gaokao-volunteer-system/docs/CROWD_DB_NATIONALIZATION_SOURCE_OF_TRUTH.md

CROWD_DB_NATIONALIZATION_SOURCE_OF_TRUTH

最后更新: 2026-06-25 状态词: 全国 31 省高信任建设完成（Phase 0 + Batch 1 + Stage 1-4 全部完成，31 省 100% 达 high） 上游真相源: docs/CURRENT_STATE.md 详细设计: docs/plans/2026-06-23-national-high-trust-crowd-db-plan.md

1. 当前真实状态（live 基线）

• 当前 data/crowd_db/*.json 实存 31 个文件
• 当前 data/crowd_db/loader.py 已支持全国 31 省级行政区（23 省 + 4 直辖市 + 4 自治区）
• 当前 live 质量分布：HIGH=31 / USABLE=0 / LOW=0 / SKELETON=0
• 当前 31 省全部达到 high；其中 7 省达到 S 级（湖南 / 广东 / 江苏 / 山东 / 河北 / 浙江 / 福建），其余 24 省为 A 级 high
• 当前可以对外表述为“crowd_db 全国 31 省口径已全部达到 high”，但仍不能表述为“已具备真实录取位次/真实官方录取数据全量接入”

2. 全国口径边界

必须区分两层口径：

口径 A：数据覆盖与 high 质量门槛

• 31 省文件存在，loader 可加载，quality_summary 判定全部为 high
• 完成标准：python -m data.crowd_db.quality_summary --human 显示 high=31 / usable=0 / skeleton=0

口径 B：真实录取数据深度

• 当前仍以 manual_summary + 可信来源校核为主
• 2026-06-26 最新实测已提升到 31 省 接入 score_distribution
• 新增完成：新疆 / 西藏 已接入官方最低控制分数线；此前 广西 / 宁夏 已接入官方一分一档 / 一分段统计与本科线
• 其中 新疆 / 西藏 当前为“官方分数线级别接入”，暂未检索到公开一分一段表
• 因此可以说“31 省 high coverage 完成，31/31 省 score_distribution 字段已接入”，但仍不能说“31 省真实录取位次/真实官方录取数据全量接入完成”

当前执行决定：

• 31 省 high coverage 已完成
• 29 省 score_distribution 已完成，剩余 2 省待官方稳定来源/可提取结构补齐
• 后续如继续推进，应聚焦数据深度升级而非 coverage 补洞

3. 新的质量分层标准

skeleton

• confidence < 0.5
• 只允许占位/来源展示
• 不允许驱动强反扎堆结论

usable

• confidence >= 0.65
• score_ranges >= 6
• recommendations >= 24
• alternatives >= 24
• 至少 1 个省级官方来源入口已年度复核

high

• confidence >= 0.80
• score_ranges >= 8
• recommendations >= 40
• alternatives >= 60
• 必须覆盖高/中/低至少三层分数带
• 必须有省级官方来源入口与交叉复核证据

4. 当前执行顺序

Phase 0 / Batch 0 — ✅ 已完成

• 收口 README / SCHEMA / CURRENTSTATE / ACTIVE* 的边界表述
• 建立新的高信任分层口径（含综合门槛判定）

Batch 1 样板省 — ✅ 已完成

当前真实状态（2026-06-25 实测）：

• 31 省 100% 达 high（confidence≥0.82、score_ranges≥8、recommendations≥40、alternatives≥80、覆盖高/中/低三层分数带）
• usable = 0 省 / skeleton = 0 省
• 详细质量分布见 docs/CURRENT_STATE.md 顶部状态词与 python -m data.crowd_db.quality_summary --human

历史执行轨迹（仅供审计）：

• 6/20 基线：4 high + 3 usable + 20 skeleton
• 6/23：升级到 5 high（+河北）
• 6/24：升级到 7 high（+浙江/福建）/ 20 usable / 0 skeleton
• 6/25 门槛硬化：质量判定从"仅看 confidence"升级为综合门槛
• 6/25 Stage 1：升级到 12 high（+河南/四川/湖北/北京/上海）/ 15 usable / 0 skeleton
• 6/25 Stage 2：27 省 100% 达 high（15 省批量扩容完毕）/ 0 usable / 0 skeleton
• 6/25 Stage 3：7 省 S 级（湖南基线）/ 24 省 A 级（广东/江苏/山东/河北/浙江/福建 升 S）
• 6/25 Stage 4：全国 31 省口径完成（新增内蒙古/广西/西藏/宁夏）/ 31 high / 0 usable / 0 skeleton

目标：

• 跑通"来源核验 → 内容扩充 → 交叉复核 → 定级 → 测试同步"的省级流水线
• 不要求本批结束前就宣称全国完成

5. 当前口径边界（2026-06-25 Stage 4 后）

全国 31 省口径已建立

• 31 省（23 省 + 4 直辖市 + 4 自治区）全部达 high
• 7 省（湖南/广东/江苏/山东/河北/浙江/福建）达 S 级（湖南基线）
• 24 省达 A 级（high 达标）
• 仍可继续推进的：深化内容质量、增加真实录取位次、扩 alts 池

港澳台仍未纳入

• 港澳台地区暂未纳入 crowd_db loader（与大陆招生体系不同）

禁止表述（已不适用，保留为历史参考）

历史禁止的"全国高信任数据已建立"在 6/25 Stage 4 后已可正式表述。 但"已具备真实录取位次"等仍不可表述，当前数据仍是 manual_summary 类型。