Usage

使用指南

How to Use

核心工作流按六个 Phase 顺序执行：

Phase	内容
Phase 0	缓存新鲜度检查 — 扫描本地缓存最新日期，高动态主题联网核查
Phase 1	缓存搜索 — 遍历 cache/ 下所有 JSON 信源文件，匹配关键词
Phase 2	原文读取 — 按 format 字段选择读取方式（html/pdf）
Phase 3	关键词段提取 — 逐段判定，记录段落编号、章节归属、原文引用
Phase 4	结构化输出 — 生成 HTML 文件，关键词高亮，验证标签
Phase 5	结果验证 — 逐字比对，确保无改述、无捏造

脚本用法

单次搜索（推荐）

# 搜索任意关键词
python3 scripts/rebuild_policy_html.py --topic 智慧城市

# 多关键词组合
python3 scripts/rebuild_policy_html.py --topic "数据要素" --topic "数据二十条"

# 带引号的关键词（含空格）
python3 scripts/rebuild_policy_html.py --topic "工业互联网"

批量重建

python3 scripts/rebuild_policy_html.py --all

批量重建 5 个预设主题：

输出文件	关键词
人工智能政策汇编.html	人工智能
工业互联网政策汇编.html	工业互联网
算力网络政策汇编.html	算力网络
AI与数据要素政策汇编.html	人工智能、数据要素
智能矿山政策汇编.html	智能矿山、煤矿智能化

查看帮助

python3 scripts/rebuild_policy_html.py --help

信源体系

部门	域名	搜索语法
国务院	gov.cn	site:gov.cn 政策
工信部	miit.gov.cn	site:miit.gov.cn
国家数据局	nda.gov.cn	site:nda.gov.cn
国资委	sasac.gov.cn	site:sasac.gov.cn
国家能源局	nea.gov.cn	site:nea.gov.cn
发改委	ndrc.gov.cn	site:ndrc.gov.cn 政策
网信办	cac.gov.cn	site:cac.gov.cn

输出格式

HTML 输出包含：

• 统计概览 — 涉及文件数、段落数
• 目录 — 锚点跳转
• 正文 — 按文件分组，每段编号+高亮，含验证标签
• 页脚 — 来源声明

所有引文均为 逐字提取，可回溯到原文验证。