Files

Zhang Jiahao ba501c328c Remove personal name from suggestion/decision phrasing

Why:
- "给 Charles 的建议"、"待 Charles 拍板"、"需要 Charles 决策" 这些写法
  把具体人绑到了文档里，换维护者就失准。改成中性的 "建议 / 待决策 /
  待拍板"，文档对未来协作者和 agent 都更通用。

What:
- log.md: 四处去掉 "给 Charles / 还是需要 Charles 决策 / 等 Charles 拍板"
- plan.md: 三处去掉 "待 Charles / Charles 定目标 / 需要 Charles 定"
- docs/sources/hf_bshada_open_schematics.md: "待 Charles 决策" → "待决策"
- scripts/estimate_size.py: docstring 去掉 "给 Charles 一个估计"
- CLAUDE.md: 数据删除确认规则从 "先跟 Charles 确认" 改成 "先跟用户确认"

保留的 Charles 提及都是事实性的：
- README/plan 里的 "维护者：Charles"（身份字段）
- log.md 历史条目里 "Charles 要求..." / "Charles 点名..."（历史事件记录）

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

2026-04-23 20:01:52 +08:00

4.0 KiB

Raw Permalink Blame History

HF Dataset: bshada/open-schematics

URL：https://huggingface.co/datasets/bshada/open-schematics 调研日期：2026-04-23 性质：第三方已预处理数据集（非待爬网站），镜像导入。

概要

字段	值
作者	bshada
License	CC-BY-4.0
更新	2025-12-17
下载量	1 769
Likes	160
规模	10K – 100K 条 (tag `size_categories: 10K<n<100K`)
存储	78 parquet shards, 6.4 GB (`data/train-000XX-of-00078.parquet`)
封面	`open-schematics.png` (6.2 MB)
Tags	kicad, schematics, pcb, electronics, hardware, circuit-design

数据结构（每条记录）

字段	类型	说明
`schematic`	string	原始 schematic 文件内容（主要是 `.kicad_sch`）
`image`	image (PNG)	schematic 渲染图
`components_used`	list[string]	元件名列表（从 library symbol 提取）
`json`	string	JSON 结构化表示
`yaml`	string	YAML 元数据
`name`	string	项目名
`description`	string	项目描述
`type`	string	文件扩展名 (`.kicad_sch` 等)

数据来源：公开硬件 repo（作者未列具体来源），已做以下处理：

空 schematic（无元件/符号）过滤
元件名从 library symbol 抽取
生成可视化 PNG
多格式（raw / JSON / YAML）并存

为什么值得纳入

即用：已结构化，训练 text → schematic / image → components / schematic → description 几类 SFT 都能直接用
KiCad 原生：补上我们 oshwhub 路径（EasyEDA）以外的主流 EDA 生态
License 好：CC-BY-4.0，商用仅需署名
小：6.4 GB vs oshwhub 全量估算 110 GB，边际成本可接受

接入方案（Option A：镜像）

不按"每项目一文件夹"解，因为这是整包发布的数据集，记录 10K+，拆细反而破坏结构。

data/external/huggingface/bshada--open-schematics/
├── README.md                    # 原作者 README
├── ATTRIBUTION.md               # 我方追加：来源 + license + crawled_at
├── open-schematics.png          # 封面（LFS）
├── data/*.parquet               # 78 shards（LFS）
└── _source.json                 # HF API 元数据快照（sha / lastModified / downloads / tags）

下载方式：

# 用 huggingface-cli（uv 装 hf_hub）或 datasets 库，断点续
uv pip install huggingface_hub
huggingface-cli download bshada/open-schematics \
    --repo-type dataset \
    --local-dir data/external/huggingface/bshada--open-schematics

或轻量走 hf_hub_download + 循环：

from huggingface_hub import snapshot_download
snapshot_download(
    repo_id="bshada/open-schematics",
    repo_type="dataset",
    local_dir="data/external/huggingface/bshada--open-schematics",
)

.gitattributes 改动

data/external/**/*.parquet  filter=lfs diff=lfs merge=lfs -text
data/external/**/*.png      filter=lfs diff=lfs merge=lfs -text

下游消费

我们的 scripts/build_index.py 目前按 data/raw/*/*/metadata.json 汇总，不会自动收录这个。需要：

在 build_index.py 加一个 external datasets 段（从 _source.json 读）
或者单独维护 datasets.md

推荐：单独 datasets.md，因为 per-project 索引和 HF 包索引是两种不同物种，合并反而乱。

风险

License 署名：下游产出（模型 card / 论文）必须标注 "This dataset uses schematics from bshada/open-schematics (CC-BY-4.0)"。加 ATTRIBUTION.md 落地
数据来源不透明：作者没公开具体来源 repo 列表，去重时无法对齐到上游项目（可能与 oshwhub / KiCad repo 的部分项目重叠）
KiCad 版本：.kicad_sch 语法随 KiCad 5/6/7/8 大改，没有版本标注 → 下游若要 round-trip 需探测

待决策

6.4 GB LFS 预算批准吗？
如果 oshwhub 放量 + HF 镜像并行，Gitea 实例磁盘要确认（之前已标记：需 df -h 看容量）
立刻拉还是排到 oshwhub 放量之后？

4.0 KiB Raw Permalink Blame History Unescape Escape