人物专题 · 数据服务与清洗工程 · 2017–2019
江川：在清洗服务与文档管线之间建立秩序
从汽车口碑清洗、法律文书处理到内容服务，观察一位服务端工程参与者留下的跨项目产出。
工作画像
江川的匿名工作轨迹主要落在数据进入产品之前的中间地带：来源字段需要统一，批量任务需要可重跑，文档需要结构化，最后还要通过接口交给前端或研究工具。
Git 侧关联多个仓库、数百次提交，主要语言是 Go 与 Python；其中汽车数据服务、法律文书程序和内容服务构成最清晰的三条线。
Jira 侧只有少量关联工单，多数出现负责人或发起人关系。Confluence 侧有百余篇关联页面，其中多数带有作者或最后修改者记录。
这些数字更像路标而不是奖牌。它们能够说明工作跨越代码、任务与文档，却不能说明个人独立完成了对应项目，也不能用来比较绩效。
证据范围
| 来源 | 匿名统计 | 能支持的判断 |
|---|---|---|
| Git | 数百次提交、多个仓库 | 变更集中于数据清洗、服务模型、文书程序和内容服务 |
| Jira | 少量关联工单 | 可确认若干导入、数据整理与关系挖掘任务 |
| Confluence | 百余篇关联页面 | 存在持续的接口、周报与交接文档维护 |
Confluence 的作者字段已经通过 user key 匿名解析。私人空间只保留可辨认为工作的页面；招聘、人员评价和个人敏感内容不在本文证据范围内。
项目地图
- 汽车口碑洞察：车型统一、评分聚合、SimHash 去重和多条件导出。
- 海纳数据平台：法律文书、专利与投融资数据如何成为稳定 API。
- 智库官网 2.0：新闻、合作与报告等内容对象的 Go 服务边界。
- 长尾工程资产：文书同步、过滤和存储迁移程序留下的工程经验。
代表项目一：汽车口碑清洗与服务
汽车数据主仓关联数百次提交，其中绝大多数包含可辨认的手写源码。高频目录是数据清洗命令、车辆服务和领域模型，语言以 Go 为主。
这与汽车口碑洞察中的系统结构吻合：来源车型先映射到内部索引，评论正文按维度归一化，标签与评分再回写到车型和索引，最后由查询接口提供筛选与表格导出。
提交主题中的“数据清洗完成”和“需求基本完成”只能证明阶段性推进，不能替代验收。更具体的证据来自目录：清洗入口、服务层和模型都持续发生过变更，说明问题不是一次导入，而是数据契约与消费接口共同演进。
项目中的 SimHash 近重复检测、评分汇总与跨来源车型匹配属于团队级实现。本文不把这些算法写成江川独立设计，只确认其提交与这些模块所在主仓、目录和周期重叠。
代表项目二：法律文书同步与索引
法律文书相关的多座仓库合计覆盖主程序、同步器和字段过滤器。主要语言为 Go 与 Python，可见目录包含同步命令、API、过滤和批量处理入口。
Jira 中还存在一条以负责人和发起人身份关联的“文书数据进入检索索引”事项。它与代码中的同步、过滤及服务目录构成了直接互证：任务说明目标，代码展示处理方式，项目文章补充上下游背景。
海纳数据平台表明这条链路要面对分页限制、失败回收、按天增量和正文结构化。代码侧能确认缓冲通道、批量写入和字段过滤确实被探索；现有证据不能确认所有数据最终完整入库，也没有公开准确率或长期运行指标。
长尾工程资产进一步指出历史完成协议与错误传播的风险。值得保留的是阶段拆分，值得重建的是显式关闭、取消传播、幂等键和尾批刷新。
代表项目三：内容服务的资源边界
一座 Go 内容服务仓关联数十次提交，其中相当一部分涉及手写源码，变更主要分布在新闻、合作和公共服务目录，同时包含构建与容器配置。
智库官网 2.0显示该服务把新闻、报告、合作、成员和文件建模为独立资源，并向公开端和管理端提供不同接口。
这组证据支持“参与内容服务维护”的表述，却不足以把整套平台架构或全部资源模型归于单个人。尤其是生成代码、第三方依赖与手写业务逻辑必须分开统计。
代码、文档与工单如何互证
汽车项目中，代码路径给出清洗、模型和服务三层；接口文档证明这些对象曾被整理成调用契约；项目文章则从工单和会议材料解释为何优先清洗与导出。
文书项目中，工单明确提出索引目标；同步与过滤仓展示处理机制；Confluence 的技术说明和交接页面补足运行步骤。三者一致时，可以确认工作链存在，但仍不能把数据覆盖率写成事实。
内容平台中，服务目录与公开项目文章里的资源模型相互对应；缺少人物级独立验收记录，因此结论保持在“参与实现和维护”。
可复用经验
- 多来源清洗先建立内部稳定标识，再保留来源标识用于追溯。
- 批量同步应记录游标、批次、失败原因和幂等键，使补采不依赖人工记忆。
- 原始文档、结构化字段和搜索索引分层保存，解析规则变化时才能重建。
- 接口文档应与代码契约共同版本化，交接文档不能只记录部署命令。
- 生成物、依赖与手写业务代码要分开统计，避免夸大仓库规模。
- 工单完成表示流程状态，不自动等于数据完整、算法准确或生产验收通过。
证据边界
江川的匿名活动区间综合三类系统为 2017 至 2019 年。时间范围说明记录出现的年份，不代表完整任职时间。
本文没有使用招聘、人员评价或私人经历材料。周报只参与数量统计，不引用可能带来身份识别的内容。
提交作者只能证明某个签名与变更关联，不能证明需求、设计、评审和交付由其独立完成。本文据此将江川描述为数据服务与清洗工程的参与者，不推断职级、绩效、性格或离开原因。