# 调研知识 - researcher 深度研究技能

## 数据源清单

### 1. 百度百科
- **类型**: 中文百科全书
- **数据覆盖**: 人物、事件、组织、作品等
- **访问方式**:
  - 网页爬取: https://baike.baidu.com/item/xxx
  - 移动端 API (非官方)
- **robots.txt**: 允许爬取，需遵守频率限制
- **更新频率**: 持续更新
- **数据质量**: 中等，需人工校验

### 2. 维基百科
- **类型**: 多语言百科全书
- **数据覆盖**: 全球人物、事件、历史、科学等
- **访问方式**:
  - MediaWiki API: https://en.wikipedia.org/w/api.php
  - 简体中文: https://zh.wikipedia.org/w/api.php
- **特点**: 开放 API，结构化数据，CC BY-SA 协议
- **更新频率**: 实时更新
- **数据质量**: 高，引用可靠

### 3. 新闻报道
- **来源**:
  - 新浪新闻: https://news.sina.com.cn/
  - 腾讯新闻: https://news.qq.com/
  - 澎湃新闻: https://www.thepaper.cn/
- **覆盖**: 时事、人物专访、事件报道
- **访问方式**: 网页爬取
- **robots.txt**: 需遵守

### 4. 社交媒体讨论
- **来源**:
  - 微博: https://weibo.com (热搜、超话)
  - 豆瓣: https://douban.com (小组、评分)
  - 知乎: https://www.zhihu.com (问答)
- **用途**: 公众舆论、人物形象塑造参考
- **注意事项**: 爬取受限，需模拟登录或 API

### 5. 专业数据库
- **豆瓣电影/图书**: 结构化 API (非官方)
- **猫眼电影**: 票房、评分数据
- **IMDb**: 影视人物数据 (英文)

---

## 调研目标分析

### 背景调查
- 人物生平、履历
- 事件时间线
- 组织/公司沿革
- 作品创作背景

### 人物形象塑造
- 公众形象 vs 真实面貌
- 性格特征、行为模式
- 语言风格、口头禅
- 社会关系网络

### 台词/剧本生成素材
- 时代背景氛围
- 场景细节描写
- 角色情绪状态
- 对话风格参考

---

## 数据采集策略

### 优先级排序
1. **维基百科** - 开放 API，质量高
2. **百度百科** - 中文主要来源
3. **新闻报道** - 补充背景
4. **社交媒体** - 舆情参考

### 采集频率
- 百科类: 3-5 秒间隔
- 新闻类: 5-10 秒间隔
- 社交媒体: 10+ 秒间隔

### 数据清洗
- 去重
- 去除 HTML 标签
- 提取结构化字段
- 标注可信度等级