数据集快照：冻结行集合与变换规则

可复现研究快照应冻结行集合与变换规则，不只保存提供数据的PDF。另一位复查者应能识别相同输入，应用相同筛选，并得到相同观察键。否则备忘录文字不变，底层数据却可能悄悄变化。

W3C DCAT第三版提供数据集、分发形式与版本关系词汇，有助于描述数据，但不规定本文工作表，也不证明某快照完整。具体运营检查仍由研究者负责，不能把标准引用当验证完成。

定义快照边界

写明问题、总体、截止点与数据粒度。公司年度表与申报事实表的行身份不同，快照要说明保存哪一种，以及依赖哪些上游。只有一文件夹原文，没有行定义，不算冻结了分析样本。

保留原始输入身份、查询参数、数据结构和变换版本，包括筛选、身份对照、单位转换与修订选择规则。文件哈希可以识别对象，却不能解释为什么这些行被选中，更不能证明来源陈述真实。完整性与事实验证必须区分。

同时保存键集指纹与基本质量检查。行数不变，也可能有一家退出、另一家进入；总额不变，也可能发生互相抵消的错误。多种独立检查更容易发现替换，但不能因此保证所有内容正确。

假设虚构松树快照有一百个公司年度观察。后来刷新仍是一百，简单行数检查通过，却有一家公司因身份匹配规则改变被删除，另一家被加入。数量没变，样本已改变。

比较排序观察键后，九十九行共有，一行删除、一行增加，对称差包含两个键。应先调查这是有意总体更新还是对照表错误，再复用原结论。只看文件名和行数，无法区分两种原因。

再假设键全部相同，但来源修订让十二个值改变。键集检查通过，值比较却不同。两种差异都应进入快照报告。所有数量与名称均为假设，没有声称软件已实现某功能，也没有宣称完成真实重跑实验。

写一份从冻结输入开始的重跑说明。如果命令抓今天最新数据，即使脚本叫“复现”，它也是刷新。输入不能保存或重取时，明确复现限制，并留下足够元数据识别缺少什么。不要用一个运行成功状态掩盖输入已不同。

原分析与后来更新使用不同快照标识，显式比较，不覆盖同一文件。有意刷新可以改变结论，关键是能把变化归因于数据、变换还是解释。参数修正也应形成新版本，避免旧分析的可复查路径消失。

先完成机械键和值检查，再让AI总结差异。不能让模型因为文字没改或行数相同，就推断数据没变；哈希匹配也不能称独立事实核验，它只说明按选定算法核对的字节身份。最终资料包应让读者重开输入、复现选择并看见未解决异常。

对于大表，可以保留完整机器差异与人工可读重点，但不能只保留摘要。摘要帮助阅读，行级证据帮助追查，两者用途不同。样本关键规则应在报告中有直接入口。

通常不够。行粒度、过滤、身份连接、换算和版本选择也会改变结果。

不能。需比较观察键和值，替换和修订都可能保持行数不变。