Skip to content

领活不再带来源的栏目名 - #99

Merged
JunieXD merged 1 commit into
mainfrom
drop-work-section
Nov 9, 2026
Merged

JunieXD merged 1 commit into
mainfrom
drop-work-section

Conversation

@JunieXD

@JunieXD JunieXD commented Nov 9, 2026

Copy link
Copy Markdown
Contributor

关联

#40 的讨论里定的:栏目名留着当来源的名字,抓取节点不再拿它。

改了什么

初筛只看标题(总体设计 §8.1、§8.5 的实验:加上栏目名,过滤率反而降低),抓取节点里一直传 section=None,领活时带来的栏目名没有用处。网站上它还是来源的名字(抓取看板、学院页、来源管理),所以 sources.section 这一列不动。

  • 领活接口的 WorkSource 去掉 section,pnpm openapi 和 uv run datamodel-codegen 重新生成 OpenAPI 文档和抓取节点的类型
  • 数据表文档里「初筛时一起看」改成它现在的用处
  • 初筛实验的评估(screening/evaluate.py)读的是 data/screening.csv 里的栏目名,不经过领活接口,不动

怎么验证的

  • crawler/./check.sh 通过:生成类型一致性、格式、lint、Pyright 严格模式和 217 项测试。
  • web/ 里 pnpm typecheck、pnpm lint、prettier --check . 通过;pnpm openapi 重新生成的文档只少了 section 这一项。网站的测试要连 PostgreSQL,本机这次没起数据库,以 CI 为准;网站的测试里没有用到领活返回的 section。

影响

  • 抓取节点接口:GET /crawler/work 返回的来源少了 section。抓取节点的类型已经一起重新生成,抓取节点里没有地方用它。
  • MCP 工具、表结构和已有数据:无。

初筛只看标题(总体设计 §8.1),抓取节点用不到栏目名;网站上它还是来源的名字,列留着。

- 领活接口的 WorkSource 去掉 section,重新生成 OpenAPI 文档和抓取节点的类型
- 数据表文档改掉「初筛时一起看」的说法
@JunieXD
JunieXD merged commit e2ac8f5 into main Nov 9, 2026
2 checks passed
@JunieXD
JunieXD deleted the drop-work-section branch November 9, 2026 14:10
Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment

Labels

None yet

Projects

None yet

Development

Successfully merging this pull request may close these issues.

1 participant