17 Commits
Author SHA1 Message Date
Your Name 5bfbb55e59 补 handoff:全量推送记录与凭据配置 2026-11-13 23:49:10 +08:00
Your Name f1be5ffd95 把此前排除的本地内容全部纳入仓库(第一批:小于 100MB 的部分)
.gitignore 放开:官方资料/、审计报告/来源发现/、审计报告/local_ingest_*、
审计报告/global_writer_stages/、脚本/工作区/、运行暂存/(除登录态与缓存)、
数据库/抓取分片/、_归档/(除待删目录)。

仍然排除:数据库本体(zexiao_2027.db 18.1GB、ggyx.db 1.7GB)、
浏览器登录态(ggyx_chrome/、gitea_profile/)、采集缓存(zexiao_cache/ 7 万文件)、
已标记待删的 _归档/_待删_20261022/。

>100MB 的 6 个 jsonl 分片单独下一批试推,先验证服务器单文件上限。
2026-11-13 23:01:04 +08:00
Your Name 5b953ac929 记录推送阻塞状态与凭据排查结果 2026-11-13 22:39:37 +08:00
Your Name 62ac155641 同步择校 UI 三十四轮改版与审计产出
择校 UI(docs/择校UI):
- 搜索支持外号(东大/华科)与拼音首字母(dndx),未命中做分诊
- 目标分拖动即见三档数量,松手列出换档院校,名单按收藏/对比/本地排序
- 家乡省份接入院校库(家乡优先排序)与首页推荐(池不足时说明并可按档位判断)
- 缺档改成同尺寸占位卡并可跳院校库;三档口径收敛成一份、默认收起
- 新增拼音索引.js(907 校)

设计与交接:docs/研选E决策层_20261112 36 张稿与 README v1–v34;docs/agent_handoffs 续写。

审计与脚本:审计报告新增若干核验与分流产物,脚本同步更新。

.gitignore 追加排除 /官方资料/ 与 GB 级审计中间产物(global_writer_stages、来源发现、local_ingest_*)。
2026-11-13 22:32:10 +08:00
Your Name 79642630cd 沉淀官方目录口径这条线的结论与两处抓取器坑 2026-11-02 16:20:56 +08:00
Your Name 8924c41c91 全表审计的唯一切线问题定性为源侧字段语义孤例
220/220 表审计只报 1 项 P5 分数越界:ggyx_admission_list row_id=512038
cs_all_result=627。四栏 71+125+86+345 自洽,但 345 本是初试总分被当成
第四科填入,所以四栏自洽检查查不出来;同考生号在安阳师范那行是 345 正常。
全库仅此一行 >500。原行不删改,登记 dim_field_semantics 并出清单,
不为 1 行去 ALTER 两张表加 data_flag(会牵动事实层重建与字段剖面口径)。
P4 高缺失 391 项属预期:规则本就只给异常行打旗。
2026-11-02 15:57:39 +08:00
Your Name 0dc94d64ec 0856缺口清单收敛到专业级并按四种名额情形定口径
原清单照抄 chsi_2027_dir 的方向展开行,1880 行只有 983 个唯一键,
335 组同键重复;名额还留着按方向行相加的虚高(69613 vs 35368,虚高 96.8%)。
改为专业/一级学科/院系所级取MAX、方向级各向不同取SUM、方向级同值取MAX并标疑、
同组混用两级取较大者不相加,另标 8 个同方向码重复行键。
推免判定改用三键后撤掉13行粗粒度虚报、补6行,0856三键覆盖41/983。
同时撤销我自己误加的156行 source_url_missing 标记(那些行其实已有URL)。
2026-11-02 15:17:02 +08:00
Your Name 3f4766d232 记录第三轮:库内语料再挖掘与两次自我纠错
住宿判据四轮打磨(窗口→逐句→就近归属→费用自理非无宿舍),
新表 web_accommodation_policy 135行92校;
学费查明官方CHSI已有80565行年费值,回填先犯跨年份错配再犯粒度错标,
两次都已撤回/重做,终态核实非2027残留为0、专业级由虚标2470修正为614。
web_tuition_rules 3545行629校已登记粒度与交叉口径语义。
2026-11-01 02:35:07 +08:00
Your Name d307602502 记录名单删除已执行与全表审计通过 2026-11-01 00:56:49 +08:00
Your Name 841f7bc35d 入库2025/2026官方名单逐专业人数与成绩分布
official_roster_major_stat 216行、10校、3772人,列结构与平台表
src_roster_major_stat 同构但分表存放,便于对账而不混口径。

主键含原件名:北师大同一专业跨学院有多份名单,合并会让中位数失真,
首轮主键不含原件时丢掉3组83人,改回后拒绝为0。与平台14个可比键7个全等,
其余差异是平台跨校区合并或只取一份原件的口径差,保留两侧原值。

推送仍未成功:本机凭据管理器没有该主机的凭据条目,非交互三种姿势都被拒,
所以按「入库且上传Git后才删」的条件,本轮没有删除任何原件。
2026-11-01 00:43:24 +08:00
Your Name 1b8a134337 修正推免来源清单并固化删除回执 2026-11-01 00:41:56 +08:00
Your Name 7d596c867e 沉淀2027推免名单离线解析与原件删除边界
磁盘告急且采集额度中断,改为只吃已落盘原件:15份官方推免公示PDF与
合肥工业1679行名单解析成 y2027_tuimian_2027(11校1436行),华南理工
统考可用计划单独入 y2027_plan_2027,避免与推免接收人数混口径。

判据修正三处会造出假数的地方:汇总/合计行先排除再分组、研究生支教团等
专项计划行不计入接收人数、PDF抽出的Kangxi兼容部首折回正规汉字(否则
跨源关联键静默漏配)。东南大学同批既有官方计数表又有逐人名单,名单分组
多278人判为口径差异,只入官方计数、182行推导值留作对账不入库。

校验器先被故意改坏验证过一轮才用于正式入库;备份脚本取错 description
下标导致备份写成空值,已重做并回读核验。
2026-11-01 00:25:29 +08:00
Your Name 82b461b127 记录本地临时目录清理结果 2026-10-30 22:00:25 +08:00
Your Name 92ba88dc9b 记录全量资料上传与清理边界 2026-10-30 21:44:48 +08:00
Your Name 1fb8c5fd47 补充项目接手与数据导出资料 2026-10-30 19:27:09 +08:00
Your Name 12c7daf083 记录私有仓库上传结果 2026-10-30 19:04:27 +08:00
Your Name 50c8b4162f 导入择校项目与数据库快照 2026-10-30 18:26:59 +08:00