产业研究资料归档

在用户要求「原始资料都要留下来」、出处可复核、或后续正式行研必须能指回抓取件时使用。归档与写作可并行：先建目录再边查边存，不要写完再补。

目录约定

在本次工作目录下建 `source-archive/`（或用户指定的等价目录）：

• `00-出处清单.md`：唯一索引，一行一条。
• `pages/`：可读正文（优先 Markdown，保留标题与主要段落）。
• `raw-html/`：必要时留原始 HTML。
• `pdfs/`：官方文件、年报、招股书、监管 PDF。
• `screenshots/`：官方监管页、统计公报页的整页截图（至少覆盖正文直接引用的关键法条与统计页）。
• `working-papers/`：摘录与对照表，须标注来源 URL，不得冒充原文。

每条抓取文件头写 YAML：`url`、`title`、`fetched_at`（用户时区）、`source_type`（监管 / 统计 / 交易所 / 官网 / 媒体 / 学术）、`note`（失败原因或口径限制）。

抓取规则

1. 先把候选 URL 去重，写入出处清单，再抓。清单字段：序号、标题、URL、类型、抓取结果、本地路径。

2. 政府与监管原文优先官网，不用转载站当正文。指导原则若只有转载，清单标注「通告可核、全文见于转载站」。

3. 交易所与指定信息披露网站的申报 / 年报整份留下，正文引用页码或章节。

4. 媒体只收具名记者或可核验通讯社稿；付费墙、WAF、404、登录墙在清单里如实记失败，不编造正文。

5. 营销页、竞品评测、网盘报价可存作「线索」，在清单标注「非独立事实源」。

6. 咨询 TAM、核心市场、带动规模若出现，存原文并在清单标「不可比，不进正文加总」。

7. 截图用于官方页面的证据，不替代 Markdown 摘录。一张图对应一条清单记录。

8. 报告正文与 PDF 图表用到的每一个数字，清单里都要有对应条目；图表脚本不得另引入未归档数字。

纪律

• 正文里出现的每一处硬数字和法条，清单里必须有对应 URL 与本地文件（或明确的失败记录）。
• 不要把工作区绝对路径写进对外报告；对外只写「同期工作底稿」。
• 阶段性打一个压缩包，压缩包内含出处清单，方便移交。
• 抓取失败不删条目。404、WAF、412、付费墙都留在清单里，供「尚待核实」章节使用。

完成后

向用户交付：出处清单路径、成功 / 失败条数、压缩包。正式行研引用时只使用清单里已存在的条目。