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>

log.md

@@ -4,6 +4,63 @@
 
 ---
 
+## 2026-04-23 19:30  Phase 1 MVP：10 个高质量 oshwhub 项目入库
+
+**Claude 会话**：承接仓库初始化
+
+### API 调研结论
+
+- 列表 API：`GET https://oshwhub.com/api/project?page=N&pageSize=M&sort=hot`，无鉴权，返回 12493 个项目元数据（含 grade / likes / stars / views / forks）
+- 详情：`GET https://oshwhub.com/<path>` 是 SSR HTML，嵌入 escaped JSON，含 `license` + `attachments[]`（每个带 name / src / size / md5 / ext / mime / download_count）
+- 附件 CDN：`https://image.lceda.cn{src}` — 已验证无鉴权直接下载
+- EasyEDA 工程源 JSON（`u.lceda.cn`）需登录，v0.1 不抓
+- 详细调研见 `docs/sources/oshwhub.md`
+
+### 选 10 个高质量项目
+
+判据：`grade == 4`（平台精品徽章） + `likes ≥ 100` + 应用领域多样（避免同类堆叠）+ 排除 `_copy` 派生仓。
+
+10 个项目覆盖：调试器、加热台、盖革计数器、可调电源、焊台、智能手表、USB 测电流、ZVS 感应加热、AI 开发板、红外热成像。
+
+### MVP 爬虫
+
+位置：`crawlers/oshwhub/crawler.py`
+
+- `list_projects()` — 列表 API 分页
+- `pick_top()` — 按 like×3 + star + fork×2 + views/100 + comments×2 + grade×50 排序
+- `parse_detail_html()` — 从 SSR HTML 提取 title / license / description / attachments
+- `crawl_one()` — 每项目产出：`metadata.json` / `description.md` / `cover.*` / `files/*` / `_urls.json`
+- QPS ≤ 0.5（`SLEEP_BETWEEN = 2.0`），UA 显式声明 `FacereDataset/0.1`
+
+### 抓取与入库
+
+- 10/10 成功，52 个附件，**524 MB**
+- Gitea LFS（v25.4.3 原生支持）+ 本地 `git-lfs 3.5.1`（用户态二进制装在 `~/.local/bin/`）
+- `.gitattributes` 规则：`data/raw/**/files/**` 一律走 LFS；元数据（metadata.json / description.md / \_urls.json / cover.\*）走普通 git
+- 每项目目录结构：
+  ```
+  data/raw/oshwhub/<uuid>/
+  ├── metadata.json      # 按 schemas/project.schema.json
+  ├── description.md
+  ├── cover.{jpg,png,jpeg}
+  ├── _urls.json         # 所有原始 URL 清单
+  └── files/*            # 原始附件（LFS）
+  ```
+
+### 改动汇总
+
+- 新增：`crawlers/oshwhub/{__init__,__main__,crawler}.py`、`schemas/project.schema.json`、`docs/sources/oshwhub.md`、`pyproject.toml`
+- 修改：`.gitattributes`（缩窄到 `data/raw/**/files/**`）、`.gitignore`（移除 `data/raw/*` 排除）
+
+### 下一步建议给 Charles
+
+1. 验收 10 个项目元数据质量（随机抽 2-3 条对照原站）
+2. 决定 Phase 1.4 放量目标（50？500？全量 12493？）
+3. 未解决：`fs-web-stream.jlc.com` 下载（工程源？）、`u.lceda.cn` 登录态抓工程 JSON
+4. Phase 2 准备：GitHub KiCad repo 调研
+
+---
+
 ## 2026-04-23 18:50  仓库初始化 & 数据源调研
 
 **Claude 会话**：初始化