增加研究覆盖审计及分类数据直达链接

README.md

@@ -120,6 +120,8 @@ MRR×12仅作为显示单位转换，不改写为公司ARR；公司ARR、估算
 页面本身从同一SQLite中的公司与观测记录计算，不读取第二个数据库。
 
 平台同步时间、连接过期状态、业务描述的可编辑性和产品/法律主体未去重限制均保留。
+覆盖审计页位于 `/docs/other-research/ai-company-research/coverage`，分类链接 `overview?category=<id>` 的筛选数据。
+`python3 scripts/audit-ai-research.py --check` 检查候选池逐条计数与覆盖报告一致性；CI在ces-control运行此检查，未更改触发范围。
 收入快照报告位于 `/docs/other-research/ai-company-research/income-snapshot`，样本名称链接 `overview?company=<id>` 的公司明细。
 `python3 scripts/summarize-ai-income.py --check` 独立复核统计与报告一致性；不触发编译或构建。数据变更后先审查方法，再运行不带参数的命令更新固定快照。
 默认7日样本14个产品；90日窗口新增Gojiberry的8月历史点，营销样本的均值和CV随之明显变化。

apps/docs/src/components/AICompanyResearch.tsx

@@ -36,7 +36,12 @@ export default function AICompanyResearch() {
   const [error, setError] = useState(false);
   const [attempt, setAttempt] = useState(0);
   const [query, setQuery] = useState("");
-  const [category, setCategory] = useState("");
+  const [categoryChoice, setCategoryChoice] = useState<{ route: string; id: string } | null>(null);
+  const linkedCategory = router.query.category;
+  const category = categoryChoice && categoryChoice.route === router.asPath ? categoryChoice.id
+    : router.isReady && typeof linkedCategory === "string" && data?.categories.some((c) => c.id === linkedCategory)
+      ? linkedCategory : "";
+  function setCategory(id: string) { setCategoryChoice({ route: router.asPath, id }); }
   const [cohort, setCohort] = useState("");
   const [income, setIncome] = useState("");
   const [page, setPage] = useState(0);

content/catalog.json

@@ -226,6 +226,13 @@
       "description": "查看14个产品的平台MRR分布、均值与离散度、历史点敏感性和逐项证据入口。",
       "slug": "other-research/ai-company-research/income-snapshot",
       "category": "其他研究"
+    },
+    "ai-company-research/02-coverage-and-gaps": {
+      "collection": "AI 公司研究",
+      "group": "公司与市场",
+      "description": "核对候选池、来源偏差、分类与验证完成度，区分全量读取和定向补充。",
+      "slug": "other-research/ai-company-research/coverage",
+      "category": "其他研究"
     }
   }
 }

content/docs/ai-company-research/00-overview.md

@@ -6,6 +6,8 @@
 
 [收入样本分布快照](/docs/other-research/ai-company-research/income-snapshot)列出当前平台MRR的分组结果、逐项证据入口和历史样本敏感性。
 
+[资料覆盖与缺项](/docs/other-research/ai-company-research/coverage)区分候选池读取、定向样本、人工复核及尚未核验的字段。
+
 ## 商业模式初评：截至 2026-10-30
 
 以下为研究假设，用于设计付费试验，尚不足以给行业排收益名次。规模、交付证据和收入来源必须一起看；目录条目数量不是市场需求，平台样本也存在自愿公开与幸存者偏差。

content/docs/ai-company-research/02-coverage-and-gaps.md

@@ -0,0 +1,71 @@
+# AI 公司资料覆盖与缺项
+
+截至 2026-10-30，研究表含1,015条公司或产品记录。YC候选池有逐条读取审计；其他来源为定向补充。清单尚不能作为全球AI公司普查，也不能将收入未知解释为零。
+
+[分类和数据工作台](/docs/other-research/ai-company-research/overview)链接原始证据，[收入样本快照](/docs/other-research/ai-company-research/income-snapshot)展示当前可计算的MRR样本。
+
+## 候选池与公司表的关系
+
+| 环节 | 记录数 | 含义 |
+| --- | --- | --- |
+| YC批次候选 | 1,428 | 从公开镜像发现，随后读取YC官方页面 |
+| 官方页面读取 | 1,428 | 此候选池读取失败0条 |
+| 初筛匹配 | 962 | 成立年及AI相关描述通过初筛，尚非逐家商业验证 |
+| 与原表重合 | 34 | URL匹配，未再次新增 |
+| 新增目录记录 | 928 | 进入公司表，仍需深化核验 |
+| 年份不符或缺失 | 268 | 此轮不作为成立年匹配项 |
+| AI业务待确认 | 192 | 不强行把背景关键词当主营 |
+| 成立年与批次冲突 | 6 | 另保留核查记录 |
+
+全表由928条目录基础项和87条个案或平台记录组成。候选池已匹配项之外另有53条记录，包含其他来源及发布/转型对照；两种统计边界不同。候选池数字只是该镜像快照的覆盖，Bud等后续定向补充不回填为原候选池已覆盖。
+
+## 成立年与证据深度
+
+| 维度 | 当前记录 | 解读 |
+| --- | --- | --- |
+| 记录为2025年成立 | 619 | 成立来源和精度见公司明细 |
+| 记录为2026年成立 | 391 | 不将产品发布日期代替成立日 |
+| 成立年未知或范围外 | 5 | 发布/转型对照单列，不进入两年成立分组 |
+| 目录业务分类人工复核 | 121 | 仅复核主营分类，不代表技术或财务审计 |
+| 其他目录基础项 | 807 | 规则初分或资料不足，继续待复核 |
+| 有团队数字 | 945 | 多为自报Team Size或Employees，时点与口径不统一 |
+| 专项技术证据记录 | 6 | 其中3条自述、2条公开材料、1条第三方评测 |
+| 公司披露收入线索 | 17 | 含历史、下界、币种不明及产品业务声明，不等于可比ARR |
+| 仅平台收入线索 | 16 | 同时有公司披露者计入上一行，不重复计数 |
+| 仅第三方估算 | 1 | 不与直接披露混合 |
+| 暂无可用收入数字 | 981 | 包含尚未逐家搜索的目录项，不代表没有收入 |
+
+## 业务分类与数据入口
+
+| 业务类别 | 记录数 |
+| --- | --- |
+| [基础模型](/docs/other-research/ai-company-research/overview?category=C01) | 29 |
+| [算力与模型基础设施](/docs/other-research/ai-company-research/overview?category=C02) | 105 |
+| [Agent 开发与运行设施](/docs/other-research/ai-company-research/overview?category=C03) | 50 |
+| [软件开发](/docs/other-research/ai-company-research/overview?category=C04) | 109 |
+| [企业通用工作](/docs/other-research/ai-company-research/overview?category=C05) | 174 |
+| [客户与收入运营](/docs/other-research/ai-company-research/overview?category=C06) | 51 |
+| [行业专业应用](/docs/other-research/ai-company-research/overview?category=C07) | 324 |
+| [内容与创意](/docs/other-research/ai-company-research/overview?category=C08) | 45 |
+| [消费者个人应用](/docs/other-research/ai-company-research/overview?category=C09) | 45 |
+| [机器人及实体产业](/docs/other-research/ai-company-research/overview?category=C10) | 80 |
+| [业务待分类](/docs/other-research/ai-company-research/overview?category=C00) | 3 |
+
+## 已使用来源的分布
+
+1,086条证据记录对应1,072个不同URL。不同URL不自动构成独立验证；同一声明可能由公司、投资方和媒体重复转述。
+
+| 来源 | 证据记录 | 不同URL | 用途及限制 |
+| --- | --- | --- | --- |
+| YC官方目录 | 984 | 975 | 公司自述的成立、团队与业务；英文及加速器样本偏多 |
+| TrustMRR | 18 | 18 | 支付平台重建指标及方法；公开者存在选择偏差，非财务审计 |
+| a16z Speedrun | 11 | 10 | 投资机构中的公司介绍及收入声明；存在利益关系 |
+| TechCrunch | 3 | 3 | 原始采访或报道；转述公司数字不等于查账 |
+| Sacra | 3 | 3 | 第三方估算；与直接披露分开 |
+| 其他官网、评测及公开资料 | 67 | 63 | 按每条来源限制理解，不能统一当作独立证据 |
+
+## 尚未满足的研究条件
+
+行业ARR比较仍缺统一业务截止日、币种、经常性定义和业务边界。现有平台MRR可描述已采集产品，不足以代表全部新公司。技术评测只覆盖所列版本与任务，不宜跨领域汇总为统一强弱分数。
+
+下一轮优先补收入线索的日期及合同定义、非YC和非英文来源、规则初分的人工复核，以及停止服务或被收购案例。这样能减少“只见赢家”和“只见融资公司”的偏差。公开来源池之外的未披露公司仍无法证明已被穷尽。

scripts/audit-ai-research.py

@@ -0,0 +1,107 @@
+"""Summarize observed research coverage; does not claim an exhaustive AI census."""
+import argparse
+from collections import Counter
+import json
+from pathlib import Path
+import sys
+from urllib.parse import urlsplit
+
+ROOT = Path(__file__).resolve().parents[1]
+DATA = json.loads((ROOT / 'content/research/ai-companies.seed.json').read_text())
+AUDIT = json.loads((ROOT / 'content/research/ai-companies.coverage.json').read_text())
+TARGET = ROOT / 'content/docs/ai-company-research/02-coverage-and-gaps.md'
+BASE = '/docs/other-research/ai-company-research/overview'
+
+
+def render():
+    cov = DATA['coverage']
+    companies = DATA['companies']
+    depth = sum(bool(c.get('profileOnly')) for c in companies)
+    reviewed = sum(bool(c.get('profileOnly')) and '人工复核' in c.get('classificationBasis', '') for c in companies)
+    years = Counter(c['year'] for c in companies)
+    income = Counter(c['revenueStatus'] for c in companies)
+    technical = Counter(c.get('technicalReview', {}).get('level', 'unreviewed') for c in companies)
+    assert cov['profilesRead'] + cov['failedProfiles'] == cov['candidateRecords']
+    assert cov['matchingProfiles'] == cov['existingProfiles'] + cov['newProfiles']
+    assert cov['matchingProfiles'] + cov['otherOrMissingYear'] + cov['unclearAI'] + cov['dateConflicts'] == cov['profilesRead']
+    assert depth == cov['newProfiles']
+    assert AUDIT['accessedAt'] == cov['accessedAt']
+    assert AUDIT['counts'] == cov
+    assert len(AUDIT['records']) == cov['profilesRead']
+    assert Counter(x['status'] for x in AUDIT['records']) == {
+        'imported': cov['newProfiles'], 'existing': cov['existingProfiles'],
+        'year-outside-or-missing': cov['otherOrMissingYear'],
+        'ai-unclear': cov['unclearAI'], 'date-conflict': cov['dateConflicts']}
+    assert len({x['ycId'] for x in AUDIT['records']}) == len(AUDIT['records'])
+    lines = ['# AI 公司资料覆盖与缺项', '',
+        f"截至 {DATA['asOf']}，研究表含{len(companies):,}条公司或产品记录。YC候选池有逐条读取审计；其他来源为定向补充。清单尚不能作为全球AI公司普查，也不能将收入未知解释为零。", '',
+        f"[分类和数据工作台]({BASE})链接原始证据，[收入样本快照](/docs/other-research/ai-company-research/income-snapshot)展示当前可计算的MRR样本。", '',
+        '## 候选池与公司表的关系', '',
+        '| 环节 | 记录数 | 含义 |', '| --- | --- | --- |',
+        f"| YC批次候选 | {cov['candidateRecords']:,} | 从公开镜像发现，随后读取YC官方页面 |",
+        f"| 官方页面读取 | {cov['profilesRead']:,} | 此候选池读取失败{cov['failedProfiles']}条 |",
+        f"| 初筛匹配 | {cov['matchingProfiles']:,} | 成立年及AI相关描述通过初筛，尚非逐家商业验证 |",
+        f"| 与原表重合 | {cov['existingProfiles']} | URL匹配，未再次新增 |",
+        f"| 新增目录记录 | {cov['newProfiles']:,} | 进入公司表，仍需深化核验 |",
+        f"| 年份不符或缺失 | {cov['otherOrMissingYear']} | 此轮不作为成立年匹配项 |",
+        f"| AI业务待确认 | {cov['unclearAI']} | 不强行把背景关键词当主营 |",
+        f"| 成立年与批次冲突 | {cov['dateConflicts']} | 另保留核查记录 |", '',
+        f"全表由{depth}条目录基础项和{len(companies)-depth}条个案或平台记录组成。候选池已匹配项之外另有{len(companies)-cov['matchingProfiles']}条记录，包含其他来源及发布/转型对照；两种统计边界不同。候选池数字只是该镜像快照的覆盖，Bud等后续定向补充不回填为原候选池已覆盖。", '',
+        '## 成立年与证据深度', '',
+        '| 维度 | 当前记录 | 解读 |', '| --- | --- | --- |',
+        f"| 记录为2025年成立 | {years[2025]} | 成立来源和精度见公司明细 |",
+        f"| 记录为2026年成立 | {years[2026]} | 不将产品发布日期代替成立日 |",
+        f"| 成立年未知或范围外 | {sum(v for k,v in years.items() if k not in (2025,2026))} | 发布/转型对照单列，不进入两年成立分组 |",
+        f"| 目录业务分类人工复核 | {reviewed} | 仅复核主营分类，不代表技术或财务审计 |",
+        f"| 其他目录基础项 | {depth-reviewed} | 规则初分或资料不足，继续待复核 |",
+        f"| 有团队数字 | {sum(c['team'] is not None for c in companies)} | 多为自报Team Size或Employees，时点与口径不统一 |",
+        f"| 专项技术证据记录 | {len(companies)-technical['unreviewed']} | 其中{technical['description']}条自述、{technical['public-artifact']}条公开材料、{technical['independent-test']}条第三方评测 |",
+        f"| 公司披露收入线索 | {income['self']} | 含历史、下界、币种不明及产品业务声明，不等于可比ARR |",
+        f"| 仅平台收入线索 | {income['platform']} | 同时有公司披露者计入上一行，不重复计数 |",
+        f"| 仅第三方估算 | {income['estimate']} | 不与直接披露混合 |",
+        f"| 暂无可用收入数字 | {income['unknown']} | 包含尚未逐家搜索的目录项，不代表没有收入 |", '',
+        '## 业务分类与数据入口', '',
+        '| 业务类别 | 记录数 |', '| --- | --- |',
+    ]
+    counts = Counter(c['cat'] for c in companies)
+    for category in DATA['categories']:
+        lines.append(f"| [{category['name']}]({BASE}?category={category['id']}) | {counts[category['id']]} |")
+    lines += ['', '## 已使用来源的分布', '',
+        f"{len(DATA['evidence']):,}条证据记录对应{len({e['url'] for e in DATA['evidence']}):,}个不同URL。不同URL不自动构成独立验证；同一声明可能由公司、投资方和媒体重复转述。", '',
+        '| 来源 | 证据记录 | 不同URL | 用途及限制 |', '| --- | --- | --- | --- |',
+    ]
+    families = [('YC官方目录', 'www.ycombinator.com', '公司自述的成立、团队与业务；英文及加速器样本偏多'),
+                ('TrustMRR', 'trustmrr.com', '支付平台重建指标及方法；公开者存在选择偏差，非财务审计'),
+                ('a16z Speedrun', 'speedrun.a16z.com', '投资机构中的公司介绍及收入声明；存在利益关系'),
+                ('TechCrunch', 'techcrunch.com', '原始采访或报道；转述公司数字不等于查账'),
+                ('Sacra', 'sacra.com', '第三方估算；与直接披露分开')]
+    included = set()
+    for name, host, note in families:
+        entries = [e for e in DATA['evidence'] if urlsplit(e['url']).netloc == host]
+        included.add(host)
+        lines.append(f"| {name} | {len(entries)} | {len({e['url'] for e in entries})} | {note} |")
+    others = [e for e in DATA['evidence'] if urlsplit(e['url']).netloc not in included]
+    lines.append(f"| 其他官网、评测及公开资料 | {len(others)} | {len({e['url'] for e in others})} | 按每条来源限制理解，不能统一当作独立证据 |")
+    lines += ['', '## 尚未满足的研究条件', '',
+        '行业ARR比较仍缺统一业务截止日、币种、经常性定义和业务边界。现有平台MRR可描述已采集产品，不足以代表全部新公司。技术评测只覆盖所列版本与任务，不宜跨领域汇总为统一强弱分数。', '',
+        '下一轮优先补收入线索的日期及合同定义、非YC和非英文来源、规则初分的人工复核，以及停止服务或被收购案例。这样能减少“只见赢家”和“只见融资公司”的偏差。公开来源池之外的未披露公司仍无法证明已被穷尽。', '',
+    ]
+    return '\n'.join(lines)
+
+
+def main():
+    parser = argparse.ArgumentParser(description=__doc__)
+    parser.add_argument('--check', action='store_true')
+    args = parser.parse_args()
+    content = render()
+    if args.check:
+        if not TARGET.exists() or TARGET.read_text() != content:
+            sys.exit('Research coverage report differs; review and regenerate')
+        print('Research coverage accounting and report are consistent')
+    else:
+        TARGET.write_text(content)
+        print(TARGET.relative_to(ROOT))
+
+
+if __name__ == '__main__':
+    main()

scripts/ci.py

@@ -14,7 +14,8 @@ ROOT = Path(__file__).resolve().parents[1]
 APP = "endorphin-tabularium-docs"
 INPUTS = ["Dockerfile", "Dockerfile.ci", ".dockerignore", ".npmrc", "package.json",
           "pnpm-lock.yaml", "pnpm-workspace.yaml", "apps/docs", "content", "tools/figures",
-          "scripts/check-container.sh", "scripts/ci.py", "scripts/summarize-ai-income.py"]
+          "scripts/check-container.sh", "scripts/ci.py", "scripts/summarize-ai-income.py",
+          "scripts/audit-ai-research.py"]
 
 
 def run(*args: str, capture: bool = False) -> str:
@@ -64,6 +65,7 @@ def smoke_image(image: str, name: str) -> None:
 def main() -> None:
     os.chdir(ROOT)
     run(sys.executable, "scripts/summarize-ai-income.py", "--check")
+    run(sys.executable, "scripts/audit-ai-research.py", "--check")
     run(sys.executable, "-m", "unittest", "discover", "-s", "scripts", "-p", "test_*.py")
     scope = os.environ.get("CI_CACHE_SCOPE", "main")
     if not re.fullmatch(r"main|pr-[0-9]+", scope):