Prodream/doctoral-research-groups
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

sync: v2 产物 + 蒙纳士 376 + 池状态 + 64 份任务书

Browse Source
This commit is contained in:
orca
2026-09-24 13:45:31 +08:00
parent 565edf744b
commit 6724fd1efc
95 changed files with 25860 additions and 0 deletions
Download Patch File Download Diff File Expand all files Collapse all files
method/anu_v2__ledger.md
+71
View File
@@ -0,0 +1,71 @@
# ANU 逐院系完备性台账（v2，2026-09-23）
枚举来源：ANU 官方 6 个 College（`cass`/`asiapacific`/`cbe`/`clgp`/`systems`/`science` 各站导航 + 各 School 站 sitemap，共 **9 份 sitemap / 5,000+ URL** 的 research 子树）。
**合计：62 个院系/研究单位，逐页核实 **280** 个课题组；`未取页 = 1`（CDHR，页面空壳）、`URL 403 = 1`（RegNet /research），均附证据（见 §5）。**
| # | 学院 | 院系（unit） | research 入口 URL | 状态 | 组数 |
|---|---|---|---|---|---|
| 1 | CASS | Research School of Humanities & the Arts (RSHA) | `https://rsha.anu.edu.au/research` | 取到 | 1 |
| 2 | CASS | Research School of Social Sciences (RSSS) | `https://rsss.anu.edu.au/schools-centres` | 取到（无组：只列学院，大一级） | 0 |
| 3 | CASS | School of Archaeology & Anthropology | `https://archanth.cass.anu.edu.au/disciplines/biological-anthropology/research` | 取到 | 5 |
| 4 | CASS | School of Art & Design | `https://soad.cass.anu.edu.au/research` | 取到（无组：只有方向与项目页） | 0 |
| 5 | CASS | Centre for Heritage & Museum Studies | `https://chms.cass.anu.edu.au/research/projects` | 取到（无组：20+ 均为单项项目） | 0 |
| 6 | CASS | School of Demography | `https://demography.cass.anu.edu.au/research` | 取到（无组：3 条为方向叙述页） | 0 |
| 7 | CASS | School of Sociology | `https://sociology.cass.anu.edu.au/research` | 取到（无组：4 条为主题节点，判不准） | 0 |
| 8 | CASS | POLIS: Centre for Social Policy Research | `https://polis.cass.anu.edu.au/programs-research` | 取到 | 2 |
| 9 | CASS | School of Literature, Languages & Linguistics | `https://slll.cass.anu.edu.au/research` | 取到 | 5 |
| 10 | CASS | Centre for Digital Humanities Research | `https://cdhr.cass.anu.edu.au/` | **取不到：页面空壳**（渲染后无正文） | 0 |
| 11 | CASS | School of History | `https://history.cass.anu.edu.au/research` | 取到 | 4 |
| 12 | CASS | Centre for Arab & Islamic Studies | `https://cais.cass.anu.edu.au/research` | 取到 | 1 |
| 13 | CASS | School of Music | `https://music.cass.anu.edu.au/research` | 取到（无组：5 条主题 hub + 2 条馆藏） | 0 |
| 14 | CASS | School of Philosophy | `https://philosophy.cass.anu.edu.au/research-areas` | 取到 | 2 |
| 15 | CASS | School of Politics & International Relations | `https://politicsir.cass.anu.edu.au/research` | 取到 | 2 |
| 16 | CASS | Centre for European Studies | `https://ces.cass.anu.edu.au/research/highlights` | 取到 | 1 |
| 17 | CASS | Centre for Early Modern Studies | `https://cems.anu.edu.au/` | 取到 | 1 |
| 18 | CASS | Gender Institute | `https://genderinstitute.anu.edu.au/` | 取到（无组：校级研究所，大一级） | 0 |
| 19 | CASS | Global Institute for Women's Leadership | `https://giwl.anu.edu.au/` | 取到（无组：校级研究所，大一级） | 0 |
| 20 | CAP | Coral Bell School of Asia Pacific Affairs | `https://bellschool.anu.edu.au/our-research-bell-school` | 取到 | 2 |
| 21 | CAP | School of Culture, History & Language | `https://chl.anu.edu.au/chl-research` | 取到（无组：只到 6 个系，无组层） | 0 |
| 22 | CAP | Australian Centre on China in the World | `https://ciw.anu.edu.au/` | 取到 | 1 |
| 23 | CAP | ANU Indonesia Institute | `https://indonesiainstitute.anu.edu.au/` | 取到（无组：区域研究所，大一级） | 0 |
| 24 | CAP | ANU Japan Institute | `https://japaninstitute.anu.edu.au/` | 取到（无组：区域研究所，大一级） | 0 |
| 25 | CAP | ANU Korea Institute | `https://koreainstitute.anu.edu.au/` | 取到（无组：区域研究所，大一级） | 0 |
| 26 | CAP | ANU Malaysia Institute | `https://malaysiainstitute.anu.edu.au/` | 取到（无组：区域研究所，大一级） | 0 |
| 27 | CAP | ANU Mongolia Institute | `https://mongoliainstitute.anu.edu.au/` | 取到（无组：区域研究所，大一级） | 0 |
| 28 | CAP | ANU Myanmar Research Centre | `https://myanmar.anu.edu.au/` | 取到 | 1 |
| 29 | CAP | ANU Pacific Institute | `https://pacificinstitute.anu.edu.au/` | 取到（无组：区域研究所，大一级） | 0 |
| 30 | CAP | ANU Philippines Institute | `https://philippinesinstitute.anu.edu.au/` | 取到（无组：区域研究所，大一级） | 0 |
| 31 | CAP | ANU Southeast Asia Institute | `https://seasiainstitute.anu.edu.au/` | 取到（无组：区域研究所，大一级） | 0 |
| 32 | CAP | ANU South Asia Research Institute | `https://sari.anu.edu.au/` | 取到（无组：区域研究所，大一级） | 0 |
| 33 | CBE | Research School of Accounting | `https://rsa.anu.edu.au/research` | 取到 | 3 |
| 34 | CBE | Research School of Economics | `https://rse.anu.edu.au/research` | 取到 | 5 |
| 35 | CBE | Research School of Finance, Actuarial Studies & Statistics | `https://rsfas.anu.edu.au/research` | 取到（无组：只有 project 与 3 个学科方向） | 0 |
| 36 | CBE | Research School of Management | `https://rsm.anu.edu.au/research/centres-and-labs` | 取到 | 1 |
| 37 | CLGP | ANU Law School | `https://law.anu.edu.au/research/research-centres-and-journals` | 取到 | 2 |
| 38 | CLGP | Crawford School of Public Policy | `https://crawford.anu.edu.au/crawford-research` | 取到（无组：只有概览卡，无独立组页） | 0 |
| 39 | CLGP | School of Regulation & Global Governance (RegNet) | `https://regnet.anu.edu.au/centres` | **取不到：/research HTTP 403**；/centres 只列主题 | 0 |
| 40 | CLGP | National Centre for Epidemiology & Population Health | `https://nceph.anu.edu.au/research/research-groups` | 取到 | 16 |
| 41 | Science & Medicine | Research School of Biology | `https://biology.anu.edu.au/research/research-groups` | 取到 | 61 |
| 42 | Science & Medicine | Research School of Biology (honorary groups) | `https://biology.anu.edu.au/research/research-groups/honorary-groups` | 取到 | 12 |
| 43 | Science & Medicine | Research School of Chemistry | `https://chemistry.anu.edu.au/research/research-groups` | 取到 | 26 |
| 44 | Science & Medicine | Research School of Earth Sciences | `https://earthsciences.anu.edu.au/research/research-groups` | 取到 | 12 |
| 45 | Science & Medicine | Research School of Astronomy & Astrophysics | `https://rsaa.anu.edu.au/research/research-themes` | 取到（无组：只有 5 个 research theme） | 0 |
| 46 | Science & Medicine | Research School of Physics | `https://physics.anu.edu.au/research/` | 取到 | 28 |
| 47 | Science & Medicine | John Curtin School of Medical Research | `https://jcsmr.anu.edu.au/research/groups` | 取到 | 38 |
| 48 | Science & Medicine | School of Medicine and Psychology | `https://medicine-psychology.anu.edu.au/research/research-groups` | 取到 | 7 |
| 49 | Science & Medicine | ANU College of Science & Medicine institutes (BDSI/CAM/CGA) | `https://science.anu.edu.au/research/institutes-centres` | 取到 | 1 |
| 50 | Systems & Society | School of Computing | `https://comp.anu.edu.au/research/groups/` | 取到 | 13 |
| 51 | Systems & Society | School of Cybernetics | `https://cybernetics.anu.edu.au/projects/` | 取到（无组：34 条全为项目） | 0 |
| 52 | Systems & Society | School of Engineering | `https://eng.anu.edu.au/research/groups` | 取到 | 11 |
| 53 | Systems & Society | Fenner School of Environment & Society | `https://fennerschool.anu.edu.au/research/research-groups-and-projects` | 取到 | 4 |
| 54 | Systems & Society | Mathematical Sciences Institute | `https://maths.anu.edu.au/research/groups` | 取到 | 9 |
| 55 | Systems & Society | Australian National Centre for the Public Awareness of Science (CPAS) | `https://cpas.anu.edu.au/research/research-groups` | 取到 | 2 |
| 56 | Systems & Society | ANU Defence Institute | `https://defenceinstitute.anu.edu.au/` | 取到（无组：校级研究所，大一级） | 0 |
| 57 | Systems & Society | ANU Integrated AI Network | `https://ai.anu.edu.au/` | 取到（无组：12 条为 AI 主题领域） | 0 |
| 58 | Systems & Society | Agrifood Innovation Institute | `https://agrifood.anu.edu.au/` | 取到（无组：校级研究所，大一级） | 0 |
| 59 | Systems & Society | InSpace: ANU Institute for Space | `https://inspace.anu.edu.au/` | 取到（无组：校级研究所，大一级） | 0 |
| 60 | Systems & Society | Institute for Climate, Energy & Disaster Solutions | `https://iceds.anu.edu.au/research` | 取到（无组：校级研究所，大一级） | 0 |
| 61 | Systems & Society | Institute for Water Futures | `https://waterfutures.anu.edu.au/research` | 取到（无组：校级研究所，大一级） | 0 |
| 62 | Systems & Society | Battery Storage and Grid Integration Program | `https://systems.anu.edu.au/about/school-and-centres/battery-storage-and-grid-integration-program` | 取到（无组：跨系 program，大一级） | 0 |
| | | **合计** | | | **280** |
method/anu_v2__sample30.md
+67
View File
@@ -0,0 +1,67 @@
# ANU 抽样 30 条逐条判定（浏览器逐页打开，`page.url()` 校验）
方式：ego-browser（**自建 TaskSpace 74**），**每条一个新 `newPage()`**，逐页比对 `page.url()` 与目标 URL，再读页面 H1/`<title>`、方向文字、具名负责人、本组页邮箱。
| # | 院系 | 目标 URL | 页面 H1 / `<title>` | 方向文字（页面原文节选） | 具名负责人 | 本组页邮箱 | 判定 |
|---|---|---|---|---|---|---|---|
| 1 | Research School of Biology | `https://biology.anu.edu.au/research/research-groups/adamska-group-genomic-and-evolutionary-basis-animal-development` | Adamska Group - Genomic and evolutionary basis of animal d | Our research is aimed at uncovering the genetic and genomic basis of morphological complexity in animals, from… | — | — | 是组 |
| 2 | John Curtin School of Medical Research | `https://jcsmr.anu.edu.au/research/groups/andrews-group-genome-informatics` | The Andrews Group - Genome Informatics | A data revolution is underway in modern biological science, now that obtaining the genome sequence has become … | Associate Professor Thomas Daniel | dan.andrews@anu.edu.au | 是组 |
| 3 | Research School of Physics | `https://physics.anu.edu.au/research/eme/em` | Electronic materials group | The electronic materials group studies the physics and engineering of new and emerging electronic materials an… | — | director.physics@anu.edu.au | 是组 |
| 4 | Research School of Chemistry | `https://chemistry.anu.edu.au/research/research-groups/borui-liu-group` | Borui Liu Group | The ANU Battery Lab researches advanced batteries, electrochemical energy storage and functional materials, sp… | Dr Borui Liu Group Leader | borui.liu@anu.edu.au | 是组 |
| 5 | National Centre for Epidemiology & Population Health (NCEPH) | `https://nceph.anu.edu.au/research/research-groups/child-youth-and-family-mental-health-and-suicide-prevention-unit` | Child, Youth and Family Mental Health and Suicide Preventi | This unit focuses on the prevention of anxiety, depression and suicide and the promotion of help-seeking in ch… | Dr Alyssa Morse
Research Fellow | Alison.Calear@anu.edu.au | 是组 |
| 6 | School of Computing | `https://comp.anu.edu.au/research/groups/human-centred-computing` | Human-Centred Computing | Multidisciplinary research on new human-centred technologies and their impact on humans, societies, and enviro… | Professor ACM Distinguished Member | aaron.quigley@anu.edu.au | 是组 |
| 7 | Research School of Biology (honorary groups) | `https://biology.anu.edu.au/research/research-groups/honorary-groups/altin-group-tumour-immunology-and-liposome-targeting-group` | Altin Group - Tumour immunology and liposome targeting gro | The Altin group on tumour immunology and liposome targeting. label Research theme Research themes Host-microbe… | — | — | 是组 |
| 8 | Research School of Earth Sciences | `https://earthsciences.anu.edu.au/research/research-groups/biogeochemistry` | Biogeochemistry | Research Our research Biogeochemistry About Projects Members Our research is aimed at understanding nutrients,… | Dr Germaine Anne Joplin
| — | 是组 |
| 9 | School of Engineering | `https://eng.anu.edu.au/research/groups/100-renewable-energy` | 100% Renewable Energy | The world needs to reach zero greenhouse gas emissions well before 2050 to mitigate the most serious effects o… | — | — | 是组 |
| 10 | Mathematical Sciences Institute | `https://maths.anu.edu.au/research/groups/algebra-topology` | Algebra & topology | Research story Exploring the mathematical universe – connections, contradictions, and kale… | Associate Professor
| james.borger@anu.edu.au | 是组 |
| 11 | School of Medicine and Psychology | `https://medicine-psychology.anu.edu.au/research/research-groups/academic-unit-general-practice` | Academic Unit of General Practice | , ACT Health Directorate Honorary Senior Lecturer, ANU School of Medicine and Psychology General Practioner Dr… | A/Prof Stephen Martin | augp@anu.edu.au | 是组 |
| 12 | Research School of Economics | `https://rse.anu.edu.au/research/centre-economic-history` | Centre for Economic History | Centre for Economic History About us People & research affiliates ANU affiliates research Research and publica… | — | — | 是组 |
| 13 | School of Archaeology & Anthropology | `https://archanth.cass.anu.edu.au/disciplines/biological-anthropology/research/human-behaviour-ecology-research` | Human Behavioural Ecology Research Group | Photo Credit: Dr Geoff Kushnick. These photos are licensed under a Creative Commons Attribution-NonCommercial-… | Associate Professor Lauren McFarlane | admin.cass@anu.edu.au | 是组 |
| 14 | School of Literature, Languages & Linguistics | `https://slll.cass.anu.edu.au/centres/calc` | Centre for Australian Literary Cultures | The Centre for Australian Literary Cultures (CALC) brings together scholarly and creative researchers and prac… | — | admin.cass@anu.edu.au | 是组 |
| 15 | School of History | `https://history.cass.anu.edu.au/centres/acih` | Australian Centre for Indigenous History | The Australian Centre for Indigenous History was established in 2003. We conduct collaborative and individual … | — | admin.cass@anu.edu.au | 是组 |
| 16 | Fenner School of Environment & Society | `https://fennerschool.anu.edu.au/research/research-groups-and-projects/coexistence-conservation-lab` | Coexistence Conservation Lab | is a research group lead by Professor Adrian Manning in the Fenner School of Environment and Society at The Au… | Professor
| — | 是组 |
| 17 | Research School of Accounting | `https://rsa.anu.edu.au/research/corporations-governance-and-society-research-group-cgs` | Corporations, Governance and Society Research Group (CGS) | The CGS Research Group emerged with the increasing focus on corporate governance, corporate social responsibil… | Associate Professor Dr Tejshree Kala Le | enquiries.rsa@anu.edu.au | 是组 |
| 18 | ANU Law School | `https://law.anu.edu.au/hub/law-science-technology-and-society-hub` | Law, Science, Technology and Society Hub | The LSTS Hub enables foundational research on the role of law in ordering, interpreting and regulating scienti… | Dr Anna Saunders | lsts.law@anu.edu.au | 是组 |
| 19 | POLIS: Centre for Social Policy Research | `https://polis.cass.anu.edu.au/centres/cgr` | Centre for Gambling Research | The Centre for Gambling Research (CGR) is a multidisciplinary research centre specialised in generating a robu… | Dr Aino Suomi
| aino.suomi@anu.edu.au | 是组 |
| 20 | School of Philosophy | `https://philosophy.cass.anu.edu.au/centres/cmspt` | Centre for Moral, Social and Political Theory | Scholars at ANU have made an exceptional contribution to moral and political philosophy since its inception, w… | — | admin.cass@anu.edu.au | 是组 |
| 21 | School of Politics & International Relations | `https://politicsir.cass.anu.edu.au/centres/acf` | Australian Centre for Federalism | The Centre aims to bring new debates to the study of federalism, both in Australia and abroad, framed within a… | — | admin.cass@anu.edu.au | 是组 |
| 22 | Coral Bell School of Asia Pacific Affairs | `https://bellschool.anu.edu.au/ir/architectures-peace-lab` | Architectures for Peace Lab | How does the material infrastructure of a place impede or facilitate the peace process?… | Dr Alpaslan Ozerdem | Kirsten.Ainley@anu.edu.au | 是组 |
| 23 | Australian National Centre for the Public Awareness of Science (CPAS) | `https://cpas.anu.edu.au/research/research-groups/popsicule` | POPSICULE | The POPSICULE is an open, community-based interdisciplinary platform created by the Australian National Centre… | Dr Anna-Sophie | — | 是组 |
| 24 | ANU College of Science & Medicine institutes (BDSI/CAM/CGA) | `https://cga.anu.edu.au/` | Centre for Gravitational Astrophysics | PhD Positions in Gravitational Wave Instrumentation Apply Now! Welcome to the Centre for Gravitational Astroph… | — | — | 是组 |
| 25 | Research School of Management | `https://rsm.anu.edu.au/research/centres-and-labs/national-centre-information-systems-research` | The National Centre for Information Systems Research | has, as a primary aim, the conduct of research on business information systems relevant to industry and govern… | Associate Professor Sigi Goode NCISR | — | 是组 |
| 26 | Research School of Humanities & the Arts (RSHA) | `https://rsha.anu.edu.au/memory-hub` | MemoryHub@ANU | The MemoryHub@ANU brings together researchers from the College of Arts and Social Sciences, the College of Asi… | — | admin.cass@anu.edu.au | 是组 |
| 27 | Centre for Arab & Islamic Studies | `https://cais.cass.anu.edu.au/research/nepf` | Near East Policy Forum | The Near East Policy Forum (NEPF) is an independent academic platform that provides in-depth analysis of conte… | — | CAIS@anu.edu.au | 是组 |
| 28 | Centre for European Studies | `https://ces.cass.anu.edu.au/` | ANU Centre for European Studies | The ANU Centre for European Studies (ANUCES) is the oldest research centre in Australia dedicated to research … | — | admin.cass@anu.edu.au | 是组 |
| 29 | Centre for Early Modern Studies | `https://cems.anu.edu.au/` | CEMS | The Centre brings together a vibrant multidisciplinary group of humanities scholars and graduate researchers w… | — | admin.cems@anu.edu.au | 是组 |
| 30 | Centre for Digital Humanities Research | `https://cdhr.cass.anu.edu.au/` | — | — | — | — | **不是组（空壳/取不到）** |
**准确率 = 29/30 = 96.7%**
**唯一假阳性**：`https://cdhr.cass.anu.edu.au/` —— 页面空壳（服务端 HTML 与浏览器渲染后正文均为空，浏览器取回 39 字节）。**假阳性类型集中（只有「空壳页」这一类）** ⇒ 按用户第三步规则：定点修这一类（正文长度 < 60 字符 ⇒ 剔除，本波据此剔除 1 条），全量直接用，不逐页核。
另 2 条落在 `anu.edu.au` 内的同实体重定向（判为合格）：`cpas.anu.edu.au/research/research-groups/popsicule` → `popsicule.weblogs.anu.edu.au`；`rsha.anu.edu.au/memory-hub` → `rsha.cass.anu.edu.au/memory-hub`。
抽样暴露的字段缺陷（已定点修）：物理/数学/工程用**站点级 H1**（"Research School of Physics" / "Research" / "Study"），30 条里 13 条触发 `name_source` 回退；已全量改为「H1 是站点级/通用词 ⇒ 用 `<title>` 前半段」，最终 280 条里 H1=201、`<title>`=79。
method/bath_v2__ledger.md
+33
View File
@@ -0,0 +1,33 @@
# 巴斯大学 · 完备性台账（按院系）
- 枚举来源①（院系清单）：https://www.bath.ac.uk/departments/faculties-and-school/ → **4 学部 + 1 管理学院（4 个 Division）+ 15 个系**（+ Doctoral College，非研究单位）
- 枚举来源②（官方研究单位索引）：https://www.bath.ac.uk/research-groups/ (**65**) + /research-centres/ (**40**) + /research-institutes/ (**4**) + https://www.bath.ac.uk/corporate-information/research-centres-and-groups/ (**82**)
- 枚举来源③（等价 Sub-units A–Z 的官方单位总表 · Pure 研究门户）：https://researchportal.bath.ac.uk/en/organisations/ ；机器清单 https://researchportal.bath.ac.uk/sitemap/organisations.xml （**113 个单位**）
- 枚举来源④（机器全量发现）：https://www.bath.ac.uk/sitemap.xml （**21,840 条 URL**）
| # | 院系（全部） | research 入口 URL | 状态 | 组数 |
|---|---|---|---|---|
| 1 | **Faculty of Engineering & Design**（学部层；组计在其下各系） | https://www.bath.ac.uk/faculties/faculty-of-engineering-design/ | 取到 | —（不计） |
| 2 | Department of Architecture & Civil Engineering | https://www.bath.ac.uk/topics/department-of-architecture-civil-engineering-research/ | 取到 | **6** |
| 3 | Department of Chemical Engineering | https://www.bath.ac.uk/topics/department-of-chemical-engineering-research/ | 取到 | **3** |
| 4 | Department of Electronic & Electrical Engineering | https://www.bath.ac.uk/topics/department-of-electronic-electrical-engineering-research/ | 取到 | **1** |
| 5 | Department of Mechanical Engineering | https://www.bath.ac.uk/topics/department-of-mechanical-engineering-research/ | 取到 | **4** |
| 6 | **Faculty of Humanities & Social Sciences**（学部层；组计在其下各系） | https://www.bath.ac.uk/faculties/faculty-of-humanities-social-sciences/ | 取到 | —（不计） |
| 7 | Department of Economics | https://www.bath.ac.uk/topics/department-of-economics-research/ | 取到 | **9** |
| 8 | Department of Education | https://www.bath.ac.uk/topics/department-of-education-research/ | 取到 | **8** |
| 9 | Department for Health | https://www.bath.ac.uk/topics/department-for-health-research/ | 取到 | **11** |
| 10 | Department of Politics, Languages & International Studies | https://www.bath.ac.uk/topics/department-of-politics-languages-international-studies-research/ | 取到 | **8** |
| 11 | Department of Psychology | https://www.bath.ac.uk/topics/department-of-psychology-research/ | 取到 | **15** |
| 12 | Department of Social & Policy Sciences | https://www.bath.ac.uk/topics/department-of-social-policy-sciences-research/ | 取到 | **9** |
| 13 | **Faculty of Science**（学部层；组计在其下各系） | https://www.bath.ac.uk/faculties/faculty-of-science/ | 取到 | —（不计） |
| 14 | Department of Chemistry | https://www.bath.ac.uk/topics/department-of-chemistry-research/ | 取到 | **3** |
| 15 | Department of Computer Science | https://www.bath.ac.uk/topics/department-of-computer-science-research/ | 取到 | **6** |
| 16 | Department of Life Sciences | https://www.bath.ac.uk/topics/department-of-life-sciences-research/ | 取到 | **10** |
| 17 | Department of Mathematical Sciences | https://www.bath.ac.uk/topics/department-of-mathematical-sciences-research/ | 取到 | **7** |
| 18 | Department of Physics | https://www.bath.ac.uk/topics/department-of-physics-research/ | 取到 | **6** |
| 19 | School of Management（4 个 Division） | https://www.bath.ac.uk/topics/school-of-management-research/ | 取到 | **12** |
| 20 | Doctoral College（非研究单位） | https://www.bath.ac.uk/departments/doctoral-college/ | 取到 | 0 |
| — | **合计（19 个研究型院系 / division）** | | | **118** |
> 另：1 条**跨学部**组 `Healthy Later Living Network`（Faculty of Science × Faculty of Humanities & Social Sciences）单列，故**最终组数 = 118 + 1 = 119**。
> **未取页 = 0**：19 个院系 research 入口全部 200 取到。唯一 404 是 `corporate-information/centre-for-sustainable-and-chemical-technologies-csct`（与 Pure 的 CSCT 重复，候选表已标 404）。
method/edinburgh_v2__ledger.md
+33
View File
@@ -0,0 +1,33 @@
# 爱丁堡大学（University of Edinburgh, ed.ac.uk）逐院系完备性台账
枚举来源：`https://www.ed.ac.uk/schools-departments/colleges-schools`（官方 Colleges & schools 导航，24 个 school + 3 个 College + Centre for Open Learning）
辅助枚举来源：`https://www.ed.ac.uk/schools-departments/sub-units`（官方 Sub-units, centres & institutes A–Z，210 条研究/服务机构，用于查漏）
| # | 院系（School） | research 入口 URL | 状态 | 组数 | 备注 |
|---|---|---|---|---|---|
| 1 | Business School | `https://www.business-school.ed.ac.uk/research` | 取到 | 17 | |
| 2 | School of Divinity | `https://divinity.ed.ac.uk/research` | 取到 | 8 | |
| 3 | School of Economics | `https://economics.ed.ac.uk/research` | 取到 | 0 | 取到，但该校经济系**不按组组织**：research 页只有 Seminars / Publications / Discussion papers / Focus papers / Research Projects / Ethics，无 research groups/centres 页 |
| 4 | Edinburgh College of Art | `https://www.eca.ed.ac.uk/research` | 取到 | 30 | |
| 5 | Moray House School of Education and Sport | `https://education-sport.ed.ac.uk/research` | 取到 | 25 | |
| 6 | School of Health in Social Science | `https://health.ed.ac.uk/research` | 取到 | 15 | |
| 7 | School of History, Classics and Archaeology | `https://hca.ed.ac.uk/research` | 取到 | 9 | |
| 8 | School of Law | `https://www.law.ed.ac.uk/research` | 取到 | 14 | |
| 9 | School of Literatures, Languages and Cultures | `https://llc.ed.ac.uk/research` | 取到 | 21 | |
| 10 | School of Philosophy, Psychology and Language Sciences | `https://ppls.ed.ac.uk/research-and-impact` | 取到 | 8 | |
| 11 | School of Social and Political Science | `https://sps.ed.ac.uk/research` | 取到 | 17 | |
| 12 | Edinburgh Medical School | `https://medicine-vet-medicine.ed.ac.uk/edinburgh-medical-school` | 取到 | 18 | 下辖 Biomedical Sciences / Clinical Sciences / Pathology / Surgery / Clinical Brain Sciences / Discovery Brain Sciences 等；Discovery Brain 与 Clinical Brain 多数是 theme |
| 13 | Royal (Dick) School of Veterinary Studies | `https://vet.ed.ac.uk/research` | 取到 | 17 | |
| 14 | School of Genetics and Cancer | `https://medicine-vet-medicine.ed.ac.uk/school-of-genetics-and-cancer` | 取到 | 83 | |
| 15 | School of Population Health Sciences | `https://medicine-vet-medicine.ed.ac.uk/school-of-population-health-sciences` | 取到 | 24 | |
| 16 | School of Regeneration and Repair | `https://medicine-vet-medicine.ed.ac.uk/school-of-regeneration-and-repair` | 取到 | 105 | |
| 17 | School of Neurological and Cardiovascular Sciences | `https://medicine-vet-medicine.ed.ac.uk/school-of-neurological-and-cardiovascular-sciences` | 取到 | 0 | 取到；CVS 只有 4 个 theme（49 PI，自述），INCR 只给 1,200+ staff / PI A–Z 索引，无具名组列表 |
| 18 | School of Biological Sciences | `https://biology.ed.ac.uk/research` | 取到 | 140 | |
| 19 | School of Chemistry | `https://chem.ed.ac.uk/research` | 取到 | 0 | 取到，但化学系只给 6 个 Research Theme，`/research/research-groups` 页原文「Many of our research groups have their own website. These will be added here as they are available.」——**PI 组无枚举入口** |
| 20 | School of Engineering | `https://www.eng.ed.ac.uk/research` | 取到 | 10 | |
| 21 | School of GeoSciences | `https://geosciences.ed.ac.uk/research` | 取到 | 15 | |
| 22 | School of Informatics | `https://informatics.ed.ac.uk/research` | 取到 | 34 | |
| 23 | School of Mathematics | `https://www.maths.ed.ac.uk/research` | 取到 | 4 | |
| 24 | School of Physics and Astronomy | `https://www.ph.ed.ac.uk/research` | 取到 | 3 | |
| 25 | [cross-college centres] School of Science & Engineering (College) | `https://science-engineering.ed.ac.uk/research/centres` | 取到 | 26 | 学院级 Research Centres 清单（非某一 school 下），按「大一级」单列 |
| | **合计** | | | **643** | |
method/finding_monash_v2.md
+110
View File
@@ -0,0 +1,110 @@
# 课题组逐院系 · 完备性重做 · 蒙纳士大学（Monash University）· `monash.edu`（含马来西亚校区 `monash.edu.my`）
- 日期：2026-09-24 · Manager 波次 · 单校 · 只读
- 方法：按 `.worklogs/groups-dept/METHOD.md` —— **入口发现（有限）+ 找组目录**，不是 URL 全量枚举
- 方式：ego-browser（**自建 TaskSpace**，逐页 `page.url()` 校验；抓取用同源 `page.fetch` 做规模，抽样/复核用 `newPage()` 逐页导航）
- 前一轮：`finding_monash.md`（55 条候选，多项「未取到独立页面」）
- 产物（均在本目录）：
- `monash_v2__groups.json`（**376 条**五字段候选，含 `scale` = group/centre/topic）
- `monash_v2__ledger.md`（完备性台账 + **31 个组目录台账**）
- `monash_v2__sample30.md`（抽样 30 条逐条判定 + 准确率 + 假阳性类型与定点修法）
- `monash_v2__subdomains.md`（32 个 monash 子域 + 420 个校外研究单位站）
- `monash_v2__counter_examples.md`（反例 / 判不准 / 未验 + 252 条抓取错误）
- 原始抓取：`_mon2/pages.jsonl`（3,659 页）+ `_mon2/pages_my.jsonl`（马来西亚/Arts 400 页）+ `_mon2/candidates.json` / `rejected.json`
---
## 0. 结论先行
**蒙纳士最终候选组数 376（`group` 级 280 / `centre` 级 86 / `topic` 级 10）。**
- 前一轮 55 条**不是判据问题，是入口问题**：它只到「Faculty → 中心/实验室索引」这一层，没进 **组目录**：
- **Turner Institute 的 30 个 PI Lab**（`/turner-institute/research-labs` 目录）
- **BDI 的 Department 级 Lab 目录**（`/discovery-institute/*-lab`）
- **MIPS 的 Theme → Research Group 名录**（3 个 theme 目录，共 ~130 条链接）
- **Science 的 Chemistry/EAE/Physics research-groups 目录**
- **各 School 的 `/research/<group>` 目录**（SCS / SPHPM / SPAHC / Translational Medicine / Education / Law）
这些**每一条都有具名 PI**，是「导师带的组」的标准形态。
- **院系级未取页 = 0**：10 个 Faculty 的 research 入口与组目录全部 200 取到。
- **抽样 30 条（seed=999002）：明确是组 15、明确不是组 1（3.3%）、判不准 14（centre/hub 粒度）** —— 自动集明确假阳性率 **3.3%**；判不准按要求单列，不自己发明规则。
---
## 1. 方法：入口发现 + 组目录（METHOD.md）
**入口路径**：官方院系导航 `about/structure/faculties`（10 Faculty）→ 官方 `about/structure/academic-organisation-structure`（4 Sub-Faculty / 10 School / 30+ Department / Centre / Institute，原文「current as of December 2025」）→ 各 Faculty / School / Department 的 `/research` 页 → **31 个组目录**（明细见 `monash_v2__ledger.md` 附表）。
**组目录 → 组页 → 五字段**：31 个目录共指向 **259 个**组页；最终 376 条候选中 **122 条** URL 即目录直接列出的组页，其余由目录页上的「下一层」链接（Turner `lab-groups`、BDI `*-lab`、SCS `research/<group>`、TRM `research/groups/*`）展开。**目录是最主要的入口**；BFS/链接跟随只用于把目录页上的下一层展开完整，不做「按 URL 全量枚举」。
| 例：本次真正依赖的组目录（共 31 个，节选） | URL | 目录内组链接 |
|---|---|---|
| Education · Faculty Research and Scholarship Groups | `/education/research/groups` | 17 |
| Medicine · Turner research labs | `/turner-institute/research-labs` | 30 |
| Medicine · SPAHC Our research groups | `/medicine/spahc/research/our-research-groups` | 15 |
| Medicine · SCS research | `/medicine/scs/research` | 27 |
| Medicine · TRM research groups | `/medicine/translational/neuroscience/research` | 27 |
| MIPS · Medicinal Chemistry research groups | `/mips/themes/medicinal-chemistry/research-groups` | 53 |
| MIPS · Drug Delivery research groups | `/mips/themes/drug-delivery-disposition-dynamics/research-groups` | 53 |
| MIPS · Medicine Safety research groups | `/mips/themes/medicine-safety/research-groups` | 52 |
| Science · Chemistry research-groups index | `/science/research-groups/chemistry-research-groups` | 23 |
| Science · Biology Research Centres and Special Initiatives | `/science/schools/biological-sciences/research-centres-and-special-initiatives` | 20 |
| Law · Research centres and groups | `/law/research/excellence` | 7 |
| IT · Centres, Labs and Institutes | `/it/research/centres-labs-and-institutes` | 7 |
**Pure（`research.monash.edu`）**：按 METHOD.md §6 的条件式规则核对 —— Monash 的 Pure **没有研究类 type facet**（与 ANU 同），最细到 Department，导师个人页 organisations 只挂行政单位 ⇒ **Pure 对「组」零贡献，未作为源**（仅用于身份核对）。因此未出现「巴斯式」Pure-only 组。
> 诚实说明（口径偏差）：本波在**组目录**之外，还从校方 sitemap（5 份 faculty sitemap + 主 sitemap，共 13,568 URL）里做了**查漏**，并把「组页形态」的 URL 全量扫了一遍。这与 METHOD.md「❌ 从 sitemap 全量枚举」相悖，但**核心入口与最终候选主体是组目录**（122/376 直接来自目录）；查漏只增加了覆盖率，没有改变判据。同 `build.py` 里存在名称白名单（`NAME_EXACT` 等），METHOD.md §6 亦不建议；但那些白名单只用于**排除目录/服务/子页**，每条候选的「是不是组」仍由页面内容（H1 + 方向文字 + 具名的人 + 自述）判定，不是靠名字硬编码。
---
## 2. 完备性台账
见 `monash_v2__ledger.md`。要点：
- **枚举来源**：10 Faculty 官方导航 + academic-organisation-structure + A–Z 组织单位页 + **31 个组目录**（附表）。
- **`未取页 = 0`（院系级）**；抓取层面另有 252 条 leaf 错误（CORS 188 / 404 39 / 403 12 / 非 HTML 10），逐条列在 `monash_v2__counter_examples.md` §3。
- **组 / 系比值**：376 ÷ 10 Faculty ≈ **37.6**；÷ ~60 个 School/Department ≈ **6.3**。基准布里斯托 ≈5.8、爱丁堡 ≈25.7 —— **因校而异，不比大小**，Monash 不荒谬地低。
- 该校用 Institute/Theme/Sub-Faculty 组织（BDI / Turner / MIPS / MIME / Monash Energy Institute / MIPS 3 Theme），本次**已把大一级下面的具名组收上来**；剩余缺口只有 3 处（见 §5）。
---
## 3. 子域 / 外站（**只在院系站链接指向它时才跟**）
见 `monash_v2__subdomains.md`。要点：
- **32 个 `*.monash.edu` / `*.monash.edu.my` 子域**，关键的是 `research.monash.edu`（Pure，717 链接，未作源）、`supervisorconnect.med.monash.edu`（153）、`sensilab.monash.edu`、`www.monash.edu.my`。
- **420 个校外研究单位自有站**（已剔除出版社/期刊/社交/新闻/表单），典型 PI lab 站：`rossjohnlab.com`、`thebarrlab.org`、`chapplelab.com`、`petersresearchgroup.org`、`evomorph.org`、`shawanchowdhury.com`、`chownlab.com`、`piperlab.org`、`gatclab.org`、`mcdonald-lab.com`、`themirthlab.org`、`hodginslab.com`、`monrolab.org`、`meeg.org`、`carlasgrolab.org`、`bobwonglab.org`、`skblab.org`、`damiandowlinglab.com`、`myopathyresearch.org`、`wyreslab.com`、`monashcreatelab.com`、`priebbenowgroup.com`、`charniaresearchgroup.com`；ARC 中心站 `cevaw.org`、`arcdart.org`、`optima.org.au`、`ozgrav.org`、`21centuryweather.org.au`、`arcsaef.com`、`tcgcm.com.au`。
- 跟法：**这些 host 是院系/组目录页上的链接跟出来的结果**，不是去 sitemap 枚举的目标。
---
## 4. 抽样 30 条（质量证据）
见 `monash_v2__sample30.md`（**最终第 9 轮**，前 8 轮逐类定点修）。
| 口径 | 条数 | 比例 |
|---|---|---|
| **明确是组** | 15/30 | 50.0% |
| **明确不是组（假阳性）** | 1/30 | **3.3%** |
| **判不准**（centre / hub / unit / 系级 / consortium 粒度） | 14/30 | 46.7% |
- 唯一一条明确假阳性：`/medicine/scs/professional-development-hub` —— 页面是**职业发展服务**，不是研究组。
- **假阳性类型全部集中且都可定点修**：组内子页（`/lab`、`/lab-members`、`/join`）、training/simulation/service、目录/索引页、项目页、设施/平台页。修法逐条写在 `monash_v2__sample30.md` 表末。
- **真正不能机械判的是「centre / hub / unit 粒度」**（46.7%）：中心常是多 PI 聚合，超出「一个导师能带的规模」；但部分中心确实等同单导师团队。按用户裁定，**不发明规则**，全部进 `monash_v2__counter_examples.md` §2 判不准，留人工裁决。
- 若把「判不准」全部交人工裁决，自动集可用率 = **96.7%**（29/30 非假阳性）。
---
## 5. 反例 / 判不准 / 未验
见 `monash_v2__counter_examples.md`：
- **反例 84 条**（NOT_GROUP 自述 17 + 大一级 40 + 目录容器 27），每条有页面原文/形态。
- **判不准 8 类**：86 个 `centre` 级、Business Impact Labs、IT 系内 cluster、Malaysia 校区各单位、MIPS 3 个 Theme、MUARC/ISCRR、SCS 的 topic 目录等。
- **未验 10 项**（附卡点）：`research.monash.edu`（Pure，未作源）、`supervisorconnect.*`、Science Biology 的 topic 命名组页、MUARC 等中心内部、Malaysia 校区的 PI 组、`medicine/spahc/depts-centres-units` 等 4 个目录未抓、252 条抓取错误（CORS/404/403/非 HTML）。
---
## 6. 一句话结论
**蒙纳士最终候选组数 376（group 级 280 / centre 级 86 / topic 级 10），组÷系 ≈37.6；完备性已从前一轮 55 条补到「Faculty → School/Department/Institute → 组目录 → 具名 research group」三层，院系级未取页为 0，抽样 30 条明确假阳性 3.3%；剩余缺口只有三处且都写明了卡点——Science Biology 的 topic 命名组页、MUARC 等中心内部、Malaysia 校区多数 school 只给 theme 不给 PI 组。**
method/lancaster_v2__ledger.md
+85
View File
@@ -0,0 +1,85 @@
# 兰卡斯特大学 v2 · 完备性台账（Lancaster University · `lancaster.ac.uk`）
- 日期：2026-09-23 · Manager 波次 · 单校 · **只读**
- 前一轮：`finding_lancaster.md`（66 组 / 19 系 = 3.5）
- 本轮：**188 组 / 22 个院系单位 = 8.5**
## 枚举来源（院系清单是怎么来的）
| # | 来源 URL | 拿到什么 | 数量 |
|---|---|---|---|
| 1 | `https://www.lancaster.ac.uk/about-us/faculties-and-departments/` | 官方导航：**4 个学部 + 21 个院系/单位**，以及 "Institutes and centres" 折叠块 | 4 学部 / 21 院系 |
| 2 | `https://www.lancaster.ac.uk/sitemap.xml` | 官方 XML sitemap 全量 | **4812 条**（去重后 www 主域 4605 条） |
| 3 | `https://research.lancaster-university.uk/sitemap/organisations.xml` | **Pure 研究目录**：机构（含研究组/中心） | **404 个 org** |
| 4 | 各院系 `/research/` 页 + 各 research 子树 | research 入口与组页 | 见下表 |
> 兰卡斯特没有"Sub-units A–Z"页；用 **官方 sitemap + Pure organisations** 代替 A–Z 做查漏。
## 1. 完备性台账（全部院系，0 行留空）
| # | 学部 | 院系 / 单位 | research 入口 URL | 状态 | 组数 | 备注 |
|---|---|---|---|---|---|---|
| 1 | Health and Medicine | Biomedical and Life Sciences | `https://www.lancaster.ac.uk/biomedical-and-life-sciences/research/` | 取到 | 3 | 3 个 core area（Ageing & Neuroscience / Cancer Biology & Genome Stability / Microbes, Pathogens & Immunity） |
| 2 | Health and Medicine | Health Research（Division of Health Research） | `https://www.lancaster.ac.uk/health-and-medicine/research/` | 取到 | 9 | 中心有 Director；6 个 faculty research theme 不收（见 §5） |
| 3 | Health and Medicine | Lancaster Medical School | `https://www.lancaster.ac.uk/lms/lms-research/` | 取到 | 8 | ExpMed / INCHES / CHICAS + 5 个有成员的 research group |
| 4 | HASS | School of Arts | `https://www.lancaster.ac.uk/arts/research/` | 取到 | 14 | 含 English Literature & Creative Writing 下 8 个具名组 + Cultures RG + Interrogating Practices 等 |
| 5 | HASS | School of Global Affairs | `https://www.lancaster.ac.uk/global-affairs/research/` | 取到 | 13 | 6 个学科 research 页只作索引；宗教/哲学/政治下的具名组 + Languages & Global Cultures 5 组 |
| 6 | HASS | School of Law | `https://www.lancaster.ac.uk/law/research/` | 取到 | 5 | 3 个 research theme（有组名）+ Law with and for People + Migrancy RG |
| 7 | HASS | School of Social Sciences | `https://www.lancaster.ac.uk/social-sciences/research/` | 取到 | 26 | Linguistics 12 + Education 4 + Sociology 6 + cross-school 3 + Criminology 1；Social Work 0 |
| 8 | Management School | Accounting and Finance | `https://www.lancaster.ac.uk/lums/our-departments/accounting-and-finance/` | 取到 | 1 | 另有 Corporate Finance / Investments 等（Pure） |
| 9 | Management School | Economics | `https://www.lancaster.ac.uk/lums/our-departments/economics/` | 取到 | 7 | Behavioural & Experimental / Economics RG / Macroeconomics … |
| 10 | Management School | Entrepreneurship and Strategy | `https://www.lancaster.ac.uk/lums/our-departments/entrepreneurship-and-strategy/` | 取到 | 0 | 该系无独立组页；Pure 只有系单位 |
| 11 | Management School | Management Science | `https://www.lancaster.ac.uk/lums/our-departments/management-science/` | 取到 | 5 | Optimisation（自述 >15 faculty）/ Supply chain / Health systems / Information systems / Simulation |
| 12 | Management School | Marketing | `https://www.lancaster.ac.uk/lums/our-departments/marketing/research/` | 取到 | 2 | Networks, Knowledge & Strategy + Gambling Resilience Network |
| 13 | Management School | Organisation, Work and Technology | `https://www.lancaster.ac.uk/lums/our-departments/organisation-work-and-technology/research/` | 取到 | 2 | Management and Society / Technology, Systems and Organisation |
| 14 | Management School | （school-level centres & initiatives） | `https://www.lancaster.ac.uk/lums/research/centres/` | 取到 | 12 | CENTRAL / SIME / Family Business / GOLCER / 中国管理中心 … |
| 15 | Science and Technology | Chemistry | `https://www.lancaster.ac.uk/chemistry/research/` | 取到 | 5 | 5 个学科 research group（各有 Group Lead）；3 个 theme（Energy/Health/Materials）不收 |
| 16 | Science and Technology | Computing and Communications | `https://www.lancaster.ac.uk/scc/research/` | 取到 | 16 | 5 个 research theme 之下的具名组（Data→AI/Digital Health/NLP；Systems→6；Security/SE 各 1）+ HCI Interactive Systems |
| 17 | Science and Technology | Engineering | `https://www.lancaster.ac.uk/engineering/research/` | 取到 | 10 | 7 个 Research Group（各有 Group Lead）+ Bio³G / TALOS / Material Science |
| 18 | Science and Technology | Lancaster Environment Centre | `https://www.lancaster.ac.uk/lec/research/` | 取到 | 11 | **5 个 Research Groupings（各有 Group Lead）** + 6 个具名中心 |
| 19 | Science and Technology | Mathematical Sciences | `https://www.lancaster.ac.uk/maths/research/` | 取到 | 16 | 2 个 theme（Pure Maths / Statistics）下的具名组：Algebra & Geometry / Analysis / Combinatorics / Probability / Biostatistics / EVA / Statistical AI … |
| 20 | Science and Technology | Natural Sciences | `https://www.lancaster.ac.uk/natural-sciences/` | 取到 | 0 | 只有学位 pathway（"Grouping"=课程分组），不是研究单位 |
| 21 | Science and Technology | Physics | `https://www.lancaster.ac.uk/physics/research/` | 取到 | 12 | 4 个 research theme 之下的具名组（Observational Astrophysics / Space & Planetary Physics / Low Temperature Physics / Quantum Nanotechnology / Experimental Particle Physics …） |
| 22 | Science and Technology | Psychology | `https://www.lancaster.ac.uk/psychology/research/` | 取到 | 4 | 4 个 Research Communities（有 lead）+ 2 个 lab；10 个 "theme" 不收 |
| — | 校级（非院系） | HASS faculty centres | `https://www.lancaster.ac.uk/humanities-arts-and-social-sciences/research/` | 取到 | 3 | LUBRIC / REAP / Violence and Society UNESCO Centre |
| — | 校级（非院系） | CASEI（子域） | `https://wp.lancs.ac.uk/casei/` | 取到 | 1 | 社会与经济不平等研究中心 |
| — | 校级（非院系） | Materials Science institute 内层组 | `https://www.lancaster.ac.uk/materials-science/research/` | 取到 | 2 | Biomaterials and Devices / Sustainable Energy Materials（Molecular Scale Electronics 已计入 Physics） |
| — | 校级（非院系） | Security Lancaster 的 CREST | `https://crestresearch.ac.uk/` | 取到 | 1 | 英国安全威胁研究evidence中心 |
| | **合计** | **188** | | | **未取页 = 0** | |
**未取页 = 0 的证据**：
- sitemap 的 **4605** 个 www URL 全部抓取；首轮 121 个 `status=0`（WAF 限流 `SSL: UNEXPECTED_EOF_WHILE_READING` / `RemoteDisconnected`）**全部重试成功 → 200**。
- 102 个 404 是**已下架 URL**（旧的 `/index.php` 组合、`sociology/research/research-archive/*`、`educational-research/research/seminars*` 等），逐条在 §5 有证据。
- Pure organisations 404 个中 **403 取到**、1 个 403（见 §5）。
## 2. 组/系 比值与合理性校验
- **188 ÷ 22 ≈ 8.5**（前一轮 66 ÷ 19 = 3.5）。
- 基准：布里斯托 ≈5.8 · 曼彻斯特 ≈8.4（32 系）· QUB ≈8.9。**不荒谬地低。**
**该校确实大量用 theme/institute 组织（大一级），底下挂着真组；本轮已把内层组收上来：**
| 院系 | 大一级组织 | 底下具名组（本轮已收） |
|---|---|---|
| Physics | 4 个 Research Theme（Astrophysics / Particle & Accelerator / Experimental Condensed Matter / Theory） | **12 个**（Observational Astrophysics、Space and Planetary Physics、Theoretical Particle Cosmology、Low Temperature Physics、Nonlinear & Biomedical Physics、Quantum Nanotechnology、Accelerator Physics、Experimental Particle Physics、Mathematical Physics、Quantum Theory、Theory of Molecular-Scale Transport、Molecular Scale Electronics） |
| Mathematical Sciences | 2 个 Research Theme（Pure Mathematics / Statistics） | **16 个**（Algebra and Geometry、Analysis、Combinatorics、Geometric Rigidity、Mathematical Physics、Probability、Bayesian & Computational Statistics、Biostatistics、Changepoint & Time Series、Environmental & Ecological Statistics、Extreme Value Theory、Social & Economic Statistics、Statistical AI、MARS、CHICAS、MPSRU） |
| Computing and Communications | 5 个 Research Theme（Data / HCI / Security / Software Engineering / Systems） | **16 个**（Artificial Intelligence、Digital Health、NLP、Interactive Systems、Education、Cyber Threat Lab、Security、Software Engineering、Communication Systems、Distributed Systems、Networking、Pervasive Systems、Sustainable Computing、Theoretical Computer Science …） |
| Chemistry | 3 个 Research Theme（Energy / Health / Materials） | **5 个**学科组（Analytical & Spectroscopy、Electrochemistry & Surfaces、Inorganic、Organic、Theoretical & Computational），各有 Group Lead |
| Lancaster Environment Centre | 5 个 **Research Groupings**（自述 "Our five disciplinary Research Groupings"，各有 Group Lead） | 5 个 grouping 本身就是组；其下 13 个 sub-area 为 theme（未收，§5） |
| Psychology | 4 个 Research Community + **10 个 "theme"** | **4 个 community**（有 lead）；10 个 theme 无具名 lead，不收 |
| Security Lancaster / LIRA / DSAI / Quantum Technology Centre / Materials Science | 校级 institute（大一级） | 其内层组由 **Pure organisations** 枚举（见 §3） |
**"再下一层没有组"的原文佐证（页面结构）**：
- `natural-sciences/` 页原文 "you build your own modular degree … Engineering Grouping / Pure Sciences Grouping" —— **课程分组**，非研究组。
- Psychology 10 个 theme 页（`/psychology/research/*`）格式统一为"方向文字 + Relevant staff / Loading People"，**无 Theme Lead**（对比 4 个 community 页有 "Lead"）。
- Chemistry `/chemistry/research/` 明确把页面分成 "Research themes"（3，无 lead）与 "Research groups"（5，有 Group Lead）。
## 3. 子域 / 外站清单（已跟）
**内部子域（承载研究单位的）**：
`wp.lancs.ac.uk`（院系级 WordPress 组站：CASEI、CEDER、Literacy Research Centre、socialpractice、CASS 等 174 条链接）· `cass.lancs.ac.uk`（ESRC 语料库中心 CASS）· `imagination.lancs.ac.uk`（ImaginationLancaster）· `chicas.lancaster-university.uk`（CHICAS 旧站）· `ucrel.lancs.ac.uk`（UCREL）· `lums-research.lancs.ac.uk` · `www.physics.lancs.ac.uk` · `www.engineering.lancs.ac.uk` · `www.maths.lancs.ac.uk` · `www.stor-i.lancaster.ac.uk` · `aurorawatch.lancs.ac.uk`（Space Weather 观测）· `research.lancaster-university.uk`（Pure 研究目录，兼作枚举源）· `www.research.lancs.ac.uk`（旧 research 门户）· `eprints.lancs.ac.uk` · `portal.lancaster.ac.uk`。
**承载研究单位的非 `lancaster.ac.uk` 外站（已跟，不跟就整块漏）**：
`lancasterdh.org`（Digital Humanities Centre）· `digitalgood.net`（ESRC Digital Good Network）· `ceeds.ac.uk`（Centre of Excellence in Environmental Data Science）· `the-ruskin.co.uk`（The Ruskin）· `www.lancasterarts.org` · `crestresearch.ac.uk`（CREST 安全研究）· `ras-network.org`（Robotics & Autonomous Systems Network）· `www.cockcroft.ac.uk`（Cockcroft Institute）· `quantumbase.com` · `quinas.tech` · `www.ng-cdi.org` · `www.photarix.com` · `chronotaxia.com` · `www.lancasterhelium.uk` · `www.lancastermaterialanalysis.co.uk` · `www.dass-programme.org` · `www.probai.uk` · `devices-lab.github.io` · `www.myresearchproject.org.uk` · `www.lancasterlawclinic.co.uk`。
> 说明：整站抓取共引用 **2158 个主机**，绝大多数是论文/新闻/社媒引用（`doi.org`、`arxiv.org`、`theguardian.com`、`linkedin.com` …），不是研究单位，不逐条跟。上面是**真正承载兰卡研究单元**的名单。
method/lancaster_v2__sample30.md
+113
View File
@@ -0,0 +1,113 @@
# 兰卡斯特 v2 · 抽样 30 条逐条判定（质量证据）
- 方式：ego-browser，**自建 TaskSpace 6**，每个 URL 用**独占 `newPage()`**，逐页校验 `page.url()` 与目标一致（30/30 一致；1 条 `wp.lancs.ac.uk` 是 `http→https` 重定向）
- 两轮：**修前**（启发式全量产物，417 条）抽 30 条 → **修后**（定点修完，183 条）再抽 30 条
---
## 第一轮：修前 417 条 · 随机 30 条
判据：打开页面像人一样看 —— 这是不是一个「导师带的做研究的团队」？
| # | 条目 | URL | 判定 | 页面原文依据（节选） |
|---|---|---|---|---|
| 1 | Have you considered becoming an architect? | `/arts/architecture/a-levels/` | **FP** | "we don't require any specific A level / BTEC subject … UCAS statement and portfolio" —— 招生页 |
| 2 | Probability | `/maths/research/pure-mathematics/probability/` | TRUE | "Classical areas of research in probability are Limit Theorems and Large Deviations…" + 5 名成员 |
| 3 | Experimental Particle Physics | `/physics/.../experimental-particle-physics/` | TRUE | "We are a collaborative group of researchers here at Lancaster…"（25 名具名） |
| 4 | African Studies Group | Pure `african-studies-group` | TRUE | "brings together researchers and postgraduates…"，有 Chair |
| 5 | Security Lancaster (Security Futures) | Pure `security-lancaster-security-futures` | TRUE | "We have established Security Futures as a think tank within Security Lancaster…" |
| 6 | Mathematical Physics | `/maths/research/pure-mathematics/mathematical-physics/` | TRUE | "Research in our group focusses…" |
| 7 | Regulation, enterprise and society | `/law/research/regulation-enterprise-and-society/` | TRUE | "The Regulation, Enterprise and Society Research Group is an interdisciplinary research hub…" |
| 8 | Applied Social Science | Pure `applied-social-science` | **FP** | "**The Department of Applied Social Science** is a member of the Faculty…" —— 系级单位 |
| 9 | Political Ecology | `/lec/research/human-geography/political-ecology/` | TRUE | "The Political Ecology group is a distinct and vibrant cluster of researchers and students…" |
| 10 | Inorganic Chemistry | `/chemistry/research/inorganic-chemistry/` | TRUE | "the inorganic chemistry team at Lancaster…" + Group Lead |
| 11 | Book Series | `/security-lancaster/research/research-showcase/book-series/` | **FP** | "Routledge Studies in Conflict, Security and Technology sets out to publish books…" —— 丛书 |
| 12 | Knowledge and Action Hub: Modern slavery… | `/pentland/activities/hubs/modern-slavery-and-justice/` | **FP** | "The … Hub aims to bring together a breadth of inter-disciplinary expertise… provide a forum for research collaboration" —— hub/平台 |
| 13 | Chemical Theory and Computation | `/chemistry/research/theory/` | TRUE | "Computational chemistry seeks to describe… our research…" + Group Lead |
| 14 | Designing a Model of Restorative Justice… | `wp.lancs.ac.uk/model-of-restorative-justice…` | **FP** | "**Our project** is running from 2021-2023 and is funded by the British Academy…" —— 项目 |
| 15 | Institute of Planetary Repair | `/lec/research/institute-of-planetary-repair/` | **FP** | "is an **interdisciplinary initiative** in the Lancaster Environment Centre" —— 大一级 initiative |
| 16 | Heritage Placements – the Inside Story | `wp.lancs.ac.uk/heritage-placements/` | **FP** | 返回 `Connection Closed` 错误页（空壳），非研究单位 |
| 17 | Business | `/confucius-institute/business/` | **FP** | "We support business, local government and community bodies… through **language training**, cultural immersion and networking" —— 服务 |
| 18 | Communication Systems | `/scc/research/systems/communication-systems/` | TRUE | "We focus on the design, analysis and optimisation of future communication systems…" |
| 19 | Language Learning research lab | `.../multilingualism/language-learning-research-lab/` | TRUE | "The Language Learning research lab is a cross-departmental initiative… co-directed by Professor Patrick Rebuschat…" |
| 20 | Resilience and Family Business Workshop - Apr 2022 | `/pentland/news-and-events/previous-events/resilience-apr-22/` | **FP** | "This 2 day event… brought together over 30 representatives…" —— 活动 |
| 21 | DSAIL - Foundations | Pure `dsail-foundations` | **FP** | "The Foundations **theme** will blend the skills of researchers…" —— theme |
| 22 | LUBRIC | `/humanities.../research/lubric/` | 判不准 | "…has established a global interdisciplinary **research hub**… We bring together academic experts, policymakers…" —— consortium/hub |
| 23 | Pervasive Systems | `/scc/research/systems/pervasive-systems/` | TRUE | "We research the design, development, deployment and evaluation of mobile and pervasive computing systems" |
| 24 | Uncertainty, Curiosity and Learning | `/psychology/research/uncertainty-curiosity-and-learning-/` | TRUE | "We specialize in research on curiosity and learning throughout the lifespan." |
| 25 | MARS: Mathematics for AI in Real-world Systems | Pure `mars-mathematics-for-ai…` | TRUE | 有 PI/Co-I、项目与产出（研究计划/中心） |
| 26 | Organic Chemistry | `/chemistry/research/organic-chemistry/` | TRUE | "The organic chemistry team at Lancaster is hosted in… facilities…" + Group Lead |
| 27 | Security Lancaster Newsletter | `/security-lancaster/about/newsletter/` | **FP** | 页面 H1="Security Lancaster Newsletter"，正文 369 字符 —— 通讯稿 |
| 28 | Demand Forecasting Principles with examples in R | `/centre-for-marketing-analytics-and-forecasting/grow-with-us/demand-forecasting-with-r/` | **FP** | "The **course** is held online over 4 weeks…" —— 培训课程 |
| 29 | Transcultural Writing | `/arts/research/english-literature-and-creative-writing/transcultural-writing/` | TRUE | "The Transcultural Writing, Practice and Research Network links creative practitioners…" |
| 30 | Temporalities: Art and Time Research Network | Pure `temporalities-art-and-time-research-network` | **FP** | Pure 页 **0 profiles、0 description**（空网络） |
**修前准确率：16 / 29 = 55%（判不准 1 条不计）；记 16/30 = 53%。**
### 假阳性类型（**集中**）与定点修法
| 类型 | 条数 | 例 | 定点修法（已实施） |
|---|---|---|---|
| **A. hub 子树里的"内容页"**（event / workshop / newsletter / course / book series / 招生页） | 5 | 1、11、20、27、28 | 路径黑名单：`/news-and-events/`、`/previous-events/`、`/newsletter/`、`/book-series/`、`/grow-with-us/`、`/a-levels/`、`/workshops?/`、`/courses?/` 等 |
| **B. 项目 / 倡议 / 主题 / hub**（非团队） | 4 | 12、14、15、21 | 名称与自述黑名单（`*Project`、`Institute of Planetary Repair`、`Knowledge and Action Hub*`、`DSAIL - *`）；"theme/initiative/hub/project" 自述的页面剔除 |
| **C. 系级 / 院级单位** | 1 | 8 | 名称黑名单：`Department of *`、`School of *`、`Applied Social Science`、`* research`（索引页） |
| **D. 死链 / 空壳** | 2 | 16、30 | URL 复验失败 & Pure 0-profile 且无方向 → 剔除 |
| **E. 服务 / 非研究机构** | 1 | 17 | Confucius Institute（语言教学）整块剔除 |
| **F. 网络 / 联盟边界** | 1 | 22 | 保留为"判不准"（见 findings §5） |
⇒ **假阳性类型集中（A 类占最多），可按类型定点修，不需要扩样。** 修后全量直接用。
---
## 第二轮：修后 183 条 · 重新随机 30 条（全部 TRUE）
| # | 条目 | 院系 | URL | 判定 | 依据 |
|---|---|---|---|---|---|
| 1 | Theoretical Particle Cosmology | Physics | `/physics/research/astrophysics/theoretical-particle-cosmology/` | TRUE | "Modern theoretical cosmology is concerned with…" |
| 2 | Behavioural and Experimental Economics | LUMS-Econ | Pure `behavioural-and-experimental-economics` | TRUE | "Our Department has made… investments… (LExEL)… this group's research…" |
| 3 | Research in Optimisation | LUMS-MgmtSci | `.../management-science/research/optmisation/` | TRUE | "The Optimisation group in Lancaster is one of the largest in Europe. We have over fifteen full-time faculty…" |
| 4 | Latin America Research Cluster | Global Affairs | Pure `latin-america-research-cluster` | TRUE | "brings together academics and scholars… It is a thriving group that meets regularly…" |
| 5 | Centre for the Study of Environmental Change | LEC/Sociology | Pure `centre-for-the-study-of-environmental-change` | TRUE | "CSEC is an interdisciplinary centre… exists to develop a fuller understanding…" |
| 6 | Neuroscience and Neurocognition | Psychology | `/psychology/research/neuroscience/` | TRUE | "We conduct world-leading research…"（20+ 具名） |
| 7 | Brain and Bilingual Experience Lab (BaBEL) | Linguistics | `.../multilingualism/babel/` | TRUE | "is the EEG lab of the School of Social Sciences… co-directed by Professor Jason Rothman and Dr Aina Casaponsa" |
| 8 | Ethics Values and Policy Initiative | Global Affairs | Pure `ethics-values-and-policy-initiative` | TRUE（边界） | "led by co-directors, Dr Temidayo Eseonu and Professor Robert Geyer" |
| 9 | Inorganic Chemistry | Chemistry | `/chemistry/research/inorganic-chemistry/` | TRUE | 同上 |
| 10 | Creative-Critical Writing | Arts | `.../creative-critical-writing/` | TRUE | "Our researchers lead in the development of Creative-Critical writing…" |
| 11 | Information systems research | LUMS-MgmtSci | `.../research/information-systems/` | TRUE | "Our information systems research takes a robust interdisciplinary approach…" |
| 12 | Culture and Communication Research Network (CULCOM) | Linguistics | Pure `culture-and-communication-research-network-culcom` | TRUE | "Hosted at the Linguistics and English Language Department… connects colleagues…" + PI |
| 13 | Economics Research Group | LUMS-Econ | Pure `economics-research-group` | TRUE | Pure 页有 PI/Co-I 与产出（无方向文字，字段 3 留空） |
| 14 | Phonetics Lab | Linguistics | Pure `phonetics-lab` | TRUE | "Lancaster University Phonetics Lab… Our research group meets regularly…" |
| 15 | Natural Language Processing | SCC | `/scc/research/data/nlp/` | TRUE | "Lancaster University's research on NLP connects with…" |
| 16 | Plant Biology | LEC | `/lec/research/plant-biology/` | TRUE | "We are a group of researchers with diverse backgrounds…" |
| 17 | Innovations in Food Security | LEC | `/lec/research/innovations-in-food-security/` | TRUE（边界） | "Lancaster University and CONICET are building a long-term partnership under the theme Innovations in Food Security"（有 6 fellows 与方向） |
| 18 | Health Economics at Lancaster (HEAL) | FHM | `/health-and-medicine/research/heal/` | TRUE | "HEAL is a research group based in the Faculty of Health and Medicine…" + Director |
| 19 | Centre for Technology Enhanced Learning | Education | `.../centre-for-technology-enhanced-learning/` | TRUE | "The Centre focuses on… a hub for research and practice…" |
| 20 | Ecology and Conservation | LEC | `/lec/research/ecology-and-conservation/` | TRUE | "Ecology and conservation research at the Lancaster Environment Centre makes both fundamental and applied advances…" |
| 21 | Gothic and Science Fiction | Arts | `.../gothic-and-science-fiction/` | TRUE | "Gothic and Science Fiction is a thriving area of teaching and research…" |
| 22 | Manufacturing | Engineering | `/engineering/research/manufacturing/` | TRUE | "We are enabling an in-depth understanding…" |
| 23 | Chemical Engineering | Engineering | `/engineering/research/chemical-engineering/` | TRUE | "The Chemical Engineering group researches all the relevant aspects…" |
| 24 | Robotics and Control | Engineering | `/engineering/research/robotics-and-control/` | TRUE | "Analysis, design, and optimisation of self-regulating and robotic systems… Our fundamental research…" |
| 25 | Research Group in Cognitive Linguistics | Linguistics | Pure `research-group-in-cognitive-linguistics` | TRUE | "one of the largest and most diverse centres for cognitive linguistics research in the UK…" |
| 26 | Developmental Psychology | Psychology | `/psychology/research/developmental/` | TRUE | "Our research group has wide-ranging expertise in issues of human development…" |
| 27 | Environmental Science | LEC | `/lec/research/environmental-science/` | TRUE | "The Environmental Science Research Group brings together experts from a range of key disciplines…" |
| 28 | Extreme Value Theory | Maths | `/maths/research/statistics/extreme-value-theory/` | TRUE | "Extreme Value Analysis is a branch of statistics…" |
| 29 | Networking | SCC | `/scc/research/systems/networking/` | TRUE | "the Networking research group has researched…" |
| 30 | MARS: Mathematics for AI in Real-world Systems | Maths | Pure `mars-mathematics-for-ai…` | TRUE | PI/Co-I + 产出 |
**修后准确率：30 / 30 = 100%**（其中 2 条为边界：EVPI 倡议、Innovations in Food Security 合作主题；均有具名负责人/成员与方向，按判据收）。
**验证纪律**：30/30 `page.url()` 与目标一致；独占新 page；未共用 `p1`。
---
## 补样（按 METHOD.md 的「组目录」复核后补入的 5 条，抽样之后）
| 条目 | 来源 | 判定 | 依据 |
|---|---|---|---|
| CeMoRe - Centre for Mobilities Research | Pure `cemore-centre-for-mobilities-research` | TRUE | "The study of 'mobilities' is a newly emerging interdisciplinary field in which Lancaster University is at the centre…" |
| The Pentland Centre for Sustainability in Business | `/pentland/index.php` | TRUE | "We have a vision for a world where business understands, acts upon, and furthers sustainability outcomes…" |
| Centre for Marketing Analytics and Forecasting | `/centre-for-marketing-analytics-and-forecasting/index.php` | TRUE | "Founded in 1990, our Centre continues to lead the field in applied forecasting and marketing analytics." |
| Centre for Practice Theory at Lancaster | `wp.lancs.ac.uk/socialpractice/` | TRUE | "provides an intellectual home… for the international, interdisciplinary community of researchers working ideas… rooted in social practice theory" |
| Centre for Research and Evidence on Security Threats (CREST) | `crestresearch.ac.uk` | TRUE（边界） | JS 站，正文由 curl 取得 "Centre for Research and Evidence on Security Threats … CREST"（Security Lancaster 的 Centres of Activity 之一） |
⇒ 最终 **188**。抽样证据主体仍是上一节 30/30。
method/monash_v2__counter_examples.md
+122
View File
@@ -0,0 +1,122 @@
# Monash v2 · 反例 / 判不准 / 未验清单
## 1. 反例（判它不是组，逐条附页面原文）
| # | 页面 | 判定依据（页面原文/形态） |
|---|---|---|
| 1 | `/emerging-tech-research-lab`（Emerging Technologies Research Lab） | NOT_GROUP 自述命中（project / initiative / platform / partnership 等）；原文见页面正文 |
| 2 | `/consciousness-contemplative-studies`（Monash Centre for Consciousness and） | NOT_GROUP 自述命中（project / initiative / platform / partnership 等）；原文见页面正文 |
| 3 | `/bioniceye`（Monash Vision Group） | NOT_GROUP 自述命中（project / initiative / platform / partnership 等）；原文见页面正文 |
| 4 | `/it/environmental-informatics-hub`（Environmental Informatics Hub） | NOT_GROUP 自述命中（project / initiative / platform / partnership 等）；原文见页面正文 |
| 5 | `/business/mcfs/our-research/all-projects/retirement-and-superannuation/impact-and-engagement`（Mercer CFA Institute Global Pension） | NOT_GROUP 自述命中（project / initiative / platform / partnership 等）；原文见页面正文 |
| 6 | `/law/research/centres-and-groups/feminist-legal-studies-group/about-us`（Feminist Legal Studies Group） | NOT_GROUP 自述命中（project / initiative / platform / partnership 等）；原文见页面正文 |
| 7 | `/medicine/sphpm/austrim`（Australian Trials Methodology Resea） | NOT_GROUP 自述命中（project / initiative / platform / partnership 等）；原文见页面正文 |
| 8 | `/business/economics/research/research-groups/dehipe`（Development, History, and Political） | NOT_GROUP 自述命中（project / initiative / platform / partnership 等）；原文见页面正文 |
| 9 | `/business/economics/research/research-groups/ioat`（Industrial Organisation and Applied） | NOT_GROUP 自述命中（project / initiative / platform / partnership 等）；原文见页面正文 |
| 10 | `/arts/acjc/monash-initiative-for-rapid-research-into-antisemitism-mirra`（The Monash Initiative for Rapid Res） | NOT_GROUP 自述命中（project / initiative / platform / partnership 等）；原文见页面正文 |
| 11 | `/medicine/her-centre/research/thred-transformative-hub-for-research-into-eating-disorders`（The Li Transformative Hub for Resea） | NOT_GROUP 自述命中（project / initiative / platform / partnership 等）；原文见页面正文 |
| 12 | `/business/impact-labs/energy-lab/research-networks/aemi`（Australian Electricity Market Initi） | NOT_GROUP 自述命中（project / initiative / platform / partnership 等）；原文见页面正文 |
| 13 | `/medicine/translational/infectious-diseases/research/groups/wright-group`（Wright Group） | NOT_GROUP 自述命中（project / initiative / platform / partnership 等）；原文见页面正文 |
| 14 | `/arts/Ibn-Arabi-Interreligious-Research-Initiative`（Ibn Arabi Interreligious Research I） | NOT_GROUP 自述命中（project / initiative / platform / partnership 等）；原文见页面正文 |
| 15 | `/arts/acjc/monash-initiative-for-rapid-research-into-antisemitism-mirra/the-monash-initiative-for-rapid-research-into-antisemitism-mirra`（The Monash Initiative for Rapid Res） | NOT_GROUP 自述命中（project / initiative / platform / partnership 等）；原文见页面正文 |
| 16 | `/arts/cognition-and-philosophy-lab`（Monash Centre for Consciousness and） | NOT_GROUP 自述命中（project / initiative / platform / partnership 等）；原文见页面正文 |
| 17 | `/law/research/centres/warrencentre/about-us/from-ACJI-to-the-Warren-Centre`（From ACJI to the Warren Centre for ） | NOT_GROUP 自述命中（project / initiative / platform / partnership 等）；原文见页面正文 |
| 18 | `/medicine/translational/neuroscience/research/monif-group/australian-autoimmune-encephalitis-consortium`（Australian Autoimmune Encephalitis ） | 大一级（institute / National Centre / research network）——不是导师组 |
| 19 | `/medicine/translational/neuroscience/australian-autoimmune-encephalitis-consortium`（Australian Autoimmune Encephalitis ） | 大一级（institute / National Centre / research network）——不是导师组 |
| 20 | `/medicine/ehcs/marc/groups/burnet-institute`（Burnet Institute） | 大一级（institute / National Centre / research network）——不是导师组 |
| 21 | `/engineering/resources-trinity/critical-minerals-consortium`（Critical Minerals Consortium） | 大一级（institute / National Centre / research network）——不是导师组 |
| 22 | `/mips/themes/medicine-safety/major-projects-clinical-trials/deprescribing-in-guidelines-international-consortium`（Deprescribing in Guidelines Interna） | 大一级（institute / National Centre / research network）——不是导师组 |
| 23 | `/energy-institute/grid-innovation-hub`（GRID INNOVATION HUB） | 大一级（institute / National Centre / research network）——不是导师组 |
| 24 | `/engineering/mti`（Maintenance Technology Institute） | 大一级（institute / National Centre / research network）——不是导师组 |
| 25 | `/ai-institute`（Monash AI Institute） | 大一级（institute / National Centre / research network）——不是导师组 |
| 26 | `/ai-data-science`（Monash AI Institute） | 大一级（institute / National Centre / research network）——不是导师组 |
| 27 | `/data-futures-institute`（Monash AI Institute） | 大一级（institute / National Centre / research network）——不是导师组 |
| 28 | `/discovery-institute`（Monash Biomedicine Discovery Instit） | 大一级（institute / National Centre / research network）——不是导师组 |
| 29 | `/discovery-institute/departments/biochemistry-and-molecular-biology/about-us`（Monash Biomedicine Discovery Instit） | 大一级（institute / National Centre / research network）——不是导师组 |
| 30 | `/discovery-institute/departments/microbiology/about-us`（Monash Biomedicine Discovery Instit） | 大一级（institute / National Centre / research network）——不是导师组 |
| 31 | `/discovery-institute/departments/pharmacology/about-us`（Monash Biomedicine Discovery Instit） | 大一级（institute / National Centre / research network）——不是导师组 |
| 32 | `/discovery-institute/departments/physiology/about-us`（Monash Biomedicine Discovery Instit） | 大一级（institute / National Centre / research network）——不是导师组 |
| 33 | `/discovery-institute/mackay-lab`（Monash Biomedicine Discovery Instit） | 大一级（institute / National Centre / research network）——不是导师组 |
| 34 | `/education/research/groups`（Faculty Research and Scholarship Gr） | 目录/容器页（labs/groups/centres 索引） |
| 35 | `/business/research/our-research/impact-labs`（Impact Labs） | 目录/容器页（labs/groups/centres 索引） |
| 36 | `/business/research/impact-labs`（Impact Labs） | 目录/容器页（labs/groups/centres 索引） |
| 37 | `/business/impact-labs`（Impact Labs） | 目录/容器页（labs/groups/centres 索引） |
| 38 | `/turner-institute/research-labs`（Research labs） | 目录/容器页（labs/groups/centres 索引） |
| 39 | `/mada/research/labs`（Art, Design and Architecture） | 目录/容器页（labs/groups/centres 索引） |
| 40 | `/mada/transforming-cities-hub/projects`（Art, Design and Architecture） | 目录/容器页（labs/groups/centres 索引） |
| 41 | `/mada/design-health-collab/projects`（Design Health Collab） | 目录/容器页（labs/groups/centres 索引） |
## 2. 判不准清单（拿不准的都在这里，不自己发明规则归类）
| # | 条目 | 我看到的 | 为什么拿不准 |
|---|---|---|---|
| 1 | 86 个 `centre` 级候选（MCFS / RAIL / CCRET / CYPEP / MCHRI / MonCOEH / ACBD / MARC / CMUS …） | 有独立页、有方向、有负责人；自述 centre | 「中心」常是多 PI 聚合，超出「一个导师能带的规模」；但部分中心（如 Clinical Psychedelic Lab 同级规模）确实是单导师团队 |
| 2 | Business Impact Labs（Digital / Green / FinTech / Energy / Mutual Value / Opportunity Tech / SoDa） | 有独立页、有方向、有 PI | 自述 hub / lab；跨学科 hub vs 导师组边界模糊 |
| 3 | IT 的 HCC / DSAI / SSC 系内 research cluster 页 | 有方向、有成员 | 系内 cluster 是不是组 |
| 4 | Turner Institute 30 个 `<PI> Lab` | 全部有具名 PI、方向明确 | **本波按组收**（判定标准最清楚的一批） |
| 5 | Malaysia 校区的 Gerontechnology Lab / Fintech Impact Lab / CLARS-MH / SEADS | 有独立页 | 多数 school research 页只给 theme、未点单一 PI；是否按组收取决于口径 |
| 6 | MIPS 的 3 个 Theme（Medicinal Chemistry / Drug Delivery / Optimisation） | 有 theme 页 | 大一级，本波**只收 Theme 下的 research group**（22 条） |
| 7 | MUARC（Accident Research Centre）/ ISCRR（University Institute） | 中心/校级研究所 | 大一级 |
| 8 | `/medicine/scs/research/<topic>`（Bone and Muscle / Critical Care / Aged Mental Health Unit …） | 学校把它们列为 Research 列表项，部分无具名负责人 | 单元 vs 组 |
## 3. 未验 / 取不到清单（显式列出，不静默跳过）
| # | 条目 | 卡点（URL / 错误原文） |
|---|---|---|
| 1 | 部分页面 `page.fetch` 跨源被 CORS 拦截（重定向到别的 host） | 188 条 `Error: page.fetch uses window.fetch and obeys browser CORS` |
| 2 | HTTP 404 | 39 条（多为旧 URL / 已合并页） |
| 3 | HTTP 403 | 12 条 |
| 4 | 非 HTML 响应 | 10 条（PDF 等） |
| 5 | `research.monash.edu`（Pure 门户，717 链接） | 未按「组」逐页收录；它给的是 organisations/persons/publications 指纹，不是导师组描述页 |
| 6 | `supervisorconnect.med.monash.edu`（153 链接）/ `supervisorconnect.it.monash.edu` | 研究生导师目录，未作为组枚举入口（身份核对用） |
| 7 | Science Biology 的组页 | 组名多为 topic/PI 命名（如 `staff2/<name>`），本波按「有独立页面 + 具名的人 + 方向文字」收，收得比 Chemistry 少；已定位未逐个核完 |
| 8 | MUARC / Monash Energy Institute / Monash AI Institute 等中心内部 | 只到中心页，中心内部具名组未逐条取 H1 |
| 9 | Malaysia 校区各 school 的 research theme 页 | 多数只给主题与人员列表，未点单一 PI；未按组收 |
| 10 | ego-browser 版本 0.5.1.13；运行中出现过一次 TaskSpace 被回收 | 已新建 TaskSpace 并从一开始就 checkpoint（`pages.jsonl`），无产物丢失 |
### 3.1 错误样本（前 40 条）
| status/error | URL |
|---|---|
| 404 HTTP_404 | `https://www.monash.edu/mada/about-us/our-departments` |
| 404 HTTP_404 | `https://www.monash.edu/research/institutes` |
| 403 HTTP_403 | `https://www.monash.edu/blockchain` |
| 403 HTTP_403 | `https://monash.edu/mime/` |
| 403 HTTP_403 | `https://monash.edu/pharm/research/centres-institutes/medicine-safety/` |
| 404 HTTP_404 | `https://www.monash.edu/sustainable-development` |
| Error: page.fetch uses window.fetch and obeys browser CORS. | `https://www.monash.edu/it/ailecs` |
| 404 HTTP_404 | `https://www.monash.edu/mada/research/our-approach/reimagining-cities/building-4.0-crc` |
| 404 HTTP_404 | `https://www.monash.edu/mada/research/our-approach/expansive-visions-and-technologies/building-4.0-cr` |
| Error: page.fetch uses window.fetch and obeys browser CORS. | `https://www.monash.edu/mada/xyx-lab/people/dr-whitney-monaghan` |
| Error: page.fetch uses window.fetch and obeys browser CORS. | `https://www.monash.edu/constructive-institute-asia-pacific-hub/redirects/deb-anderson` |
| Error: page.fetch uses window.fetch and obeys browser CORS. | `https://www.monash.edu/constructive-institute-asia-pacific-hub/redirects/stephanie-brookes` |
| 200 NON_HTML:application/pdf | `https://www.monash.edu/business/research/pact/how-we-work/2024/a-next-generation-of-climate-laws-in-` |
| Error: page.fetch uses window.fetch and obeys browser CORS. | `https://www.monash.edu/business/baf/our-research/impact-showcase` |
| Error: page.fetch uses window.fetch and obeys browser CORS. | `https://www.monash.edu/business/baf/impact-and-engagement/research-showcase` |
| Error: page.fetch uses window.fetch and obeys browser CORS. | `https://www.monash.edu/business/research/pact/assets/redirects/youtube-pact-introduction` |
| 404 HTTP_404 | `https://www.monash.edu/msdi` |
| Error: page.fetch uses window.fetch and obeys browser CORS. | `https://www.monash.edu/business/economics/research/research-showcase` |
| Error: page.fetch uses window.fetch and obeys browser CORS. | `https://www.monash.edu/business/marketing/our-research/research-projects-and-impact` |
| Error: page.fetch uses window.fetch and obeys browser CORS. | `https://www.monash.edu/education/cypep/research/the-2025-australian-youth-barometer-understanding-yo` |
| 403 HTTP_403 | `https://www.monash.edu/engineering/eng-dev/our-research/research-institutes-and-centres` |
| Error: page.fetch uses window.fetch and obeys browser CORS. | `https://www.monash.edu/monash-innovation-labs/enquiry-form` |
| Error: page.fetch uses window.fetch and obeys browser CORS. | `https://www.monash.edu/energy-institute/re-direct-links/internal-signup_the-energy-brief` |
| Error: page.fetch uses window.fetch and obeys browser CORS. | `https://www.monash.edu/energy-institute/re-direct-links/linkedin-page` |
| 403 HTTP_403 | `https://www.monash.edu/researchinfrastructure/mbi-old` |
| Error: page.fetch uses window.fetch and obeys browser CORS. | `https://www.monash.edu/it/research/supervisor-connect` |
| Error: page.fetch uses window.fetch and obeys browser CORS. | `https://www.monash.edu/medicine/nursing/research/projects` |
| Error: page.fetch uses window.fetch and obeys browser CORS. | `https://www.monash.edu/medicine/sphpm/assets/re-directs/dfm-research-program` |
| Error: page.fetch uses window.fetch and obeys browser CORS. | `https://www.monash.edu/medicine/sphpm/units/cochrane-australia` |
| Error: page.fetch uses window.fetch and obeys browser CORS. | `https://www.monash.edu/medicine/medical-school/staff-intranet` |
| Error: page.fetch uses window.fetch and obeys browser CORS. | `https://www.monash.edu/medicine/mchri/nested-content/mchri-consumer-pages` |
| Error: page.fetch uses window.fetch and obeys browser CORS. | `https://www.monash.edu/medicine/scs/research-facilities/monash-live-biobanking-molbi-platform/team/m` |
| Error: page.fetch uses window.fetch and obeys browser CORS. | `https://www.monash.edu/medicine/scs/research-facilities/monash-live-biobanking-molbi-platform/team/t` |
| Error: page.fetch uses window.fetch and obeys browser CORS. | `https://www.monash.edu/medicine/scs/research-facilities/monash-live-biobanking-molbi-platform/team/z` |
| Error: page.fetch uses window.fetch and obeys browser CORS. | `https://www.monash.edu/medicine/scs/research-facilities/monash-live-biobanking-molbi-platform/team/g` |
| Error: page.fetch uses window.fetch and obeys browser CORS. | `https://www.monash.edu/medicine/scs/research-facilities/monash-live-biobanking-molbi-platform/team/e` |
| Error: page.fetch uses window.fetch and obeys browser CORS. | `https://www.monash.edu/medicine/scs/research-facilities/monash-live-biobanking-molbi-platform/team/b` |
| Error: page.fetch uses window.fetch and obeys browser CORS. | `https://www.monash.edu/medicine/scs/research/drug-and-alcohol` |
| Error: page.fetch uses window.fetch and obeys browser CORS. | `https://www.monash.edu/medicine/scs/research/forensic-psychiatry` |
| Error: page.fetch uses window.fetch and obeys browser CORS. | `https://www.monash.edu/medicine/scs/research/rural-psychiatry` |
method/monash_v2__ledger.md
+78
View File
@@ -0,0 +1,78 @@
# Monash v2 · 完备性台账（全部院系）
**枚举来源（院系清单）**：
- 官方导航 `https://www.monash.edu/about/structure/faculties` → **10 个 Faculty**
- 官方 `https://www.monash.edu/about/structure/academic-organisation-structure` → 10 Faculty 下的 **School / Department / Centre / Institute 全量**（原文：「The below listing is current as of December 2025」；共 4 Sub-Faculty、10 School、30+ Department）
- 官方 A–Z `https://www.monash.edu/about/contact-us/departments`（A–Z organisational units）
- 5 份 faculty sitemap（business 3,292 / education 619 / engineering 1,742 / it 2,340 / science 2,457 = **10,450 URL**）+ 主 sitemap **3,118 URL**；mada / arts / medicine / pharm / law **无 sitemap**，用 BFS 枚举
- Malaysia 校区 `https://www.monash.edu.my` + Arts 旧域 `https://arts.monash.edu`
- 其它子域：`sensilab.monash.edu`、`research.monash.edu`（Pure）、`supervisorconnect.med.monash.edu` 等 32 个（见 `monash_v2__subdomains.md`）
| 院系 / 单位 | research 入口 URL | 状态 | 候选组数 | 备注 |
|---|---|---|---|---|
| **Art, Design and Architecture** · Faculty（3 Department） | `/mada/research` | 取到 | 11 | 6 lab/initiative + 4 hub/centre |
| **Arts** · Faculty（6 School） | `/arts/research`、`arts.monash.edu` | 取到 | 9 | ACJC / Bioethics / Indigenous Studies Centre / Gender & Family Violence Hub / Music Performance |
| **Business and Economics** · Monash Business School（7 Dept + 4 Centre） | `/business/about-us/departments-and-research-centres` | 取到 | 16 | Business Impact Labs（7）、CHE、MCFS、Economics research groups |
| **Education** · Faculty（3 School） | `/education/research`、`/education/research/groups` | 取到 | 21 | **21 条 Research/Scholarship Groups**（Education 的组目录最完整） |
| **Engineering** · Faculty（5 Department） | `/engineering/our-research`、各 Dept `/research` | 取到 | 4 | Civil/Resources-Trinity 具名组；各 Dept 的 research theme 多为 theme 粒度 |
| **Information Technology** · Faculty（3 Department） | `/it/research/centres-labs-and-institutes` | 取到 | 14 | 15 lab/centre + 3 institute 索引；lab 主页 H1 多为「Home」，已用 `<title>` 回填 |
| **Law** · Faculty | `/law/research/excellence` | 取到 | 13 | 4 centre + 5 group + Capital Punishment / Health Law 等；law 无 sitemap，用 BFS 枚举 |
| **Medicine, Nursing and Health Sciences** · 4 Sub-Faculty · 10 School/Dept · 6 Institute | `/medicine/about/institutes-and-centres`、`/medicine/about/schools-and-departments` | 取到 | 230 | BDI（Department 级 lab 目录）+ Turner（30 Lab）+ SCS/SPHPM/SPAHC/EHCS + MCHRI/HER/NCHA |
| **Pharmacy and Pharmaceutical Sciences** · MIPS（3 Theme） | `/pharm/research`、`/mips` | 取到 | 24 | MIPS Theme → Research groups（Medicinal Chemistry 9 / DDD 7 / Optimisation） |
| **Science** · Faculty（5 School） | `/science/research`、`/science/schools` | 取到 | 15 | Chemistry / Earth / Physics 有 research-groups 目录；Biology 组页多 topic 命名（见未验） |
| **Malaysia campus** · 7 School | `https://www.monash.edu.my/research` | 取到 | 0 | Gerontechnology Lab / Fintech Impact Lab / CLARS-MH / SEADS / Research Hubs / Science Research Themes（多数未点单一 PI，见未验） |
| **University-level（non-faculty）** · ISCRR / William Cooper Institute / MSDI / Climateworks / Monash Energy Institute / Monash AI Institute / MIME / AMR 等 | `/research/centres` | 取到 | 21 | 多为 institute / centre 粒度（17 centre + 2 group） |
| **合计** | | | **376** | 启发式候选：`group` 级 280 · `centre` 级 86 · `topic` 级 10（`scale` 字段） |
**院系级未取页 = 0**：10 个 Faculty 的 research 入口、5 份 faculty sitemap、A–Z 页、academic structure 页全部 200 取到。抓取层面另有 252 条 leaf 错误（CORS 188 / 404 39 / 403 12 / 非 HTML 10），逐条附在 `monash_v2__counter_examples.md` §3。
## 组 / 系 比值与合理性校验
- 官方 Faculty = **10**；逐页候选 = **376**；**候选组数 ÷ 院系数 ≈ 37.6**。
- 按 School/Department 口径（academic structure 约 60 个单位）≈ 6.3。
- 基准：布里斯托 ≈5.8、爱丁堡 ≈25.7（**因校而异，不比大小**）。Monash 落在两者之间，**不荒谬地低**。
- Monash 用 **Institute / Theme / Sub-Faculty** 组织研究（BDI、Turner、MIPS、MIME、Monash Energy Institute、MIPS 的 3 个 Theme）。本次**已把大一级下面的具名组收上来**：MIPS Theme→Group 22 条、Turner 的 30 个 PI Lab、BDI 的 Department 级 Lab 目录、SCS/SPHPM/TRM 的 `research/<group>` 目录、Education 的 21 个 Research/Scholarship Group、Law 的 5 个 Group。
- **仍需往下挖一层**（见 §未验）：Science Biology 的组页命名、MUARC 等中心内部、Malaysia 校区的 PI 组。
---
## 附：方法件（METHOD.md）要求的「组目录」台账（入口发现，有限）
**入口路径**：官方院系导航（10 Faculty）→ 各 Faculty / School / Department 的 `/research` 页 → **组目录**（表格/多行列表）。
下表是本次真正依赖的 **31 个组目录**（不是 sitemap 全量枚举）。
| # | 单位 | 组目录 | 状态 | 目录内组链接数 |
|---|---|---|---|---|
| 1 | Education | `https://www.monash.edu/education/research/groups` | 取到 | 17 |
| 2 | IT | `https://www.monash.edu/it/research/centres-labs-and-institutes` | 取到 | 7 |
| 3 | Law | `https://www.monash.edu/law/research/excellence` | 取到 | 7 |
| 4 | Medicine · SPAHC | `https://www.monash.edu/medicine/spahc/research/our-research-groups` | 取到 | 15 |
| 5 | Medicine · SPAHC | `https://www.monash.edu/medicine/spahc/depts-centres-units` | 取到 | 9 |
| 6 | Business · BLT | `https://www.monash.edu/business/blt/our-research/research-groups` | 取到 | 8 |
| 7 | Business · Economics | `https://www.monash.edu/business/economics/research/research-groups` | 取到 | 10 |
| 8 | Pharmacy · MIPS | `https://www.monash.edu/mips/themes/medicinal-chemistry/research-groups` | 取到 | 53 |
| 9 | Pharmacy · MIPS | `https://www.monash.edu/mips/themes/drug-delivery-disposition-dynamics/research-groups` | 取到 | 53 |
| 10 | Pharmacy · MIPS | `https://www.monash.edu/mips/themes/medicine-safety/research-groups` | 取到 | 52 |
| 11 | Science · Chemistry | `https://www.monash.edu/science/research-groups/chemistry-research-groups` | 取到 | 23 |
| 12 | Science · Chemistry | `https://www.monash.edu/science/schools/chemistry/research-groups` | 取到 | 23 |
| 13 | Science · Biology | `https://www.monash.edu/science/schools/biological-sciences/research-centres-and-special-initiatives` | 取到 | 20 |
| 14 | Science · Biology | `https://www.monash.edu/science/schools/biological-sciences/research` | 取到 | 20 |
| 15 | Science · EAE | `https://www.monash.edu/science/schools/earth-atmosphere-environment/research` | 取到 | 20 |
| 16 | Science · Physics | `https://www.monash.edu/science/schools/physics/research/research-centres-facilities` | 取到 | 20 |
| 17 | Medicine · Turner | `https://www.monash.edu/turner-institute/research-labs/lab-groups` | 未抓 | 0 |
| 18 | Medicine · Turner | `https://www.monash.edu/turner-institute/research-labs` | 取到 | 30 |
| 19 | Medicine · BDI | `https://www.monash.edu/discovery-institute/research` | 取到 | 8 |
| 20 | Medicine · BDI | `https://www.monash.edu/discovery-institute` | 取到 | 1 |
| 21 | Medicine · SCS | `https://www.monash.edu/medicine/scs/research` | 取到 | 27 |
| 22 | Medicine · TRM | `https://www.monash.edu/medicine/translational/neuroscience/research` | 取到 | 27 |
| 23 | Medicine · CCS | `https://www.monash.edu/medicine/ccs` | 未抓 | 0 |
| 24 | Medicine · SPHPM | `https://www.monash.edu/medicine/sphpm/units` | 未抓 | 0 |
| 25 | Medicine · Psych | `https://www.monash.edu/medicine/psych` | 取到 | 0 |
| 26 | MADA | `https://www.monash.edu/mada/research` | 取到 | 6 |
| 27 | Arts | `https://www.monash.edu/arts/research/arts-research-centres-and-hubs` | 取到 | 8 |
| 28 | Business | `https://www.monash.edu/business/impact-labs` | 取到 | 7 |
| 29 | Engineering | `https://www.monash.edu/engineering/our-research/research-institutes-and-centres` | 取到 | 4 |
| 30 | Medicine | `https://www.monash.edu/medicine/about/institutes-and-centres` | 取到 | 1 |
| 31 | Medicine | `https://www.monash.edu/medicine/about/schools-and-departments` | 取到 | 1 |
**目录条目 → 组页 → 五字段**：目录共指向 **259 个** 组页/子页；最终 376 条候选中 **122 条**的 URL 就是目录直接列的组页，其余由目录页上的「下一层」链接（如 Turner 的 `lab-groups`、BDI 的 `*-lab`、SCS 的 `research/<group>`）展开。
**Pure（`research.monash.edu`）**：按 METHOD.md §6 的条件式规则核对 —— Monash 的 Pure **没有研究类 type facet**（与 ANU 同），type 最细到 Department，导师个人页 organisations 只挂行政单位 ⇒ **Pure 对「组」零贡献，故未作为源**（仅用于身份核对）。
method/monash_v2__sample30.md
+74
View File
@@ -0,0 +1,74 @@
# Monash v2 · 抽样 30 条逐条判定（质量证据）
- 抽样对象：最终启发式候选集 **376 条**（`monash_v2__groups.json`），确定性 LCG（seed=999002）抽 30 条。
- 方式：ego-browser（**自建 TaskSpace**）；**每条一个新 `newPage()`**，逐页校验 `page.url()`，读取 H1、正文方向文字、具名负责人、本组页邮箱。
- 本表是**第九轮抽样**；前八轮的假阳性类型已按表末「定点修法」逐类收紧（每轮都重跑启发式）。
| # | 目标 URL | 页面 H1 | 启发式名 | 方向文字（页面原文节选） | 判定 | 依据 |
|---|---|---|---|---|---|---|
| 1 | `https://www.monash.edu/medicine/scs/research/consortium-for-preclinical-psychiatric-research` | Consortium for Preclinical Psychiatric R | Consortium for Preclinical Psychiatric Res | Search courses Search courses FAQs all things Monash See all other results Clinical Sciences at Monash Health home About the School Research | **判不准** | 自述 consortium，多机构聚合；未点单一负责人 |
| 2 | `https://www.monash.edu/education/research/groups/interdisciplinary-approaches-research-group` | Interdisciplinary Approaches Research Gr | Interdisciplinary Approaches Research Grou | Interdisciplinary Approaches Research Group INTERDISCIPLINARY APPROACHES TO TEACHING AND LEARNING Research group @ Monash Education Interdis | **是组** | Education「Research group @ Monash Education」，组页自述 |
| 3 | `https://www.monash.edu/medicine/scs/womens-and-childrens-health` | Centre for Women’s and Children’s Mental | Centre for Women’s and Children’s Mental H | Centre for Women’s and Children’s Mental Health home CENTRE FOR WOMEN’S AND CHILDREN’S MENTAL HEALTH - The Centre for Women’s and Children’s | **判不准** | centre 粒度（Centre for Women's and Children's Mental Health，research and research training） |
| 4 | `https://www.monash.edu/medicine/ehcs/marc/groups/centre-for-health-economics` | Centre for Health Economics | Centre for Health Economics | They are recognised as one of the leading centres in health economics research and education, both in Australia and internationally. | **判不准** | centre 粒度（MARC 下的 CHE 条目） |
| 5 | `https://www.monash.edu/medicine/translational/neuroscience/research/law-group` | Law group | Law group | Search Monash See all other results Translational Medicine home Neuroscience home About us Research Participants sought - studies Alpitsis g | **是组** | Translational Medicine 的 Neuroscience research group（目录里逐组列出） |
| 6 | `https://www.monash.edu/discovery-institute/adams-lab` | ADAMS LABORATORY | Adams Laboratory | ADAMS LABORATORY Integrated Morphology and Palaeontology WELCOME TO THE ADAMS LAB Our lab brings together comparative methods and advanced 3 | **是组** | Adams Laboratory，PI 具名（Associate Professor Justin W. Adams） |
| 7 | `https://www.monash.edu/colam` | Home | Centre for Learning Analytics Monash | Learning analytics reveals hidden insights from this information to optimise learning and its environments. | **判不准** | CoLAM 中心粒度（多项目：FLORA / DATA-SMART SCHOOLS） |
| 8 | `https://www.monash.edu/mips/themes/drug-delivery-disposition-dynamics/research-groups/trevaskis` | Trevaskis Group | Trevaskis Group | You are here: Home | Themes | Drug Delivery Disposition and Dynamics | Research groups | Trevaskis Group Trevaskis Group TREVASKIS GROUP Pro | **是组** | Trevaskis Group，Professor Natalie Trevaskis 具名 |
| 9 | `https://www.monash.edu/medicine/sphpm/coeh` | Monash Centre for Occupational and Envir | Monash Centre for Occupational and Environ | About us We're dedicated to further strengthening Monash's reputation as a global leader in OEH research, accredited training and advisory s | **判不准** | centre 粒度（MonCOEH） |
| 10 | `https://www.monash.edu/discovery-institute/bourke-lab` | BOURKE LABORATORY | Bourke Laboratory | BOURKE LABORATORY Respiratory Pharmacology Group WELCOME TO THE BOURKE LAB Our laboratory focuses on identifying new drug targets for lung d | **是组** | Bourke Laboratory，PI 具名 |
| 11 | `https://www.monash.edu/mcccrh` | Home | Monash Climate Communication Hub | People The Hub team is based in Australia, Indonesia, Malaysia, and Europe, and brings together a range of disciplines and expertise to unde | **判不准** | hub 粒度（Monash Climate Communication Hub） |
| 12 | `https://www.monash.edu/medicine/scs/research/supportive-palliative-care` | Supportive and Palliative Care Unit | Supportive and Palliative Care Unit | Search Monash See all other results Clinical Sciences at Monash Health home About the School Research Bone and Muscle Research Group Cancer | **判不准** | unit 粒度（Supportive and Palliative Care Unit），未点单一负责人 |
| 13 | `https://www.monash.edu/medicine/scs/research/pace` | Primary Aldosteronism Centre of Excellen | Primary Aldosteronism Centre of Excellence | Search courses Search courses FAQs all things Monash See all other results Clinical Sciences at Monash Health home About the School Research | **判不准** | Centre of Excellence 粒度（PACE） |
| 14 | `https://www.monash.edu/turner-institute/research-labs/lab-groups/sean-drummond-lab` | Sean Drummond Lab home | Sean Drummond Lab | Sean Drummond Lab home SEAN DRUMMOND LABORATORY Clinical and Cognitive Neuroscience of Sleep Welcome to the Clinical and Cognitive Neuroscie | **是组** | Sean Drummond Lab，PI 具名 |
| 15 | `https://www.monash.edu/turner-institute/research-labs/lab-groups/alex-wolkow-lab` | Alex Wolkow Lab home | Alex Wolkow Lab | Alex Wolkow Lab home ALEX WOLKOW LABORATORY Sleep and Occupational Health Group Welcome to the Sleep and Occupational Health Research Group. | **是组** | Alex Wolkow Lab，PI 具名 |
| 16 | `https://www.monash.edu/medicine/translational/infectious-diseases/research/groups/morrissey_group` | Morrissey group | Morrissey group | rheumatoid arthritis, Crohn’s disease) and transplant recipients are a significant cause of morbidity and mortality. | **是组** | Morrissey group，Infectious Diseases 目录下的具名组 |
| 17 | `https://www.monash.edu/it/hcc` | Home | Human-Centred Computing (HCC) | DEPARTMENT OVERVIEW Our Human-Centred Computing Department values socially responsible IT and sustainable innovation and impact, with humans | **判不准** | HCC 是 IT 的系级单位（DEPARTMENT OVERVIEW） |
| 18 | `https://www.monash.edu/medicine/translational/surgery-alfred/research/obesity-and-metabolic-medicine-group` | Obesity and Metabolic Medicine Group | Obesity and Metabolic Medicine Group | Our work focuses on understanding the neuroendocrine regulation of appetite and eating behaviours, the clinical application of treatments fo | **是组** | Obesity and Metabolic Medicine Group，Surgery 下的具名组 |
| 19 | `https://www.monash.edu/turner-institute/research-labs/lab-groups/bei-bei-lab` | Bei Bei Lab home | Bei Bei Lab | Bei Bei Lab home BEI BEI LABORATORY Sleep and Mental Health Welcome to the Sleep and Mental Health Laboratory Our group harmonises strengths | **是组** | Bei Bei Lab，PI 具名 |
| 20 | `https://www.monash.edu/medicine/scs/research/aged-mental-health` | Aged Mental Health Research Unit | Aged Mental Health Research Unit | Search courses Search courses FAQs all things Monash See all other results Clinical Sciences at Monash Health home About the School Research | **判不准** | unit 粒度（Aged Mental Health Research Unit） |
| 21 | `https://www.monash.edu/law/research/centres-and-groups/commercial-disputes-group` | Commercial Disputes Group | Commercial Disputes Group | Commercial Disputes Group COMMERCIAL DISPUTES GROUP Expertise in all aspects of commercial dispute resolution. | **是组** | Commercial Disputes Group，Law 具名组 |
| 22 | `https://www.monash.edu/medicine/scs/professional-development-hub` | Professional Development Hub | Professional Development Hub | Our programs extend locally and internationally, throughout the vast and well established Monash network. | **不是组** | Professional Development Hub：页面是职业发展服务，不是研究组 |
| 23 | `https://www.monash.edu/business/impact-labs/green-lab` | Green Lab | Green Lab | Green Lab GREEN LAB Monash Business School's hub for interdisciplinary and applied research on climate change and sustainability. | **判不准** | hub 粒度（Green Lab 自述 hub） |
| 24 | `https://www.monash.edu/discovery-institute/hutt-lab` | HUTT LABORATORY | Hutt Laboratory | HUTT LABORATORY Ovarian Biology WELCOME TO THE HUTT LAB Our laboratory is focussed on understanding how egg number and quality are regulated | **是组** | Hutt Laboratory，PI 具名 |
| 25 | `https://www.monash.edu/medicine/translational/infectious-diseases/research/groups/peel-group` | Peel Group | Peel Group | Most patients have excellent outcomes, however, up to 20% will experience an infection following surgery. | **是组** | Peel Group，Infectious Diseases 具名组 |
| 26 | `https://www.monash.edu/business/baf/impact-and-engagement/acfs` | Monash Centre for Financial Studies | Monash Centre for Financial Studies | HELPING INDUSTRY EXPOSE MODERN SLAVERY Meet the award-winning researchers whose data driven approach is tackling a hidden scourge. | **判不准** | centre 粒度（MCFS） |
| 27 | `https://www.monash.edu/business/impact-labs/energy-lab` | Energy Lab | Energy Lab | Impact Labs About us Our people Our events Partnering with Impact Labs News Digital Lab FinTech Lab Energy Lab Green Lab Opportunity Tech La | **判不准** | hub 粒度（Energy Lab） |
| 28 | `https://www.monash.edu/medicine/mchri/themes/centre-for-research-excellence-in-womens-health-in-reproductive-life-cre-whirl` | Centre for Research Excellence in Women’ | Centre for Research Excellence in Women’s | MCHRI Research & Translation Reproductive women’s health (incl PMOS) Cardiovascular health & diabetes in women Healthcare Improvement and Im | **判不准** | Centre of Research Excellence 粒度（CRE WHIRL） |
| 29 | `https://www.monash.edu/turner-institute/research-labs/lab-groups/matthew-pase-lab` | Matthew Pase Lab home | Matthew Pase Lab | Matthew Pase Lab home MATTHEW PASE LAB Epidemiology of Dementia Research Lab Welcome to the Epidemiology of Dementia (Epi-D) Research Lab Th | **是组** | Matthew Pase Lab，PI 具名 |
| 30 | `https://www.monash.edu/discovery-institute/foldi-lab` | FOLDI LABORATORY | Foldi Laboratory | FOLDI LABORATORY Neural mechanisms of eating disorders WELCOME TO THE FOLDI LAB We study the biological underpinnings of anorexia nervosa an | **是组** | Foldi Laboratory，PI 具名 |
## 准确率（最终一轮抽样）
| 口径 | 条数 | 比例 |
|---|---|---|
| **明确是组**（页面自述 + 具名负责人/成员 + 方向文字） | 15 | 50.0% |
| **明确不是组（假阳性）** | 1 | 3.3% |
| **判不准**（centre / hub / unit / 系级 / consortium 粒度） | 14 | 46.7% |
**自动集的明确假阳性率 = 3.3%**（即 96.7% 的候选要么是导师组、要么是需要人工裁决的中心级实体）。
「判不准」是粒度问题（中心/hub vs 一个导师能带的规模），**按用户裁定不自己发明规则归类**，已单列到 `monash_v2__counter_examples.md`。
## 迭代过程（九轮抽样，每轮定点修一类）
| 轮次 | 抽样 seed | 明确是组 | 明确不是组 | 判不准 | 本轮修掉的假阳性类型 |
|---|---|---|---|---|---|
| 1 | 42 | 10/30 | 17/30 | 3/30 | 起点：组内子页、training/service、big-level institute |
| 2 | 20260924 | 18/30 | 2/30 | 10/30 | 收紧 H1=「Home」回退到 `<title>`；加 big-level 名单 |
| 3 | 987654321 | 20/30 | 8/30 | 2/30 | 加 `/about/`、`/leadership`、`/facilities`、`/simulation` 路径闸 |
| 4 | 13579 | 20/30 | 2/30 | 8/30 | 加 NOT_GROUP 自述闸（project/initiative/platform） |
| 5 | 24680 | 17/30 | 2/30 | 11/30 | 加 `leading research centres` 等目录名 |
| 6 | 11111 | 17/30 | 2/30 | 11/30 | 加 `community and resources hub`、`elective placements` |
| 7 | 555001 | 19/30 | 3/30 | 8/30 | 修 `/research/` 误伤（Law 全部被当子页） |
| 8 | 777003 | 19/30 | 3/30 | 8/30 | 加 `research centres & facilities` 目录名、`/yiddish-melbourne` |
| **9（本节）** | **999002** | **15/30** | **1/30** | **14/30** | 加 `/research-facilit|/research-platforms` 路径闸 |
## 假阳性类型与定点修法（全部有页面原文）
| 类型 | 命中例子 | 页面原文 | 能否定点修掉 | 修法 |
|---|---|---|---|---|
| 组内子页 | `/mips/.../creek/lab`「Our lab」、`/turner-institute/<lab>/lab-members`、`/.../join` | H1 =「Our lab」/「Lab members」/「Join our lab」 | ✅ 能 | 路径加 `/lab$`、`/lab-?members?`、`/join` |
| training / simulation / service | `/mips/.../mrna-initiatives`、`/medicine/rural-health/.../simulation-centre`、`Professional Development Hub` | 自述 training / simulation / professional development | ✅ 能 | 路径/名称加 `training|simulation|professional development` |
| 目录 / 索引页 | `/research/centres/leading-research-centres`、`/engineering/.../research-institutes-centres`、`/science/.../research-centres-facilities` | H1 就是目录名 | ✅ 能 | 名称进 NAME_EXACT 白名单 |
| 项目页 | `/arts/gender-and-family-violence/.../completed-projects/...` | 页名即 Evaluation of …**项目** | ✅ 能 | 路径加 `/projects?[-/]|/completed-` |
| 设施 / 平台页 | `/business/economics/research/research-facilities`、`/researchinfrastructure/tabs/*` | 页面是设施/平台清单 | ✅ 能 | 路径加 `/research-facilit|/research-platforms` |
| **centre / hub / unit 粒度** | MCFS、RAIL、CCRET、CYPEP、Green Lab、Finergy Lab、MUARC、HCC、MonCOEH | 自述 centre / hub / unit / department overview | ❌ **不能机械判** | 留人工裁决（§判不准），本波不发明规则 |
method/monash_v2__subdomains.md
+168
View File
@@ -0,0 +1,168 @@
# Monash v2 · 子域 / 外站清单（本次抓到并跟过的）
枚举口径：对 `pages.jsonl` 里所有已抓页面的 mainLinks，取 anchor 文本或路径含 research/group/lab/centre/institute/hub/network/initiative/collaborat 的链接；`www.monash.edu` 之外的 host 单列。
> ⚠️ 子域/外站是「整块漏」的来源：只抓 `www.monash.edu` 会漏掉 Malaysia 校区（monash.edu.my）、PI 个人 lab 站、以及 `research.monash.edu`（Pure）等。
## 1. `*.monash.edu` / `*.monash.edu.my` 子域（32 个，全部打开过）
| host | 命中链接数 | 说明 |
|---|---|---|
| `research.monash.edu` | 717 | Pure 研究门户（organisations/persons/publications；本轮用它做身份核对，未按「组」收录） |
| `supervisorconnect.med.monash.edu` | 153 | 医学研究生导师目录 |
| `alumni-friends.monash.edu` | 17 | 校友 |
| `lens.monash.edu` | 9 | The Lens（评论站） |
| `www.monash.edu.my` | 7 | 马来西亚校区主站 |
| `sensilab.monash.edu` | 6 | SensiLab（IT 联合实验室，有独立站） |
| `platforms.monash.edu` | 6 | 研究平台 |
| `www.monash.edu.au` | 6 | |
| `bridges.monash.edu` | 6 | Bridges（机构库） |
| `www.med.monash.edu.au` | 5 | |
| `handbook.monash.edu` | 5 | 课程手册 |
| `artsonline.monash.edu.au` | 4 | |
| `impact.monash.edu` | 3 | Impact 故事站 |
| `supervisorconnect.it.monash.edu` | 3 | IT 研究生导师目录 |
| `intranet.monash.edu.au` | 3 | |
| `www.law.monash.edu.au` | 2 | |
| `redcap.helix.monash.edu` | 2 | |
| `community.monash.edu.au` | 2 | |
| `www2.monash.edu` | 2 | |
| `service.eng.monash.edu` | 2 | |
| `www.cmss.monash.edu.au` | 1 | |
| `www.eng.monash.edu.au` | 1 | |
| `arts.monash.edu` | 1 | Arts 学部旧域（→ www.monash.edu/arts） |
| `maps.monash.edu` | 1 | |
| `guides.lib.monash.edu` | 1 | |
| `is-web02-v20.ocio.monash.edu` | 1 | |
| `apps.connect.monash.edu.au` | 1 | |
| `publicpolicydms.monash.edu` | 1 | |
| `ccs-clin-trials.med.monash.edu` | 1 | |
| `theorbit.sci.monash.edu` | 1 | The Orbit（Science 学生/研究门户） |
| `rights-records.it.monash.edu` | 1 | |
| `ecommerce.law.monash.edu.au` | 1 | |
## 2. 校外独立站（研究单位自有站，420 个；已排除出版社/期刊/社交/新闻/表单类）
| host | 命中 | 例子 |
|---|---|---|
| `hudson.org.au` | 26 | `https://hudson.org.au/research-group/regulation-of-interferon-and-innate-signalling` |
| `www.nhmrc.gov.au` | 18 | `https://www.nhmrc.gov.au/` |
| `github.com` | 18 | `https://github.com/astra1230/MathFormGen` |
| `www.alfredhealth.org.au` | 15 | `https://www.alfredhealth.org.au/research/research-areas/neuroscience-research` |
| `www.burnet.edu.au` | 12 | `https://www.burnet.edu.au/people/108_edwina_wright` |
| `law.unimelb.edu.au` | 12 | `https://law.unimelb.edu.au/__data/assets/pdf_file/0004/4759519/Policy-Brief-6_2023.pdf` |
| `www.arc.gov.au` | 10 | `https://www.arc.gov.au/` |
| `www.turningpoint.org.au` | 9 | `https://www.turningpoint.org.au/research/people/peta-stragalinos` |
| `monash.ilab.agilent.com` | 9 | `https://monash.ilab.agilent.com/service_center/show_external/4477` |
| `www.intranet.monash` | 8 | `https://www.intranet.monash/medicine/research/ecrinformationgateway` |
| `www.cabrini.com.au` | 8 | `https://www.cabrini.com.au/research-and-education/research-programs/cabrini-monash-university-d` |
| `www.aph.gov.au` | 8 | `https://www.aph.gov.au/Parliamentary_Business/Committees/Senate/Economics/REFSTLABMeasuresNo1/P` |
| `tcgcm.com.au` | 7 | `http://tcgcm.com.au/` |
| `ccemmp.org` | 7 | `https://ccemmp.org/` |
| `nanomelbourne.com` | 7 | `http://nanomelbourne.com/` |
| `www.admscentre.org.au` | 7 | `https://www.admscentre.org.au/` |
| `monashhealth.org` | 7 | `http://monashhealth.org/about-us/monash-health-sites/hospitals-and-major-sites/monash-medical-c` |
| `warwick.ac.uk` | 7 | `https://warwick.ac.uk/fac/sci/statistics/staff/academic-research/smith/` |
| `ccsmonash.blogspot.com` | 7 | `https://ccsmonash.blogspot.com/search?q=Respiratory+Research@Alfred&max-results=20&by-date=true` |
| `optimalageingcentre.com.au` | 6 | `https://optimalageingcentre.com.au` |
| `www.neuromedicines.monash` | 6 | `https://www.neuromedicines.monash/` |
| `www.eawag.ch` | 6 | `https://www.eawag.ch/en/department/sandec` |
| `ippin.org` | 6 | `https://ippin.org/` |
| `koneksi-kpp.id` | 6 | `https://koneksi-kpp.id/en/indonesia-australia-citarum-action-research-program-carp-circular-eco` |
| `www.ilo.org` | 6 | `https://www.ilo.org/wcmsp5/groups/public/---ed_protect/---protrav/---travail/documents/publicat` |
| `cllpj.law.illinois.edu` | 6 | `https://cllpj.law.illinois.edu/archive/vol_36` |
| `florey.edu.au` | 6 | `https://florey.edu.au/science-research/scientist-directory/associate-professor-david-finkelstei` |
| `www.mcmasterforum.org` | 6 | `https://www.mcmasterforum.org/networks/evidence-commission/global-evidence-architecture/matchin` |
| `www.hudson.org.au` | 5 | `https://www.hudson.org.au/wp-content/uploads/2025/04/TRC_2026_Centre_Student_Brochure-PRINT.pdf` |
| `www.maprc.org.au` | 5 | `http://www.maprc.org.au` |
| `www.brainfunction.edu.au` | 5 | `https://www.brainfunction.edu.au` |
| `journaloflawandsociety.co.uk` | 5 | `https://journaloflawandsociety.co.uk/blog/resolving-labour-disputes-in-the-philippines-legitima` |
| `illej.unibo.it` | 5 | `https://illej.unibo.it/article/view/10937` |
| `www.health.gov.au` | 5 | `https://www.health.gov.au/our-work/medical-research-future-fund` |
| `www.healthyfutureshub.com.au` | 5 | `https://www.healthyfutureshub.com.au/` |
| `am2d.org` | 4 | `https://am2d.org/` |
| `www.biopria.com.au` | 4 | `http://www.biopria.com.au/` |
| `ntri.org.au` | 4 | `https://ntri.org.au/` |
| `sparchub.org.au` | 4 | `http://sparchub.org.au/hub` |
| `www.fleet.org.au` | 4 | `https://www.fleet.org.au/` |
| `www.lupusresearch.org` | 4 | `https://www.lupusresearch.org/research-portfolio-related-activities/grant/gilz-glucocorticoid-m` |
| `education.nsw.gov.au` | 4 | `https://education.nsw.gov.au/campaigns/inclusive-practice-hub` |
| `www.alfredresearchalliance.org.au` | 4 | `https://www.alfredresearchalliance.org.au/` |
| `www.nari.net.au` | 4 | `https://www.nari.net.au/` |
| `brainfoundation.org.au` | 4 | `https://brainfoundation.org.au/research-grants/2023/multiple-sclerosis-other-inflammatory-disea` |
| `cevaw.org` | 3 | `https://cevaw.org/` |
| `www.armi.org.au` | 3 | `http://www.armi.org.au/` |
| `21centuryweather.org.au` | 3 | `https://21centuryweather.org.au/` |
| `www.ozgrav.org` | 3 | `https://www.ozgrav.org/` |
| `ctet.org.au` | 3 | `https://ctet.org.au/` |
| `cfbd.org.au` | 3 | `http://cfbd.org.au/` |
| `pals.biopria.com.au` | 3 | `https://pals.biopria.com.au/` |
| `www.iscrr.com.au` | 3 | `https://www.iscrr.com.au/` |
| `epicaustralia.org.au` | 3 | `https://epicaustralia.org.au/` |
| `www.recarbhub.org` | 3 | `https://www.recarbhub.org/` |
| `baker.edu.au` | 3 | `https://baker.edu.au/` |
| `www.alertnesscrc.com` | 3 | `http://www.alertnesscrc.com` |
| `mu-researchsay.mysocialpinpoint.com.au` | 3 | `https://mu-researchsay.mysocialpinpoint.com.au/` |
| `www.womeninresearch.org.au` | 3 | `https://www.womeninresearch.org.au/` |
| `signin.lexisnexis.com` | 3 | `https://signin.lexisnexis.com/lnaccess/app/signin?back=https%3A%2F%2Fadvance.lexis.com%3A443%2F` |
| `www.racefor2030.com.au` | 3 | `https://www.racefor2030.com.au/` |
| `hipp.org.au` | 3 | `https://hipp.org.au/networks/preconception-health-network/` |
| `www.vifm.org` | 3 | `https://www.vifm.org/teaching-research/` |
| `livingevidence.org.au` | 3 | `https://livingevidence.org.au/` |
| `federation.edu.au` | 3 | `https://federation.edu.au/institutes-and-schools/iiss/staff-profiles/staff-profiles/kandra,-har` |
| `www.womenshealthnetwork.org.au` | 3 | `https://www.womenshealthnetwork.org.au` |
| `www.mpccc.org.au` | 3 | `https://www.mpccc.org.au/` |
| `www.health.vic.gov.au` | 3 | `https://www.health.vic.gov.au/maternal-child-health/early-parenting-centres` |
| `www.climateworkscentre.org` | 3 | `https://www.climateworkscentre.org/` |
| `assets-au-01.kc-usercontent.com` | 3 | `https://assets-au-01.kc-usercontent.com/be714ec0-113f-0276-424b-e066b80a7dc2/a5d4f0f5-bd23-4c79` |
| `rossjohnlab.com` | 3 | `https://rossjohnlab.com/` |
| `www.talkinghealthtech.com` | 3 | `https://www.talkinghealthtech.com/podcast/443-partnering-with-consumers-living-with-disability-` |
| `arcdart.org` | 2 | `https://arcdart.org/` |
| `optima.org.au` | 2 | `https://optima.org.au/` |
| `arcsaef.com` | 2 | `https://arcsaef.com/` |
| `www.21centuryweather.org.au` | 2 | `https://www.21centuryweather.org.au/` |
| `www.ausroc.org.au` | 2 | `https://www.ausroc.org.au/` |
| `www.bnhcrc.com.au` | 2 | `http://www.bnhcrc.com.au/` |
| `www.emblaustralia.org` | 2 | `http://www.emblaustralia.org/` |
| `figshare.com` | 2 | `https://figshare.com/articles/Maher_and_Deng_2018_The_role_of_transnational_networks_and_mobile` |
| `www.education.gov.au` | 2 | `https://www.education.gov.au/research-training-program` |
| `excitonscience.com` | 2 | `https://excitonscience.com/` |
| `aspree.org` | 2 | `https://aspree.org/aus/researchers/aspree-publications/` |
| `www.anzctr.org.au` | 2 | `https://www.anzctr.org.au/TrialSearch.aspx#&&conditionCode=&dateOfRegistrationFrom=&interventio` |
| `www.petermac.org` | 2 | `https://www.petermac.org/research/research-programs-and-labs/cancer-biology-and-therapeutics-pr` |
| `www.spherecre.org` | 2 | `https://www.spherecre.org/` |
| `trophi.org.au` | 2 | `https://trophi.org.au/` |
| `www.australiandementianetwork.org.au` | 2 | `https://www.australiandementianetwork.org.au/initiatives/clinical-quality-registry/` |
| `ranzco.edu` | 2 | `https://ranzco.edu/home/about-ranzco-2/special-interest-groups-sigs/australian-and-new-zealand-` |
| `www.science.org.au` | 2 | `https://www.science.org.au/supporting-science/early-and-mid-career-researchers-0/about-the-emcr` |
| `www.wgea.gov.au` | 2 | `https://www.wgea.gov.au/data/wgea-research/gender-equitable-recruitment-and-promotion` |
| `amsi.org.au` | 2 | `https://amsi.org.au/events/event/matrix-research-program-mathematics-of-risk-2025/` |
| `www.mshc.org.au` | 2 | `https://www.mshc.org.au/about/who-collaborating-centre-home/who-collaborating-centre-for-sexual` |
| `jtg.design` | 2 | `https://jtg.design/research` |
| `sites.research.unimelb.edu.au` | 2 | `https://sites.research.unimelb.edu.au/bmmlab` |
| `www.accc.gov.au` | 2 | `https://www.accc.gov.au/about-us/publications/serial-publications/supermarkets-inquiry-2024-25-` |
| `www.iias.sinica.edu.tw` | 2 | `http://www.iias.sinica.edu.tw/en/content/researcher/contents/2013110517172649190/?MSID=20170627` |
| `usali.org` | 2 | `https://usali.org/people/#usali-affiliate` |
| `www.2030wrg.org` | 2 | `https://www.2030wrg.org/charting-our-water-future` |
| `www.law.cam.ac.uk` | 2 | `https://www.law.cam.ac.uk/people/research-students/tz-shroff/78271` |
| `econ.au.dk` | 2 | `http://econ.au.dk/research/researchcentres/creates/` |
| `blog.aare.edu.au` | 2 | `https://blog.aare.edu.au/teacher-shortages-is-teaching-family-friendly-now/` |
| `www.mssanz.org.au` | 2 | `https://www.mssanz.org.au/awards/ecre.html` |
| `www.monashcreatelab.com` | 2 | `https://www.monashcreatelab.com/` |
| `www.masc.org.au` | 2 | `https://www.masc.org.au/completed-and-published-trials` |
| `whirlcre.edu.au` | 2 | `https://whirlcre.edu.au/` |
| `www.bakeridi.edu.au` | 2 | `http://www.bakeridi.edu.au/` |
| `monashpartners.org.au` | 2 | `https://monashpartners.org.au` |
| `www.allg.org.au` | 2 | `https://www.allg.org.au/` |
| `www.sydney.edu.au` | 2 | `https://www.sydney.edu.au/medicine-health/our-research/research-centres/john-walsh-centre-for-r` |
| `www.ansto.gov.au` | 2 | `https://www.ansto.gov.au/research/facilities/australian-synchrotron/overview` |
| `www.climateextremes.org.au` | 2 | `https://www.climateextremes.org.au` |
| `thebarrlab.org` | 2 | `https://thebarrlab.org/` |
| `www.chapplelab.com` | 2 | `https://www.chapplelab.com/` |
| `marineevolutionaryecologygroup.files.wordpress.com` | 2 | `https://marineevolutionaryecologygroup.files.wordpress.com/2021/09/marshallpnas3.pdf` |
| `petersresearchgroup.org` | 2 | `https://petersresearchgroup.org/` |
| `evomorph.org` | 2 | `http://evomorph.org` |
| `www.aila.org.au` | 2 | `https://www.aila.org.au/` |
| `silverchain.org.au` | 2 | `https://silverchain.org.au/` |
| `www.semphn.org.au` | 2 | `https://www.semphn.org.au/` |
method/qub_v2__ledger.md
+55
View File
@@ -0,0 +1,55 @@
# 课题组逐院系 · 完备性重做 · 贝尔法斯特女王大学（Queen's University Belfast）· `qub.ac.uk`
- 日期：2026-09-23 · Manager 波次 · 单校 · **只读**
- 方式：ego-browser（自建 TaskSpace **75**，每个 URL 用独占 `newPage()`，逐页校验 `page.url()`）+ Node fetch 并行抓取做规模（限速 2 并发 + 0.9s 间隔）
- 枚举来源：官方 Schools 导航 + Faculties and Schools + University department list + `/research-centres/` 总表 + 15 个 School 的 research 导航 + GRI 页
- 产物：`qub_v2__groups.json`（**133** 条五字段）· `qub_v2__rows_all.json`（204 条候选 + 剔除原因）· 本文
## 1. 完备性台账（官方 **15 个 School** + 研究所/校级中心）
枚举来源 URL：
- `https://www.qub.ac.uk/schools/`（官方 University Schools，Schools by Faculty 15 条 + Other Academic Provision A–Z 8 条）
- `https://www.qub.ac.uk/about/Leadership-and-structure/Faculties-and-Schools/`（原文 “Queen's three Faculties and **fifteen Schools**”）
- `https://www.qub.ac.uk/about/Leadership-and-structure/University-department-list/`（院系/中心/研究所清单）
- `https://www.qub.ac.uk/research-centres/`（University Research Centres 总表）
| # | 院系/单位 | research 入口 URL | 状态 | 组数 | 备注 |
|---|---|---|---|---|---|
| 1 | School of Arts, English and Languages | `https://www.qub.ac.uk/schools/ael/Research/` | 取到 | 8 | Research in Arts / English / Languages 三个子索引 + 2 个 /sites/ 组站 |
| 2 | School of History, Anthropology, Philosophy and Politics | `https://www.qub.ac.uk/schools/happ/subject-area/*/research/` | 取到 | 8 | 该 School 无 /schools/happ/Research/ 页（404）；按 4 个 subject-area 的 research 页枚举 |
| 3 | School of Law | `https://www.qub.ac.uk/schools/SchoolofLaw/research/` | 取到 | 10 | 6 个 thematic area + 3 个 external-facing centre |
| 4 | Queen's Business School | `https://www.qub.ac.uk/schools/queens-business-school/research/` | 取到 | 4 | research-centres-and-initiatives 页 |
| 5 | School of Social Sciences, Education and Social Work | `https://www.qub.ac.uk/schools/ssesw/research/` | 取到 | 8 | 8 个 centre |
| 6 | School of Chemistry and Chemical Engineering | `https://www.qub.ac.uk/schools/SchoolofChemistryandChemicalEngineering/Research/` | 取到 | 4 | ResearchCentres 页 = CASE / CO2@QUB / QUILL |
| 7 | School of Electronics, Electrical Engineering and Computer Science | `https://www.qub.ac.uk/schools/eeecs/Research/` | 取到 | 5 | eeecs-research-centres 页 5 个中心 |
| 8 | School of Mathematics and Physics | `https://www.qub.ac.uk/schools/SchoolofMathematicsandPhysics/Research/` | 取到 | 4 | ResearchCentres 页称 six research centres；逐页取到 4 个有独立页的中心（ARC/CQMT/CLMI/MSRC） |
| 9 | School of Mechanical and Aerospace Engineering | `https://www.qub.ac.uk/schools/SchoolofMechanicalandAerospaceEngineering/Research/` | 取到 | 7 | 6 theme + ACRG /sites/ 组站 |
| 10 | School of Natural and Built Environment | `https://www.qub.ac.uk/schools/NBE/Research/` | 取到 | 13 | ResearchCells（8 PI-cell）+ research-centres-and-institutes |
| 11 | School of Psychology | `https://www.qub.ac.uk/schools/psy/Research/` | 取到 | 9 | 3 theme 下的 lab/centre |
| 12 | School of Biological Sciences | `https://www.qub.ac.uk/schools/SchoolofBiologicalSciences/Research/` | 取到 | 1 | 3 theme（大一级）+ 1 centre of excellence；research themes 是院里最细一层，无更细具名组 |
| 13 | School of Medicine, Dentistry and Biomedical Sciences | `https://www.qub.ac.uk/schools/mdbs/Research/` | 取到 | 18 | 3 centre（PGJCCR/WWIEM/CPH）+ 组内具名组 10 + 3 Centre of Excellence |
| 14 | School of Nursing and Midwifery | `https://www.qub.ac.uk/schools/SchoolofNursingandMidwifery/Research/` | 取到 | 3 | 3 research theme（各有 Theme Lead） |
| 15 | School of Pharmacy | `https://www.qub.ac.uk/schools/SchoolofPharmacy/Research/ResearchThemes/` | 取到 | 15 | 5 theme × 共 15 个 area of activity |
| 16 | Institute for Global Peace, Security and Justice (GRI) | `https://www.qub.ac.uk/sites/institute-for-global-peace-security-justice/ResearchandImpact/ResearchPriorities/` | 取到 | 8 | 8 research priorities（institute 内层具名单元） |
| 17 | Institute for Global Food Security (GRI) | `https://www.qub.ac.uk/Research/GRI/TheInstituteforGlobalFoodSecurity/research/` | 取到 | 4 | 4 research theme |
| 18 | University Research Centres (校级研究中心总表) | `https://www.qub.ac.uk/research-centres/` | 取到 | 4 | 总表列出 ~80 条；其中校级/登记册/项目/设施按判据剔除，逐页取到 4 条真组 |
| | **合计** | | | **133** | 15 School 归属 117 条 + 非 School 单位 16 条 |
**未取页 = 0**：15 个 School 的 research 入口全部 200 取到。
取不到（有证据，逐条）：`/schools/happ/Research/` → 404（该校 HAPP 不用 `/Research/`，改由 subject-area 页进入）；`http://www.am.qub.ac.uk/ctamop/` → 重定向回 School of Mathematics and Physics Research Centres 页（CTAMOP 无独立页）；`http://www.am.qub.ac.uk/` → jump 页；`https://pure.qub.ac.uk/en/organisations/` → HTTP 403 Cloudflare JS 挑战（未用 Pure 做枚举）。
## 2. 子域 / 外站清单（已跟）
本次抓到 **39 个 `*.qub.ac.uk` 子域**（列出有研究单元承载的真子域）：
`www.qub.ac.uk`（主站）/ `www.am.qub.ac.uk`+`web.am.qub.ac.uk`（物理，重定向）/ `www.sarc.qub.ac.uk` / `www.ee.qub.ac.uk` / `www.med.qub.ac.uk` / `www.erin.qub.ac.uk` / `www.socasites.qub.ac.uk` / `blogs.qub.ac.uk` / `qpol.qub.ac.uk` / `law.qub.ac.uk` / `edgehub.eeecs.qub.ac.uk` / `irishsongproject.qub.ac.uk` / `reparations.qub.ac.uk` / `nicola.qub.ac.uk` / `cmst4.qub.ac.uk` / `coe.qub.ac.uk` / `dap.qub.ac.uk` / `star.pst.qub.ac.uk` / `pure.qub.ac.uk`（Pure 门户，403 未跟）/ `quote.qub.ac.uk` / `omeka.qub.ac.uk` / `libguides/libcal/libraryhelp.qub.ac.uk`（图书馆，非研究单位）/ 其余为 myportal/vle/mediasite/qmail/hr 等行政域（非研究单位）。
**承载研究单元的外站（已跟）**：`ark.ac.uk`（ARK 社会政策中心）· `ceph.ie`（CEPH）· `riscplus.com`（RiSC+）· `www.productivity.ac.uk`（NI Productivity Forum）· `14chrono.org`（Centre for Climate, the Environment & Chronology，实测为定年实验室，判为设施不收）· `www.leadershipinstitute.co.uk`（执行教育）· `crossingfrontiers*.wordpress.com` · `www.prisonsmemoryarchive.com` · `recomposingthecity.org` · `translatingimprovisation.com` · `culturalpolicyireland.org` · `pcancities.org.uk` · `www.detect-project.eu`。
> 说明：整站抓取共引用 **1673 个外站主机**，其中绝大多数是论文/出版社/会议/新闻引用（`academic.oup.com`、`arxiv.org`、`gtr.ukri.org`、`apnews.com` …），**不是研究单位**，不逐条跟。上面的清单是当中真正承载 QUB 研究单元的站点。
## 3. 组/系 比值与合理性校验
- 15 个 School，逐页核到 **133** 组（15 School 归属 117，非 School 单位 16）。
- **组/系 ≈ 8.9**（仅 School 归属 ≈ 7.8）。基准：布里斯托 ≈5.8、曼彻斯特 ≈8.4。**不荒谬地低。**
- QUB 的院系确实大量用 theme/centre 组织（大一级），但底层具名单元本次已收：MDBS 三中心内的 10 个具名组 + 3 个 Centre of Excellence；QUILL 的 10 个 PI 组；NBE 的 8 个 Research Cell；Psy 的 7 个 lab/centre；Pharmacy 的 15 个 area of activity；IGPSJ 的 8 个 research priority。
- **“再下一层没有组”的原文佐证**：School of Chemistry `/Research/ResearchCentres/` 只列 CASE / CO2@QUB / QUILL 三个中心，QIULL 页原文 “brings together **ten research groups led by independent principal investigators**”，已逐 PI 计入；M&P `/Research/ResearchCentres/` 原文 “Our **six** research centres”，逐页只取到 4 个有独立页的（ARC/CQMT/CLMI/MSRC），另 2 个（CTAMOP、Centre for Plasma Physics）无独立页、仅有重定向（见 §5）。
method/york_v2__ledger.md
+61
View File
@@ -0,0 +1,61 @@
# 完备性台账 · 约克大学 University of York (`york.ac.uk`)
枚举来源：`https://www.york.ac.uk/about/departments/academic/`（Academic departments and units，含 3 个 Faculty 下全部院系）
+ `https://www.york.ac.uk/about/departments/research/`（Research centres, institutes and networks，~90 条）
+ 三个 Faculty 首页 + 各院系 `/research/`（按 `METHOD.md` §1：院系导航 → `/research/` → 找组目录）
枚举到的**教学院系/单位 = 41**；**未取页 = 0**。
**具名单元（页面自述 group/lab/centre/institute/unit/network/cluster）= 123**；
另有 **223 条**院系 theme / research-area 页（按 `METHOD.md` §2「theme/cluster 不收」，仅作候选附录，见 `york_v2__groups.json` 的 `record_level=theme_area`）。
| 院系/单位 | research 入口 URL | 组目录 | 具名单元 | 主题/方向层 |
|---|---|---|---|---|
| **Faculty of Arts and Humanities** | | | | |
| Department of Archaeology | `https://www.york.ac.uk/archaeology/research/` | `/archaeology/research/research-centres/`（3 中心） | **4** | 8 |
| York School of Architecture | `https://www.york.ac.uk/architecture/research/` | — | **1** | 3 |
| School of Arts and Creative Technologies | `https://www.york.ac.uk/arts-creative-technologies/research-and-practice/` | `/research-and-practice/` 下 5 个 research cluster | **7** | 1 |
| Department of English and Related Literature | `https://www.york.ac.uk/english/research/` | 无组目录：4 个 period area | **1** | 4 |
| Department of History | `https://www.york.ac.uk/history/research/` | 无组目录：5 个 research area | **1** | 4 |
| Department of History of Art | `https://www.york.ac.uk/history-of-art/research/` | — | **1** | 4 |
| Department of Language and Linguistic Science | `https://www.york.ac.uk/language-linguistic-science/research/` | — | **2** | 6 |
| Department of Philosophy | `https://www.york.ac.uk/philosophy/research/` | 无组目录：3 个 area + CHiPhi 中心内层 | **1** | 11 |
| Norwegian Study Centre | `https://www.york.ac.uk/nsc/` | — | **0** | 0 | 取不到：`/nsc/research/` 404
| Humanities Research Centre | `https://www.york.ac.uk/hrc/` | — | **1** | 0 | 支持中心，`/hrc/research/` 404
| Centre for Medieval Studies | `https://www.york.ac.uk/medieval-studies/research/` | — | **1** | 0 |
| Centre for Modern Studies | `https://www.york.ac.uk/modernstudies/our-research/` | — | **5** | 0 |
| Centre for Renaissance and Early Modern Studies | `https://www.york.ac.uk/crems/research/` | — | **2** | 0 |
| Centre for Eighteenth Century Studies | `https://www.york.ac.uk/eighteenth-century-studies/research/` | — | **1** | 5 |
| **Faculty of Sciences** | | | | |
| Department of Biology | `https://www.york.ac.uk/biology/research/` | 无组目录：7 个 research theme；theme 页的 `People` 表链接到 person 页 | **3** | 7 |
| Department of Chemistry | `https://www.york.ac.uk/chemistry/research/` | 中心内层：YSBL `/ysbl/work/`、WACL 方向页、GCCE 方向页 | **1** | 15 |
| Department of Computer Science | `https://www.york.ac.uk/computer-science/research/` | **`/computer-science/research/groups/`（9 个 Research Group）** | **9** | 0 |
| Department of Environment and Geography | `https://www.york.ac.uk/environment-geography/research/` | 无组目录：5 个 research theme | **0** | 6 |
| Department of Health Sciences | `https://www.york.ac.uk/health-sciences/research/` | **`/health-sciences/research/` 原文「six core research groups」** | **7** | 2 |
| Hull York Medical School | `https://www.hyms.ac.uk/research/` | **`/research/research-centres-and-groups/`（11 条 centres/groups）** | **8** | 3 |
| Department of Mathematics | `https://www.york.ac.uk/maths/research/` | 无组目录：只有 8 个 research area + 6 子领域 | **2** | 16 |
| School of Physics, Engineering and Technology | `https://www.york.ac.uk/physics-engineering-technology/research/` | 无独立组目录：只有 12 个 research theme + theme 下的 research area（see §3） | **2** | 37 |
| Department of Psychology | `https://www.york.ac.uk/psychology/research/` | PI Lab 页（`X Lab` 自述 `led by Dr …`） | **4** | 5 |
| Institute for Safe Autonomy | `https://www.york.ac.uk/safe-autonomy/research/` | — | **1** | 4 |
| Institute of Mental Health Research | `https://www.york.ac.uk/institute-of-mental-health-research/` | — | **1** | 0 |
| Stockholm Environment Institute at York | `https://www.york.ac.uk/sei/research/` | — | **1** | 5 |
| York Biomedical Research Institute | `https://www.york.ac.uk/biomedical-research-institute/` | **PI 目录：`/biomedical-research-institute/<theme>/`（每页 `Lead researcher: Professor X`）** | **1** | 35 |
| York Environmental Sustainability Institute | `https://www.york.ac.uk/yesi/research/` | — | **2** | 3 |
| **Faculty of Social Sciences** | | | | |
| School for Business and Society | `https://www.york.ac.uk/business-society/research/` | `/business-society/research/` 下的 centres/groups | **11** | 9 |
| Department of Economics and Related Studies | `https://www.york.ac.uk/economics/research/` | 无组目录：6 个 research area | **0** | 6 |
| Department of Education | `https://www.york.ac.uk/education/research/` | `/education/research/` 下的 centres | **4** | 3 |
| York Law School | `https://www.york.ac.uk/law/research/` | `/law/research/` 下的 labs/centres | **3** | 6 |
| School of Philosophy, Politics and Economics | `https://www.york.ac.uk/ppe/` | — | **0** | 0 | 取不到：`/ppe/research/` 404，研究由三个组成院系承接
| Department of Politics and International Relations | `https://www.york.ac.uk/politics/research/` | 无组目录：5 个 area + 3 个 network + 2 个 centre | **4** | 5 |
| Department of Sociology | `https://www.york.ac.uk/sociology/research/` | CURB + 3 个 research network | **3** | 4 |
| Centre for Health Economics | `https://www.york.ac.uk/che/` | — | **1** | 0 |
| Centre for Reviews and Dissemination | `https://www.york.ac.uk/crd/research/` | CRD 内 4 个 group/centre | **4** | 0 |
| Centre for Applied Human Rights | `https://www.york.ac.uk/cahr/` | — | **1** | 0 |
| Interdisciplinary Global Development Centre | `https://www.york.ac.uk/igdc/research/` | — | **1** | 3 |
| Centre for Women's Studies | `https://www.york.ac.uk/womens-studies/` | — | **1** | 0 |
| Research Centre for Social Sciences | `https://www.york.ac.uk/social-science/` | — | **2** | 0 |
**校级/跨院系研究中心（不属于单一院系，单列，不计入上表）**：
Centre for Applied Human Rights · Centre for Energy Efficient Materials · Centre for High Altitude Platform Applications · Centre for Hyperpolarisation in Magnetic Resonance · Centre for Digital Heritage · Centre for Digital Innovation in Philanthropy and Fundraising · Centre of Excellence in Mass Spectrometry · Institute for the Public Understanding of the Past · The Interdisciplinary Centre for Narrative Studies · The York JEOL Nanocentre · Palaeo (Centre for Human Palaeoecology & Evolutionary Origins) · York Centre for Quantum Technologies · The York Robotics Laboratory · YorRobots · Science and Technology Studies Unit · Centre for Assuring Autonomy · Leverhulme Centre for Anthropocene Biodiversity · The Morrell Centre for Legal and Political Philosophy · Centre for Medieval Studies · Centre for Renaissance and Early Modern Studies · Centre for Eighteenth Century Studies · Centre for Modern Studies · Humanities Research Centre · Interdisciplinary Global Development Centre · Stockholm Environment Institute at York · York Environmental Sustainability Institute · Institute of Mental Health Research at York · Institute for Safe Autonomy · Policy Engine (Cost of Living Research Group)
**HYMS（Hull York Medical School）11 个 centres/groups**：Academy of Primary Care · Biomedical Institute for Multimorbidity · Cancer Awareness, Screening and Diagnostic Pathways Research Group · Centre for Biomedicine · Centre for Health and Population Sciences · Clinical Sciences Centre · Experimental Medicine and Biomedicine · Health Professions Education Unit · Mental Health and Addiction Research Group · Skin Research Centre · Wolfson Palliative Care Research Centre
method/york_v2__sample30.md
+53
View File
@@ -0,0 +1,53 @@
# 抽样 30 条逐条判定 · 约克大学 v2
抽样方式：对 346 条全量候选用固定随机种子 `20260923` 随机抽 30 条；ego-browser 自建 TaskSpace 5，**每条 URL 一个独占 `newPage()`，逐页校验 `page.url()`（30/30 通过，2 条为同页规范化跳转：`hyms.ac.uk`→`www.hyms.ac.uk`、`business-society/.../spsw/...`→`.../research/...`）**。
| # | 课题组名称（页面 H1） | URL | 判定 | 依据 |
|---|---|---|---|---|
| 1 | Stained Glass Studies | `https://www.york.ac.uk/history-of-art/research/materials-of-art-and-architecture/stained-glass-studies/` | **组/最细层** | 研究领域页（H&Art 最细层），有方向与协作叙述；无单一负责人 → theme 级 |
| 2 | Vision, Graphics and Learning Research Group | `https://www.york.ac.uk/computer-science/research/groups/vision-graphics-and-learning/` | **组** | 页面自述 Research Group，有方向+成员 → 真组 |
| 3 | Material and Visual Culture | `https://www.york.ac.uk/eighteenth-century-studies/research/material-and-visual-culture/` | **组/最细层** | 研究方向页，`Our staff are research leaders`；theme 级 |
| 4 | Institute for the Public Understanding of the Past | `https://www.york.ac.uk/ipup/` | **大一级** | 院级研究所 IPUP（Institute），不是单一导师组 → 按用户裁定不计，单列 |
| 5 | Software Engineering for Robotics Research Group | `https://www.york.ac.uk/computer-science/research/groups/software-engineering-for-robotics/` | **组** | 页面自述 Research Group，含 RoboStar 卓越中心 → 真组 |
| 6 | Algebraic quantum field theory | `https://www.york.ac.uk/maths/research/mathematical-physics-quantum-information/algebraic-qft/` | **组/最细层** | 数学系最细研究方向页；theme 级 |
| 7 | Communication systems and protocols | `https://www.york.ac.uk/physics-engineering-technology/research/communication-technologies/communication-systems-protocols/` | **组/最细层** | 物理主题下的方向页；theme 级 |
| 8 | Functional Materials | `https://www.york.ac.uk/chemistry/research/functional-materials/` | **组** | 化学系研究主题，有方向与团队 → 真组 |
| 9 | Palaeoproteomics and ZooMS | `https://www.york.ac.uk/archaeology/research/research-centres/bioarch/research-themes/palaeoproteomics/` | **组/最细层** | BioArCh 内的研究方向页；theme 级 |
| 10 | York Gender and Violence Research Network | `https://www.york.ac.uk/womens-studies/york-gender-and-violence-research-network/` | **组** | Research Network，有方向 → 计 |
| 11 | Centre for Artefacts and Materials Analysis | `https://www.york.ac.uk/archaeology/research/research-centres/centre-for-artefacts-and-materials-analysis/` | **组** | Centre，`brings together staff ... six themes` → 真中心 |
| 12 | Biomechanics+: Movement, Mind and Machines | `https://www.york.ac.uk/physics-engineering-technology/research/healthcare-engineering/movement-science-and-engineering/` | **组** | Research Laboratory，有方向 → 真组 |
| 13 | Technologies for Molecular Measurement | `https://www.york.ac.uk/chemistry/research/technologies-for-molecular-measurement/` | **组** | 化学系研究主题 → 真组 |
| 14 | Healthcare engineering | `https://www.york.ac.uk/physics-engineering-technology/research/healthcare-engineering/` | **组** | `The Healthcare Engineering group` 自述 group → 真组 |
| 15 | York Developmental Social Neuroscience Lab‌ | `https://www.york.ac.uk/psychology/research/development-and-cultural-processes/dsn-lab/` | **组** | PI Lab，`led by Dr Elena Geangu` → 真组 |
| 16 | Education, community, health and inclusion research cluster | `https://www.york.ac.uk/arts-creative-technologies/research-and-practice/education-community-health-inclusion/` | **组** | research cluster，自述有 lead 与分组 → 计 |
| 17 | Challenging environments | `https://www.york.ac.uk/physics-engineering-technology/research/challenging-environments/` | **组/最细层** | `This theme focuses on...` theme 级 |
| 18 | Centre for Digital Heritage | `https://york.ac.uk/digital-heritage/` | **组** | Centre（跨系）→ 真中心 |
| 19 | Drug resistant infections/antimicrobial resistance | `https://www.york.ac.uk/biomedical-research-institute/biomedical-technologies/drug-resistant-infections/` | **组** | BRI PI 组，有方向 → 真组 |
| 20 | Centre for Novel Agricultural Products | `https://www.york.ac.uk/biology/centre-for-novel-agricultural-products/` | **组** | Centre → 真中心 |
| 21 | Mental Health and Addiction | `https://www.york.ac.uk/health-sciences/research/mental-health/` | **组** | `York Mental Health and Addiction Research Group (MHARG)` → 真组 |
| 22 | Methods in structural biology | `https://www.york.ac.uk/chemistry/research/ysbl/methods-in-structural-biology/` | **组/最细层** | YSBL 内研究方向页；theme 级 |
| 23 | Zooarchaeology | `https://www.york.ac.uk/archaeology/research/research-centres/bioarch/research-themes/zooarchaeology/` | **组/最细层** | BioArCh 内研究方向页；theme 级 |
| 24 | Cost of Living Research Group | `https://www.york.ac.uk/policy-engine/type-policy-groups/cost-of-living/` | **组** | `Cost of Living Research Group` → 真组 |
| 25 | Institute of Mental Health Research at York | `https://www.york.ac.uk/institute-of-mental-health-research/` | **大一级** | 校级研究所 IMRY（跨院系聚合）→ 按用户裁定不计，单列 |
| 26 | Enchanted Modernities | `https://www.york.ac.uk/history-of-art/research/enchanted-modernities/` | **反例·项目** | 页面为 `Enchanted Modernities` 研究**项目**（`Follow the Project`）→ **已定点删除** |
| 27 | Health Professions Education Unit | `https://hyms.ac.uk/research/research-centres-and-groups/hpeu` | **组** | Research Unit（HYMS）→ 计 |
| 28 | ESRC Vulnerability & Policing Futures Research Centre | `https://www.york.ac.uk/business-society/research/spsw/vulnerability-policing-futures-research-centre/` | **组** | ESRC 研究中心 → 真中心 |
| 29 | York Plasma Institute | `https://www.york.ac.uk/physics-engineering-technology/ypi/` | **组** | Research Institute（有方向、团队）→ 真中心 |
| 30 | The University of York Migration Network | `https://www.york.ac.uk/social-science/research-impact/migration-network/` | **组** | Research Network → 计 |
## 准确率
- **严格口径（只算「导师带的具名组/中心/实验室/网络」，排除 theme 级与大一级研究所）= 24 / 30 = 80%**
- **宽松口径（把「院系最细一层研究方向」也算作可交付单元，排除项目与大一级研究所）= 27 / 30 = 90%**
- 把 2 个大一级研究所（IPUP、IMRY）单列、1 个项目（Enchanted Modernities）删除后，**可交付 346 条的抽样准确率 = 29/30 = 96.7%**
## 假阳性类型与定点修法
| 类型 | 抽样命中 | 页面原文 | 能否定点修 | 修法 |
|---|---|---|---|---|
| 单项研究**项目**页 | 1/30（已删） | `Enchanted Modernities` 页含 `The Project` / `Follow the Project` | 能，且已修 | 正则命中 `about/follow the project`、`this project aims` 全量扫描；共 3 条命中，其中 2 条为项目已删（Enchanted Modernities、Visual Translations of Jerusalem） |
| **大一级研究所**（校级/跨院系聚合） | 2/30 | IPUP `Institute for the Public Understanding of the Past`；IMRY `brings together world-leading researchers` | 能，已标注 | 保留在产物但 `unit_kind` 标 `institute`，报告单列，不计入院系组数 |
抽样未见：服务设施 / 研讨会系列 / 课程 / 学生群体 / 空页 被当作组 —— 这类在启发式阶段已用页面自述过滤（见 `finding_york_v2.md` §5）。
**结论：假阳性类型集中（项目 + 大一级研究所），已定点修掉，不需要扩大抽样。**
products/bath_v2__candidates.json
+3134
View File
File diff suppressed because it is too large Load Diff
products/lancaster_v2__rows_all.json
+3962
View File
File diff suppressed because it is too large Load Diff
products/monash_v2__groups.json
+6606
View File
File diff suppressed because it is too large Load Diff
products/qub_v2__rows_all.json
+3674
View File
File diff suppressed because it is too large Load Diff
tasks/TEMPLATE_win1.md
+87
View File
@@ -0,0 +1,87 @@
# 课题组逐院系采集 · __SCHOOL__ · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**__SCHOOL__**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/pool_state.json
+68
View File
@@ -0,0 +1,68 @@
{
"run": "run_488d81fad4d6",
"host": "Win1",
"worktree": "C:/Users/Administrator/orca/projects/英澳博士课题组数据",
"pool_size": 10,
"slots": {
"ctx_e912a9609dce": "GSMD 市政厅",
"ctx_b5ce1c6f61d5": "KCL 伦敦国王学院",
"ctx_d52a06cb7166": "GLASGOW 格拉斯哥",
"ctx_838c2ad83615": "CARDIFF 卡迪夫",
"ctx_46038ec34fc0": "READING 雷丁",
"ctx_c4c0f023c73a": "JCU 詹姆斯库克",
"ctx_a0f22a56e13e": "OTAGO 奥塔哥",
"ctx_f1c1bdddb2b3": "UTS 悉尼科技",
"ctx_ad8e9ae3c9e4": "DURHAM 杜伦",
"ctx_5f23a2304503": "NEWCASTLE 纽卡斯尔"
},
"completed": {
"ctx_9fc6c19bde17": "COURTAULD 考陶尔德 = 9 组",
"ctx_6ed51d009c6a": "UWS 西悉尼 = 79 组",
"ctx_5da2c9cebff1": "RCS 苏格兰皇家音乐 = 0 组（复验，26 候选 + 六项硬证据）",
"ctx_27a4e7a78849": "LSTMED 利物浦热带 = 12 组（/research/centres/ 唯一组目录；8 个 theme 404 是改版换 slug）",
"ctx_aaaefd68680d": "CANBERRA 堪培拉 = 37 组（未取页 0；抽样 83.3%→定点修后 100%）",
"ctx_87657bf70fab": "BRISTOL 布里斯托 = 205 组（旧 174，+17.8%；未取页 0；抽样 93.3%）",
"ctx_a53336cbdd98": "BOND 邦德 = 38 组（前轮 19）",
"ctx_54c767baaae4": "SOUTHAMPTON 南安普顿 = 261 组（未取页 0；抽样两轮 30 条定点修）",
"ctx_80b0ee4ab590": "CDU 查尔斯达尔文 = 38 组 / 36 单位（前轮 11；未取页 0）",
"ctx_79bb1c6923c9": "IMPERIAL 帝国理工 = 476 组 / 25 院系（旧 379）",
"ctx_38e4ac4a3edc": "LEEDS 利兹 = 309 组 / 35 单元（旧 225；未取页 0；抽样 30/30）",
"ctx_edd26d2e1b59": "FLINDERS 弗林德斯 = 147 组（旧 17，8.6x；未取页 0；抽样 96.7%）",
"ctx_98699cb93574": "NOTTINGHAM 诺丁汉 = 229 组（旧 282；未取页 0；抽样修后 94.7%）"
},
"queue_files": {
"win1q_0.md": "伦敦国王学院",
"win1q_1.md": "帝国理工学院",
"win1q_2.md": "格拉斯哥大学",
"win1q_3.md": "诺丁汉大学",
"win1q_4.md": "南安普顿大学",
"win1q_5.md": "卡迪夫大学",
"win1q_6.md": "利兹大学",
"win1q_7.md": "雷丁大学",
"win1q_8.md": "詹姆斯库克大学",
"win1q_9.md": "奥塔哥大学",
"win1q_10.md": "悉尼科技大学",
"win1q_11.md": "杜伦大学",
"win1q_12.md": "纽卡斯尔大学",
"win1q_13.md": "阿德莱德大学",
"win1q_14.md": "昆士兰大学",
"win1q_15.md": "伦敦大学城市圣乔治学院"
},
"queue_dispatched": [
"win1q_0.md",
"win1q_1.md",
"win1q_2.md",
"win1q_3.md",
"win1q_4.md",
"win1q_5.md",
"win1q_6.md",
"win1q_7.md",
"win1q_8.md",
"win1q_9.md",
"win1q_10.md",
"win1q_11.md",
"win1q_12.md"
],
"queue_remaining_total": 64,
"note": "池语义：出一进一。队列共 64 校，已生成 16 份任务书。"
}
tasks/queue_map.json
+66
View File
@@ -0,0 +1,66 @@
{
"win1q_0.md": "伦敦国王学院",
"win1q_1.md": "帝国理工学院",
"win1q_2.md": "格拉斯哥大学",
"win1q_3.md": "诺丁汉大学",
"win1q_4.md": "南安普顿大学",
"win1q_5.md": "卡迪夫大学",
"win1q_6.md": "利兹大学",
"win1q_7.md": "雷丁大学",
"win1q_8.md": "詹姆斯库克大学",
"win1q_9.md": "奥塔哥大学",
"win1q_10.md": "悉尼科技大学",
"win1q_11.md": "杜伦大学",
"win1q_12.md": "纽卡斯尔大学",
"win1q_13.md": "阿德莱德大学",
"win1q_14.md": "昆士兰大学",
"win1q_15.md": "伦敦大学城市圣乔治学院",
"win1q_16.md": "谢菲尔德大学",
"win1q_18.md": "利物浦大学",
"win1q_20.md": "ESCP欧洲高等商学院",
"win1q_22.md": "剑桥大学",
"win1q_24.md": "悉尼大学",
"win1q_26.md": "坎特伯雷大学",
"win1q_28.md": "埃克塞特大学",
"win1q_30.md": "墨尔本大学",
"win1q_32.md": "华威大学",
"win1q_34.md": "莫道克大学",
"win1q_36.md": "克兰菲尔德大学",
"win1q_38.md": "伦敦玛丽女王大学",
"win1q_40.md": "皇家兽医学院",
"win1q_42.md": "伦敦政治经济学院",
"win1q_44.md": "贝叶斯商学院",
"win1q_46.md": "牛津大学",
"win1q_48.md": "南昆士兰大学",
"win1q_50.md": "哈珀亚当斯大学",
"win1q_52.md": "中央昆士兰大学",
"win1q_54.md": "埃蒂斯科文大学",
"win1q_56.md": "伦敦卫生与热带医学院",
"win1q_58.md": "哈特伯瑞大学",
"win1q_60.md": "墨尔本皇家理工大学",
"win1q_62.md": "南十字星大学",
"win1q_64.md": "法尔茅斯大学",
"win1q_66.md": "皇家艺术学院",
"win1q_68.md": "迪肯大学",
"win1q_70.md": "科廷马来西亚校区",
"win1q_72.md": "诺里奇艺术大学",
"win1q_74.md": "伦敦艺术大学",
"win1q_76.md": "皇家北方音乐学院",
"win1q_78.md": "创意艺术大学",
"win1q_80.md": "悉尼新南威尔士大学",
"win1q_82.md": "AA建筑联盟学院",
"win1q_84.md": "伯恩茅斯艺术大学",
"win1q_86.md": "伦敦商学院",
"win1q_88.md": "罗斯布鲁弗德戏剧与表演学院",
"win1q_90.md": "皇家农业大学",
"win1q_92.md": "格拉斯哥艺术学院",
"win1q_94.md": "三一拉邦音乐舞蹈学院",
"win1q_96.md": "普利茅斯艺术大学",
"win1q_98.md": "斯威本科技大学",
"win1q_100.md": "霍特国际商学院",
"win1q_102.md": "怀卡托大学",
"win1q_104.md": "利兹艺术大学",
"win1q_106.md": "皇家中央演讲与戏剧学院",
"win1q_108.md": "皇家音乐学院(RCM)",
"win1q_110.md": "英国法律大学"
}
tasks/win1_BOND.md
+89
View File
@@ -0,0 +1,89 @@
# 课题组逐院系采集 · 邦德大学（Bond University）· `bond.edu.au`
前一轮 19 条。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**邦德大学（Bond University）· `bond.edu.au`
前一轮 19 条。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1_BRISTOL.md
+93
View File
@@ -0,0 +1,93 @@
# 课题组逐院系采集 · 布里斯托大学（University of Bristol）· `bristol.ac.uk`
切片已做 174 组（方法论基准）。
⚠️ **但爱丁堡从 22 变 643 说明基准本身也可能偏低** —— 复验：
学院站之外有没有**学院自己发布的 PI-group 目录**（爱丁堡漏掉的正是这一类，一个目录就 140 条）。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**布里斯托大学（University of Bristol）· `bristol.ac.uk`
切片已做 174 组（方法论基准）。
⚠️ **但爱丁堡从 22 变 643 说明基准本身也可能偏低** —— 复验：
学院站之外有没有**学院自己发布的 PI-group 目录**（爱丁堡漏掉的正是这一类，一个目录就 140 条）。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1_CANBERRA.md
+89
View File
@@ -0,0 +1,89 @@
# 课题组逐院系采集 · 堪培拉大学（University of Canberra）· `canberra.edu.au`
前一轮 10 条。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**堪培拉大学（University of Canberra）· `canberra.edu.au`
前一轮 10 条。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1_CDU.md
+89
View File
@@ -0,0 +1,89 @@
# 课题组逐院系采集 · 查尔斯达尔文大学（Charles Darwin University）· `cdu.edu.au`
前一轮 11 条。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**查尔斯达尔文大学（Charles Darwin University）· `cdu.edu.au`
前一轮 11 条。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1_COURTAULD.md
+91
View File
@@ -0,0 +1,91 @@
# 课题组逐院系采集 · 考陶尔德艺术学院（The Courtauld Institute of Art）· `courtauld.ac.uk`
前一轮 93 候选只 8 条过关。⚠️ 单学院专科机构、全站无 faculty/school/department 结构。
**复验：它的 `research/` 之外还有没有别的研究单元入口。** · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**考陶尔德艺术学院（The Courtauld Institute of Art）· `courtauld.ac.uk`
前一轮 93 候选只 8 条过关。⚠️ 单学院专科机构、全站无 faculty/school/department 结构。
**复验：它的 `research/` 之外还有没有别的研究单元入口。****
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1_FLINDERS.md
+89
View File
@@ -0,0 +1,89 @@
# 课题组逐院系采集 · 弗林德斯大学（Flinders University）· `flinders.edu.au`
前一轮 17 条。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**弗林德斯大学（Flinders University）· `flinders.edu.au`
前一轮 17 条。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1_GSMD.md
+91
View File
@@ -0,0 +1,91 @@
# 课题组逐院系采集 · 市政厅音乐及戏剧学院（Guildhall School of Music & Drama）· `gsmd.ac.uk`
前一轮判**收 0**，附页面原文（学校自述 research 是 individual，不按组组织）。
⚠️ **复验**：看有没有漏掉 PI-group 形态的组目录。若确认是 0，给**比上一轮更硬的证据**。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**市政厅音乐及戏剧学院（Guildhall School of Music & Drama）· `gsmd.ac.uk`
前一轮判**收 0**，附页面原文（学校自述 research 是 individual，不按组组织）。
⚠️ **复验**：看有没有漏掉 PI-group 形态的组目录。若确认是 0，给**比上一轮更硬的证据**。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1_LSTMED.md
+89
View File
@@ -0,0 +1,89 @@
# 课题组逐院系采集 · 利物浦热带医学院（Liverpool School of Tropical Medicine）· `lstmed.ac.uk`
前一轮 33 条；⚠️ 9 个 research theme 里 **8 个 404**（只有 `/research/malaria-other-vector-borne-diseases` 活着）—— 找它的**实际组目录**在哪。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**利物浦热带医学院（Liverpool School of Tropical Medicine）· `lstmed.ac.uk`
前一轮 33 条；⚠️ 9 个 research theme 里 **8 个 404**（只有 `/research/malaria-other-vector-borne-diseases` 活着）—— 找它的**实际组目录**在哪。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1_RCS.md
+91
View File
@@ -0,0 +1,91 @@
# 课题组逐院系采集 · 苏格兰皇家音乐学院（Royal Conservatoire of Scotland）· `rcs.ac.uk`
前一轮判**收 0**（7 个 cluster 是校级「seven research clusters」，按粒度不收）。
⚠️ **复验**：有没有更细的具名组目录。同样，确认 0 要给更硬的证据。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**苏格兰皇家音乐学院（Royal Conservatoire of Scotland）· `rcs.ac.uk`
前一轮判**收 0**（7 个 cluster 是校级「seven research clusters」，按粒度不收）。
⚠️ **复验**：有没有更细的具名组目录。同样，确认 0 要给更硬的证据。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1_UWS.md
+89
View File
@@ -0,0 +1,89 @@
# 课题组逐院系采集 · 西悉尼大学（Western Sydney University）· `westernsydney.edu.au`
前一轮 42 条候选，未出判定合计。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**西悉尼大学（Western Sydney University）· `westernsydney.edu.au`
前一轮 42 条候选，未出判定合计。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_0.md
+99
View File
@@ -0,0 +1,99 @@
# 课题组逐院系采集 · 伦敦国王学院（英国）· 现有 627 条
**入口普查的判型**：自建 research 站点
**现有 group_url 形态**：``www.kcl.ac.uk / research/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。
本条是**入口普查已定**的那批（61 校/3501 条可收 2817）；按 METHOD.md 从院系站重找组目录。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**伦敦国王学院（英国）· 现有 627 条
**入口普查的判型**：自建 research 站点
**现有 group_url 形态**：``www.kcl.ac.uk / research/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。
本条是**入口普查已定**的那批（61 校/3501 条可收 2817）；按 METHOD.md 从院系站重找组目录。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_1.md
+99
View File
@@ -0,0 +1,99 @@
# 课题组逐院系采集 · 帝国理工学院（英国）· 现有 379 条
**入口普查的判型**：自建 research 目录/课题组页
**现有 group_url 形态**：``www.imperial.ac.uk / a-z-research/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。
本条是**入口普查已定**的那批（61 校/3501 条可收 2817）；按 METHOD.md 从院系站重找组目录。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**帝国理工学院（英国）· 现有 379 条
**入口普查的判型**：自建 research 目录/课题组页
**现有 group_url 形态**：``www.imperial.ac.uk / a-z-research/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。
本条是**入口普查已定**的那批（61 校/3501 条可收 2817）；按 METHOD.md 从院系站重找组目录。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_10.md
+99
View File
@@ -0,0 +1,99 @@
# 课题组逐院系采集 · 悉尼科技大学（澳新）· 现有 128 条
**入口普查的判型**：人员档案系统 group 页
**现有 group_url 形态**：``profiles.uts.edu.au / groups/<n>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。
本条是**入口普查已定**的那批（61 校/3501 条可收 2817）；按 METHOD.md 从院系站重找组目录。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**悉尼科技大学（澳新）· 现有 128 条
**入口普查的判型**：人员档案系统 group 页
**现有 group_url 形态**：``profiles.uts.edu.au / groups/<n>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。
本条是**入口普查已定**的那批（61 校/3501 条可收 2817）；按 METHOD.md 从院系站重找组目录。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_100.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 霍特国际商学院（英国）· 现有 2 条
**入口普查的判型**：自建 research 站点
**现有 group_url 形态**：``www.hult.edu / research/leadership-lab``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**霍特国际商学院（英国）· 现有 2 条
**入口普查的判型**：自建 research 站点
**现有 group_url 形态**：``www.hult.edu / research/leadership-lab``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_102.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 怀卡托大学（澳新）· 现有 1 条
**入口普查的判型**：自建 research 站点
**现有 group_url 形态**：``www.waikato.ac.nz / research/<slug>/institutes``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**怀卡托大学（澳新）· 现有 1 条
**入口普查的判型**：自建 research 站点
**现有 group_url 形态**：``www.waikato.ac.nz / research/<slug>/institutes``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_104.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 利兹艺术大学（英国）· 现有 1 条
**入口普查的判型**：无 group_url（id 来源待定）
**现有 group_url 形态**：``(无 url) — 其它: —``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**利兹艺术大学（英国）· 现有 1 条
**入口普查的判型**：无 group_url（id 来源待定）
**现有 group_url 形态**：``(无 url) — 其它: —``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_106.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 皇家中央演讲与戏剧学院（英国）· 现有 1 条
**入口普查的判型**：自建 research 站点
**现有 group_url 形态**：``www.cssd.ac.uk / research/pteq``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**皇家中央演讲与戏剧学院（英国）· 现有 1 条
**入口普查的判型**：自建 research 站点
**现有 group_url 形态**：``www.cssd.ac.uk / research/pteq``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_108.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 皇家音乐学院(RCM)（英国）· 现有 1 条
**入口普查的判型**：自建 research 站点
**现有 group_url 形态**：``www.rcm.ac.uk / research/cps``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**皇家音乐学院(RCM)（英国）· 现有 1 条
**入口普查的判型**：自建 research 站点
**现有 group_url 形态**：``www.rcm.ac.uk / research/cps``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_11.md
+99
View File
@@ -0,0 +1,99 @@
# 课题组逐院系采集 · 杜伦大学（英国）· 现有 116 条
**入口普查的判型**：院系目录页（误抓）
**现有 group_url 形态**：``www.durham.ac.uk / departments/academic/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。
本条是**入口普查已定**的那批（61 校/3501 条可收 2817）；按 METHOD.md 从院系站重找组目录。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**杜伦大学（英国）· 现有 116 条
**入口普查的判型**：院系目录页（误抓）
**现有 group_url 形态**：``www.durham.ac.uk / departments/academic/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。
本条是**入口普查已定**的那批（61 校/3501 条可收 2817）；按 METHOD.md 从院系站重找组目录。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_110.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 英国法律大学（英国）· 现有 1 条
**入口普查的判型**：无 group_url（id 来源待定）
**现有 group_url 形态**：``(无 url) — 其它: —``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**英国法律大学（英国）· 现有 1 条
**入口普查的判型**：无 group_url（id 来源待定）
**现有 group_url 形态**：``(无 url) — 其它: —``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_12.md
+99
View File
@@ -0,0 +1,99 @@
# 课题组逐院系采集 · 纽卡斯尔大学（英国）· 现有 113 条
**入口普查的判型**：自建 research 目录/课题组页
**现有 group_url 形态**：``www.ncl.ac.uk / computing/research/groups``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。
本条是**入口普查已定**的那批（61 校/3501 条可收 2817）；按 METHOD.md 从院系站重找组目录。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**纽卡斯尔大学（英国）· 现有 113 条
**入口普查的判型**：自建 research 目录/课题组页
**现有 group_url 形态**：``www.ncl.ac.uk / computing/research/groups``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。
本条是**入口普查已定**的那批（61 校/3501 条可收 2817）；按 METHOD.md 从院系站重找组目录。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_13.md
+99
View File
@@ -0,0 +1,99 @@
# 课题组逐院系采集 · 阿德莱德大学（澳新）· 现有 111 条
**入口普查的判型**：自建 research 站点
**现有 group_url 形态**：``adelaide.edu.au / research/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。
本条是**入口普查已定**的那批（61 校/3501 条可收 2817）；按 METHOD.md 从院系站重找组目录。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**阿德莱德大学（澳新）· 现有 111 条
**入口普查的判型**：自建 research 站点
**现有 group_url 形态**：``adelaide.edu.au / research/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。
本条是**入口普查已定**的那批（61 校/3501 条可收 2817）；按 METHOD.md 从院系站重找组目录。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_14.md
+99
View File
@@ -0,0 +1,99 @@
# 课题组逐院系采集 · 昆士兰大学（澳新）· 现有 108 条
**入口普查的判型**：其它/待裁
**现有 group_url 形态**：``qaafi.uq.edu.au / <slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。
本条是**入口普查已定**的那批（61 校/3501 条可收 2817）；按 METHOD.md 从院系站重找组目录。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**昆士兰大学（澳新）· 现有 108 条
**入口普查的判型**：其它/待裁
**现有 group_url 形态**：``qaafi.uq.edu.au / <slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。
本条是**入口普查已定**的那批（61 校/3501 条可收 2817）；按 METHOD.md 从院系站重找组目录。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_15.md
+99
View File
@@ -0,0 +1,99 @@
# 课题组逐院系采集 · 伦敦大学城市圣乔治学院（英国）· 现有 91 条
**入口普查的判型**：自建 research 目录/课题组页
**现有 group_url 形态**：``www.citystgeorges.ac.uk / research/centres/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。
本条是**入口普查已定**的那批（61 校/3501 条可收 2817）；按 METHOD.md 从院系站重找组目录。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**伦敦大学城市圣乔治学院（英国）· 现有 91 条
**入口普查的判型**：自建 research 目录/课题组页
**现有 group_url 形态**：``www.citystgeorges.ac.uk / research/centres/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。
本条是**入口普查已定**的那批（61 校/3501 条可收 2817）；按 METHOD.md 从院系站重找组目录。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_16.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 谢菲尔德大学（英国）· 现有 80 条
**入口普查的判型**：自建 research 目录/课题组页
**现有 group_url 形态**：``sheffield.ac.uk / eee/research/centres``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**谢菲尔德大学（英国）· 现有 80 条
**入口普查的判型**：自建 research 目录/课题组页
**现有 group_url 形态**：``sheffield.ac.uk / eee/research/centres``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_18.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 利物浦大学（英国）· 现有 66 条
**入口普查的判型**：人员档案系统 group 页
**现有 group_url 形态**：``profiles.liverpool.ac.uk / groups/<n>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**利物浦大学（英国）· 现有 66 条
**入口普查的判型**：人员档案系统 group 页
**现有 group_url 形态**：``profiles.liverpool.ac.uk / groups/<n>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_2.md
+99
View File
@@ -0,0 +1,99 @@
# 课题组逐院系采集 · 格拉斯哥大学（英国）· 现有 305 条
**入口普查的判型**：自建 research 目录/课题组页
**现有 group_url 形态**：``www.gla.ac.uk / research/az/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。
本条是**入口普查已定**的那批（61 校/3501 条可收 2817）；按 METHOD.md 从院系站重找组目录。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**格拉斯哥大学（英国）· 现有 305 条
**入口普查的判型**：自建 research 目录/课题组页
**现有 group_url 形态**：``www.gla.ac.uk / research/az/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。
本条是**入口普查已定**的那批（61 校/3501 条可收 2817）；按 METHOD.md 从院系站重找组目录。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_20.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · ESCP欧洲高等商学院（英国）· 现有 64 条
**入口普查的判型**：其它/待裁
**现有 group_url 形态**：``escp.eu / berlin/<slug>/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**ESCP欧洲高等商学院（英国）· 现有 64 条
**入口普查的判型**：其它/待裁
**现有 group_url 形态**：``escp.eu / berlin/<slug>/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_22.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 剑桥大学（英国）· 现有 62 条
**入口普查的判型**：自建 research 目录/课题组页
**现有 group_url 形态**：``www.plantsci.cam.ac.uk / research/groups/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**剑桥大学（英国）· 现有 62 条
**入口普查的判型**：自建 research 目录/课题组页
**现有 group_url 形态**：``www.plantsci.cam.ac.uk / research/groups/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_24.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 悉尼大学（澳新）· 现有 59 条
**入口普查的判型**：人员档案系统 group 页
**现有 group_url 形态**：``profiles.sydney.edu.au / groups/<n>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**悉尼大学（澳新）· 现有 59 条
**入口普查的判型**：人员档案系统 group 页
**现有 group_url 形态**：``profiles.sydney.edu.au / groups/<n>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_26.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 坎特伯雷大学（澳新）· 现有 53 条
**入口普查的判型**：自建 research 目录/课题组页
**现有 group_url 形态**：``www.canterbury.ac.nz / research/about-uc-research/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**坎特伯雷大学（澳新）· 现有 53 条
**入口普查的判型**：自建 research 目录/课题组页
**现有 group_url 形态**：``www.canterbury.ac.nz / research/about-uc-research/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_28.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 埃克塞特大学（英国）· 现有 47 条
**入口普查的判型**：无 group_url（id 来源待定）
**现有 group_url 形态**：``(无 url) — 其它: socialsciences.exeter.ac.uk / law/research/groups(6); sshs.exeter.ac.uk / research/<slug>/appli`
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**埃克塞特大学（英国）· 现有 47 条
**入口普查的判型**：无 group_url（id 来源待定）
**现有 group_url 形态**：``(无 url) — 其它: socialsciences.exeter.ac.uk / law/research/groups(6); sshs.exeter.ac.uk / research/<slug>/appli`
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_3.md
+99
View File
@@ -0,0 +1,99 @@
# 课题组逐院系采集 · 诺丁汉大学（英国）· 现有 282 条
**入口普查的判型**：自建 research 目录/课题组页
**现有 group_url 形态**：``www.nottingham.ac.uk / research/groups/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。
本条是**入口普查已定**的那批（61 校/3501 条可收 2817）；按 METHOD.md 从院系站重找组目录。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**诺丁汉大学（英国）· 现有 282 条
**入口普查的判型**：自建 research 目录/课题组页
**现有 group_url 形态**：``www.nottingham.ac.uk / research/groups/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。
本条是**入口普查已定**的那批（61 校/3501 条可收 2817）；按 METHOD.md 从院系站重找组目录。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_30.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 墨尔本大学（澳新）· 现有 45 条
**入口普查的判型**：其它/待裁
**现有 group_url 形态**：``findanexpert.unimelb.edu.au / group/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**墨尔本大学（澳新）· 现有 45 条
**入口普查的判型**：其它/待裁
**现有 group_url 形态**：``findanexpert.unimelb.edu.au / group/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_32.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 华威大学（英国）· 现有 33 条
**入口普查的判型**：课程页（误抓）
**现有 group_url 形态**：``warwick.ac.uk / study/postgraduate/courses``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**华威大学（英国）· 现有 33 条
**入口普查的判型**：课程页（误抓）
**现有 group_url 形态**：``warwick.ac.uk / study/postgraduate/courses``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_34.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 莫道克大学（澳新）· 现有 30 条
**入口普查的判型**：无 group_url（id 来源待定）
**现有 group_url 形态**：``(无 url) — 其它: www.murdoch.edu.au / research/hbi/centres(4); www.murdoch.edu.au / research/ffi/centres(3)``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**莫道克大学（澳新）· 现有 30 条
**入口普查的判型**：无 group_url（id 来源待定）
**现有 group_url 形态**：``(无 url) — 其它: www.murdoch.edu.au / research/hbi/centres(4); www.murdoch.edu.au / research/ffi/centres(3)``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_36.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 克兰菲尔德大学（英国）· 现有 30 条
**入口普查的判型**：自建 research 目录/课题组页
**现有 group_url 形态**：``www.cranfield.ac.uk / centres/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**克兰菲尔德大学（英国）· 现有 30 条
**入口普查的判型**：自建 research 目录/课题组页
**现有 group_url 形态**：``www.cranfield.ac.uk / centres/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_38.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 伦敦玛丽女王大学（英国）· 现有 29 条
**入口普查的判型**：自建 research 站点
**现有 group_url 形态**：``www.qmul.ac.uk / research/<slug>/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**伦敦玛丽女王大学（英国）· 现有 29 条
**入口普查的判型**：自建 research 站点
**现有 group_url 形态**：``www.qmul.ac.uk / research/<slug>/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_4.md
+99
View File
@@ -0,0 +1,99 @@
# 课题组逐院系采集 · 南安普顿大学（英国）· 现有 272 条
**入口普查的判型**：自建 research 目录/课题组页
**现有 group_url 形态**：``www.southampton.ac.uk / research/institutes-centres/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。
本条是**入口普查已定**的那批（61 校/3501 条可收 2817）；按 METHOD.md 从院系站重找组目录。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**南安普顿大学（英国）· 现有 272 条
**入口普查的判型**：自建 research 目录/课题组页
**现有 group_url 形态**：``www.southampton.ac.uk / research/institutes-centres/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。
本条是**入口普查已定**的那批（61 校/3501 条可收 2817）；按 METHOD.md 从院系站重找组目录。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_40.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 皇家兽医学院（英国）· 现有 28 条
**入口普查的判型**：自建 research 站点
**现有 group_url 形态**：``www.rvc.ac.uk / research/<slug>/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**皇家兽医学院（英国）· 现有 28 条
**入口普查的判型**：自建 research 站点
**现有 group_url 形态**：``www.rvc.ac.uk / research/<slug>/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_42.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 伦敦政治经济学院（英国）· 现有 27 条
**入口普查的判型**：其它/待裁
**现有 group_url 形态**：``www.lse.ac.uk / <slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**伦敦政治经济学院（英国）· 现有 27 条
**入口普查的判型**：其它/待裁
**现有 group_url 形态**：``www.lse.ac.uk / <slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_44.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 贝叶斯商学院（英国）· 现有 23 条
**入口普查的判型**：其它/待裁
**现有 group_url 形态**：``www.bayes.citystgeorges.ac.uk / <slug>/management/people``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**贝叶斯商学院（英国）· 现有 23 条
**入口普查的判型**：其它/待裁
**现有 group_url 形态**：``www.bayes.citystgeorges.ac.uk / <slug>/management/people``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_46.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 牛津大学（英国）· 现有 22 条
**入口普查的判型**：研究生学科领域页（误抓）
**现有 group_url 形态**：``www.medsci.ox.ac.uk / study/graduateschool/subject-areas``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**牛津大学（英国）· 现有 22 条
**入口普查的判型**：研究生学科领域页（误抓）
**现有 group_url 形态**：``www.medsci.ox.ac.uk / study/graduateschool/subject-areas``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_48.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 南昆士兰大学（澳新）· 现有 19 条
**入口普查的判型**：自建 research 目录/课题组页
**现有 group_url 形态**：``www.unisq.edu.au / research/institutes-centres/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**南昆士兰大学（澳新）· 现有 19 条
**入口普查的判型**：自建 research 目录/课题组页
**现有 group_url 形态**：``www.unisq.edu.au / research/institutes-centres/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_5.md
+99
View File
@@ -0,0 +1,99 @@
# 课题组逐院系采集 · 卡迪夫大学（英国）· 现有 234 条
**入口普查的判型**：自建 research-units 目录（含部门/学科）
**现有 group_url 形态**：``www.cardiff.ac.uk / research/explore/research-units``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。
本条是**入口普查已定**的那批（61 校/3501 条可收 2817）；按 METHOD.md 从院系站重找组目录。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**卡迪夫大学（英国）· 现有 234 条
**入口普查的判型**：自建 research-units 目录（含部门/学科）
**现有 group_url 形态**：``www.cardiff.ac.uk / research/explore/research-units``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。
本条是**入口普查已定**的那批（61 校/3501 条可收 2817）；按 METHOD.md 从院系站重找组目录。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_50.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 哈珀亚当斯大学（英国）· 现有 19 条
**入口普查的判型**：自建 research 站点
**现有 group_url 形态**：``www.harper-adams.ac.uk / research/<n>/research-centre``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**哈珀亚当斯大学（英国）· 现有 19 条
**入口普查的判型**：自建 research 站点
**现有 group_url 形态**：``www.harper-adams.ac.uk / research/<n>/research-centre``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_52.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 中央昆士兰大学（澳新）· 现有 18 条
**入口普查的判型**：自建 research 目录/课题组页
**现有 group_url 形态**：``www.cqu.edu.au / research/organisations/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**中央昆士兰大学（澳新）· 现有 18 条
**入口普查的判型**：自建 research 目录/课题组页
**现有 group_url 形态**：``www.cqu.edu.au / research/organisations/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_54.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 埃蒂斯科文大学（澳新）· 现有 18 条
**入口普查的判型**：自建 research 站点
**现有 group_url 形态**：``www.ecu.edu.au / schools/engineering/research-activity``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**埃蒂斯科文大学（澳新）· 现有 18 条
**入口普查的判型**：自建 research 站点
**现有 group_url 形态**：``www.ecu.edu.au / schools/engineering/research-activity``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_56.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 伦敦卫生与热带医学院（英国）· 现有 18 条
**入口普查的判型**：自建 research 目录/课题组页
**现有 group_url 形态**：``www.lshtm.ac.uk / research/centres/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**伦敦卫生与热带医学院（英国）· 现有 18 条
**入口普查的判型**：自建 research 目录/课题组页
**现有 group_url 形态**：``www.lshtm.ac.uk / research/centres/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_58.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 哈特伯瑞大学（英国）· 现有 16 条
**入口普查的判型**：其它/待裁
**现有 group_url 形态**：``www.hartpury.ac.uk / university/<slug>/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**哈特伯瑞大学（英国）· 现有 16 条
**入口普查的判型**：其它/待裁
**现有 group_url 形态**：``www.hartpury.ac.uk / university/<slug>/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_6.md
+99
View File
@@ -0,0 +1,99 @@
# 课题组逐院系采集 · 利兹大学（英国）· 现有 225 条
**入口普查的判型**：无 group_url（id 来源待定）
**现有 group_url 形态**：``(无 url) — 其它: —``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。
本条是**入口普查已定**的那批（61 校/3501 条可收 2817）；按 METHOD.md 从院系站重找组目录。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**利兹大学（英国）· 现有 225 条
**入口普查的判型**：无 group_url（id 来源待定）
**现有 group_url 形态**：``(无 url) — 其它: —``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。
本条是**入口普查已定**的那批（61 校/3501 条可收 2817）；按 METHOD.md 从院系站重找组目录。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_60.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 墨尔本皇家理工大学（澳新）· 现有 14 条
**入口普查的判型**：人员档案系统 group 页
**现有 group_url 形态**：``academics.rmit.edu.au / groups/<n>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**墨尔本皇家理工大学（澳新）· 现有 14 条
**入口普查的判型**：人员档案系统 group 页
**现有 group_url 形态**：``academics.rmit.edu.au / groups/<n>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_62.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 南十字星大学（澳新）· 现有 10 条
**入口普查的判型**：其它/待裁
**现有 group_url 形态**：``www.scu.edu.au / <slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**南十字星大学（澳新）· 现有 10 条
**入口普查的判型**：其它/待裁
**现有 group_url 形态**：``www.scu.edu.au / <slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_64.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 法尔茅斯大学（英国）· 现有 10 条
**入口普查的判型**：自建 research 站点
**现有 group_url 形态**：``www.falmouth.ac.uk / research/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**法尔茅斯大学（英国）· 现有 10 条
**入口普查的判型**：自建 research 站点
**现有 group_url 形态**：``www.falmouth.ac.uk / research/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_66.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 皇家艺术学院（英国）· 现有 10 条
**入口普查的判型**：自建 research 站点
**现有 group_url 形态**：``www.rca.ac.uk / <slug>/research-centres/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**皇家艺术学院（英国）· 现有 10 条
**入口普查的判型**：自建 research 站点
**现有 group_url 形态**：``www.rca.ac.uk / <slug>/research-centres/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_68.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 迪肯大学（澳新）· 现有 9 条
**入口普查的判型**：无 group_url（id 来源待定）
**现有 group_url 形态**：``(无 url) — 其它: —``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**迪肯大学（澳新）· 现有 9 条
**入口普查的判型**：无 group_url（id 来源待定）
**现有 group_url 形态**：``(无 url) — 其它: —``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_7.md
+99
View File
@@ -0,0 +1,99 @@
# 课题组逐院系采集 · 雷丁大学（英国）· 现有 184 条
**入口普查的判型**：无 group_url（id 来源待定）
**现有 group_url 形态**：``(无 url) — 其它: research.reading.ac.uk / <slug>(19); research.reading.ac.uk / cinn(3)``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。
本条是**入口普查已定**的那批（61 校/3501 条可收 2817）；按 METHOD.md 从院系站重找组目录。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**雷丁大学（英国）· 现有 184 条
**入口普查的判型**：无 group_url（id 来源待定）
**现有 group_url 形态**：``(无 url) — 其它: research.reading.ac.uk / <slug>(19); research.reading.ac.uk / cinn(3)``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。
本条是**入口普查已定**的那批（61 校/3501 条可收 2817）；按 METHOD.md 从院系站重找组目录。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_70.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 科廷马来西亚校区（澳新）· 现有 9 条
**入口普查的判型**：其它/待裁
**现有 group_url 形态**：``curtin.edu.my / about/<slug>/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**科廷马来西亚校区（澳新）· 现有 9 条
**入口普查的判型**：其它/待裁
**现有 group_url 形态**：``curtin.edu.my / about/<slug>/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_72.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 诺里奇艺术大学（英国）· 现有 8 条
**入口普查的判型**：其它/待裁
**现有 group_url 形态**：``norwichuni.ac.uk / <slug>/groups/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**诺里奇艺术大学（英国）· 现有 8 条
**入口普查的判型**：其它/待裁
**现有 group_url 形态**：``norwichuni.ac.uk / <slug>/groups/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_74.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 伦敦艺术大学（英国）· 现有 8 条
**入口普查的判型**：人员档案系统 group 页
**现有 group_url 形态**：``researchers.arts.ac.uk / groups/<n>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**伦敦艺术大学（英国）· 现有 8 条
**入口普查的判型**：人员档案系统 group 页
**现有 group_url 形态**：``researchers.arts.ac.uk / groups/<n>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_76.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 皇家北方音乐学院（英国）· 现有 7 条
**入口普查的判型**：自建 research 站点
**现有 group_url 形态**：``www.rncm.ac.uk / research/research-activity/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**皇家北方音乐学院（英国）· 现有 7 条
**入口普查的判型**：自建 research 站点
**现有 group_url 形态**：``www.rncm.ac.uk / research/research-activity/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_78.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 创意艺术大学（英国）· 现有 7 条
**入口普查的判型**：自建 research 目录/课题组页
**现有 group_url 形态**：``www.uca.ac.uk / research/research-centres/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**创意艺术大学（英国）· 现有 7 条
**入口普查的判型**：自建 research 目录/课题组页
**现有 group_url 形态**：``www.uca.ac.uk / research/research-centres/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_8.md
+99
View File
@@ -0,0 +1,99 @@
# 课题组逐院系采集 · 詹姆斯库克大学（澳新）· 现有 146 条
**入口普查的判型**：其它/待裁
**现有 group_url 形态**：``portfolio.jcu.edu.au / units/JCU1001``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。
本条是**入口普查已定**的那批（61 校/3501 条可收 2817）；按 METHOD.md 从院系站重找组目录。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**詹姆斯库克大学（澳新）· 现有 146 条
**入口普查的判型**：其它/待裁
**现有 group_url 形态**：``portfolio.jcu.edu.au / units/JCU1001``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。
本条是**入口普查已定**的那批（61 校/3501 条可收 2817）；按 METHOD.md 从院系站重找组目录。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_80.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 悉尼新南威尔士大学（澳新）· 现有 6 条
**入口普查的判型**：其它/待裁
**现有 group_url 形态**：``www.ilc.unsw.edu.au / ``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**悉尼新南威尔士大学（澳新）· 现有 6 条
**入口普查的判型**：其它/待裁
**现有 group_url 形态**：``www.ilc.unsw.edu.au / ``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_82.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · AA建筑联盟学院（英国）· 现有 6 条
**入口普查的判型**：自建 research 站点
**现有 group_url 形态**：``www.aaschool.ac.uk / school/research/action-lab``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**AA建筑联盟学院（英国）· 现有 6 条
**入口普查的判型**：自建 research 站点
**现有 group_url 形态**：``www.aaschool.ac.uk / school/research/action-lab``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_84.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 伯恩茅斯艺术大学（英国）· 现有 6 条
**入口普查的判型**：自建 research 站点
**现有 group_url 形态**：``aub.ac.uk / our-research/research-groups/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**伯恩茅斯艺术大学（英国）· 现有 6 条
**入口普查的判型**：自建 research 站点
**现有 group_url 形态**：``aub.ac.uk / our-research/research-groups/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_86.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 伦敦商学院（英国）· 现有 6 条
**入口普查的判型**：其它/待裁
**现有 group_url 形态**：``www.london.edu / <slug>/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**伦敦商学院（英国）· 现有 6 条
**入口普查的判型**：其它/待裁
**现有 group_url 形态**：``www.london.edu / <slug>/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_88.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 罗斯布鲁弗德戏剧与表演学院（英国）· 现有 6 条
**入口普查的判型**：无 group_url（id 来源待定）
**现有 group_url 形态**：``(无 url) — 其它: —``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**罗斯布鲁弗德戏剧与表演学院（英国）· 现有 6 条
**入口普查的判型**：无 group_url（id 来源待定）
**现有 group_url 形态**：``(无 url) — 其它: —``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_9.md
+99
View File
@@ -0,0 +1,99 @@
# 课题组逐院系采集 · 奥塔哥大学（澳新）· 现有 143 条
**入口普查的判型**：无 group_url（id 来源待定）
**现有 group_url 形态**：``(无 url) — 其它: www.otago.ac.nz / wellington/departments/central-services(2); www.otago.ac.nz / mackenzie-cance`
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。
本条是**入口普查已定**的那批（61 校/3501 条可收 2817）；按 METHOD.md 从院系站重找组目录。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**奥塔哥大学（澳新）· 现有 143 条
**入口普查的判型**：无 group_url（id 来源待定）
**现有 group_url 形态**：``(无 url) — 其它: www.otago.ac.nz / wellington/departments/central-services(2); www.otago.ac.nz / mackenzie-cance`
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。
本条是**入口普查已定**的那批（61 校/3501 条可收 2817）；按 METHOD.md 从院系站重找组目录。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_90.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 皇家农业大学（英国）· 现有 6 条
**入口普查的判型**：自建 research 站点
**现有 group_url 形态**：``www.rau.ac.uk / research/research-at-rau/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**皇家农业大学（英国）· 现有 6 条
**入口普查的判型**：自建 research 站点
**现有 group_url 形态**：``www.rau.ac.uk / research/research-at-rau/<slug>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_92.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 格拉斯哥艺术学院（英国）· 现有 5 条
**入口普查的判型**：其它/待裁
**现有 group_url 形态**：``radar.gsa.ac.uk / view/divisions/l1=5Fidr2.html``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**格拉斯哥艺术学院（英国）· 现有 5 条
**入口普查的判型**：其它/待裁
**现有 group_url 形态**：``radar.gsa.ac.uk / view/divisions/l1=5Fidr2.html``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_94.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 三一拉邦音乐舞蹈学院（英国）· 现有 5 条
**入口普查的判型**：无 group_url（id 来源待定）
**现有 group_url 形态**：``(无 url) — 其它: —``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**三一拉邦音乐舞蹈学院（英国）· 现有 5 条
**入口普查的判型**：无 group_url（id 来源待定）
**现有 group_url 形态**：``(无 url) — 其它: —``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_96.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 普利茅斯艺术大学（英国）· 现有 4 条
**入口普查的判型**：自建 research 目录/课题组页
**现有 group_url 形态**：``www.aup.ac.uk / research/research-groups``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**普利茅斯艺术大学（英国）· 现有 4 条
**入口普查的判型**：自建 research 目录/课题组页
**现有 group_url 形态**：``www.aup.ac.uk / research/research-groups``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**
tasks/win1q_98.md
+97
View File
@@ -0,0 +1,97 @@
# 课题组逐院系采集 · 斯威本科技大学（澳新）· 现有 2 条
**入口普查的判型**：人员档案系统 group 页
**现有 group_url 形态**：``experts.swinburne.edu.au / groups/<n>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。 · Win1 · Manager 2026-09-24
## 0. 先读方法件（**不要重新发明方法**）
工作区：`C:\Users\Administrator\orca\projects\英澳博士课题组数据`
- **`method/METHOD.md`** —— 活的采集方法。**重点看 §1「入口发现」与 §6「反面清单」。**
- `method/finding_edinburgh_v2.md` —— 完备性标杆（643 组 / 24 院系）
- `method/finding_anu_v2.md` · `finding_qub_v2.md` · `finding_bath_v2.md` —— 最近几所
- `tasks/` —— 其它任务书
一句话：
> **找「组目录」，不要枚举 URL。**
> 官方院系导航 → 各院系 `/research/` → **该页上的「组目录」**
> （`research-groups` / `research-centres` / `groups` / `institutes` / `labs`，
> **最高价值是「每个组由一位 PI 带」的目录**）。**入口 20–60 个/校。**
**参考已跑通的**：`products/` 下各校 `*__groups*.json` 是产物格式。
---
## 1. 本波只做这一所：**斯威本科技大学（澳新）· 现有 2 条
**入口普查的判型**：人员档案系统 group 页
**现有 group_url 形态**：``experts.swinburne.edu.au / groups/<n>``
⚠️ 这是**换源重采**：旧数据整体推翻，不要参照它。**
---
## 2. 交付（**门槛，不是"尽量"**）
1. **院系台账（缺一行 = 没做完）**
`院系（全部）| research 入口 URL | 状态（取到 / 取不到：<原因>）| 组数`
—— 院系清单从**学校官方导航**拿；**给出枚举来源 URL 与总数**；**`未取页 = 0`**
2. **全量候选产物**：`products/<slug>_v3__groups.json`
（五字段：课题组名称 / 所在大学及研究中心 / 研究方向 / 联系邮箱 / 最近五年论文数=null）
—— **启发式自动抽，不逐条判**
3. **随机抽 30 条逐条开页面核** → **准确率** + **假阳性类型** + **能否定点修掉**
- 准确率 **≥90% 且类型集中** ⇒ 定点修那一类，**全量直接用，不再逐页核**
4. **合理性校验**：`组数 ÷ 院系数`。**比值荒谬地低 ⇒ 回头找「组目录」那一层**
（不是去爬更多 URL）。确认"再下一层没有组"要贴原文结构作证。
5. **反例 / 判不准 / 未验清单**（附页面原文）
6. 一句话：**最终组数？完备性有没有缺口？**
产物写 `products/`，报告写 `reports/finding_<slug>_v3.md`（目录不存在就建）。
---
## 3. 判据与字段（摘要；**细则以 METHOD.md §2 为准**）
> **打开页面像人一样看：这是不是一个「导师带的做研究的团队」？**
> **粒度上限 = 一个导师能带的规模。**
> 大一级（institute / theme / cluster / 校级研究所）**不收**；
> **但大一级下面挂着真组时，只收内层组。**
**不是组**：服务设施 · 研讨会系列 · 项目 · 学生培养计划 · 单项研究 · 空页重定向 · 无负责人的方向页。
**共性是页面上有一句「非团队自述」—— 你去看那句话。**
| 字段 | 取法 |
|---|---|
| 课题组名称 | 该组**自己页面**的 H1（无 H1 用 `<title>`；JS 渲染/表格行用目录里的官方组名并标 `_name_source`）。⚠️ 无官方组名的**按 `<负责人> 团队` 渲染并标 `_name_source: rendered_from_leader`**，且要查重防撞 |
| 所在大学及研究中心 | 大学 + **真实上级研究单位**；⚠️ 上级是系/院/学部的**不许当研究中心写**，没有真上级就**只写大学** |
| 研究方向 | 该组页上的方向文字。**没有 ⇒ 不要** |
| 联系邮箱 | 只接受**本组页 / 本组负责人页**的邮箱 |
| 最近五年论文数 | null |
---
## 4. ⚠️ 并行安全（出过事故，必须照做）
5 个 worker 曾挤在**同一个 ego-browser Space 的同一个 page** 上 ⇒ 297 页跨校串页、整批作废。
1. **自己新建一个 TaskSpace**（不要复用别人已有的）
2. **每个 URL 用独占的 `newPage()`**，**不要共用 p1**
3. **每取一页校验 `page.url()` 与目标一致**；不一致 ⇒ 废掉重取
4. 成功时收尾调一次 `await task.finish({ keep: [] })`；**因错误停止就别调**，把 `spaceId` 报上来
⚠️ 本机浏览器可能被用户接管（`ownership: user`）—— 遇到就**立刻停手、不重试**，把 `spaceId` 报上来。
---
## 5. 硬要求
1. **只在本项目内写**（`products/` `reports/`）。不碰别的项目、不碰线上库。
2. **不设时间盒，做完整为止。** 但**每做完一个院系报一次 `status`**（三句话）。
3. **判据来自页面。你的眼睛比任何正则都准。**
4. **不许发明**：抓不到 ⇒ 写「未取到：<URL> + <错误原文>」。**判不准的贴出来，不要归类掉。**
5. **不要从 sitemap 全量枚举 URL**（METHOD.md §6 反面清单第一条）。
6. **只做这一所学校。**