Zhang Jiahao
ed4837dedf
Rewrite oshwhub.md as canonical data source investigation
Why:
- Charles 要求把 12493 总数验证 + 90 项目采样结果合进主调研文档，消除
oshwhub_corpus_estimate.md 与 oshwhub.md 的重复与分散。
- 一份高质量的数据源调查应该独立完备：任何人（人或 agent）读完就能
复现爬取 / 估算 / 合规判断，不用跨文件拼凑。
What:
- docs/sources/oshwhub.md 重写为 9 节 + 附录：
- TL;DR 表（一页纸核心事实）
- 站点架构 / robots / API 入口 / 项目详情 SSR / 附件 CDN
- 排除项：fs-web-stream.jlc.com 推广图标 / u.lceda.cn 登录源
- §4 项目总数验证（新）：三路 sort 一致 12493 + 分页二分边界 ≈250 页 + grade 覆盖抽样
- §5 抽样语料特征（从 corpus_estimate 并入）：体积 median 9MB/p90 54MB、
视频占 54%、license 分布 GPL 3.0 49%/Public Domain 21%
- 风险表 7 条、附录重跑命令
- 删除 docs/sources/oshwhub_corpus_estimate.md（内容已并入 §5）
- log.md: 本次记录
Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
2026-04-23 19:59:05 +08:00
..
2026-04-23 19:59:05 +08:00
2026-04-23 18:58:10 +08:00