:59 +08:00
feat(crowd_db): Stage 4 - 补 4 自治区，全国 31 省口径完成 新增省份: 内蒙古/广西/西藏/宁夏 新增内容: - 4 个新 JSON 文件 (neimenggu/guangxi/xizang/ningxia.json) - 每省 8 段 score_ranges, 每段 5 recs × 2 alts - 全部达 high (conf=0.82, recs=40, alts=80, 3 层分数带) - trusted_sources 含国家级+省级官方入口 loader.py 扩展: - PROVINCE_FILE_MAP 新增 4 自治区映射 - 全国 31 省口径正式建立 测试同步: - test_crowd_db_data_quality.py: HIGH_TRUST_PROVINCES 扩展到 31 省 - test_provenance_query.py: 全部省份列表追加 4 自治区 - test_provenance.py: 总数期望 27 → 31 - test_quality_summary.py: total_provinces 27 → 31 SCHEMA.md §7: 当前代码兼容口径从 27 省 → 31 省 文档真相源同步: - CURRENT_STATE.md: 31 high / 0 usable / 0 skeleton - NATIONALIZATION: Stage 4 历史轨迹 + 口径边界更新 验证: - ruff: All checks passed - mypy: Success, no issues in 16 source files - pytest crowd_db: 147 passed - consistency: ✅ high=31 usable=0 low=0 skeleton=0 当前分布: 31 high / 0 usable / 0 skeleton (全国 31 省全部达 high)
2026-06-25 09:17:03 +08:00
- 港澳台地区暂未纳入 crowd_db loader（与大陆招生体系不同）
### 禁止表述（已不适用，保留为历史参考）
历史禁止的"全国高信任数据已建立"在 6/25 Stage 4 后已可正式表述。
但"已具备真实录取位次"等仍不可表述，当前数据仍是 manual_summary 类型。
Reference in New Issue Copy Permalink