封装RSS2026官方论文集采集与来源差异 #52
Reference in New Issue
Block a user
Delete Branch "codex-bot/rss2026"
Deleting a branch is permanent. Although the deleted branch may continue to exist for a short time before it actually gets removed, it CANNOT be undone in most cases. Continue?
RSS 2026 取消单独 demo-paper 类别,录用表存在作者缩略显示、六处姓名差异和一处标题差异,不能直接套用2025规则。本PR增加独立包内年度采集器,保留原始出版社元数据与节目差异,不夹带尚未合入main的RSS2025 PR43。
验证:精确head 93f00d1a64792ca1ece99ae1e978ca96783e6017,CI1195/job1292在aliyun-ces-control(已授权ces-control:host)成功;439项测试通过,wheel构建、安装和安装后210篇采集CLI成功。日志SHA256 cf71e13fc39ba74f494fb7a57e5aff7590fdc72eefbbfd4c021970ab3b957053。本机仅AST、差异和fixture数据检查,没有本机测试/构建。HTTPS先前超时,现已恢复并实际核实CI,不能把此前网络失败当成测试失败。
限制:collector只写文件,不连接生产数据库,不下载PDF。DOI仍需独立身份核查,来源覆盖不等于主库完整;公共来源不含私有评审/拒稿全集。原始210篇已完成独立来源审计,服务器原生规范化与新鲜PostgreSQL预检另行验收,不构成本PR的生产入库或最终全库去重声明。
base main 891a63d为head祖先;工作分支codex/rss2026,AGit评审引用refs/pull/52/head与精确head一致。等待用户手动合并;未推送main、未自动合并。
真实冻结来源与主库只读预检
精确93f00d1代码在服务器原生采集210篇后,已独立逐篇比较标题、作者、摘要、DOI、日期和节目差异,来源验收SHA256 3808aeb2d2d5779c3340362348c49cff9008aa56a0cd1bf7cd8f7742049dd80d。210条输入及174份既有实体候选经另一组只读查询独立核对,验收SHA256 070ba36b4c0b607f2a5d2e3f40e488e4e6c2cc89787a93b7e60963d2d3929a7e。125条标题/完整作者候选、42条部分作者重合、7条既有标识绑定、36条无精确匹配,全部仍未批准导入。未写主库,未替换生产writer;不等于作品身份确认或最终全库去重。
RSS2026 131条独立生产验收
使用精确b4e249e导入器完成131条已审查的既有arXiv作品关联,0新论文实体,新增131来源/投稿/决定和131发表DOI投稿身份。保护5256篇论文、全部旧原始投稿/决定/来源关系、旧标识和标签;保留3篇既有负面历史(5条观察)。131条主来源摘要均保留,79条暂缓记录未导入。约束、实际GIN计划与查询、foundry readyz200和只读SQLite通过。独立报告SHA256 29cba1b51649aae2ec262c2a187beb6e1fee784bbc17672040b1d70253572b94。覆盖仍partial131/210;不是全体RSS论文、公开拒稿全集或最终全库去重。此为显式版本运行的数据操作,不代表PR已合并或默认代码目录已切换。等待用户手动合并。