被动任务 SOP · A/B/C 三档 + 合法采集矩阵

触发：项目进入《项目入口 SOP》第 5 步，岗位提出"我需要什么资料"。 目标：在合法前提下，给每个岗位送上最新、最权威、最好用的信息源，让公司决策不缺料。

1. 接单动作

1. 读岗位的需求清单（要查什么主题、要什么类型的源、权威度底线）
2. 对照《权威金字塔》（T1–T7 分级），判断本次最低要扒到哪一级
3. 把需求拆成三类：A 档能扒的 / B 档需用户配合的 / C 档放弃的
4. 立刻开工 A 档，同时把 B 档清单返给用户确认，C 档直接标注放弃并说明原因

2. A 档 · 系统独立可采集（优先级最高）

定义：开放、合法、无需登录、无反爬阻拦、robots 允许。 原则：源要多、要新、要权威、要覆盖各行各业。以下白名单按领域分类，CEO 的 4 大主航道（AI / 产品 / 设计 / 商业）优先级最高，其他行业作为跨界雷达。

2.1 学术论文 · AI / CS / 数据科学（T1）

2.2 学术论文 · 生命科学 / 医学 / 交叉学科（T1）

2.3 AI 工程 · 前沿工业博客（T2–T5）

2.4 产品 / 增长 / 创业（T2–T6）

2.5 设计 / UX / 品牌（T2–T6）

2.6 工程 / 开源（T2–T6）

2.7 商业 / 投资 / 财报（T2–T5）

2.8 行业数据 / 统计（T3）

2.9 新闻 / 时事 / 政策（T3–T6）

2.10 设计 / 技术 / 行业标准（T3）

2.11 跨行业雷达（T3–T6，供 CEO 跨界借鉴）

一人公司不知道下一个项目来自哪个行业，必须有"各行各业"的被动雷达。

2.12 聚合 / 发现工具（元源）

2.13 采集方式优先级

1. 官方 API（首选，稳定、合规）
2. RSS / Atom / JSON Feed（次选，免鉴权）
3. RSSHub 自建（第三方站无 RSS 时）
4. 开放静态页直抓（尊重 robots.txt，限速 1 req / 2s）
5. 公开 PDF 直接下载（学术与政府报告）

2.14 每条资料强制元数据

source_url: https://...
accessed_at: 2026-04-12T10:00:00+08:00
tier: A
authority_level: T1        # T1-T7
category: 学术论文 / AI 工程 / 产品 / ...
keywords: [llm, rlhf, ...]
hash_sha256: ...           # 防止重复入库

3. B 档 · 需用户配合（必须先得授权）

定义：合法可访问，但需要账号、订阅、付费，或用户手动操作。

流程： 1. 系统列清单："本项目需要 B 档源 X/Y/Z，请你 {登录并导出 / 手动截图 / 提供账号}" 2. 用户把素材回传到项目盒子的 原始素材/ 或 调研资料/B档_用户提供/ 3. 系统负责整理、归档、打标，不负责"绕过登录"

红线： - ❌ 不收集用户密码 - ❌ 不代替用户点击"同意 ToS" - ❌ 不把用户账号 cookie 存到非临时位置

4. C 档 · 主动放弃（必须标注）

定义：反爬严格、付费墙严、法律灰区、ToS 明确禁止——系统与用户都不去碰。

动作： 1. 在 调研资料/_未采集清单.md 登记："本项目原想扒 X，档位 C，放弃原因 {反爬/付费墙/ToS}" 2. 给岗位返回"此路不通"的信号，让岗位调整做法（换 A 档替代源，或降低权威期待） 3. 绝不为了"把活儿干漂亮"去撞 C 档

5. 反爬合法替代矩阵（遇到 C 档时的退路）

原则：当一个源落到 C 档，立刻去它的"公开学术 / 开放数据双胞胎"里找等效信号。

6. 交付动作

扒完所有 A 档 + 收齐所有 B 档 + 登记完所有 C 档之后：

1. 在项目盒子的 调研资料/ 下按源分文件夹存放
2. 写一份 调研资料/_索引.md，列明： - 本次共采集 N 份 - A 档 X 份 / B 档 Y 份 / C 档 Z 份（未采集） - 每份的主题、权威级、来源、采集日期
3. 通知提需求的岗位："资料到位，请查收"

7. 禁止事项

• ❌ 混档：把 B 档当 A 档假装是系统扒的
• ❌ 无来源：任何没有 source_url + accessed_at 的资料不准入库
• ❌ 绕反爬：写爬虫撞验证码、伪造 UA、轮换 IP 池——一律禁止
• ❌ 过度扒取：同一源超出其 API 速率或 robots 限速
• ❌ 留"待扒"：报告里必须把 C 档明确标成"未采集"，不允许悬空
• ❌ 单源依赖：一个主题只靠一个源，必须交叉验证至少 2 个独立源