Skip to content

TODO.md

Latest commit

 

History

History
67 lines (53 loc) · 10.1 KB

TODO.md

File metadata and controls

67 lines (53 loc) · 10.1 KB
Raw

TODO · 实际状态（2026-10-08，3.2 统计与搜索版）

本文件区分已完成、仍需观测与依赖外部条件的事项。不用“代码存在”代替真实数据接入，也不把未来产品设想自动勾成完成。

本轮完成

  • 管理工作台增加网页 PV、匿名会话、重要点击、MCP 实际工具执行及成功/错误/耗时；今日/7天/30天按北京时间聚合，测试流量单列，历史访问不补造。见 统计说明 与 验收。

  • PostgreSQL 016 使用统计表在本地和生产应用；事件 ID 去重、HMAC 会话、DNT/GPC、同源/大小/配额限制、管理员鉴权、90天清理；新增表进入加密备份与恢复计数校验。

  • 三篇有原始出处的专题指南、实时本周收录、公司/主题/首页可索引正文、分类型分页 sitemap；默认范围外档案和空日报 noindex，来源撤销同步更新。见 搜索说明。

  • IndexNow 每日北京时间08:35通知机制、验证文件与独立密钥；新增/撤回URL与真实lastmod比较、分批提交、失败保留状态。实际平台回执与Google所有权验证见 搜索验收，不等同于已收录。

  • 报纸式首页、四个栏目导读；点击进入原有看板、新闻、时间线、学术与公司黄页。保留问象 Logo、AI × LIFE SCIENCE 及中文标语，手机与 PC 自适应。

  • 正式短地址 bioai-rizhi.pages.dev；Pages Service Binding 转到原 Worker，MCP/canonical/RSS 使用短地址。未删除 ResearchHub 或旧 Sites。

  • PostgreSQL 001–015 迁移在本地与生产执行；公司、别名、来源、原文、事件、证据、关系、任务、候选审核与审计保持统一。

  • 原始两个种子文件不改；补充 NVIDIA 与既有 Tahoe/HUB/Emulate，134 个目录实体，默认墙 132 个。国内公司包括新格元、寻因、诺禾致源；按所在地/布局筛选，不推断内外资股权。

  • 晶泰、礼来、NVIDIA 生命科学、Absci、Generate 的官方 RSS；Recursion、Isomorphic、Iambic、Owkin 的限定 Newsroom HTML。记录官网归属、发现链、robots、日期、域名与内容界限。9 个产业源均完成本轮真实 Cloudflare 采集。

  • 首页与看板优先行业动态；过滤常规投资者会议、股息、仅财报通知。v3 用文章主体判断范围，排除非医药塑料/能源文章、公司简介关键词及只借 AlphaFold 举例的泛科研治理评论；保留真实药物递送材料、蛋白设计、VBI 与分子胶进展。默认列表、统计、日报与 MCP 共同执行排除，旧原文保留。

  • PubMed / Europe PMC 改为重点期刊与 AI 生物医药主题检索；新增 Crossref DOI 元数据适配，17 刊真实接口验证通过。默认学术、混合列表、RSS、日报、MCP 均使用重点期刊 + AI 相关性门槛。

  • 默认不展示其他期刊与预印本，保留显式 journal_tier=all 历史入口。期刊名单与选择依据公开在 /api/journals；“期刊入选”不等于单篇论文已独立证明有效。

  • 已索引论文按 DOI/PMID 去重；产业同 URL 的短摘录与后续完整源副本合并显示，原始记录和证据不删；预印本版本不合并。

  • 自动生成行业候选，管理后台复核/忽略/完成；不会自动批准事件。来源禁用、撤销、同原文证据与操作审计均有门槛。

  • 对 12 条真实官方公告进行代理辅助证据核对并发布，产生 6 条合作/许可边；明确标记 agent-assisted-source-review。不称为人工审稿或独立验证公司研发成效；未确定的 Biohub 与强生集团映射不硬连图边。

  • 每小时第 7 分钟 Cron → Queue → PostgreSQL 原子领取、单页检查点、租约、失败退避；09:07 UTC 真实新一轮派发 14 来源，14 个全部完成，Crossref 首次完整回填于 10:06 UTC 完成。以 本轮验收 为更新后的快照。

  • 每日北京时间 08:00 日报与小时补偿；只选实际存在的记录，没有内容则显示空期，不填假消息。

  • 每日北京时间 09:23 GitHub Actions 加密备份、独立 PG17 恢复、同 MVCC 快照核心表计数核对；首次真实云端演练成功，密文保留 7 天。备份证据

  • 运行健康检查：公网健康、调度超过 3 小时未成功、来源超过 48 小时未成功、缺日报会失败；单源临时错误保留 warning。告警通过 Actions 失败状态和账号通知设置呈现，不发送未经授权的推广邮件。

  • 真实生产数据库撤销/恢复与重复领取演练：公开记录/证据/事件 10/3/3 → 0/0/0 → 回滚恢复；完成任务重复领取不改任务或尝试记录。事务隔离，无对用户可见的撤销。演练范围

  • 个人 Codex 全局安装 bioai Streamable HTTP 配置；短域名 MCP 真实 initialize/工具发现/调用验证。当前聊天不会热加载新工具，后续新会话生效；未声称其他个人应用已安装。

  • 网站内 RSS 赛道选择、复制地址与订阅说明；本机关注 JSON 导出/合并导入，实现手动跨设备迁移，明确不是云同步。

  • MCP 官方 Registry io.github.MInsYang/bioai-rizhi / 3.2.0 已经手动 OIDC 工作流发布，并由官方 API 回读确认为 active。实际发布状态另见 Registry 说明。

  • 3.2.0 的 137 项 Worker、17 项统计界面、66 项 Python 测试无跳过及既有 UI 契约通过；真实浏览器完成桌面/手机报纸布局与栏目导航检查。GitHub Actions 完整 CI 通过。

  • 真实 Queue 重复投递验收：同一已完成任务投递两次均获 HTTP 200，随后观察两个成功消费日志；任务、尝试与来源原始记录指纹不变。日志不含逐消息 ID，报告明确关联证据边界。队列演练

  • 真实公网来源撤销/恢复：Iambic 的原文、事件、关系图、公司动态和 MCP 同步隐藏，独立 watchdog 在 4.662 秒后恢复；来源其他字段与所有内容/任务指纹不变。公网演练

  • Crossref 首次完整日期窗口回填已在 10:06:18 UTC 完成：190 次处理（含分页/临时失败），最终 succeeded、连续失败归零，高水位只在完整窗口完成后推进。

  • Google Search Console URL 前缀站点所有权已通过 HTML 标签验证；Sitemap 已受理。抓取状态与搜索通知回执以 search-acceptance.json 为准，提交不等于成功收录。

运行观测，不能凭一次操作提前宣称完成

  • Google Sitemap 提交已受理，实时抓取成功，但 Sitemap 报告首次仍显示“无法抓取”；需等待 Google 后续处理并复查。搜索展现和排名尚未形成数据，未接入后台的 Search Console API。

  • 跨日观察每日 00:00 UTC 原生 tick、翌日摘要、08:35 IndexNow 通知和后续自动备份。这需要实际跨过时间边界，手动调用与模拟时间不能替代。

  • 持续 CPU/请求/Queue/Neon 用量观察。既往 MCP 样本 CPU 高于 Workers Free 名义 10ms；不承诺长期免费，不自动升级付费。新增源后需按真实请求数更新预算，不能沿用旧六源估算。

  • 真实用户检索、漏检与客户端体验反馈；实现者测试不能冒充真实用户访谈。

尚未完成：外部依赖与后续扩展

下面分别记录账号/许可等实际依赖，以及尚未开发的扩展功能；后者不等于技术上无法实现，也没有计为完成。

项目 当前处理与未完成原因
Tahoe 旧 RSS 云端五次 429 后任务 dead；官网现为 Webflow，旧 /feed 404，未验证到替代 RSS。已停止该旧源的云调度并保留历史原文；恢复需有效端点与重新验收。
bioRxiv 直连、arXiv/medRxiv 默认推荐 bioRxiv 曾真实 500；预印本不符合本轮“重点期刊默认”方向。历史记录留存；不为填量默认加入。
X / LinkedIn / 微信公众号 / 微博 / YouTube 官方账号归属验证可用；帖子采集未接入，需要相应 API/授权/许可。不越过登录墙。
Tempus / 部分 Insilico 新闻接口 本轮直连分别有 403、超时；只记线索，不把搜索摘要当作已经接通的采集源。
所有目录公司都持续采集 目录收录不等于来源覆盖。部分官网需要专门 JS/PDF/许可适配，逐源验证后才能开；目前不承诺 134 家全覆盖。
中国交易所 / NMPA / CDE / ClinicalTrials.gov / SEC 未接通专用监管适配；需确定目标司法辖区、抓取条款、具体字段与事件解释规则。它们不是已开通的论文数据库。
全量公司更名/并购生效、Logo 许可复核 已实现消歧与历史标记；尚未逐条建立所有实体的官方证据，Logo 授权不能由技术实现自动授予。
跨来源模糊事件合并、药物/模型/数据集实体、完整预印本版本链 精确 DOI/PMID/URL 去重已做；自动合并边界与人工处理标准需另行确定，避免把同名项目和不同版本错误合并。
多管理员/SSO、团队空间、云端收藏 现为单管理员与本地关注；开通身份系统需要选定身份提供方、管理员名单与数据留存规则。未创建无主账号或代设外部权限。
邮件订阅、人工周刊 RSS 和每日摘要可用；邮件需要发信域名/SMTP 服务及订阅同意流程，编辑周刊还需要持续审核安排。没有发送邮件。
赞助、收费、采购域名 需要具体商务内容、收款主体和费用授权，不自动开通或收费。
MCP 目录流量与搜索收录 官方 MCP Registry 已登记 active；其他目录推荐、搜索收录和真实增长由第三方及用户反馈决定，不能保证。

已完成项目仍需持续运维。上述项目没有用静态假新闻、假合作、虚构访问量或伪造授权来补齐。