gaokao-volunteer-system/docs/MAJOR_DATA_SOURCE_OF_TRUTH.md

MAJOR_DATA_SOURCE_OF_TRUTH

最后更新: 2026-06-18 真相源: 本文件是"专业目录"维度的入口索引。 审计上下文: docs/PROJECT_PLANNING_REALIGNMENT_2026-06-16.md §2.3-2.4 设计上下文: docs/DESIGN_RULES_TRUSTED_CLI_2026-06-16.md §4 执行上下文: docs/ACTIVE_EXECUTION_BOARD_2026-06-17.md §1.2-§1.4

---

1. 范围

本文件收敛以下两类信息:

• 教育部本科专业目录(国家级)
• 高校招生专业目录(校级)

---

2. 当前真相源路径

类别	路径	格式	写入方式
国家级专业目录	data/majors_catalog/national/<year>.json	JSON	半自动抓取 + 人工校对
国家级当前	data/majors_catalog/national/latest.json	JSON	当前先用同内容副本锁定
校级招生专业	data/majors_catalog/schools/<year>/<school_code>.json	JSON	人工为主,来源高校招生章程
元数据	data/majors_catalog/METADATA.md	Markdown	人工维护
已撤销/新设清单	data/majors_catalog/changes/2024-2026.md	Markdown	人工维护

2.1 当前已落地范围（2026-06-18）

执行 Phase 2 Batch 1/2/3 后，P2-3 已形成当前最小可信闭环：

• 已落地 data/majors_catalog/ 包与 national loader/CLI（Batch 1）
• 已落地 national/2024.json + national/latest.json（13 个 curated subset, coverage_mode=mvp_subset）（Batch 1）
• 已新增 schools/2026/10001.json 校级招生目录样本，并显式带 version / national_major_code / mapping_status（Batch 2 + P2-3）
• 已新增 changes/2024-2026.md，作为版本化更新策略与风险标签解释入口（P2-3）
• loader / CLI 已显式暴露 risk_tags、version_strategy、mapped_offering_count、unmapped_offering_count（P2-3）
• 已落地 major_validation 接入 audit_engine（Batch 3）
• 已新增 CLI 子命令：
  • gaokao-cli majors {status,lookup,verify,changes}（Batch 1）
  • gaokao-cli majors {school-status,school-verify --year}（Batch 2）
  • gaokao-cli audit run --province --plan --truth-root --catalog-root --json 命中 MAJORS.not_found / MAJORS.non_active（Batch 3）
• school-verify 当前会把“仅隐式 code 命中、未显式声明 national_major_code”视为映射缺口，而不是默许通过（P2-3）

2.2 尚未落地

• 更多学校 schools/<year>/ 批量目录（仅 1 所样本）
• 国家层第二批扩面（>13 个专业）
• 国家层 2026 版（当前是 2024 版快照）

---

3. 两层数据模型

3.1 国家级(NationalMajor)

NationalMajor:
  code: str                     # 教育部专业代码, e.g. "120201K"
  name: str                     # 官方名称, e.g. "工商管理"
  discipline: str               # 学科门类
  category: str                 # 专业类
  degree: str                   # 授予学位
  is_directional: bool          # 国家控制布点专业
  status: "active" | "renamed" | "merged" | "deprecated"
  year_added: int
  year_removed: int | None
  notes: str | None
  source_url: str
  last_verified_at: str          # ISO 日期
  risk_tags: list[str]          # e.g. non_active / removed_in_last_2y

3.2 校级(SchoolMajorOffering)

SchoolMajorOffering:
  school_code: str
  school_name: str
  major_code: str
  major_name: str
  national_major_code: str | None
  admission_year: int
  province: str
  duration_years: int
  tuition_cny: int | None
  study_mode: str
  is_new: bool
  is_discontinued: bool
  mapping_status: "exact" | "mapped_alias" | "implicit_code_match" | "unmapped"
  risk_tags: list[str]          # e.g. missing_explicit_mapping / school_new_in_last_2y
  source: str
  last_verified_at: str         # ISO 日期

当前落地情况：校级目录仍只有 schools/2026/10001.json 1 所样本，但该样本已满足版本化与映射显式化契约。

3.3 版本化更新与映射策略

• 国家目录必须同时维护 national/<year>.json 与 national/latest.json
• 校级目录必须使用 schools/<year>/<school_code>.json，且每个文件显式带 version
• 跨年变更统一登记到 changes/2024-2026.md
• 校级专业必须显式声明 national_major_code；仅靠 major_code 隐式命中不算“可信映射”
• majors verify / majors school-verify 必须输出 version_strategy，不能把版本策略只留在文档中

---

4. 接入策略

4.1 国家级

• 首选源: 教育部 2024 年《普通高等学校本科专业目录》
• 兜底源: 阳光高考/学位中心
• 抓取方式: 不自动爬取,使用人工收录 + 摘录
• 校验: python3 scripts/gaokao-cli majors verify --json

4.2 校级

• 首选源: 各高校 2025/2026 招生章程
• 覆盖范围: 首批 5-10 所重点高校
• 接入节奏: 每所高校每年一次,5 月前完成
• 校验: python3 scripts/gaokao-cli majors school-verify --year <year> --json
• 映射要求: 每条 offering 必须显式带 national_major_code 与可解释的 mapping_status

---

5. 审计引擎集成

AuditEngine.audit_plan 新增 major_validation 一步：

• 命中 MAJORS.not_found（专业未在国家级目录中找到）
• 命中 MAJORS.non_active（专业已撤销/合并/改名）

详细见 tests/test_audit_engine_major_validation_phase2.py。

---

6. 下一阶段（当前最小可信闭环后的扩面清单）

已在 Batch 1/2/3 中完成的事项不再列入"必须收口"清单。

• 国家层扩面（>13 个专业）— Batch 4 候选
• 校级扩面（>1 所学校）— Batch 4 候选
• 国家层 2026 版快照（当前为 2024 版）— Batch 4 候选

---

7. 风险

• 国家级目录与校级目录语义混淆
• 教育部新设专业不进入旧目录(2024 之后新设)
• 跨年招生章程口径不一致
• 当前 13 个 curated subset 不应被误读为完整教育部目录