docs: streamline README around content management and operations

Reviewed-on: #19

README.md

@@ -1,18 +1,38 @@
 # Endor · Tabularium
 
-Endor 文档站、研究工作台与制图程序。应用代码在 Git 中评审；全部文档正文、目录元数据和内容修订以站点 SQLite 数据库为唯一权威源。日常写作不需要 commit、构建或部署。
+Endor 的文档站与 AI 公司研究工作台，包含文档阅读、全文搜索、研究数据展示和制图工具。使用 Next.js Pages Router、React、TypeScript 与 Tailwind CSS；JavaScript workspace 使用 pnpm，制图 Python 项目使用 uv。
 
-## 存储与读取
+## 代码与内容放在哪里
 
-沿用 `AUTH_CONFIG_FILE` 同目录的 `login-state.sqlite` 和 `/auth` 持久挂载。`documents` 存正文及分类、合集、分组、摘要、草案与推荐状态；`document_aliases` 保留旧地址；`document_revisions` 保存每次修改；`document_imports` 标记一次性迁移。没有第二套文档数据库。
+文档正文、目录元数据和修订记录由站点 SQLite 数据库管理，日常写作直接更新数据库，无需提交代码、构建或部署。研究业务数据仍沿用版本化 JSON 导入机制，后续单独迁移。
 
-首页、阅读页、目录和全文搜索按请求查询数据库，使用 `private, no-store`。旧文件式地址与改名前的语义地址通过数据库别名跳转，保留查询参数；不再在构建阶段枚举文档。Markdown 原文通过受认证保护的 `/api/documents/source?slug=...` 获取。
+| 内容 | 权威来源与维护方式 |
+| --- | --- |
+| 文档正文、分类、合集、分组、摘要、草案和推荐状态 | 数据库；通过服务器上的 `docs` 管理工具读写 |
+| 文档旧地址与修订历史 | 数据库；改名保留别名，修改追加修订 |
+| AI 公司、观测、证据、候选与核查记录 | `content/research` 中的版本化快照；服务端显式按版本导入同库后查询 |
+| 页面、组件、管理工具和部署逻辑 | 本仓库，通过工作分支与 PR 评审 |
+| 图形源码与静态资源 | `tools/figures` 与 `apps/docs/public`；生成步骤在远程 Runner 执行 |
 
-仓库不保存日常正文、目录 JSON、数据库文件或内容快照；历史 Git 记录仅用于迁移。页面不再读取 `content/docs` 或 `content/catalog.json`。Markdown 与 GFM 表格仍可用，不解析原始 HTML。图片在写入时检查压缩格式；图形程序与版本化静态资源仍在代码仓库，本轮不迁移媒体存储。研究业务数据留待下一步。
+以上数据库数据共用 `AUTH_CONFIG_FILE` 同目录下的 `login-state.sqlite`，该文件名沿用历史命名。生产环境挂载到容器 `/auth`，不随镜像替换。文档使用 `documents`、`document_aliases`、`document_revisions`、`document_imports` 表，研究数据使用 `research_*` 表，登录状态使用 `login_state` 表。
 
-## 在服务器上管理文档
+仓库不接收新的文档正文 Markdown、目录 JSON、数据库文件或日常正文快照。历史 Git 正文仅用于一次性迁移；运行时不读取 `content/docs` 或 `content/catalog.json`。README 维护程序使用与运维约定，研究个案、统计数量与内容更新日志在工作台和数据库文档中查看。
 
-部署安装 `/opt/endorphin-tabularium-docs/docs`，通过当前容器执行管理 CLI。需要服务器的运维权限；不增加可公开写入的 API，不改变现有动态码登录。
+## 阅读与访问
+
+首页、阅读页、目录及全文搜索按请求读取数据库，内容更新后刷新即可看到。旧文件式地址和改名前的语义地址继续跳转到当前地址，并保留查询参数。
+
+- 文档原文：`GET /api/documents/source?slug=<文档地址>`。
+- 全文搜索：`GET /api/search`。
+- 研究工作台：`/docs/other-research/ai-company-research/overview`。
+- 收入样本：`/docs/other-research/ai-company-research/income-snapshot`。
+- 覆盖与缺项：`/docs/other-research/ai-company-research/coverage`。
+
+正文、搜索、研究 API 与静态资料均经过站点登录认证，私有响应使用 `private, no-store`。Markdown 支持 GFM 表格，不解析原始 HTML；正文图片写入时检查压缩格式。草案标记用于展示状态，不构成单独的访问权限。
+
+## 管理文档
+
+部署后，管理员可在服务器上使用 `/opt/endorphin-tabularium-docs/docs`。该工具在当前容器中操作数据库，需要服务器运维权限；站点没有公开的文档写入 API。
 
 ```sh
 sudo /opt/endorphin-tabularium-docs/docs list
@@ -20,168 +40,111 @@ sudo /opt/endorphin-tabularium-docs/docs get endor/endor-purpose-draft
 sudo /opt/endorphin-tabularium-docs/docs history 04-endor-purpose-draft
 ```
 
-新建或修改使用标准输入传入完整 JSON。必填字段：`slug`、`sourceSlug`、`title`、`category`、`collection`、`group`、`description`、`draft`、`featured`、`content` 和 `revision`。新建时 `revision: 0`；修改时先 get 并使用读到的 revision，避免覆盖别人刚写入的版本。`sourceSlug` 是稳定标识，修改公共 slug 时保持它不变，旧地址继续可用。调整目录直接修改 category、collection、group 等字段。
+`save` 从标准输入接收完整 JSON。必填字段如下：
+
+| 字段 | 用途 |
+| --- | --- |
+| `slug` | 语义化公开地址，不含数字章节前缀 |
+| `sourceSlug` | 稳定标识；修改公开地址时保持不变 |
+| `title`、`content` | 标题与 Markdown 正文 |
+| `category`、`collection`、`group` | 分类、合集与目录分组 |
+| `description`、`draft`、`featured` | 摘要、草案状态与推荐状态 |
+| `revision` | 新建传 `0`；修改传最近一次读取到的版本号 |
+
+修改现有文档的流程：
 
 ```sh
-sudo /opt/endorphin-tabularium-docs/docs get endor/endor-purpose-draft > /private/work/purpose.json
+umask 077
-# 在私有文件中修改正文或目录字段，保留读到的 revision。
+doc_work_dir=$(mktemp -d)
-sudo /opt/endorphin-tabularium-docs/docs save < /private/work/purpose.json
+sudo /opt/endorphin-tabularium-docs/docs get endor/endor-purpose-draft > "$doc_work_dir/document.json"
+# 编辑该私有 JSON 文件，保留读取到的 revision 和 sourceSlug。
+sudo /opt/endorphin-tabularium-docs/docs save < "$doc_work_dir/document.json"
 ```
 
-路径仅为操作示例，应选择实际存在且受保护的目录。运行成功后刷新网页即可看到正文、导航和搜索更新。版本冲突时重新读取并合并修改；不要把旧 revision 改成新数字强行覆盖。草案是现有展示标记，不是按分支或用户隔离的访问控制。
+保存成功后，正文、目录和搜索通过后续请求读取新内容。发生版本冲突时重新读取并合并修改，不能仅改大 `revision` 覆盖并发编辑。调整分类或分组也走同一保存流程；`history` 使用稳定的 `sourceSlug` 查询修订。
 
-新增正文不提交回 Git。奇思妙想这类内容同样通过数据库写入；代码分支与数据发布是不同动作，不能因为迁移程序合并就自动发布其他未合并分支的内容。
+## 研究数据与检查
 
-## 首次迁移与备份
+研究工作台提供公司筛选、经营指标、原始证据、收费与交付模式、技术材料及核查记录。它区分公司披露、支付平台指标、第三方估算、融资和客户收益；未知收入不填零，材料可访问也不代表性能或商业效果已经验证。研究范围、样本限制和个案结论以工作台记录为准。
 
-迁移前主线的 50 篇正文及目录可从固定历史提交 `25c5e83d08eae4277fe429a692955bd3bb2e717f` 完整导出：
+| 仓库资料 | 用途 |
+| --- | --- |
+| `content/research/ai-companies.seed.json` | 研究数据导入快照；更新必须更换 `version` |
+| `content/research/ai-companies.sources.json` | 来源范围、用途、覆盖边界与后续缺项 |
+| `content/research/ai-companies.coverage.json` | 候选池逐条筛选台账 |
+| `content/research/ai-income-analysis.json` | 独立复算的统计参考快照 |
+
+服务端以事务导入未载入的版本，保留旧研究版本与登录、文档数据；同一版本标识下内容变化会拒绝导入。页面和 `GET /api/research/ai-companies` 从数据库读取对应研究版本。回退程序可能选择旧研究版本，不能等同于撤销数据库中的正文编辑。
+
+以下 Python 检查不触发编译或构建，可在工作分支执行：
 
 ```sh
-python3 scripts/export-legacy-documents.py --output .artifacts/documents-migration.json
+PYTHONDONTWRITEBYTECODE=1 python3 scripts/audit-ai-research.py --check
+PYTHONDONTWRITEBYTECODE=1 python3 scripts/summarize-ai-income.py --check
 ```
 
-导出文件位于 Git 忽略目录、权限 0600，不进入镜像。脚本也支持显式 `--ref`，但不能用未评审分支替换生产迁移基线。它不会在站点读取时执行。CI 使用历史导出验证全部正文与目录的逐项一致性，构建镜像只含程序，不含文档快照或数据库。
+若需对照研究数据检查报告正文，先用 `docs export` 导出当前文档，再给对应脚本传入 `--document-export <导出文件>`。默认 `--check` 核对研究数据的统计与审计不变量，不将历史迁移快照当作当前正文。脚本不带参数时仅在 `.artifacts/reports` 生成候选正文，需审阅后通过 `docs save` 写入数据库。
 
-首次部署先备份整个共享数据库，再显式事务导入到空文档表。普通部署使用 `import --if-empty`，已有内容时跳过，不以历史数据覆盖数据库编辑；重复同一导入也不会重置内容。导入失败则事务整体回滚，既有登录与研究表保留，部署中止。
+## 备份与首次迁移
 
 ```sh
 sudo /opt/endorphin-tabularium-docs/docs backup /auth/manual-backup.sqlite
 sudo /opt/endorphin-tabularium-docs/docs export /auth/current-documents.json
 ```
 
-backup 是包含登录、研究、正文、别名和修订的完整 SQLite 一致性备份；export 只导出当前正文与目录，作为空库初始化/外部迁移快照，不代替完整备份或恢复修订历史。输出路径均在容器内，文件已存在时拒绝覆盖。备份含认证状态，应留在私有挂载或受控备份位置，不能放到公开静态目录、仓库或日志。
+路径在容器内，输出文件已存在时拒绝覆盖。`backup` 是整个共享 SQLite 数据库的一致性备份，包含登录状态、研究数据、正文、别名和修订；`export` 只保存当前正文与目录，供空库初始化或外部迁移使用，不包含完整修订历史。认证配置单独保存在 `/auth/config.json`，整库备份不包含该配置文件。备份与导出应保存在私有挂载或受控备份位置。
 
-代码回退不会撤销数据库编辑，但回退到旧文件式站点会显示旧正文。恢复完整数据库会同时影响登录和研究状态，必须先停止写入、保留当前备份并由管理员明确选择恢复点；部署脚本不会自动恢复数据库或删除新内容。
+首次迁移由 `scripts/export-legacy-documents.py` 从固定历史版本导出正文和目录，基线与研究正文覆盖版本在脚本中明确记录。导出写入 Git 忽略目录，权限为 `0600`，不进入生产镜像：
 
-## 代码验证
+```sh
+python3 scripts/export-legacy-documents.py --output .artifacts/documents-migration.json
+```
 
-使用 React、Next.js Pages Router、TypeScript 和 Tailwind CSS。JavaScript 用 pnpm，制图 Python 用 uv。编译、构建、打包和构建产物全部在已确认的 ces-control Runner 执行；`pnpm test:docs` 等测试脚本会调用 esbuild，也只能在 Runner 执行。
+该命令用于迁移准备，不是日常写作入口；目标文件存在时拒绝覆盖。部署先备份共享数据库，再用 `import --if-empty` 向空文档表事务导入。已有文档时跳过，不覆盖后续编辑；导入失败整体回滚并中止部署。`--ref` 仅用于明确选择历史导出版本。
 
-工作分支与 PR 不运行 CI，仅做不会触发编译、构建的轻量检查。用户手动合并 main 后，才在 ces-control 执行 lint、类型检查、数据库事务/版本测试、现有认证与研究测试、图形检查、构建与容器冒烟；验证通过才沿用既有部署流程。
+程序回退不会撤销数据库编辑；回退到旧文件式站点则会显示旧正文。完整数据库恢复会同时影响登录、研究和文档状态，需先停止写入、保留当前备份，再明确选择恢复点。部署脚本只回退镜像，不自动恢复数据库。
 
-冒烟使用隔离数据库卷：完整导入后逐项核对全部正文与目录，验证新建、更新、重命名、搜索立即变化及容器重启后的持久化，并覆盖全部文档地址、认证、媒体和原文端点。测试卷不会触及生产数据库。
+## 登录管理
 
-`tools/figures/src/endor_figures` 与 `apps/docs/public/figures` 仍保存图形源码及可复现的静态资源。图形构建也在远程执行。
+站点使用共享验证器的 6 位 TOTP 动态码，每 30 秒更新。会话使用 HttpOnly、SameSite=Lax Cookie，有效期 7 天；共享尝试上限为每 5 分钟 20 次，重放与限流状态在数据库中持久保存。缺少或损坏认证配置时拒绝私有访问。
-
-## 动态码登录与二维码
-
-与 PROMPT 的参考流程一致：共享验证器的6位TOTP动态码，每30秒更新；成功登录的HttpOnly、SameSite=Lax会话有效7天。此方案是动态码单因素登录，不是密码加动态码的双因素组合。
-
-正文、SVG、文档数据与API都经过认证，仅登录入口、登录所需代码资源和最小健康检查公开。20次/5分钟的共享尝试上限与已用时间步持久保存在SQLite中，跨进程和重启继续生效。缺失或损坏配置时拒绝访问，不自动降为公开站点。
-
-生产认证文件位于服务器 `/opt/endorphin-tabularium-docs/private-auth`，目录0700、文件0600，只挂载进本项目容器。部署只初始化一次，后续更新保留同一验证器密钥与会话签名密钥。生产镜像、Git、CI日志和网页不包含密钥。
-
-管理员通过SSH管理：
 
 ```sh
 sudo /opt/endorphin-tabularium-docs/auth qr
 sudo /opt/endorphin-tabularium-docs/auth verify
 ```
 
-`qr`只允许交互终端显示；`qr-png`用于通过SSH将PNG直接重定向到私有本地文件，不在CI中运行。二维码等同登录凭据，不放入本仓库或网页。只有明确执行 `auth rotate --confirm` 才更换密钥并使旧二维码、会话失效；重新显示或下载二维码不会轮换。
+认证配置和数据库位于服务器 `/opt/endorphin-tabularium-docs/private-auth`。正常部署保留验证器与会话签名密钥。`qr` 只在交互终端显示，`qr-png` 可导出到私有文件；只有 `auth rotate --confirm` 会轮换密钥并使旧会话失效。二维码和令牌不进入仓库、网页或 CI 日志。
 
-构建、打包与会触发构建的测试只在用户确认的 ces-control Runner 上执行。本地不执行 `pnpm dev`、`pnpm build`、`pnpm typecheck` 或打包测试。
+当前 Compose 配置默认 `AUTH_COOKIE_SECURE=false`；实际采用 HTTPS 时，应在独立的生产配置中设置为 `true`。HTTP 不加密动态码与会话传输。生产部署使用无副作用的 `verify`，不执行会消耗动态码和触发限流的 `exercise`。
 
-当前服务器入口为HTTP，与参考项目一致使用 `AUTH_COOKIE_SECURE=false`；配置HTTPS后应在独立production.env设置 `AUTH_COOKIE_SECURE=true`。HTTP本身不加密动态码和会话传输。
+## 开发、验证与发布
 
-`pnpm test:auth`运行算法、会话、重放及限流测试。容器验证使用自己的匿名测试卷完成登录/并发重放/CSRF/限流测试，并在重启后检查状态仍存在。生产部署只运行无副作用的 `verify`，不会消耗用户动态码或触发生产限流。
+代码依赖要求见 `package.json` 和锁文件；当前要求 Node.js 22.13+、pnpm 11.25.0，制图使用 Python 与 uv。构建、打包、制图及会隐式编译的检查只在已确认的 `ces-control` Runner 执行，本机不执行这些步骤。
 
-## AI 公司研究
+工作分支完成轻量检查后推送并创建 PR，由用户手动合并。**CI 仅在 main 推送或针对 main 的手动运行时执行，工作分支和 PR 不运行 CI。** 不自动合并，也不因确认 Runner 而扩大触发范围。
 
-导航入口为 **其他研究 → AI 公司研究**，页面路径是
+主线通过 `.gitea/workflows/ci-deploy.yml` 执行 `scripts/ci.py`：
-`/docs/other-research/ai-company-research/overview`。工作台提供业务分类、公司搜索与筛选、
-公司明细、收入观测、原始证据和数据核查记录。所有页面与
-`GET /api/research/ai-companies` 均使用文档站现有的登录认证。
 
-研究业务数据本轮暂不迁移，仍沿用版本化 JSON 导入机制。研究数据、文档与登录状态**共用文档站现有的 SQLite 数据库文件**：
+1. 检查研究统计、审计与 Python 测试，生成首次迁移所需的历史导出。
-`AUTH_CONFIG_FILE` 同目录下的 `login-state.sqlite`。该文件名是历史名称，未创建第二个数据库。
+2. 根据程序、研究快照、图形、锁文件和构建脚本计算内容指纹。命中 verified 镜像时复用，否则安装依赖并执行 lint、类型检查、数据库测试、图形检查与构建。
-`login_state` 保留登录限流与重放状态，新增的 `research_*` 表保存数据版本、分类、
+3. 使用隔离数据库卷核对完整迁移、认证、全部文档与资源，以及不重建内容更新和重启持久化；通过后标记镜像为 verified。
-公司、经营指标、证据与核查记录。沿用现有 `/auth` 持久挂载，数据库不会写入镜像或公开目录。
+4. `scripts/deploy.py` 确认仍为最新 main，备份并初始化文档数据，使用 `--no-build` 部署；失败时回退上一版镜像。
 
-`content/research/ai-companies.seed.json` 是可评审的研究导入快照，
+`pnpm check`、`pnpm typecheck`、`pnpm test:auth`、`pnpm test:research`、`pnpm test:docs`、`pnpm figures`、`pnpm build` 和 `pnpm dev` 等命令涉及编译、构建或产物生成，不在本机运行。图形源码与生成资源保持可复现，前端继续使用 Pages Router。
-服务端首次读取该版本时将它以事务导入同一数据库，之后从数据库查询记录。
-导入使用外键校验，不删除登录数据，也不覆盖旧研究版本。每次更新快照必须修改 `version`；
-同一版本内容变化会拒绝导入，避免静默读取旧数据。回退代码时继续读取对应旧版本。
-所有修改都经过工作分支和 PR，部署仍等待人工合并主线。
 
-当前资料包含 1,015 条公司/产品记录、10 类业务及待分类组、1,091 条证据记录和 183 条经营与技术观测。
+根 README 等非构建输入变更不要求重新构建；数据库正文和目录更新也不触发构建。保留 pnpm、uv、Next.js 与 SWC 缓存，不清理共享 Docker 缓存或卷，不修改共享 Runner 或其他项目。
-其中保留 86 家个案资料、913 条目录基础资料，并新增 16 个平台产品/业务样本；目录项不等于完成财务和技术核验。
-补充ThinkWheel与中国NaiveAI；MiroMind成立年未核，公开研发年份单列。保留灵初智能成立年排除、深度原理日期待核和Naive近名实体复核记录。
-新增7条Speedrun个案，保留标题/正文冲突、七位数数量级、币种不明、合同管线与履历归属排除记录；相对日期不充当同期收入时点。核查页优先按人工确认的公司ID关联明细，旧版本保留按证据归属回退；54条核查中43条指向具体公司、3条属于全局方法、8条是未纳入候选。明细反向列出关联核查；币种不明的声明保留原值，不绘制美元收入长度条。
-Bud保留为2025成立且YC标记已收购的案例；Rocket.new按前身2021成立、2025产品上线的转型对照记录，历史ARR不混入新成立公司同期统计。
-验收按2026-10-30确认的公开来源清单边界逐条核对并标明缺项；YC候选池有完整读取台账，其他来源目前为定向补充，不能把来源出现次数当作覆盖完成。收入披露不足且统计时点不统一，不代表全部 AI 公司。
-界面将公司自述、第三方估算、融资、客户收入和履历收入分开，未知收入不记为零。
-保留被撤回的声明作为核查记录，并排除收入比较；并购后业务、管理层预测与历史里程碑单列。
-团队规模下界在列表中显示比较符，商业成熟度展示公开交付证据，不等于技术能力排名。
-Emergent的1亿美元ARR里程碑补足至2026年2月；Peec采用规模和Wonderful团队规模各保留其公告日期，不将较新非收入指标当作ARR更新。Wonderful按2026年9月官方综合平台定位归C05。
-公司披露的 ARR 尚未建立同期同口径比较组。新增平台 MRR 单独计算探索性样本统计，
-不能称行业平均 ARR、总体离散排名或财务造假概率。
 
-收入分布：`IncomeDistribution.tsx` 从数据库返回的观测中筛选平台 USD MRR，
+## 部署位置与仓库
-每个产品只保留符合条件的最新值，默认数据日期距截止日不超过7天。
-按业务类别、支付来源及可选收费模式分组，显示均值、中位数、样本CV（标准差分母n−1）、
-均值/中位数和移除最大值后的均值敏感性。n<3标注样本不足；n=1不计算CV。
-MRR×12仅作为显示单位转换，不改写为公司ARR；公司ARR、估算与近30日收入均不混入。
-`ai-income-analysis.json` 是独立Python复算的7日/90日快照参考，用于检查统计选择和计算，
-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。
+| 项目 | 位置或默认值 |
-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来源审计一致性；CI在ces-control运行此检查。
+| Compose 项目 | `endorphin-tabularium-docs` |
-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。
+| 容器监听 | `0.0.0.0:3000` |
-`python3 scripts/summarize-ai-income.py --check` 独立复核统计与参考快照一致性；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生成 `.artifacts/reports` 下的候选正文，使用 docs 管理工具显式更新数据库；不再生成受 Git 管理的正文。
+| 服务器入口 | 默认端口 `18135`，由生产配置决定 |
-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。
+| 生产配置 | `/etc/endorphin-tabularium-docs/production.env` |
-这提示先核查时间与样本构成，不能将高离散度直接解释为造假。两个近名营养应用按不同App Store ID分别建档。
+| 发布记录与当前版本 | `/opt/endorphin-tabularium-docs/releases/<commit>` 与 `current` |
+| 健康检查 | `/api/health` |
 
-覆盖核查：从 yc-oss 非官方镜像发现 2025—2026 八个 YC 批次的 1,428 条候选，
+服务入口使用 `TABULARIUM_BIND`、`TABULARIUM_PORT` 配置。部署前检查端口是否空闲或属于本服务，不停止其他服务抢占端口；本项目不自动修改防火墙、域名或反向代理。
-逐条读取对应 YC 官方公开页面，以页面中的成立年份、团队字段和业务描述筛选。
-962 条初筛匹配，其中 34 条与原表 URL 重合，实际新增 928 条；268 条年份不符或缺失、
-192 条 AI 业务待确认、6 条成立年份晚于批次年份未纳入本批新增。
-`content/research/ai-companies.coverage.json` 保留逐条筛选结果、来源与响应摘要，
-数据快照中的 `coverage` 也随版本进入同一 SQLite 数据库。只覆盖该候选池，不能称全球全量。
 
-新增业务分类优先匹配主营简介，再参考目录标签；未匹配者进入待分类组。
+仓库：[endorphin-tabularium-docs](https://gitea.entroia.com/Zayden-Jung/endorphin-tabularium-docs)。Git 操作仅使用 `codex-bot` 专用 SSH 身份与仓库级提交配置；Actions 检出使用 Gitea 内置任务令牌且不保存凭据。
-初分规则位于 `scripts/classify-ai-profiles.py`，只生成待评审标签，不执行抓取或构建。
-目录基础项保留 `classificationBasis` 和 `directoryTags` 供复核。
-当前目录基础项中160条已人工复核主营与买家，Contrario及14条收入声明/排除案例已深化为个案。`directoryOrigin`保留原发现来源，`profileOnly`只表示当前资料深度；深化不改变原候选池新增928条的审计分母。
-分类按主要工作任务和买家判断，例如Paragon归客户与收入运营，Oki归消费者应用，Lucidic归Agent设施。市场支出、采用规模、性能主张及客户收益均不作为公司收入。
-其中121条原待分类记录已按YC官方业务介绍人工复核主营业务，分类理由保存在公司字段与对应证据摘要中；
-仍有3条因简介不足保留待分类。人工复核分类不代表独立验证技术水平、客户效果或财务数据。
-AI 关键词可能出现在业务背景中，收入、买家和交付状态仍须逐家深查，不能把目录项的未知收入当作未披露。
-技术专项评审用独立字段记录层级、日期、摘要与证据：未评审、已读技术自述、公开代码/模型材料可访问、有第三方独立评测记录。
-当前7条完成该字段的专项记录，其中3条确认材料可访问、1条记录第三方已发表评测（Gradium TTS Sep 2026）；本轮未自行运行模型测试。缺字段不表示无技术能力，代码或模型卡可读不证明性能。
-界面支持按资料深度、记录团队规模和技术验证证据筛选；证据列表每页 30 条，避免一次渲染全部来源。
-
-`pnpm test:research` 在远程 Runner 上验证同库持久化、重复读取、版本导入与回退、
-登录限流保留、引用完整性及收入排除规则。镜像冒烟检查会验证研究页面与 API 的认证、
-返回记录数量、只读方法和容器重启后的读取结果。页面筛选交互仍需实际浏览器验证。
-
-## CI/CD 与缓存
-
-文档内容已退出构建输入。若需对照研究数据检查数据库中的报告正文，可先导出当前文档，再给研究脚本传入 `--document-export`；默认 `--check` 只核对研究数据本身的统计和审计不变量，避免把历史迁移快照继续当作日常正文源。
-
-`.gitea/workflows/ci-deploy.yml` 使用已有 ces-control Runner，不修改共享 Runner 配置。
-工作流仅在 main 推送或针对 main 的手动运行时执行，工作分支与 PR 不触发 CI。确认 ces-control 是构建位置，不构成新增分支 CI 的授权；报告须区分轻量检查与主线 CI。
-
-1. 对实际构建输入计算 SHA-256：前端源码、图片、Python 制图源码、研究业务快照、依赖锁文件、Dockerfile 和构建脚本。
-2. 命中 `verified-<scope>-<摘要>` 镜像时跳过依赖安装和 Next.js build，只做认证、实际路由与资源冒烟检查。
-3. 输入变化时运行 lint、类型检查、制图一致性检查与构建。pnpm store、uv 和 `.next/cache` 使用持久 Docker 卷，main 与每个 PR 独立；额外保留 Next.js SWC 下载缓存。
-4. 生产镜像只包含 Next.js standalone 产物；Python 留在检查容器，不进入运行镜像。镜像通过动态码认证、重放/限流、重启持久化、健康、全部文档、JS/CSS、SVG 和 404 检查后才标记为 verified。
-5. 部署前检查是否仍为最新 main，使用 `--no-build` 启动，失败恢复上一版镜像。
-
-根 README、工作流或部署配置等非构建输入变化不会触发 Next.js 重建；数据库中的正文和目录变化直接通过请求读取，不触发任何构建。首次构建必须安装依赖并完整生成产物。缓存可能因基础镜像、工具链或锁文件变化而失效；不要清理共享 Docker 缓存或卷。
-
-默认入口为服务器的 **18135** 端口。容器监听 3000，使用独立 Compose 项目 `endorphin-tabularium-docs`。部署前先检查端口是否空闲（或属于本服务），不会停止其他服务以抢占端口。服务器配置位于 `/etc/endorphin-tabularium-docs/production.env`：
-
-```dotenv
-TABULARIUM_BIND=0.0.0.0
-TABULARIUM_PORT=18135
-```
-
-发布记录位于 `/opt/endorphin-tabularium-docs/releases/<commit>`，`current` 指向最近成功发布。修改服务器入口配置后手动重跑 main 工作流即可，复用现有镜像。
-
-健康检查：`/api/health`。本项目不修改 Hestia、PROMPT 或其他服务，也不自动修改防火墙、域名和反向代理。
-
-## Git 远程
-
-仓库：[endorphin-tabularium-docs](https://gitea.entroia.com/Zayden-Jung/endorphin-tabularium-docs)。开发者 Git 操作使用 codex-bot 专用 SSH；Actions 检出使用 Gitea 内置任务令牌，不保存检出凭据。

apps/docs/scripts/auth-cli.ts

@@ -181,10 +181,10 @@ async function main() {
   assert.equal(researchResponse.status, 200, "authenticated research API");
   assert.ok(researchResponse.headers.get("cache-control")?.includes("no-store"));
   const research = await researchResponse.json();
-  assert.equal(research.companies.length, 1015);
+  assert.equal(research.companies.length, 1021);
   assert.equal(research.categories.length, 11);
-  assert.equal(research.evidence.length, 1091);
+  assert.equal(research.evidence.length, 1209);
-  assert.equal(research.observations.length, 183);
+  assert.equal(research.observations.length, 189);
   assert.equal((await request("/api/research/ai-companies", { method: "POST", headers })).status, 405);
   const researchPage = await request("/docs/other-research/ai-company-research/overview", { headers });
   assert.equal(researchPage.status, 200);
@@ -221,7 +221,8 @@ async function main() {
       saveDocument({ ...first, slug: "endor/ci-live-document-renamed", content: "# Runtime document\n\nUpdated without rebuilding" }, first.revision);
     }
     const stored = readDocument(sourceSlug);
-    assert.ok(stored?.content.includes("Updated without rebuilding"), "DB content survives restart");
+    assert.ok(stored, "Smoke document must exist after creation or restart");
+    assert.ok(stored.content.includes("Updated without rebuilding"), "DB content survives restart");
     const live = await request(`/docs/${stored.slug}`, { headers });
     assert.equal(live.status, 200);
     assert.ok((await live.text()).includes("Updated without rebuilding"));

apps/docs/src/components/IncomeDistribution.tsx

@@ -20,6 +20,9 @@ export default function IncomeDistribution({ data, onSelect }: {
   }), [data, dateWindow, year, annualize]);
   const groups = useMemo(() => groupIncome(sample.points, splitModels).sort((a, b) =>
     a.category.localeCompare(b.category) || a.provider.localeCompare(b.provider) || a.model.localeCompare(b.model)), [sample.points, splitModels]);
+  const categoryGroups = [...new Set(groups.map((group) => group.category))].map((category) => ({
+    category, rows: groups.filter((group) => group.category === category),
+  }));
   const categories = new Map(data.categories.map((category) => [category.id, category.name]));
   const metric = annualize ? "MRR×12参考年化" : "平台MRR";
   const values = sample.points.map((point) => point.value);
@@ -41,6 +44,7 @@ export default function IncomeDistribution({ data, onSelect }: {
       <label>显示单位<select value={annualize ? "annualized" : "mrr"} onChange={(event) => setAnnualize(event.target.value === "annualized")}><option value="mrr">MRR（美元/月）</option><option value="annualized">MRR×12参考年化（美元/年）</option></select></label>
     </div>
     <div className="income-options"><label><input type="checkbox" checked={splitModels} onChange={(event) => setSplitModels(event.target.checked)} /> 按收费与交付模式细分</label><label><input type="checkbox" checked={logScale} onChange={(event) => setLogScale(event.target.checked)} /> 对数横轴</label></div>
+    <p>{splitModels ? "分组：业务类别 × 支付平台 × 收费与交付模式。同一类别下的多行是不同统计组，各自计算均值和中位数。" : "分组：业务类别 × 支付平台。同一平台内的收费模式已合并，不同支付平台仍分别统计。"}</p>
     <p className="research-notice">资料截至 {data.asOf}，纳入 {sample.points.length} 个产品，另有 {sample.excluded.length} 个 MRR 观测未纳入。{annualize ? "乘12只改变显示单位，不证明全年收入、续约或ARR；CV与相对敏感性不变。" : "MRR不等于近30日收款；平台数据连接也不等于财务审计。"}{dateWindow === "all" && " 当前包含不同时间的历史观测，不能称为同期对照。"}</p>
     {sample.points.length ? <>
       <figure>
@@ -48,9 +52,16 @@ export default function IncomeDistribution({ data, onSelect }: {
           {ticks.map((tick) => <g key={tick}><line x1={x(tick)} x2={x(tick)} y1={15} y2={groups.length * 70 + 10} stroke="#dfe6e0" /><text x={x(tick)} y={groups.length * 70 + 35} textAnchor="middle" fontSize="11" fill="#637066">{usd(tick)}</text></g>)}
           {groups.map((group, index) => {
             const y = index * 70 + 40;
-            return <g key={group.key}>
+            const firstInCategory = index === 0 || groups[index - 1].category !== group.category;
-              <text x={8} y={y - 8} fontSize="12" fill="#202724">{categories.get(group.category)}</text>
+            const categoryRowCount = categoryGroups.find((entry) => entry.category === group.category)!.rows.length;
-              <text x={8} y={y + 10} fontSize="10" fill="#637066">{group.provider} · {group.model} · n={group.stats.n}</text>
+            return <g key={group.key} role="group" aria-label={`${categories.get(group.category)}，${group.provider}，${group.model}，${group.stats.n}个产品`}>
+              {firstInCategory && <>
+                {index > 0 && <line x1={8} x2={right} y1={y - 34} y2={y - 34} stroke="#dfe6e0" />}
+                <text x={8} y={y - 8} fontSize="12" fontWeight="600" fill="#202724">{categories.get(group.category)}（{categoryRowCount}组）</text>
+                {categoryRowCount > 1 && <line x1={10} x2={10} y1={y + 3} y2={y + (categoryRowCount - 1) * 70 + 12} stroke="#95b4a6" strokeWidth={2} />}
+              </>}
+              <text x={20} y={y + 10} fontSize="10" fill="#637066">{group.provider} · {group.model} · n={group.stats.n}</text>
+              {group.stats.n < 3 && <text x={20} y={y + 26} fontSize="9" fill="#637066">{group.stats.n === 1 ? "仅1个产品，无法判断组内离散度" : "仅2个产品，不代表领域典型收入"}</text>}
               <line x1={x(group.stats.min)} x2={x(group.stats.max)} y1={y} y2={y} stroke="#95b4a6" strokeWidth={2} />
               <line x1={x(group.stats.mean)} x2={x(group.stats.mean)} y1={y - 17} y2={y + 17} stroke="#b17725" strokeWidth={3}><title>样本均值 {usd(group.stats.mean)}</title></line>
               <path d={`M${x(group.stats.median)},${y - 7} l7,7 l-7,7 l-7,-7 Z`} fill="#8a78ad"><title>样本中位数 {usd(group.stats.median)}</title></path>
@@ -62,12 +73,13 @@ export default function IncomeDistribution({ data, onSelect }: {
             </g>;
           })}
         </svg></div>
-        <figcaption>圆点：产品观测　竖线：样本均值　菱形：样本中位数。按业务类别与支付来源分组，点击点或下表产品名可看原始证据。</figcaption>
+        <figcaption>圆点：产品观测　竖线：样本均值　菱形：样本中位数。业务类别标题下各行按支付平台{splitModels && "及收费与交付模式"}分别统计；n为该组产品数。点击点或下表产品名可看原始证据。</figcaption>
       </figure>
-      <div className="research-table-wrap"><table><caption>{metric}样本统计；金额按显示值计算，CV使用样本标准差</caption><thead><tr><th>类别 / 来源 / 模式</th><th>n</th><th>均值</th><th>中位数</th><th>均值/中位数</th><th>CV</th><th>去除最大值后的均值 / 下降幅度</th><th>产品与限制</th></tr></thead><tbody>{groups.map((group) => <tr key={group.key}>
+      <div className="research-table-wrap"><table><caption>{metric}样本统计；每行是类别下的一个统计组，CV使用样本标准差</caption><thead><tr><th scope="col">业务类别</th><th scope="col">支付平台 / 收费模式</th><th scope="col">n</th><th scope="col">均值</th><th scope="col">中位数</th><th scope="col">均值/中位数</th><th scope="col">CV</th><th scope="col">去除最大值后的均值 / 下降幅度</th><th scope="col">产品与限制</th></tr></thead>{categoryGroups.map(({ category, rows }) => <tbody key={category}>{rows.map((group, index) => <tr key={group.key}>
-        <td>{categories.get(group.category)}<small>{group.provider} · {group.model}</small></td><td>{group.stats.n}</td><td>{usd(group.stats.mean)}</td><td>{usd(group.stats.median)}</td><td>{group.stats.meanMedianRatio?.toFixed(2) ?? "—"}</td><td>{group.stats.cv?.toFixed(2) ?? "—"}</td><td>{usd(group.stats.meanWithoutLargest)}<small>{percent(group.stats.largestRemovalDrop)}</small></td>
+        {index === 0 && <th scope="rowgroup" rowSpan={rows.length}>{categories.get(category)}<small>{rows.length}个统计组</small></th>}
+        <td>{group.provider}<small>{group.model}</small></td><td>{group.stats.n}</td><td>{usd(group.stats.mean)}</td><td>{usd(group.stats.median)}</td><td>{group.stats.meanMedianRatio?.toFixed(2) ?? "—"}</td><td>{group.stats.cv?.toFixed(2) ?? "—"}</td><td>{usd(group.stats.meanWithoutLargest)}<small>{percent(group.stats.largestRemovalDrop)}</small></td>
         <td>{group.points.map((point) => <span key={point.company.id}><button className="research-company-name" onClick={() => onSelect(point.company.id)}>{point.company.name}</button>{" "}</span>)}<small>{group.stats.n < 3 ? "样本少于3，不能据此判断领域典型收入。" : "自选的小样本，须结合产品年龄、成本与留存评估。"}</small></td>
-      </tr>)}</tbody></table></div>
+      </tr>)}</tbody>)}</table></div>
     </> : <p className="research-message">当前窗口和创立年份没有符合条件的 MRR 记录。</p>}
     <details><summary>统计规则与解释</summary><p>每个产品只取符合条件的最新一条平台 MRR；币种为美元，要求有效数据日期、确定数值及支付来源。公司 ARR、估算、融资、目标和近30日收入均不进入这里。未知值不补零。</p><p>CV＝样本标准差÷均值，标准差分母为 n−1；n=1 不算 CV。n=2 时均值必然等于中位数，不能据此认为均值有代表性。较大的均值/中位数差距、CV或移除最大值的变化，仅提示进一步核查样本构成。</p><p>支付商与平台的退款、试用、年付、币种及指标计算可能不同（<a href="https://trustmrr.com/faq" target="_blank" rel="noopener noreferrer">平台方法说明</a>）。不能将 MRR 与收款差异、单个高值或高离散度直接解释为财务造假。比较商业模式还需要毛利、获客成本、留存、人工交付和客户集中度。</p></details>
     {sample.excluded.length > 0 && <details><summary>未纳入的 MRR 记录（{sample.excluded.length}）</summary><ul>{sample.excluded.map(({ observation, reason }) => <li key={observation.id}><button onClick={() => onSelect(observation.company)}>{observation.name}</button>：{usd(observation.value)} / 月，{observation.observedAt ?? "日期未知"}；{reason}</li>)}</ul></details>}

apps/docs/src/lib/ai-research.ts

@@ -43,11 +43,24 @@ export type ResearchCoverage = {
   otherOrMissingYear: number; unclearAI: number; dateConflicts: number; failedProfiles: number;
   discoverySha256: string;
 };
+export type ResearchCandidateBatch = {
+  id: string; sourceId: string; url: string; accessedAt: string; scope: string; complete: boolean;
+  records: {
+    id: string; name: string; url: string | null; categoryId: string;
+    kind: "product" | "company" | "promotion"; profileStatus: "readable" | "unavailable" | "archive-only";
+    status: "pending-year" | "linked" | "existing-outside-cohort" | "outside-cohort" | "promotion";
+    companyId?: string; evidenceIds?: string[]; note: string;
+  }[];
+};
 export type ResearchSnapshot = {
   version: string; asOf: string; scope: string; limitations: string[];
   categories: ResearchCategory[]; companies: ResearchCompany[];
   observations: ResearchObservation[]; evidence: ResearchEvidence[];
-  reviews: ResearchReview[]; coverage?: ResearchCoverage;
+  reviews: ResearchReview[]; coverage?: ResearchCoverage; candidateBatches?: ResearchCandidateBatch[];
+  directoryRechecks?: {
+    ycId: number; originalStatus: "ai-unclear" | "year-outside-or-missing" | "date-conflict";
+    companyId: string; reviewedAt: string; evidenceIds: string[]; reason: string;
+  }[];
 };
 
 export function evidenceUrl(value: string): string | undefined {
@@ -98,7 +111,40 @@ export function validateResearch(snapshot: ResearchSnapshot) {
         !Number.isFinite(o.value))
       throw new Error(`Invalid research observation: ${o.id}`);
   }
+  unique((snapshot.candidateBatches ?? []).map((b) => b.id), "candidate batches");
+  unique((snapshot.candidateBatches ?? []).flatMap((b) => b.records.map((r) => r.id)), "candidates");
+  for (const batch of snapshot.candidateBatches ?? []) {
+    if (!/^S\d{2}$/.test(batch.sourceId) || !evidenceUrl(batch.url) || !batch.scope.trim() ||
+        typeof batch.complete !== "boolean" || !/^\d{4}-\d{2}-\d{2}$/.test(batch.accessedAt) ||
+        Number.isNaN(Date.parse(batch.accessedAt)) ||
+        new Date(batch.accessedAt).toISOString().slice(0, 10) !== batch.accessedAt ||
+        batch.accessedAt > snapshot.asOf)
+      throw new Error(`Invalid research candidate batch: ${batch.id}`);
+    for (const row of batch.records) {
+      const linked = ["linked", "existing-outside-cohort"].includes(row.status);
+      if (!row.name.trim() || !row.note.trim() || !categories.has(row.categoryId) ||
+          !["product", "company", "promotion"].includes(row.kind) ||
+          !["readable", "unavailable", "archive-only"].includes(row.profileStatus) ||
+          !["pending-year", "linked", "existing-outside-cohort", "outside-cohort", "promotion"].includes(row.status) ||
+          (row.kind !== "promotion" && (!row.url || !evidenceUrl(row.url))) ||
+          (row.url !== null && !evidenceUrl(row.url)) ||
+          linked !== !!row.companyId || (row.companyId && !companies.has(row.companyId)) ||
+          (row.kind === "promotion") !== (row.status === "promotion") ||
+          (row.evidenceIds ?? []).some((id) => !evidence.has(id)) ||
+          (row.status === "outside-cohort" && !row.evidenceIds?.length))
+        throw new Error(`Invalid research candidate: ${row.id}`);
+    }
+  }
   const coverage = snapshot.coverage;
+  unique((snapshot.directoryRechecks ?? []).map((row) => String(row.ycId)), "directory rechecks");
+  for (const row of snapshot.directoryRechecks ?? []) {
+    if (!Number.isSafeInteger(row.ycId) || row.ycId <= 0 || !companies.has(row.companyId) ||
+        !["ai-unclear", "year-outside-or-missing", "date-conflict"].includes(row.originalStatus) ||
+        !/^\d{4}-\d{2}-\d{2}$/.test(row.reviewedAt) || Number.isNaN(Date.parse(row.reviewedAt)) ||
+        new Date(row.reviewedAt).toISOString().slice(0, 10) !== row.reviewedAt || row.reviewedAt > snapshot.asOf ||
+        !row.reason.trim() || !row.evidenceIds.length || row.evidenceIds.some((id) => !evidence.has(id)))
+      throw new Error(`Invalid directory recheck: ${row.ycId}`);
+  }
   if (coverage && (coverage.profilesRead + coverage.failedProfiles !== coverage.candidateRecords ||
       coverage.matchingProfiles !== coverage.existingProfiles + coverage.newProfiles ||
       coverage.matchingProfiles + coverage.otherOrMissingYear + coverage.unclearAI + coverage.dateConflicts !== coverage.profilesRead ||

apps/docs/tests/research.test.ts

@@ -23,9 +23,11 @@ test("research revisions share the authentication database and preserve replay l
     for (let i = 0; i < 20; i++) consumeCode(config, "invalid");
     assert.equal(consumeCode(config, "invalid"), "limited");
     const initial = readResearchSnapshot();
-    assert.equal(initial.companies.length, 1015);
+    assert.equal(initial.companies.length, 1021);
-    assert.equal(initial.evidence.length, 1091);
+    assert.equal(initial.evidence.length, 1209);
-    assert.equal(initial.observations.length, 183);
+    assert.equal(initial.observations.length, 189);
+    assert.deepEqual(initial.candidateBatches, seed.candidateBatches, "candidate gaps persist in the same database metadata");
+    assert.deepEqual(initial.directoryRechecks, seed.directoryRechecks, "follow-up classifications persist without rewriting the discovery audit");
     assert.deepEqual(readResearchSnapshot(), initial, "reopening does not duplicate records");
     const db = openSiteDatabase();
     const tables = db.prepare("SELECT name FROM sqlite_master WHERE type='table'").all() as { name: string }[];
@@ -62,9 +64,9 @@ test("research validation rejects broken evidence and unsafe source links", () =
 
 test("reviews link explicit companies without turning global or excluded cases into companies", () => {
   const snapshot = structuredClone(seed) as ResearchSnapshot;
-  assert.equal(snapshot.reviews.filter((r) => r.scope === "companies").length, 43);
+  assert.equal(snapshot.reviews.filter((r) => r.scope === "companies").length, 54);
-  assert.equal(snapshot.reviews.filter((r) => r.scope === "dataset").length, 3);
+  assert.equal(snapshot.reviews.filter((r) => r.scope === "dataset").length, 8);
-  assert.equal(snapshot.reviews.filter((r) => r.scope === "excluded-candidate").length, 8);
+  assert.equal(snapshot.reviews.filter((r) => r.scope === "excluded-candidate").length, 12);
   const review = snapshot.reviews.find((r) => r.id === "R4")!;
   assert.deepEqual(reviewCompanyIds(snapshot, review), ["AI007", "AI013", "AI021", "AI034"]);
   assert.deepEqual(reviewCompanyIds(snapshot, snapshot.reviews.find((r) => r.id === "CN-R-PSI")!), []);
@@ -83,11 +85,11 @@ test("reviews link explicit companies without turning global or excluded cases i
 test("disclosure counts exclude client income, biographies, targets and duplicate milestones", () => {
   const snapshot = seed as ResearchSnapshot;
   const summary = categorySummary(snapshot);
-  assert.equal(summary.reduce((n, c) => n + c.count, 0), 1015);
+  assert.equal(summary.reduce((n, c) => n + c.count, 0), 1021);
   assert.equal(summary.reduce((n, c) => n + c.self, 0), 26);
   assert.equal(summary.reduce((n, c) => n + c.estimate, 0), 1);
   assert.equal(summary.reduce((n, c) => n + c.platform, 0), 16);
-  assert.equal(summary.reduce((n, c) => n + c.unknown, 0), 972);
+  assert.equal(summary.reduce((n, c) => n + c.unknown, 0), 978);
   assert.equal(snapshot.companies.find((c) => c.name === "Rork")?.revenueStatus, "unknown");
   assert.equal(snapshot.companies.find((c) => c.name === "Result")?.revenueStatus, "unknown");
   assert.ok(snapshot.observations.filter((o) => o.selection === "signal").every((o) => o.scope === "公司整体"));
@@ -95,8 +97,8 @@ test("disclosure counts exclude client income, biographies, targets and duplicat
 
 test("technical reviews keep accessible materials separate from tested capabilities", () => {
   const snapshot = structuredClone(seed) as ResearchSnapshot;
-  assert.equal(snapshot.companies.filter((c) => c.technicalReview).length, 7);
+  assert.equal(snapshot.companies.filter((c) => c.technicalReview).length, 14);
-  assert.equal(snapshot.companies.filter((c) => c.technicalReview?.level === "public-artifact").length, 3);
+  assert.equal(snapshot.companies.filter((c) => c.technicalReview?.level === "public-artifact").length, 6);
   assert.equal(snapshot.companies.filter((c) => c.technicalReview?.level === "independent-test").length, 1);
   assert.equal(snapshot.companies.find((c) => c.id === "AI051")?.revenueStatus, "unknown");
   assert.match(snapshot.companies.find((c) => c.id === "AI051")!.technicalReview!.testScope!, /Sep 2026/);
@@ -255,3 +257,88 @@ test("distribution statistics match independently calculated snapshot references
     }
   }
 });
+
+
+test("product launch candidates preserve unresolved years and many launches per company", () => {
+  const snapshot = structuredClone(seed) as ResearchSnapshot;
+  const batch = snapshot.candidateBatches![0];
+  assert.equal(batch.complete, false);
+  assert.equal(batch.records.length, 19);
+  const kilo = batch.records.filter((r) => r.companyId === "AI072");
+  assert.equal(kilo.length, 2, "IDE and hosted products resolve to one company");
+  assert.equal(snapshot.companies.filter((c) => c.id === "AI072").length, 1);
+  assert.ok(batch.records.some((r) => r.status === "pending-year" && !r.companyId));
+  assert.ok(batch.records.some((r) => r.status === "existing-outside-cohort" && r.companyId === "AI054"));
+  kilo[0].companyId = "missing-company";
+  assert.throws(() => validateResearch(snapshot), /research candidate/);
+});
+
+test("annual launch archives exclude older companies only with evidence and reuse existing records", () => {
+  const snapshot = structuredClone(seed) as ResearchSnapshot;
+  const batch = snapshot.candidateBatches!.find((b) => b.id === "PH-2025-visible-1")!;
+  assert.equal(batch.complete, false);
+  assert.equal(batch.records.length, 19);
+  const older = batch.records.filter((r) => r.status === "outside-cohort");
+  assert.equal(older.length, 7);
+  assert.ok(older.every((r) => !r.companyId && r.evidenceIds?.length));
+  assert.equal(batch.records.find((r) => r.name === "Trace")?.companyId, "YC30687");
+  const trace = snapshot.companies.find((c) => c.id === "YC30687")!;
+  assert.equal(trace.profileOnly, false);
+  assert.equal(trace.directoryOrigin, "yc-2025-2026");
+  assert.equal(trace.revenueStatus, "unknown");
+  assert.ok(!snapshot.observations.some((o) => o.evidence === "TRACE-HOME"), "demo metrics must not become reported results");
+  older[0].evidenceIds = [];
+  assert.throws(() => validateResearch(snapshot), /research candidate/);
+  older[0].evidenceIds = ["missing-proof"];
+  assert.throws(() => validateResearch(snapshot), /research candidate/);
+});
+
+test("unreconciled directory financials remain source reviews instead of income observations", () => {
+  const snapshot = seed as ResearchSnapshot;
+  const review = snapshot.reviews.find((r) => r.id === "PH-R-SOURCE-QUALITY")!;
+  assert.equal(review.scope, "dataset");
+  assert.ok(review.evidenceIds.includes("PH-TANA-DR"));
+  assert.equal(reviewCompanyIds(snapshot, review).length, 0);
+  assert.ok(!snapshot.observations.some((o) => o.evidence === "PH-TANA-DR"));
+  assert.equal(snapshot.candidateBatches!.flatMap((b) => b.records).filter((r) => r.status === "pending-year").length, 21);
+});
+
+test("product pivots and founder histories do not become new company years or current revenue", () => {
+  const snapshot = seed as ResearchSnapshot;
+  const pivot = snapshot.companies.find((c) => c.id === "AI073")!;
+  assert.equal(pivot.year, null, "CRM launch is not a verified company founding year");
+  assert.equal(pivot.revenueStatus, "unknown");
+  const candidate = snapshot.candidateBatches!.flatMap((b) => b.records).find((r) => r.id === "PH26-11")!;
+  assert.equal(candidate.status, "existing-outside-cohort");
+  assert.equal(candidate.companyId, pivot.id);
+  assert.ok(!platformIncomeSample(snapshot, { windowDays: null }).points.some((point) => point.company.id === pivot.id));
+  assert.ok(!snapshot.observations.some((o) => ["PH-FUNDRAISLY-ABOUT", "LF-PIVOT", "LF-HISTORY"].includes(o.evidence)), "other ventures' ARR, users and funding must not transfer");
+});
+
+test("follow-up evidence can admit an uncertain directory candidate without rewriting its original status", () => {
+  const snapshot = structuredClone(seed) as ResearchSnapshot;
+  const followup = snapshot.directoryRechecks!.find((row) => row.ycId === 36088)!;
+  const original = coverageAudit.records.find((row) => row.ycId === followup.ycId)!;
+  assert.equal(original.status, "ai-unclear");
+  assert.equal(followup.originalStatus, original.status);
+  assert.equal(snapshot.companies.find((c) => c.id === followup.companyId)?.year, 2026);
+  assert.equal(snapshot.candidateBatches!.flatMap((b) => b.records).find((r) => r.name === "OpenSEO")?.companyId, followup.companyId);
+  assert.ok(!snapshot.observations.some((o) => ["SEO-PRICE", "UP-YC", "PAZI-PRICE"].includes(o.evidence)), "pricing, other ventures' ARR and prepaid balances stay outside income observations");
+  followup.companyId = "missing-company";
+  assert.throws(() => validateResearch(snapshot), /directory recheck/);
+});
+
+test("Chinese discovery entries preserve unread articles and use separate primary evidence", () => {
+  const snapshot = structuredClone(seed) as ResearchSnapshot;
+  const batch = snapshot.candidateBatches!.find((b) => b.id === "JQ-2026-targeted-1")!;
+  assert.equal(batch.complete, false);
+  assert.equal(batch.records.length, 4);
+  assert.ok(batch.records.every((row) => row.kind === "company" && row.profileStatus === "unavailable"));
+  assert.equal(batch.records.filter((row) => row.status === "linked").length, 2);
+  assert.equal(batch.records.find((row) => row.name === "Utopai")?.status, "pending-year");
+  assert.ok(!snapshot.observations.some((o) => ["PS-CODE", "SG-START", "SG-APR", "SSI-HISTORY"].includes(o.evidence)), "task costs, investment, capacity and financing are not revenue");
+  const prism = snapshot.companies.find((c) => c.id === "AI075")!;
+  assert.equal(prism.team, null, "a team range or linked employees must not become exact headcount");
+  batch.records[0].url = null;
+  assert.throws(() => validateResearch(snapshot), /research candidate/);
+});

content/research/ai-companies.sources.json

@@ -0,0 +1,295 @@
+{
+  "version": "2026-10-30-10",
+  "scopeConfirmedAt": "2026-10-30",
+  "acceptance": "以确认的公开来源清单为边界，逐条核对并标明缺项。",
+  "provenance": "S01—S12恢复自已提交用户的《AI公司研究_来源与分类模板》来源清单；S13—S16单列后续已使用的补充证据渠道，不将使用次数当作全量覆盖。",
+  "sources": [
+    {
+      "id": "S01",
+      "name": "Y Combinator",
+      "url": "https://www.ycombinator.com/companies",
+      "role": "discovery",
+      "status": "candidate-audit",
+      "hosts": [
+        "www.ycombinator.com"
+      ],
+      "initialAccess": "官网目录可访问",
+      "boundary": "已读取八个2025—2026批次镜像候选池1428条，再核YC官方页面；不声称覆盖全部YC历年或未公开公司。",
+      "nextCheck": "继续复核规则初分和缺项；候选明细见逐条台账。",
+      "limitation": "批次不等于成立年；不代表全部公司"
+    },
+    {
+      "id": "S02",
+      "name": "TechCrunch AI",
+      "url": "https://techcrunch.com/category/artificial-intelligence/",
+      "role": "reporting",
+      "status": "targeted",
+      "hosts": [
+        "techcrunch.com"
+      ],
+      "initialAccess": "AI栏目可读取",
+      "boundary": "栏目首页选择的3条公司线索已追溯原始资料：Wabi据公开名录2025年份关联公司；DreamHQ与Thrive Holdings成立年待核，后者2025发布公告另存。不是首页全部条目或两年档案；公开分类接口与RSS普通HTTP请求返回403。",
+      "nextCheck": "补可公开取得的2025、2026档案及剩余分页；核DreamHQ、Thrive Holdings成立依据及Wabi精确注册、团队和付费口径。",
+      "limitation": "需追溯原始披露，部分文章受访问限制",
+      "accessRecheckedAt": "2026-10-30"
+    },
+    {
+      "id": "S03",
+      "name": "Dealroom",
+      "url": "https://dealroom.co/",
+      "role": "discovery",
+      "status": "targeted",
+      "hosts": [
+        "dealroom.co",
+        "app.dealroom.co"
+      ],
+      "initialAccess": "官网可读取",
+      "boundary": "已读Tana与Wabi公开公司档案：前者财务字段不一致留缺，后者2025成立字段与官方业务关联入表；尚未取得两年成立筛选结果集，两个个案不等于目录全量。",
+      "nextCheck": "确认公开可取得的两年成立筛选清单；逐项追溯财务原始凭证及字段口径，受权限限制保留缺项。",
+      "limitation": "完整档案需权限；概览及财务表不能未经勾稽直接导入ARR",
+      "accessRecheckedAt": "2026-10-30"
+    },
+    {
+      "id": "S04",
+      "name": "Product Hunt",
+      "url": "https://www.producthunt.com/",
+      "role": "discovery",
+      "status": "targeted",
+      "hosts": [
+        "www.producthunt.com",
+        "producthunt.com"
+      ],
+      "initialAccess": "官网可读取",
+      "boundary": "2026与2025年度档案各登记首个公开响应19条，共38条候选/推广；2025另有一个仅图片位置未解析。已逐条保留关联、范围外与年份待核状态，未穷尽两年档案。",
+      "nextCheck": "继续补两年其余分页/日期、仅图片位置及18条年份待核候选；保留Pazi日期冲突，核清品牌与主体，避免转移历史业绩。",
+      "limitation": "上线时间不等于成立时间",
+      "accessRecheckedAt": "2026-10-30"
+    },
+    {
+      "id": "S05",
+      "name": "Sacra",
+      "url": "https://sacra.com/",
+      "role": "estimation",
+      "status": "targeted",
+      "hosts": [
+        "sacra.com"
+      ],
+      "initialAccess": "官网可读取",
+      "boundary": "已用于定向估算及日期口径交叉核查；无全站公司名录读取台账。",
+      "nextCheck": "保留估算与公司披露差异，核实历史截至日。",
+      "limitation": "部分付费；不能把估算当审计数"
+    },
+    {
+      "id": "S06",
+      "name": "Bessemer",
+      "url": "https://www.bvp.com/atlas/the-state-of-ai-2025",
+      "role": "context",
+      "status": "context",
+      "hosts": [
+        "www.bvp.com",
+        "bvp.com"
+      ],
+      "initialAccess": "报告页面可读取",
+      "boundary": "主动选取20家高增长AI企业，含组合内外公司；非随机普查；已核方法与增长/毛利基准段；未取得20家逐公司底表。仅背景基准，不构成两年新公司名录。",
+      "nextCheck": "高增长选样和投资机构利益关系；不能把头部样本均值当各领域平均或新成立公司总体；需要公开可核底表时另补，不把缺项当已完成。",
+      "limitation": "投资机构选样偏差",
+      "accessRecheckedAt": "2026-10-30",
+      "methodology": {
+        "sample": "主动选取20家高增长AI企业，含组合内外公司；非随机普查",
+        "unit": "企业增长与毛利基准，按商业化后的第几年比较",
+        "period": "2025-08-13报告；商业化年数不等法律成立年",
+        "access": "已核方法与增长/毛利基准段；未取得20家逐公司底表",
+        "use": "用于提出留存、毛利、资本效率假设及分类线索",
+        "limit": "高增长选样和投资机构利益关系；不能把头部样本均值当各领域平均或新成立公司总体",
+        "evidenceIds": [
+          "CTX-BVP"
+        ],
+        "checkedAt": "2026-10-30"
+      }
+    },
+    {
+      "id": "S07",
+      "name": "Menlo Ventures",
+      "url": "https://menlovc.com/perspective/2025-the-state-of-generative-ai-in-the-enterprise/",
+      "role": "context",
+      "status": "context",
+      "hosts": [
+        "menlovc.com",
+        "www.menlovc.com"
+      ],
+      "initialAccess": "报告页面可读取",
+      "boundary": "495名美国企业AI采购/开发决策者，企业已主动使用AI；已核公开方法、范围及限制；受访个体与公司估算底表未取得。仅背景基准，不构成两年新公司名录。",
+      "nextCheck": "仅美国企业；排除芯片、推理/模型服务及既有软件内嵌AI功能，不能与包含这些项目的总量直接比较或分摊为单家公司ARR；需要公开可核底表时另补，不把缺项当已完成。",
+      "limitation": "口径与样本需查看方法说明",
+      "accessRecheckedAt": "2026-10-30",
+      "methodology": {
+        "sample": "495名美国企业AI采购/开发决策者，企业已主动使用AI",
+        "unit": "采购调查与自下而上的市场支出估算，非公司逐项ARR",
+        "period": "2025-11-07至11-25调查，市场判断截至2025-12",
+        "access": "已核公开方法、范围及限制；受访个体与公司估算底表未取得",
+        "use": "用于买家、采购方式和任务方向假设",
+        "limit": "仅美国企业；排除芯片、推理/模型服务及既有软件内嵌AI功能，不能与包含这些项目的总量直接比较或分摊为单家公司ARR",
+        "evidenceIds": [
+          "CTX-MENLO"
+        ],
+        "checkedAt": "2026-10-30"
+      }
+    },
+    {
+      "id": "S08",
+      "name": "Stripe",
+      "url": "https://stripe.com/annual-updates/2025",
+      "role": "context",
+      "status": "context",
+      "hosts": [
+        "stripe.com",
+        "www.stripe.com",
+        "assets.stripeassets.com"
+      ],
+      "initialAccess": "年度信可读取",
+      "boundary": "2025年开始使用Stripe的商户分组，另有Atlas注册企业分组；已读并视觉核对PDF第1、3页；未取得商户明细与完整分组计算底表。仅背景基准，不构成两年新公司名录。",
+      "nextCheck": "开始使用平台不等成立年，也非AI公司专属样本；交易量不等Stripe收入，门槛数量翻倍不等ARR均值翻倍；不与TrustMRR公开者样本混算；需要公开可核底表时另补，不把缺项当已完成。",
+      "limitation": "平台样本不能代表全部AI公司",
+      "accessRecheckedAt": "2026-10-30",
+      "methodology": {
+        "sample": "2025年开始使用Stripe的商户分组，另有Atlas注册企业分组",
+        "unit": "平台交易量、商户增长及达到收入门槛的数量；分母不同",
+        "period": "2025年度；2026-02-24年度信",
+        "access": "已读并视觉核对PDF第1、3页；未取得商户明细与完整分组计算底表",
+        "use": "用于支付、全球市场及首次收费速度假设",
+        "limit": "开始使用平台不等成立年，也非AI公司专属样本；交易量不等Stripe收入，门槛数量翻倍不等ARR均值翻倍；不与TrustMRR公开者样本混算",
+        "evidenceIds": [
+          "CTX-STRIPE"
+        ],
+        "checkedAt": "2026-10-30"
+      }
+    },
+    {
+      "id": "S09",
+      "name": "SaaS Capital",
+      "url": "https://www.saas-capital.com/research/",
+      "role": "context",
+      "status": "context",
+      "hosts": [
+        "www.saas-capital.com",
+        "saas-capital.com"
+      ],
+      "initialAccess": "研究页可读取",
+      "boundary": "第15次年度调查，超过1000家私营B2B SaaS公司；仅读公开摘要；完整下载需填写表单，未提交表单或取得完整底表。仅背景基准，不构成两年新公司名录。",
+      "nextCheck": "样本不是两年新AI公司；增长率中位数不能当ARR中位数；完整抽样与指标细节仍缺，不外推至硬件、项目服务或所有AI模式；需要公开可核底表时另补，不把缺项当已完成。",
+      "limitation": "不直接套用硬件与项目制业务",
+      "accessRecheckedAt": "2026-10-30",
+      "methodology": {
+        "sample": "第15次年度调查，超过1000家私营B2B SaaS公司",
+        "unit": "2025年度增长率与留存等公开摘要；非ARR金额分布",
+        "period": "2026报告回顾2025增长；不把报告年当公司成立年",
+        "access": "仅读公开摘要；完整下载需填写表单，未提交表单或取得完整底表",
+        "use": "用于B2B订阅软件的规模、融资和留存分层假设",
+        "limit": "样本不是两年新AI公司；增长率中位数不能当ARR中位数；完整抽样与指标细节仍缺，不外推至硬件、项目服务或所有AI模式",
+        "evidenceIds": [
+          "CTX-SAASCAP"
+        ],
+        "checkedAt": "2026-10-30"
+      }
+    },
+    {
+      "id": "S10",
+      "name": "机器之心",
+      "url": "https://www.jiqizhixin.com/",
+      "role": "reporting",
+      "status": "targeted",
+      "hosts": [
+        "www.jiqizhixin.com",
+        "jiqizhixin.com",
+        "pro.jiqizhixin.com"
+      ],
+      "initialAccess": "首页可读取",
+      "boundary": "已登记4篇定向检索线索；三篇直达仅登录外壳，一篇读取失败。2项经公开原始资料补证关联公司，1项范围外，1项仍待核；未阅读全文或穷尽两年档案。",
+      "nextCheck": "补公开可读文章、2025档案及Utopai原始成立材料；受限正文留缺，不以搜索摘录代全文。",
+      "limitation": "全文访问受限；仅作发现时明确标识，技术和财务另追原始资料",
+      "accessRecheckedAt": "2026-10-30"
+    },
+    {
+      "id": "S11",
+      "name": "36氪",
+      "url": "https://www.36kr.com/",
+      "role": "reporting",
+      "status": "access-limited",
+      "hosts": [
+        "www.36kr.com",
+        "36kr.com"
+      ],
+      "initialAccess": "安全检测，内容未核验",
+      "boundary": "2026-10-30仍返回安全检测页面，未把首页作为已读文章。",
+      "nextCheck": "使用可公开读取的具体文章或其他原始来源；不绕过访问保护。",
+      "limitation": "暂不作为已读取内容证据",
+      "accessRecheckedAt": "2026-10-30"
+    },
+    {
+      "id": "S12",
+      "name": "公司官网与官方博客",
+      "url": null,
+      "role": "primary",
+      "status": "per-company",
+      "hosts": [],
+      "initialAccess": "按公司逐一核验",
+      "boundary": "公司官网和官方材料逐条绑定证据；不是可预先列尽的全站候选池。",
+      "nextCheck": "核定价、主体、交付与收入定义，自述与独立验证分开。",
+      "limitation": "自述不等于独立审计"
+    },
+    {
+      "id": "S13",
+      "name": "TrustMRR",
+      "url": "https://trustmrr.com/",
+      "role": "platform",
+      "status": "targeted",
+      "hosts": [
+        "trustmrr.com"
+      ],
+      "initialAccess": "见具体证据访问记录",
+      "boundary": "已采集产品与支付快照；公开者自选，不是全部商户或独立财务审计。",
+      "nextCheck": "核同步日、连接失效、支付平台公式及产品/法人归属。",
+      "limitation": "来源可读不等于声明已独立验证。"
+    },
+    {
+      "id": "S14",
+      "name": "a16z Speedrun",
+      "url": "https://speedrun.a16z.com/",
+      "role": "investor",
+      "status": "targeted",
+      "hosts": [
+        "speedrun.a16z.com"
+      ],
+      "initialAccess": "见具体证据访问记录",
+      "boundary": "投资机构公司介绍定向样本，收入数字仍多来自公司。",
+      "nextCheck": "核币种、相对时间及管线/履历；未读取的页面保持缺项。",
+      "limitation": "来源可读不等于声明已独立验证。"
+    },
+    {
+      "id": "S15",
+      "name": "Artificial Analysis",
+      "url": "https://artificialanalysis.ai/",
+      "role": "technical",
+      "status": "targeted",
+      "hosts": [
+        "artificialanalysis.ai"
+      ],
+      "initialAccess": "见具体证据访问记录",
+      "boundary": "第三方已发表技术评测，仅覆盖所列模型版本和任务。",
+      "nextCheck": "核榜单版本、测评方法及置信区间，不将排名变成企业整体能力。",
+      "limitation": "来源可读不等于声明已独立验证。"
+    },
+    {
+      "id": "S16",
+      "name": "其他公开补充资料",
+      "url": null,
+      "role": "supplement",
+      "status": "targeted",
+      "hosts": [],
+      "initialAccess": "见具体证据访问记录",
+      "boundary": "未归入上述来源的公开材料按原始证据链接逐条保留；不视为新增已批准的完整候选池。",
+      "nextCheck": "逐项核来源归属、可靠性及可读正文，不能将搜索摘要当全文。",
+      "limitation": "来源可读不等于声明已独立验证。"
+    }
+  ]
+}

content/research/ai-income-analysis.json

@@ -1,5 +1,5 @@
 {
-  "sourceVersion": "2026-10-30-depth-4",
+  "sourceVersion": "2026-10-30-context-1",
   "asOf": "2026-10-30",
   "metric": "platform-mrr-usd",
   "sampleUnit": "product-or-business",

scripts/audit-ai-research.py

@@ -9,11 +9,142 @@ 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())
+SOURCES = json.loads((ROOT / 'content/research/ai-companies.sources.json').read_text())
 TARGET = ROOT / '.artifacts/reports/02-coverage-and-gaps.md'
 SOURCE_SLUG = 'ai-company-research/02-coverage-and-gaps'
+
 BASE = '/docs/other-research/ai-company-research/overview'
 
 
+
+def source_register():
+    sources = SOURCES['sources']
+    ids = {s['id'] for s in sources}
+    assert len(ids) == len(sources) and ids == {f'S{i:02}' for i in range(1, 17)}
+    assert SOURCES['scopeConfirmedAt'] <= DATA['asOf']
+    host_map = {}
+    for source in sources:
+        assert source['status'] in {'candidate-audit', 'targeted', 'pending', 'context', 'access-limited', 'per-company'}
+        assert source['boundary'] and source['nextCheck']
+        if source['url']:
+            assert urlsplit(source['url']).scheme in {'http', 'https'} and urlsplit(source['url']).netloc
+        for host in source['hosts']:
+            assert host not in host_map, f'Duplicate source host: {host}'
+            host_map[host] = source['id']
+    assigned = {key: [] for key in ids}
+    for evidence in DATA['evidence']:
+        owner = host_map.get(urlsplit(evidence['url']).netloc)
+        if owner is None:
+            owner = 'S12' if any(word in evidence['kind'] for word in ('官方', '公司自述', '公司披露')) else 'S16'
+        assigned[owner].append(evidence)
+    assert sum(len(v) for v in assigned.values()) == len(DATA['evidence'])
+    statuses = {'candidate-audit': '候选池逐条已读', 'targeted': '定向使用，未穷尽', 'pending': '候选台账待建',
+                'context': '背景研究', 'access-limited': '访问受限', 'per-company': '随公司逐条核对'}
+    lines = ['', '## 来源清单与验收边界', '', SOURCES['provenance'], '',
+        '每条证据在下表只计入一个渠道：先按所列域名归属，再将类型明确标为官方/公司自述/公司披露的剩余项计入S12，其余计入S16。公司可跨渠道出现，所以公司数不可跨行相加。零条证据表示尚未进入研究表，不表示该来源没有相关公司。背景报告不承担公司发现全集的角色。', '',
+        '| 来源 | 当前状态 | 证据 / 公司 / 观测数 | 已核对范围 | 剩余核查 |', '| --- | --- | --- | --- | --- |']
+    for source in sources:
+        evidence = assigned[source['id']]
+        evidence_ids = {e['id'] for e in evidence}
+        company_ids = {e['companyId'] for e in evidence if e['companyId']}
+        observations = sum(o['evidence'] in evidence_ids for o in DATA['observations'])
+        name = f"[{source['name']}]({source['url']})" if source['url'] else source['name']
+        lines.append(f"| {source['id']} {name} | {statuses[source['status']]} | {len(evidence)} / {len(company_ids)} / {observations} | {source['boundary']} | {source['nextCheck']} |")
+    lines += ['', 'Dealroom、Product Hunt、机器之心与36氪入口于2026-10-30重新访问。官网首页可读不证明已取得完整筛选结果；安全检测页面不作为文章内容。候选池之外的来源边界尚需建立可回查条目，完成前不宣布来源清单已全部覆盖。', '']
+    return lines
+
+
+
+def context_methods():
+    evidence = {e['id']: e for e in DATA['evidence']}
+    rows = [s for s in SOURCES['sources'] if s.get('methodology')]
+    assert {s['id'] for s in rows} == {'S06', 'S07', 'S08', 'S09'}
+    lines = ['', '## 背景基准适用性与缺项', '',
+        '以下核对背景资料的方法及适用范围，不是公司名录的完整覆盖。原始方法记录与全局核查随研究版本进入同一数据库；没有把行业汇总值新增为任何公司的收入观测。', '',
+        '| 来源与证据 | 样本与统计单位 | 时间 | 本次读取范围 | 可用于什么 | 主要限制 |',
+        '| --- | --- | --- | --- | --- | --- |']
+    for source in rows:
+        m = source['methodology']
+        assert m['checkedAt'] <= DATA['asOf']
+        assert all(m.get(key) for key in ('sample', 'unit', 'period', 'access', 'use', 'limit', 'evidenceIds'))
+        assert all(eid in evidence and evidence[eid]['companyId'] is None for eid in m['evidenceIds'])
+        assert not any(o['evidence'] in m['evidenceIds'] for o in DATA['observations'])
+        proof = '、'.join(f"[{eid}]({evidence[eid]['url']})" for eid in m['evidenceIds'])
+        lines.append(f"| {source['id']} {source['name']}：{proof} | {m['sample']}；{m['unit']} | {m['period']} | {m['access']} | {m['use']} | {m['limit']} |")
+    lines += ['', '本表的应用解释属于研究判断。选样、分母、时间或指标不同会造成表观差异；这些差异不单独证明财务造假，也不能作为给未知公司填补收入的依据。', '']
+    return lines
+
+
+def candidate_register():
+    batches = DATA.get('candidateBatches', [])
+    companies = {c['id']: c for c in DATA['companies']}
+    categories = {c['id']: c['name'] for c in DATA['categories']}
+    known_sources = {s['id'] for s in SOURCES['sources']}
+    evidence = {e['id']: e for e in DATA['evidence']}
+    assert len({b['id'] for b in batches}) == len(batches)
+    all_ids = [r['id'] for b in batches for r in b['records']]
+    assert len(set(all_ids)) == len(all_ids)
+    lines = []
+    statuses = {'pending-year': '成立年待核', 'linked': '已关联公司',
+                'existing-outside-cohort': '已有关联，年份范围外',
+                'outside-cohort': '成立年范围外，不新增公司', 'promotion': '推广活动，非公司新增'}
+    for batch in batches:
+        assert batch['sourceId'] in known_sources
+        assert batch['accessedAt'] <= DATA['asOf']
+        assert any(e['url'] == batch['url'] for e in DATA['evidence'])
+        rows = batch['records']
+        counts = Counter(r['status'] for r in rows)
+        assert sum(counts.values()) == len(rows)
+        lines += ['', f"## {batch['sourceId']} 候选核对（{batch['id']}）", '',
+            f"[发现页面]({batch['url']})，读取于{batch['accessedAt']}。{batch['scope']}", '',
+            f"本批{len(rows)}条：{counts['linked']}条关联公司、{counts['existing-outside-cohort']}条关联范围外对照、{counts['outside-cohort']}条范围外不新增公司、{counts['pending-year']}条成立年待核、{counts['promotion']}条推广活动。完整来源覆盖标记：{'已完成' if batch['complete'] else '未完成'}。主营或产品任务的初分类不计入主公司表数量，只有已关联的公司记录进入对应公司明细。候选与缺项随研究版本保存在文档站同一SQLite的研究元数据中。", '',
+            '| 发现条目 | 主营或产品任务初分 | 核对状态 | 关联公司 | 核对证据 | 限制 |', '| --- | --- | --- | --- | --- | --- |']
+        for row in rows:
+            assert row['categoryId'] in categories
+            assert row['status'] in statuses
+            assert all(eid in evidence for eid in row.get('evidenceIds', []))
+            if row['status'] == 'outside-cohort':
+                assert row.get('evidenceIds') and not row.get('companyId')
+            name = f"[{row['name']}]({row['url']})" if row['url'] else row['name']
+            company = '—'
+            if row.get('companyId'):
+                assert row['companyId'] in companies
+                c = companies[row['companyId']]
+                company = f"[{c['name']}]({BASE}?company={c['id']}#research-company-detail)"
+            proof = '、'.join(f"[{eid}]({evidence[eid]['url']})" for eid in row.get('evidenceIds', [])) or '成立证据待补，产品页读取状态见候选记录'
+            category = f"[{categories[row['categoryId']]}]({BASE}?category={row['categoryId']})"
+            lines.append(f"| {name} | {category} | {statuses[row['status']]} | {company} | {proof} | {row['note']} |")
+        if batch['sourceId'] == 'S04':
+            lines += ['', '产品页可读只表示有可访问的资料；本批未将所有产品页完成公司、技术或财务深查。既有直接HTTP采集返回403，当前采用可读的公开页面响应，不声称取得底层全量列表；后续公开档案与未读页面继续保留缺项。', '']
+        else:
+            lines += ['', '发现条目和可读正文分开记录；登录外壳、读取失败或搜索摘录不充当已阅读全文。关联公司以列出的原始材料补证，仍保留技术、主体与收入未核事项。', '']
+    return lines
+
+
+def directory_rechecks():
+    rows = DATA.get('directoryRechecks', [])
+    if not rows:
+        return []
+    original = {row['ycId']: row for row in AUDIT['records']}
+    companies = {c['id']: c for c in DATA['companies']}
+    evidence = {e['id']: e for e in DATA['evidence']}
+    assert len({row['ycId'] for row in rows}) == len(rows)
+    lines = ['', '## 原候选池的后续复核', '',
+        '原始1,428条读取快照与初筛计数保持不变；下表记录当时未入表、后续补足证据后进入公司表的项目。初筛未通过不是永久排除。后续入表不回写为当时已匹配，也不重复计入928条原始新增目录项。', '',
+        '| 原候选 | 原始状态 | 后续公司记录 | 复核证据 | 处理与限制 |', '| --- | --- | --- | --- | --- |']
+    for row in rows:
+        baseline = original[row['ycId']]
+        assert baseline['status'] == row['originalStatus']
+        assert row['reviewedAt'] <= DATA['asOf'] and row['reason']
+        assert row['originalStatus'] in {'ai-unclear', 'year-outside-or-missing', 'date-conflict'}
+        company = companies[row['companyId']]
+        assert row['evidenceIds'] and all(eid in evidence for eid in row['evidenceIds'])
+        proof = '、'.join(f"[{eid}]({evidence[eid]['url']})" for eid in row['evidenceIds'])
+        lines.append(f"| [{baseline['name']} · YC{row['ycId']}]({baseline['source']}) | {row['originalStatus']} | [{company['name']}]({BASE}?company={company['id']}#research-company-detail) | {proof} | {row['reviewedAt']}：{row['reason']} |")
+    lines += ['', f"已记录{len(rows)}条后续复核入表；其余未入表候选仍按原状态保留缺项，不能把这一批复核视为完成全部模糊项。", '']
+    return lines
+
+
 def render():
     cov = DATA['coverage']
     companies = DATA['companies']
@@ -86,6 +217,10 @@ def render():
         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 += directory_rechecks()
+    lines += source_register()
+    lines += context_methods()
+    lines += candidate_register()
     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。', '',

scripts/export-legacy-documents.py

@@ -7,14 +7,15 @@ import re
 import subprocess
 
 ROOT = Path(__file__).resolve().parents[1]
-BASELINE = '25c5e83d08eae4277fe429a692955bd3bb2e717f'  # Last main revision before database-backed documents.
+BASELINE = 'cffca6942b1bc0005321e1685f38593fb0b853d5'  # Integration snapshot before database migration.
+RESEARCH_REVISION = '74af205b2959e1bb6a1fe9f567bc87069ac6d12c'  # Final PR 14 update received during integration.
 
 
 def export(ref):
     commit = subprocess.check_output(['git', 'rev-parse', '--verify', ref + '^{commit}'], cwd=ROOT, text=True).strip()
 
-    def read(name):
+    def read(name, revision=commit):
-        return subprocess.check_output(['git', 'show', f'{commit}:{name}'], cwd=ROOT).decode()
+        return subprocess.check_output(['git', 'show', f'{revision}:{name}'], cwd=ROOT).decode()
 
     catalog = json.loads(read('content/catalog.json'))
     names = subprocess.check_output(['git', 'ls-tree', '-r', '--name-only', commit, '--', 'content/docs'], cwd=ROOT, text=True).splitlines()
@@ -23,7 +24,8 @@ def export(ref):
         source = name.removeprefix('content/docs/').removesuffix('.md')
         metadata = catalog['documents'][source]
         collection = next(c for c in catalog['collections'] if not c['path'] or source.startswith(c['path'] + '/'))
-        content = read(name)
+        revision = RESEARCH_REVISION if commit == BASELINE and source.startswith("ai-company-research/") else commit
+        content = read(name, revision)
         title = re.search(r'^# (.+)$', content, re.M)
         documents.append(dict(slug=metadata['slug'], sourceSlug=source, category=metadata['category'],
             title=title[1].strip() if title else source, content=content,