verifiable-datalisted
Install: claude install-skill Trustbaselab/trustbase-skills
# 可信数据生产法
## 何时使用
- 要建一个「别人可以质疑」的数据集
- 数据要用于对外披露、登记、申报、授权
- 有人问「你的数据凭什么可信」
- 要做数据质量审计
**不适用**:
- 只是自己用的草稿数据 → 不需要这么重
- 纯粹的分析报告 → 用写作类 skill
---
## 核心原则:三个「不可」
```
① 不可编造 source_url —— 没亲自取到就不写 URL
② 不可编造 quote —— 必须是页面逐字子串,不是概括
③ 不可编造 as_of —— 页面没写就用取回日期并注明
```
**违反任何一条,整条记录降为 E 级。**
---
## 五级置信度(A–E)
| 级别 | 含义 | 判定条件(必须全部满足) |
|:-:|---|---|
| **A** | 权威一手 | ① 来源是发布方自己的正式文件/数据表/官方页面 ② 实测 HTTP 200 ③ quote 是页面逐字子串 ④ as_of 来自页面 |
| **B** | 权威二手 | 数字被归因于某个一手源,但你没能亲自取到那个一手源 |
| **C** | 一般二手 | 二手转述,无明确一手源指向 |
| **D** | 存疑 | 来源存在但内容有内部矛盾,或口径不明 |
| **E** | 不可核验 | 取不到(403/付费墙/robots 禁止)、或无法确认 quote、或来源已消失 |
**⭐ E 级不是「坏数据」,是「线索」。诚实标 E 比伪装成 A 有价值 100 倍。**
---
## A 级双轨分层(关键)
**同样是 A 级,「行业相关」和「宏观统计」的价值完全不同,必须分开披露。**
| 档 | 定义 | 例子 |
|:-:|---|---|
| **A1** | 行业相关:政府机关 / 标准组织 / 厂商官网技术数据表 | 某部委文件、ASTM 标准原文、厂商产品 datasheet |
| **A2** | 宏观统计:国际统计库,公开发布,任何人免费可得 | World Bank / UN Comtrade / EIA |
**为什么必须分:**
```
如果只报「A 级 87%」→ 看起来很好
但其中 86% 是 World Bank/UN 宏观数据(客户自己就能免费拿)
→ 一旦客户发现,信任崩塌
分轨披露「A1 13% / A2 86%」→ 难看但真实
→ 客户知道你的核心资产在哪
```
---
## 执行流程(六步)
### ① 先定 schema,再采数据
**不要先采再想字段。** 每条记录必须固定的字段:
```
id 稳定唯一标识(前缀 + 日期 + 序号)
type 领域/类型
public.* 公开可展示字段(名称/地区/发布方/状态)
sourced.source_url 来源页 URL
sourced.quote 页面逐字子串(≥20 字符)
sourced.confidence A | B | C | D | E
sourced.verification 核验方式说明(怎么验的)
as_of 数据时点(YYYY-MM 或 YYYY-MM-DD)
evidence.* 指纹/取回时间/来源快照
```
### ② 采一条,验一条
```
每采一条立即做三件事:
① curl 一遍 source_url,记 HTTP 状态