任务简介与重要性 对2018-2024多学科科研文献语料进行标准化、去重并建立跨领域层级，有助于：

• 统一术语与版本，降低检索噪音与重复命中；
• 构建清晰的四层学科-方法-应用树，提升跨域可发现性；
• 增强多维标签（时间、证据等级、开源状态）可视化分析能力；
• 为后续自动分类与主题演化分析打下数据治理基础。

分步骤分析与分类流程

1. 数据接入与模式定义

• 统一字段：id, 标题, 摘要, 关键词[], 方法, 使用数据集[], 评价指标[], 作者机构, 地区, 语言, PDF结构段落, DOI/期刊信息, arXiv/预印本ID, 代码链接, 版本信息, 时间戳(年/季度)。
• 建立语言双语字段：title_zh/title_en, abstract_zh/abstract_en；若缺失则机器翻译并标注来源。

2. 术语与指标标准化

• 关键词、方法、应用术语映射至规范词表（含中英别名、缩写）；统一度量单位与指标缩写（如 BLEU, F1, RMSE, AUC）。

3. 去重与版本合并

• 精确匹配：DOI、arXiv ID、一致标题+作者组合。
• 模糊匹配：归一化标题（去停用词/标点/大小写）、作者列表相似度、摘要指纹（MinHash），阈值≥0.85。
• 版本策略：保留最新同行评审版为“主版本”，聚合其预印本与迭代链接至同一canonical_id；记录变更日志。

4. 建立四层分类树

• 一级：学科域（计算机/材料/生物医药）。
• 二级：子领域（如 NLP、计算机视觉、储能、蛋白设计）。
• 三级：方法论（算法/实验/仿真）。
• 四级：应用场景（任务或具体对象）。
• 并行维度标签：时间（年>季度）、证据等级、是否开源（代码/数据/模型）、语言。

5. 自动归类策略

• 规则优先：基于关键词→子领域→方法→应用的匹配优先级；从PDF结构段落（Methods/Experiments/Results）抽取信号。
• 模型辅助：多标签文本分类（Fine-tuned transformer）+术语字典；冲突时采用优先域（如图像主导→CV，蛋白结构→生物医药）。
• 主路径与辅路径：为跨应用论文设定1个主路径+≤2个辅路径，避免重叠与歧义。

6. 质检与一致性

• 抽样复核（每类≥5%）、跨语言一致性比对（术语一致率≥95%）、时间与证据等级分布异常检测。

7. 输出与可检索化

• 树状编号路径（如 1.1.1.4），附并行标签；导出为可查询索引（Elastic/SQL），支持按路径与标签过滤。

识别并建立主分类与子分类的方法

• 从标题/摘要/关键词定位核心领域词（如 “Transformer”“DFT”“solid electrolyte”“protein design”）。
• 从方法段落与评测指标识别方法论层级（算法/实验/仿真）。
• 从任务词库定位应用场景（如 机器翻译、目标检测、固态电解质、蛋白结构预测）。
• 证据等级依据研究设计与评测标准（定义见下“证据等级规范”）。

树状编号四层学科层级与示例条目 说明：以下为结构与示例引用条目，用于验证路径与标签设计（并非全量数据）。

1 计算机

1.1 自然语言处理 (NLP)

1.1.1 算法

1.1.1.1 预训练语言模型

• BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding (2018) | 路径: 1.1.1.1 | 年:2018Q4 | 证据:B（标准基准GLUE）| 开源:是 | 数据集:BooksCorpus,Wikipedia | 指标:GLUE(F1,ACC)
• LLaMA: Open and Efficient Foundation Language Models (2023) | 路径: 1.1.1.1 | 年:2023Q1 | 证据:B | 开源:部分 | 数据集:多语料 | 指标:Perplexity, Zero-shot

1.1.1.2 机器翻译

• MASS: Masked Sequence to Sequence Pre-training for Language Generation (2019) | 路径: 1.1.1.2 | 年:2019Q2 | 证据:B | 开源:是 | 数据集:WMT | 指标:BLEU

1.1.1.3 文本摘要/问答

• PEGASUS: Pre-training with Extracted Gap-sentences (2020) | 路径: 1.1.1.3 | 年:2020Q1 | 证据:B | 开源:是 | 数据集:XSum,CNN/DailyMail | 指标:ROUGE

1.1.2 实验

1.1.2.1 基准评测

• SuperGLUE: A Stickier Benchmark for General-Purpose Language Understanding (2019) | 路径: 1.1.2.1 | 年:2019Q3 | 证据:B | 开源:是 | 数据集:SuperGLUE | 指标:ACC,F1

1.1.3 仿真

1.1.3.1 生成过程分析

• Analysis of Transformer Attention Patterns (2021) | 路径: 1.1.3.1 | 年:2021Q2 | 证据:C | 开源:否 | 指标:可视化/定性

1.2 计算机视觉 (CV)

1.2.1 算法

1.2.1.1 图像分类

• ViT: An Image Is Worth 16x16 Words (2020) | 路径: 1.2.1.1 | 年:2020Q3 | 证据:B | 开源:是 | 数据集:ImageNet | 指标:Top-1 ACC

1.2.1.2 目标检测

• DETR: End-to-End Object Detection with Transformers (2020) | 路径: 1.2.1.2 | 年:2020Q2 | 证据:B | 开源:是 | 数据集:COCO | 指标:mAP

1.2.1.3 图像分割

• Segment Anything Model (SAM) (2023) | 路径: 1.2.1.3 | 年:2023Q2 | 证据:B | 开源:是 | 数据集:SA-1B | 指标:mIoU

1.2.2 实验

1.2.2.1 多模态评测

• CLIP: Connecting Text and Images (2021) | 路径: 1.2.2.1 | 年:2021Q1 | 证据:B | 开源:是 | 数据集:Web-scale | 指标:Zero-shot ACC

1.2.3 仿真

1.2.3.1 合成数据

• Synthetic Data for Object Detection (2022) | 路径: 1.2.3.1 | 年:2022Q3 | 证据:C | 开源:部分

1.3 机器学习通用

1.3.1 算法

1.3.1.1 强化学习

• AlphaZero-like Generalized RL (2019) | 路径: 1.3.1.1 | 年:2019Q1 | 证据:B | 开源:部分 | 指标:Elo

1.3.1.2 图神经网络

• GNN Survey and Applications (2020) | 路径: 1.3.1.2 | 年:2020Q2 | 证据:C | 开源:是

2 材料

2.1 储能

2.1.1 算法

2.1.1.1 材料性质预测（ML）

• ML-guided Discovery of Solid-state Electrolytes (2020) | 路径: 2.1.1.1 | 年:2020Q3 | 证据:B | 开源:部分 | 数据集:Materials Project | 指标:MAE

2.1.1.2 循环寿命预测

• Battery Degradation Modeling via GNN (2022) | 路径: 2.1.1.2 | 年:2022Q4 | 证据:B | 开源:是 | 数据集:NASA Battery | 指标:RMSE

2.1.2 实验

2.1.2.1 锂离子正极/固态电解质

• High-Ni NMC Cathode Cycling Study (2019) | 路径: 2.1.2.1 | 年:2019Q2 | 证据:A | 开源:否 | 指标:容量(mAh/g), 保留率(%)

2.1.3 仿真

2.1.3.1 DFT/MD

• DFT Screening of SSE Interfaces (2021) | 路径: 2.1.3.1 | 年:2021Q4 | 证据:C | 开源:是 | 指标:界面能(eV), 带隙(eV)

2.2 催化

2.2.1 算法

2.2.1.1 活性位点预测

• ML for CO2RR Catalyst Design (2020) | 路径: 2.2.1.1 | 年:2020Q2 | 证据:B | 开源:部分 | 指标:选择性(%)

2.2.2 实验

2.2.2.1 电催化/光催化

• Experimental Screening of HER Catalysts (2018) | 路径: 2.2.2.1 | 年:2018Q3 | 证据:A | 开源:否 | 指标:过电位(mV), Tafel斜率

2.2.3 仿真

2.2.3.1 表面反应机理

• DFT Mechanistic Study of OER (2019) | 路径: 2.2.3.1 | 年:2019Q4 | 证据:C | 开源:是

2.3 光伏/半导体

2.3.1 算法

2.3.1.1 结构-性能映射

• ML Prediction for Perovskite Stability (2021) | 路径: 2.3.1.1 | 年:2021Q1 | 证据:B | 开源:是 | 指标:稳定性评分

2.3.2 实验

2.3.2.1 器件制备与测试

• High-efficiency Perovskite PV (2022) | 路径: 2.3.2.1 | 年:2022Q2 | 证据:A | 开源:否 | 指标:效率(%)

2.3.3 仿真

2.3.3.1 电子结构/载流子输运

• TCAD-based PV Device Simulation (2020) | 路径: 2.3.3.1 | 年:2020Q4 | 证据:C | 开源:是

3 生物医药

3.1 蛋白设计

3.1.1 算法

3.1.1.1 结构预测

• AlphaFold2 (2021) | 路径: 3.1.1.1 | 年:2021Q2 | 证据:A（CASP14）| 开源:是 | 指标:GDT_TS, TM-score

3.1.1.2 序列设计

• ProteinMPNN (2022) | 路径: 3.1.1.2 | 年:2022Q3 | 证据:B | 开源:是 | 指标:设计成功率

3.1.2 实验

3.1.2.1 实验验证与筛选

• Wet-lab Validation of Designed Proteins (2023) | 路径: 3.1.2.1 | 年:2023Q4 | 证据:A | 开源:部分 | 指标:表达量, 稳定性Tm

3.1.3 仿真

3.1.3.1 分子动力学

• MD Simulation for Fold Stability (2019) | 路径: 3.1.3.1 | 年:2019Q1 | 证据:C | 开源:是 | 指标:RMSD, RMSF

3.2 药物发现

3.2.1 算法

3.2.1.1 分子生成/对接

• DiffDock (2022) | 路径: 3.2.1.1 | 年:2022Q2 | 证据:B | 开源:是 | 指标:Top-1对接成功率

3.2.2 实验

3.2.2.1 体外/体内评估

• Lead Optimization with Assays (2020) | 路径: 3.2.2.1 | 年:2020Q3 | 证据:A | 开源:否 | 指标:IC50, Kd

3.2.3 仿真

3.2.3.1 ADMET预测

• ML-based ADMET Prediction (2018) | 路径: 3.2.3.1 | 年:2018Q2 | 证据:B | 开源:是 | 指标:AUROC, RMSE

3.3 基因组学/单细胞

3.3.1 算法

3.3.1.1 表达谱分析

• scRNA-seq Dimensionality Reduction (2020) | 路径: 3.3.1.1 | 年:2020Q1 | 证据:B | 开源:是 | 指标:聚类NMI

3.3.2 实验

3.3.2.1 单细胞测序

• High-throughput scRNA-seq Pipeline (2019) | 路径: 3.3.2.1 | 年:2019Q4 | 证据:A | 开源:部分

3.3.3 仿真

3.3.3.1 合成细胞系数据

• Synthetic scRNA-seq Benchmark (2021) | 路径: 3.3.3.1 | 年:2021Q3 | 证据:C | 开源:是

摘要表（样本数、时间分布与开源占比） 说明：下表基于上述示例条目（非全集）以演示统计维度。导入全量数据后按同维度自动生成。

• 总样本数（示例）：24

• 时间分布（2018-2024）

  • 2018: 3
  • 2019: 4
  • 2020: 6
  • 2021: 5
  • 2022: 4
  • 2023: 2
  • 2024: 0（示例集中未列）

• 开源占比（代码/数据/模型至少其一）：约 70.8%（17/24）

• 按学科域分布与开源占比（示例）

  • 计算机: 12条 | 开源: 83%
  • 材料: 6条 | 开源: 50%
  • 生物医药: 6条 | 开源: 67%

术语规范与同义词表（节选）

• 学科域
  • 计算机 = 计算机科学 = CS
  • 材料 = 材料科学 = Materials Science
  • 生物医药 = 生命科学/生物医学 = Biomedicine
• 子领域
  • NLP = 自然语言处理
  • CV = 计算机视觉
  • 储能 = 能量存储 = Energy Storage
  • 催化 = Catalysis
  • 光伏 = Photovoltaics = PV
  • 蛋白设计 = Protein Design
  • 药物发现 = Drug Discovery
  • 基因组学 = Genomics；单细胞 = Single-cell
• 方法论
  • 算法 = Algorithmic = Computational method
  • 实验 = Experiment = Wet lab/Testbed/Device
  • 仿真 = Simulation = DFT/MD/TCAD/Agent-based
• 应用（示例）
  • 机器翻译 = MT = Machine Translation
  • 文本摘要 = Summarization = Abstractive/Extractive
  • 目标检测 = Object Detection
  • 图像分割 = Image Segmentation
  • 固态电解质 = SSE = Solid-state Electrolyte
  • 正极材料 = Cathode
  • 蛋白结构预测 = Protein Structure Prediction
  • 分子对接 = Molecular Docking
  • ADMET 预测 = ADMET Prediction
• 评价指标与单位
  • NLP/CV: ACC = Accuracy, F1, BLEU, ROUGE, mAP, mIoU, Perplexity
  • 材料: 容量(mAh/g), 保留率(%), 过电位(mV), 带隙(eV), MAE, RMSE
  • 生物医药: GDT_TS, TM-score, RMSD, AUROC, IC50(nM), Kd(μM)
• 证据等级规范（跨领域适配）
  • A：严格实验/大规模标准竞赛或第三方验证（如 CASP、器件实测、体内/体外实验）。
  • B：规范化基准或强对照实验（公开数据集、标准指标、复现可行）。
  • C：探索性/仿真/理论分析（缺少强对照或仅限模拟）。

示例引用条目与检索路径

• AlphaFold2 → 路径: 3.1.1.1 | 标签: 年=2021Q2, 证据=A, 开源=是, 语言=英
• SAM → 路径: 1.2.1.3 | 标签: 年=2023Q2, 证据=B, 开源=是, 语言=英
• ML-guided SSE → 路径: 2.1.1.1 | 标签: 年=2020Q3, 证据=B, 开源=部分, 语言=英
• BERT → 路径: 1.1.1.1 | 标签: 年=2018Q4, 证据=B, 开源=是, 语言=英

有效标记分类与子分类的建议

• 使用规范化路径编码：domain.subdomain.method.application（如 2.1.3.1）。
• 记录主路径（primary_path）与辅路径（secondary_paths[]），限制辅路径≤2以避免过度重叠。
• 并行标签采用枚举型：year, quarter ∈ {Q1..Q4}；evidence ∈ {A,B,C}；open_source ∈ {代码,数据,模型,否}。
• 双语字段存储规则：canonical_label 英文+中文；检索可按别名匹配。
• 指标与单位分离存储：metric_name, metric_value, unit；避免字符串混排。
• 去重追踪：version_chain[] 挂接所有版本ID；保留主版本元数据为可检索入口。

数据整理与优化建议

• 构建术语字典与映射服务（JSON/SQL表），每季度更新一次；对新增术语执行半自动审核。
• 建立重复检测流水线（精确+模糊），阈值与规则可配置；记录冲突解决定稿日志。
• 统一评测指标与单位，提供跨领域标准化视图（如指标名词典与单位换算）。
• 引入语言一致性校验（双语一致率）与标签覆盖率报告（缺失率上限<5%）。
• 输出面向检索的索引（如 Elasticsearch）支持路径与标签多条件过滤；同时导出可视化仪表盘（时间/证据/开源分布）。
• 持续集成：对新增数据运行分类、去重与质检单元测试；维护变更审计与回滚机制。

如需，我可以将上述结构转为可执行的分类字典与SQL/JSON模式，并提供自动化ETL与分类脚本示例。

引言：任务库的结构化与分类是跨团队项目协同的基础。清晰的层级与统一的词典可显著降低沟通成本，提升依赖管理与风险响应效率，并使进度度量与复盘更可控。

数据分析与分类流程（分步骤） 1.字段规范与审计

• 收敛字段命名与取值：项目名、里程碑、任务说明、负责人角色、优先级、预估工时、截止日期、状态、依赖关系、风险标签、复盘记录。
• 建立统一枚举：阶段（需求/设计/开发/测试/发布/运维）、优先级（高/中/低）、风险等级（高/中/低）、状态词典（待办/进行中/阻塞/完成）。
• 同义词映射：如“待处理/未开始”归一为“待办”；“进行/处理中”归一为“进行中”；“卡住/受阻”归一为“阻塞”；“已完成/Done”归一为“完成”。

2.层级搭建与归档

• 垂直层级：计划集（Program）> 项目（Project）> 工作流（Workstream）> 任务（Task）。
• 横向维度：阶段、优先级、风险等级。阶段独立于状态（避免将阶段当作状态）。
• 里程碑归档：项目级里程碑统一命名并归档到项目层，避免分散在任务层。

3.命名模板与ID体系

• 统一命名模板（任务）：[阶段] [工作流] - [动作动词+对象+范围] | P{优先级} | S{状态} | R{风险} | Role{负责人角色} | Est{工时h} | Due{YYYY-MM-DD}
• ID编码（建议）：PGM-PRJ-WS-TSK（如：DX-PORT-DEV-001），保证唯一映射并便于依赖校验。

4.依赖链与一致性校验

• 依赖方向：通常上游阶段→下游阶段（需求→设计→开发→测试→发布→运维）；跨工作流依赖需标注清晰来源。
• 校验规则：无环（DAG）、无自依赖、同层依赖需明确里程碑或交付物；阻塞必须指向具体上游项。
• 自动检测：构建邻接表，检测环路与悬空依赖（指向不存在ID）。

5.角色与标签归一

• 负责人角色词典：PM/PD/Dev/QA/DevOps/Architect/ReleaseMgr/SRE。
• 风险标签分类：技术/进度/资源/合规/外部依赖等，配合风险等级（高/中/低）与处置策略。

6.呈现与复盘

• 树状层级用于结构化呈现；简表用于汇总态势；目录式清单用于汇报与复盘。
• 保持全库统一标准，避免重叠或模糊分类，确保可读性与可追踪性。

统一命名模板与状态词典

• 任务命名模板：［阶段］［工作流］-［动作动词 + 对象 + 范围］ | P{高/中/低} | S{待办/进行中/阻塞/完成} | R{高/中/低} | Role{角色} | Est{数字h} | Due{YYYY-MM-DD}
• 状态词典（标准四态）：
  • 待办：尚未开始，满足开始条件但未分配或未启动。
  • 进行中：已启动，资源与执行在位。
  • 阻塞：存在明确上游依赖或资源缺口导致暂停。
  • 完成：验收通过并归档。
• 同义词映射建议：
  • 待处理/未开始 → 待办
  • 进行/处理中 → 进行中
  • 卡住/受阻 → 阻塞
  • 已完成/Done → 完成

树状结构（示例，四层：Program > Project > Workstream > Task）

数字化转型计划集（PGM: DX）

客户门户重构（PRJ: PORT）

需求（WS: REQ）

• DX-PORT-REQ-001: [需求][需求] - 编写PRD | P{高} | S{待办} | R{中} | Role{PD} | Est{16h} | Due{2025-12-05}
  • deps: 无
• DX-PORT-REQ-002: [需求][需求] - 访谈关键客户 | P{中} | S{进行中} | R{低} | Role{PM} | Est{12h} | Due{2025-12-03}
  • deps: 无

开发（WS: DEV）

• DX-PORT-DEV-001: [开发][后端] - 用户服务重构 | P{高} | S{进行中} | R{中} | Role{Dev} | Est{40h} | Due{2025-12-12}
  • deps: DX-PORT-DSN-API（设计评审通过）, DX-PORT-REQ-001
• DX-PORT-DEV-002: [开发][前端] - 登录模块实现 | P{高} | S{阻塞} | R{高} | Role{Dev} | Est{32h} | Due{2025-12-15}
  • deps: DX-PORT-DEV-001（接口稳定）, DX-PORT-DSN-UI（UI稿冻结）

测试（WS: QA）

• DX-PORT-QA-001: [测试][单测] - 覆盖率提升到80% | P{低} | S{进行中} | R{低} | Role{QA} | Est{20h} | Due{2025-12-10}
  • deps: DX-PORT-DEV-001, DX-PORT-DEV-002（部分）
• DX-PORT-QA-002: [测试][UAT] - UAT轮次1执行 | P{中} | S{待办} | R{中} | Role{QA} | Est{24h} | Due{2025-12-18}
  • deps: DX-PORT-REL-001（RC可用）

发布（WS: REL）

• DX-PORT-REL-001: [发布][RC] - 发布候选版本RC1 | P{中} | S{待办} | R{低} | Role{ReleaseMgr} | Est{8h} | Due{2025-12-16}
  • deps: DX-PORT-QA-001（关键用例通过）

运维（WS: OPS）

• DX-PORT-OPS-001: [运维][监控] - 监控与告警配置 | P{低} | S{完成} | R{低} | Role{SRE} | Est{10h} | Due{2025-11-28}
  • deps: 无

数据平台升级（PRJ: DATA)

设计（WS: DSN）

• DX-DATA-DSN-001: [设计][架构] - 架构评审通过 | P{高} | S{完成} | R{中} | Role{Architect} | Est{12h} | Due{2025-11-25}
  • deps: 无
• DX-DATA-DSN-002: [设计][模型] - 数据血缘模型设计 | P{中} | S{进行中} | R{中} | Role{DataEng} | Est{28h} | Due{2025-12-08}
  • deps: 无

开发（WS: DEV）

• DX-DATA-DEV-001: [开发][ETL] - 管道实现 | P{高} | S{进行中} | R{中} | Role{DataEng} | Est{36h} | Due{2025-12-14}
  • deps: DX-DATA-DSN-002
• DX-DATA-DEV-002: [开发][服务] - 元数据服务接口 | P{中} | S{阻塞} | R{高} | Role{Dev} | Est{30h} | Due{2025-12-20}
  • deps: 外部依赖：IDMS-API-1.2 发布

测试（WS: QA）

• DX-DATA-QA-001: [测试][性能] - 性能测试基线 | P{中} | S{待办} | R{中} | Role{QA} | Est{24h} | Due{2025-12-19}
  • deps: DX-DATA-DEV-001
• DX-DATA-QA-002: [测试][回归] - 回归测试套件 | P{中} | S{完成} | R{低} | Role{QA} | Est{16h} | Due{2025-11-27}
  • deps: 无

产品增长计划集（PGM: GR)

移动App 3.0（PRJ: APP3）

需求（WS: REQ）

• GR-APP-REQ-001: [需求][范围] - 功能范围界定 | P{低} | S{完成} | R{低} | Role{PM} | Est{8h} | Due{2025-11-26}
  • deps: 无

设计（WS: DSN）

• GR-APP-DSN-001: [设计][交互] - 交互原型 | P{低} | S{进行中} | R{低} | Role{PD} | Est{20h} | Due{2025-12-04}
  • deps: GR-APP-REQ-001

开发（WS: DEV）

• GR-APP-DEV-001: [开发][推送] - 订阅模块 | P{高} | S{进行中} | R{中} | Role{Dev} | Est{32h} | Due{2025-12-13}
  • deps: GR-APP-DSN-001
• GR-APP-DEV-002: [开发][缓存] - 离线缓存 | P{中} | S{待办} | R{中} | Role{Dev} | Est{24h} | Due{2025-12-18}
  • deps: GR-APP-DSN-001

测试（WS: QA）

• GR-APP-QA-001: [测试][兼容] - Android兼容性测试 | P{中} | S{阻塞} | R{中} | Role{QA} | Est{20h} | Due{2025-12-20}
  • deps: 设备资源不足（外部资源）

推送系统优化（PRJ: PUSH）

开发（WS: DEV）

• GR-PUSH-DEV-001: [开发][MQ] - 消息队列优化 | P{高} | S{进行中} | R{高} | Role{Dev} | Est{30h} | Due{2025-12-11}
  • deps: GR-PUSH-DSN-MQ（设计冻结）
• GR-PUSH-DEV-002: [开发][重试] - 重试策略实现 | P{中} | S{完成} | R{低} | Role{Dev} | Est{16h} | Due{2025-11-29}
  • deps: 无

运维（WS: OPS）

• GR-PUSH-OPS-001: [运维][灰度] - 灰度发布策略 | P{低} | S{待办} | R{中} | Role{SRE} | Est{12h} | Due{2025-12-21}
  • deps: GR-PUSH-DEV-001（稳定性验证）

简表汇总（示例） | 层级 | 数量（任务） | 完成率 | 优先级(H/M/L) | 风险(高/中/低) | 阻塞数 | | ---- | ---- | ---- | ---- | ---- | ---- | | Program: DX | 14 | 21% (3/14) | 5 / 7 / 2 | 2 / 7 / 5 | 2 | | Program: GR | 8 | 25% (2/8) | 2 / 3 / 3 | 1 / 4 / 3 | 1 | | 全库合计 | 22 | 23% (5/22) | 7 / 10 / 5 | 3 / 11 / 8 | 3 |

目录式清单（汇报与复盘用）

• 本期进展
  • 完成：5项（DX:3, GR:2）
  • 进行中：8项（关键：DX-PORT-DEV-001, GR-PUSH-DEV-001）
• 里程碑状态
  • DX-数据平台 架构评审（DX-DATA-DSN-001）：已完成
  • PORT RC1（DX-PORT-REL-001）：待办，预计2025-12-16
• 关键风险与缓解
  • 外部API延迟（DX-DATA-DEV-002，R{高}）：与供应方锁定时间窗，准备降级方案
  • 设备资源不足（GR-APP-QA-001，R{中}）：申请云真机池，排期资源
• 阻塞与依赖
  • 前端登录实现受后端接口稳定性影响（DX-PORT-DEV-002→DX-PORT-DEV-001）
  • 兼容性测试受设备资源阻塞（GR-APP-QA-001）
• 下期计划
  • 完成 PORT UAT轮次1 与 RC1 发布
  • MQ优化完成后推进灰度发布策略
• 复盘要点
  • 需求冻结晚于计划，建议前置访谈与PRD走查
  • 阻塞项需设定SLA与明确上游交付物定义（DoD）

如何识别与建立主分类及子分类（方法）

• 主分类（Program）：按战略目标或预算归属聚合；要求覆盖多项目、可跨部门。
• 子分类（Project）：按可交付产出与明确范围定义；关联里程碑。
• 工作流（Workstream）：按职能或技术线划分（需求/设计/开发/测试/发布/运维），确保任务不跨流；若跨流，拆分为多个任务并以依赖串接。
• 任务（Task）：原子化、可验收；命名遵循模板，附ID与度量字段。

标记分类与子分类的建议

• 强制ID前缀：PGM/PRJ/WS，保证检索与统计一致。
• 阶段与状态分离：避免“测试中”作为状态，统一为阶段字段“测试”，状态字段“进行中”。
• 负责人角色用枚举，不填岗位名称自由文本（如“工程师A”），用Role{Dev/QA/...}并在任务备注填具体人。
• 依赖字段专用：deps只写ID，不写自由文本；备注中再说明依赖原因。
• 风险标签多维：风险等级+风险类型（技术/进度/资源/合规/外部依赖），便于汇总。

数据整理与优化建议

• 建立校验脚本：每天校验状态词典、依赖环路、缺失字段（Due/Est/Role）与不合规命名。
• 里程碑看板：项目级展示M1~M5的达成率与日期偏差，自动汇总到Program。
• 指标体系：完成率、阻塞率、逾期率、风险暴露数（高/中/低），按Program/Project维度出报表。
• 命名模板落地：在工作管理工具中设置创建任务的表单与模板，杜绝自由文本命名。
• 统一优先级基准：以影响范围、紧急性、依赖强度打分，形成P{高/中/低}标准。
• 复盘机制：每周期输出目录式清单与经验库（复盘记录字段），沉淀到知识库可检索。

说明：以上示例为结构与标准的落地样例。将现有任务库映射到该层级与词典后，即可自动生成树状视图、汇总简表与汇报清单，并持续用校验规则保持数据一致性与可用性。