# FacereDataset 执行日志

时间倒序，最新在顶部。

---

## 2026-04-23 18:50  仓库初始化 & 数据源调研

**Claude 会话**：初始化

完成：
- 从 `git.deepknow.site/Facere/FacereDataset` 克隆空仓到 `~/repo/FacereDataset`
- 调研立创开源平台（oshwhub.com）初步数据：
  - `robots.txt` 仅 Disallow `/posts`，其他路径允许
  - 存在 `sitemap.xml`（首页 + explore + activities + market 等入口已列出）
  - 项目详情页路径为 `/detail/<uuid>`（示例 `f0652fd2ae3e40b8a0ecc8dc773e3512`）
  - 图片 CDN：`image.lceda.cn/oshwhub/pullImage/...`
  - 文件下载：`fs-web-stream.jlc.com/fs-web-stream/file-operation/download/<snowflake-id>`
  - 页面是 Next.js SPA，首屏 HTML 800KB，但数据加载具体 API 入口需要浏览器 trace（留给 Phase 1.1）
- 创建项目骨架：
  - `README.md` — 项目简介与数据源表
  - `CLAUDE.md` — 项目级 Claude 指令（爬虫规约、合规红线、schema 要求）
  - `plan.md` — 6 阶段建设计划（Phase 0 骨架 → Phase 5 数据清洗 → Phase 6 持续运营）
  - `log.md` — 本文件
  - `.gitignore` — 排除 `data/raw` `data/processed` `data/state` Python 缓存等
  - 目录骨架 `crawlers/ schemas/ scripts/ data/{raw,processed,state} docs/{sources,}`
  - 每个空目录放 `.gitkeep`
- 首次提交 & 推送到 `origin main`

**下一步建议给 Charles**：
1. 拍板存储方案（本地盘 / Gitea LFS / 外部 OSS）—— 影响 Phase 1.4 放量时机
2. 目标规模（1 万 / 10 万 / 全量）
3. 决定是否保留二进制附件或只存 URL
4. 完成上述 3 项后启动 Phase 1.1（用 `chrome-devtools` MCP 录 oshwhub 的 network trace 定位真实 API）