Phase 1 MVP: crawl 10 high-quality oshwhub projects into LFS

Why:
- Charles 指定：先爬 10 个高质量项目存 Gitea LFS，一个项目一个文件夹，
  保留原文件和 URL。先以小批量验证 schema + LFS 流水线，放量前再拍板
  存储规模。

What:
- crawlers/oshwhub: 列表 API (`/api/project?sort=hot`) + SSR HTML 解析，
  一次性产出 metadata / description / cover / files / _urls
- schemas/project.schema.json: 跨源统一 schema
- docs/sources/oshwhub.md: API 入口 / 字段映射 / 陷阱调研
- pyproject.toml: httpx[http2] 单依赖
- .gitattributes: data/raw/**/files/** 一律走 LFS（规则写窄，避免误伤 schemas/*.json 等）
- .gitignore: 移除 data/raw/* 排除（改走 LFS 入库）

10 个项目覆盖：调试器 / 加热台 / 盖革计数器 / 数控电源 / 焊台 /
智能手表 / USB 测电流 / ZVS 感应加热 / AI 开发板 / 红外热成像。
共 52 附件 ≈ 524 MB 入 LFS，筛选判据 grade=4 & likes>=100 & 多样性。

Known gaps（见 plan.md § Phase 1.4）：
- EasyEDA 源 JSON 需登录 (u.lceda.cn)，v0.1 跳过
- fs-web-stream.jlc.com 的工程源下载未测
- scripts/validate.py 自动 schema 校验未实现

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

docs/sources/oshwhub.md

@@ -0,0 +1,92 @@
+# oshwhub.com 数据源调研
+
+**平台**：立创开源硬件平台（嘉立创 EDA / 深圳创电优选科技有限公司）
+**URL**：https://oshwhub.com
+**调研日期**：2026-04-23
+
+## 站点架构
+
+- Next.js App Router SPA；详情页 `/detail/<uuid>` 和 `/<user>/<slug>` 均 SSR（HTML 内含完整元数据 + attachments 数组）
+- axios baseURL 为 `https://oshwhub.com`（见 `/_next/static/chunks/8661-*.js`）
+- 首页 / explore 列表数据靠客户端 fetch 渲染（首屏 HTML 里没有卡片 DOM）
+
+## robots.txt
+
+```
+User-agent: *
+Disallow: /posts
+Sitemap: https://oshwhub.com/sitemap.xml
+```
+
+详情页、explore、API 均允许抓取。
+
+## 可用 API（无需鉴权）
+
+### 项目列表
+`GET https://oshwhub.com/api/project?page=N&pageSize=M&sort=hot`
+
+- `sort`：`hot`（默认，按热度）/`like`/`new` 等
+- `pageSize`：最大 50 可用，试过 100 返回空
+- 返回：`{success, code, result:{page, pageSize, total, totalPage, lists:[...]}}`
+- total ≈ 12493（2026-04 快照）
+
+每条 list item 字段：
+- `uuid`, `name`, `introduction`, `path`（= `<username>/<slug>`）
+- `owner`：`{uuid, username, nickname, avatar, team}`
+- `count`：`{fork, star, like, views, watch}`
+- `grade`（1-4，4 是精品徽章）
+- `thumb`（封面 URL，`image.lceda.cn` 或 `//image.lceda.cn` 前缀）
+- `created_at`, `updated_at`, `oshwhub_publish_at`
+- `tags`, `public`, `publish`, `comments_count`
+
+### 项目详情（HTML 解析）
+`GET https://oshwhub.com/<path>` 或 `/detail/<uuid>`
+
+HTML 内嵌 escaped JSON，关键字段：
+- `\"license\":\"GPL 3.0\"` 等（许可证）
+- `\"creator\":{\"uuid\":\"...\"}`
+- `\"attachments\":[{ name, src, mime, ext, size, md5, download_count, uuid }, ...]`
+- `<title>` 含项目名；`<meta name="description">` 含 introduction
+
+### 文件下载
+- **附件** (`attachments[].src`)：`https://image.lceda.cn{src}`
+  - 例：`/attachments/2020/7/mRn5hQZRhmx5r4usGxFmy8BXsCIHw5QoAT5HaLGC.pdf`
+  - 已验证 HTTP 200，无鉴权
+  - 覆盖 PDF / ZIP / MP4 等
+- **工程源文件** (`fs-web-stream.jlc.com/fs-web-stream/file-operation/download/<snowflake-id>`)
+  - HTML 里出现，但能否直接下载未测试
+  - 优先级：P1；v0.1 先不抓
+
+### 未找到 / 留作后续
+- EasyEDA 工程源 JSON（schematic/PCB 的真正源）：推测在 `u.lceda.cn` 下，需登录
+- 项目详情 JSON API：`/api/project/<uuid>` 返回 `{"code":104001,"success":false}`（试过 GET/POST/路径形式均失败，疑似此端点需 session）
+
+## 已知字段与 schema 映射
+
+| 本项目 schema 字段 | oshwhub 来源 |
+|-----|-----|
+| `source` | 常量 `"oshwhub"` |
+| `source_url` | `https://oshwhub.com/<path>` |
+| `project_id` | `uuid` |
+| `title` | `name` |
+| `description` | HTML `<meta description>` + 长描述（HTML 正文截取） |
+| `author` | `owner.nickname` / `owner.username` |
+| `license` | HTML 嵌入 JSON 的 `license` 字段 |
+| `created_at` / `updated_at` | 列表 API 同名字段 |
+| `crawled_at` | 运行时写入 |
+| `tags` | 列表 API `tags` |
+| `files[]` | `attachments[]` 映射 |
+| `metrics` | `count.{like,star,fork,views}` + `grade` |
+
+## 速率与礼貌
+
+- 列表 API：空载实测 < 300ms，无限流
+- 详情页 HTML：~500KB/个，建议 QPS ≤ 0.5
+- 附件：CDN `image.lceda.cn`，无需限流但建议 1s 间隔
+
+## 陷阱 / 待确认
+
+1. `fs-web-stream.jlc.com` 下载是否需 referer / cookie，未测
+2. 长描述（含图片、表格）的 HTML 提取保真度，可能需要保留原 HTML
+3. `license` 字段取值集合未枚举完（已见：`GPL 3.0` / `CC-BY-SA`...需全量跑后统计）
+4. `grade=4` 大概率是精品徽章但文档未说明具体判据