全文检索语料库。query 支持多个词(空格分隔;mode="and" 全部命中 / "or" 任一命中, 可用于同义提法集合)。date_from/date_to 格式 YYYY-MM-DD;source 可选来源子串; order 可选 relevance/newest/oldest。返回 id、标题、日期、来源和命中片段。

按 id 取一篇文章的完整元数据与全文。max_chars>0 时截断正文。

按时间/来源/标题子串浏览语料库(不做全文匹配,浏览用)。

主题证据时间线:按时间桶(year/quarter/month)返回该主题最相关的若干篇(含片段), 用于追踪他在某问题上表述的演变。研究特定场景/问题时先用这个建立证据骨架。

提法(tifa)趋势:每个提法在各时间桶的覆盖率(articles/per100)与强度(per10k_chars)。 提法的出现、升温、降温、消失是可观察的政策信号(CMP 方法论);时间桶零填充,消失本身即信号。 注意:per100 对高频词(如单字"党")会饱和于 100,看强度变化用 per10k_chars;小桶(of<20)噪声大。 适合对比同义/竞争提法,如 ["高质量发展","高速增长"]。

新提法信号:近 days 天(上限365)相对之前 baseline_days 天(上限1095)基线明显升温 或全新出现的表述(锚定语料库最新文章日期)。baseline_count=0 即全新提法。 结果带 baseline_thin 标志,基线过薄时 ratio 仅供参考。用于预测前的信号扫描。

单篇精读:返回该文章中命中 query 的段落及前后 window 段上下文(带段号)。 需要逐字引用原话时,必须从这里或 get_article 的返回文本中原样复制。

语料库覆盖情况:总篇数、时间范围、来源分布、待抓取/失败数、站点总数对比。

增量抓取:发现并抓取数据库尚未收录的最新文章。full=True 时重新走完整个列表 (仅初建/校对用,耗时长)。返回本次新增与当前库存统计。