研究维护：数字、版本与公开边界

研究报告过期，不一定是行业发生了变化。也可能是数据文件已经更新，正文还保留旧数字；或者同一个名称，先后指代原始记录、筛选子集与编码结果。

这次整理把报告的“内容版本”和“数据版本”分开保存。公开页面标注复核日期，数据发布保留输入快照摘要、统计方法和不支持的推论。

一组数字至少带四个条件

统计单位是什么，纳入了谁，覆盖哪个时间，如何从输入计算。条目、评论、项目、用户和需求不可以互换。不同来源中的同文转载，也不能充当多份独立支持。

本次核对的三组语料合计包含 629,705 次记录，但跨组存在规范化后的完全相同文本。这个总和不表示独立用户或已经验证的需求。即使完全去重，同一人的多次发言仍可能存在。

公开汇总保留每组分母、来源集中度和交叉重复口径，也说明原始平台内容没有再分发。

字段齐全、JSON 可解析、记录 ID 不重复，是必要检查。判断一句话是否真的接受方案，是否真的付费，以及付款对象是什么，需要回到上下文。

机器标签统计应明确称为候选标签分布。抽检可以估计错误与发现系统偏差，但必须说明抽样方法和范围；不能把一个小样本的通过率套到全部来源。

若旧正文与当前表格冲突，先固定两个版本，再核对过滤条件。确认是错误时更正，并说明影响了哪个结论；如果口径不同，保留两个分母及用途。不要悄悄替换数字后继续沿用旧论证。

一个值得维护的知识单元，应该能单独更新某个判断，而不必每次重写整份行业报告。文章保留当时的完整论证，知识页承接后续修订，两者互相指向。

作者自己的分析、处理方法和经过审查的汇总可以公开。第三方原文、平台账号标识、企业内部计划和个人资料，需要另外的权限与使用边界。脱掉名字不一定完成匿名化，小样本背景仍可能识别人或组织。

这个知识库采用公开白名单：只有经过内容检查的派生文件进入站点仓库。原始资料留在独立的本地工作区，不能仅用页面隐藏或草稿标记隔离。

如果维护成本高到无法持续，应减少字段、缩小发布范围，优先保住来源、日期、分母和关键反证。资料系统的价值在于提高下一次判断质量，不在于积累越来越多却没人复核的字段。