项目规格 · 信息服务
这一规格服务的是就医指引和检索，不是诊断。说明书把它分成医院基础信息、医生公开信息，以及出诊与号源。前两者是相对稳定的公开事实，可以按批次交付并在发现错误时修正。出诊时间和号源一天内就会变，必须走接口，不能写进一份永不更新的表格还声称「最新」。本页说明字段、来源、照片规则和时效。条数不公布，沟通规模以数据卡和合同为准。
医院与医生问答、挂号指引、科室是否对得上，这些任务的正确答案必须能指回某一条记录和这条记录的更新时间。不能指回的句子，不论写得多像官方简介，都不算这一规格的合格输出。因此数据本身先要能指回来源：医院官网、官方公众号、官方应用，或卫生健康行政部门公开的备案信息，或已经授权的采集接口。
未公开的个人信息不在范围内。证件号、家庭住址、私人手机号，即使在某个非官方页面上出现，也不采集。说明书写明不得抓取或使用未经授权的个人隐私。官方页面上的出诊表可以采集，因为那是机构公开的服务信息；把它和私人联系方式混在一个字段里，则整条不合格。
这一规格也不评价医疗水平。等级、公开榜单名次、职称和擅长，都是来源页面上的文字，要带着出处存放。没有出处的「排名」不写入。擅长是医生或医院公开的表述，不是本数据对诊疗范围的担保，更不是疗效。
名称、简介、详细地址到省市区、标识图、公开电话、官网、等级、公立或民营、若有公开榜单则写排名和榜单名称与年份、挂号指引、开诊或营业状态、科室列表。科室列表里包含就诊时间和挂号链接。院区如果不止一个，按院区分条或在同一条里用院区子表，不能把两个地址写成一个模糊的「市某区」。
等级和性质是关键字段，说明书要求完整。缺失等级却仍然推荐「三甲」的做法，在这一规格里不成立：没有等级就标成未知，不能推断。简介应当来自官方页面的表述，可以截取，不能改写成广告，也不能加入页面上没有的床位数或重点专科数量。标识图是机构标识，不是建筑外观拼图，文件要能对应到该条记录。
科室名称要能映射到一套稳定的科室词表，同时保留医院自己的叫法。只保留标准化名称，会把「特需」「名医」等真实存在的挂号入口丢掉；只保留医院叫法，则无法回答「哪个科看某一类问题」。两列都要在。映射规则写在数据卡，映射错误算字段错误，不是可以忽略的别名。
姓名、头像、职称、医院、科室、简介、擅长。出诊时间、出诊地点、号源地址、挂号说明可以出现在关联表里，但不和简介锁死成一个永不更新的单元格。职称用来源页面上的原词，并映射到约定的职称词表。映射不确定时保留原词，不升格。
头像必须能在医院官网、官方公众号、小程序或医院公开资料里核到同一个人。人脸要清楚，五官不被口罩或墨镜挡住，背景尽量干净，画面以头肩为主，方形构图优于半身和过度裁切。不收多人合影、卡通、风景、明星、默认头像、明显拉伸、过度美颜、大面积水印和拼接。让人明显不适的角度也不收。这些规则是为了核验「是不是本人」，不是为了审美评分。
核验做不到的头像，这条医生记录不能带着头像交付；如果合同把头像列为必填，则整条不计入。用生成肖像或他人照片顶替，按资质虚假处理。说明书把医院或医生资质信息虚假写成零容忍。职称、医院、科室与官方页面冲突，同样按虚假处理，而不是按「大致差不多」收下。
出诊时间和号源影响的是「现在能不能挂上」。说明书把严重滞后或错误写成零容忍，因为错误会直接把人指到已经停诊的时段。静态表即使昨天正确，今天也可能错。因此这一部分以接口交付。验收看的是更新延迟，规格上的线是不超过二十四小时，合同可以更严，不能更含糊。接口要说明失败时如何得知「未知」，而不是返回上一次的成功结果却不带时间戳。
每条号源至少带：医生或科室标识、出诊地、时间、号源地址、采集时间。没有采集时间的号源不可用。挂号技巧或指引如果来自官方页面，作为文本字段并带来源；来自编辑推测的「怎样更容易挂到」不写入。可用性按合同承诺，本页不写百分之百可用已经达成。
三条来源要能区分：机构官方公开信息、行政部门公开备案、已授权接口。一条记录可以有多个来源，冲突时保留冲突说明，不擅自选一个「更高级」的值。例如官网写副主任医师、备案信息尚未更新，两列都留，并写各自的日期。
去重针对同一家医院的多个院区写法、同一位医生在多个页面的重复，以及与购买方历史集和公开集的重复。重复不计入条数。只按姓名去重会把同名医生并成一个人，必须加上医院和科室。同名仍无法区分时，标成待核对，不合并。
说明书要求字段完整率达到百分之百，医院的名称、简介、地址、等级、性质、科室，医生的姓名、头像、职称、医院、科室、简介、擅长、出诊时间和地点、号源地址，都在关键字段里。做不到的记录剔除，不用空字符串或「暂无」假装完整，除非「暂无」是官方页面的原文并带来源。
一条合格数据要同时满足：字段完整、等级与科室分类完整、接口类时效达标、字段与来源一致、去重通过。五项缺一不可。批次合格线不低于百分之九十五是说明书里的验收线，不是已测结果。资质虚假或号源严重错误走红线，可以拒收整批。
报价前的样例要同时有医院和医生，用来看字段、时效和接口是否稳定。样例数量按合同。说明书里的示例姓名、履历和科研数字是格式演示，不是真人名录。那些句子不进入本页，也不进入样例库充作真实医生。真实样例只来自能打开的官方页面，并且只保留公开字段。
医院和医生档案按批交付，交付完成后视为该版本，没有「每天自动更新全部简介」的义务。质量问题的修正除外。号源不享受这个「交付即最终版」的句子。批次大小和验收工作日按合同，整体验收在全部批次之后。单价、预付和发票不在本页。
模型使用时，回答里的等级、职称和出诊时间必须带记录标识和更新时间。没有更新时间的出诊回答，在这一规格下视为不合格输出，即使句子通顺。这一规格不生成诊断，不比较医生「谁更好」，不把榜单名次解释成临床结局。榜单只在来源、名称和年份齐全时作为字段存在。
和图片规格的边界：医生头像和医院标识不进入皮损、口腔或器械格。和病历规格的边界：病历里的医生姓名如果出现，属于病历脱敏问题，不把病历医生导入这一目录。和语料规格的边界：百科里的「某医院简介」如果没有官方来源和更新日期，不能当作本规格的医院记录。数据卡要能分开这三套标识，避免一个名字在三个包里各算一条。
医院记录先打开官网或备案页，抄名称和地址，再决定等级是页面上有还是未知。未知不要推断。科室表从挂号或科室介绍页来，每一科保留原名和标准名。挂号链接要能打开到该院的预约入口或官方说明；打开后是广告或与该院无关的页面，这条链接不合格，整条在关键字段上不完整。
医生记录先在官方页面找到姓名、职称、科室和照片，再写简介和擅长，两者都摘自该页，不混合其他网站的句子。头像另存，文件名含记录标识。核验时把官方页和头像并排，不能只看头像是否像一位医生。对不上就去掉头像；合同要求头像必填时，整条不计入。
号源不从静态页「复制一次」就算完成。接口返回必须带采集时间。抽查时用抽查时刻减去采集时间，超过约定延迟的算时效不合格。返回空结果要能区分「确实没有号」和「接口失败」。失败却返回昨日的号，按号源错误处理，走红线。
两个官方来源不一致时，两列并存，各带日期。合并成一个「更可能」的值而不保留原文，验收时无法复核，该条字段准确率不算通过。同名医生用医院加科室加官方页链接区分。链接相同才可合并。等级字段只接受来源页上的原词，经过映射表落到约定词表。映射表里没有的原词保留为未映射，不升到更高一级。
公开榜单只在榜单名称、年份和名次都能在公开页面找到时填写。找不到就空着，并允许空，因为不是每家医院都在榜上。用空值冒充「未上榜」也可以，但要在数据字典里定义空的含义，全表一致。不能有的行空着表示未知，有的行空着表示未上榜。
结算附件至少包括：来源链接抽查表、头像核验抽查表、号源延迟抽查表、同名未合并清单、未映射职称清单。五张表缺一张，总条数不进入结算说明。本页列出这五张表的名字，是为了数据卡有栏位，不是宣布它们已经填好。
医院名称、地址、科室、医生姓名、职称、来源链接，这些是关键字段。关键字段空着，该条不完整，不进入交付分母。简介、擅长、头像、榜单、号源，这些是条件字段。条件字段允许空，但空的含义要写在字典里：未知、页面上没有、本次不采，三者不能共用同一个空单元格。号源为空时还要再分：接口返回无号、接口失败、本次批次不含号源。三种空用三个代码，抽查才能知道时效是否被考核。
标准科室名是一张映射表，不是采集时临时想的词。映射表在首批之前冻结。页面上的原名永远保留在另一列。原名进了标准名列、标准名又被改回口语，两列就失去对照。职称同理：原词一列，映射词一列。映射表没有的原词留在未映射清单，下一批可以扩表，不能在本批里临时升职或降职。
照片文件与记录用标识相连，不用姓名相连。同名会连错。照片的拍摄或截取日期如果官方页没有，就空着，不填采集当天冒充证件照日期。采集当天只写入「核验日期」列。两列混用，会把一次网页抓取写成医生的执业起始。
接口字段至少包括医院标识、科室、医生标识、日期、时段、余号或可约状态、采集时间、来源接口名称。余号是数字时保留原样，不改成「有号」「无号」两档，除非数据卡写明只要两档并保留原始数字列。只留两档、删掉数字，等于删掉了说明书要求可回溯的那一层。可约状态与余号冲突时两列都留，并标冲突，不选一个看起来更合理的。
医院与医生两条记录用医院标识相连，不用医院名称的字符串匹配相连。名称多一个字就会连错或连不上。医生记录上的科室必须能在该医院的科室表里找到原名或标准名。找不到，标成科室未挂接，不自动新建一个科室。新建科室会把个人简介里的口头说法变成医院的正式科室。未挂接的医生记录可以保留在待处理清单，不进入已交付的医生条数。号源记录上的医生标识必须能在医生表里找到。找不到的号源整行退出，不新建一位「只有号、没有档案」的医生。只有号没有档案，无法核对职称和头像，也不知道号源属于谁。
变更日志按记录标识追加，不覆盖上一版字段。职称变更、科室变更、停诊，都是新的一行日志加日期。只留最新值，抽查时无法解释为什么同一链接在两个日期给出不同职称。日志本身不公开到本页。数据卡说明日志是否随批次交付、保留多久。未约定保留时间的，至少保留到该批次验收完成。
公开页不出现示例姓名、示例医院和任何内部检索地址。说明书里的假名只用于说明字段长什么样，不能被当成已核验的医生。真名只出现在有授权和有官方链接的交付表里，不出现在目录页。
沟通规模以数据卡和合同确认，不是现货库存。本页不构成医疗器械宣传，也不对模型临床疗效作承诺。文献只说明验收应当检查什么，不代表本目录已经测得那些论文里的数字。
索取数据卡 返回数据集目录