Nearbia
专注于本地商家网站数据采集与分类的科技团队，使用浏览器渲染与本地LLM管道处理网站判定任务
时间轴 (近 90 天)
Nearbia团队用一条HTTP请求检查200个本地商家网站，结果漏掉三成以上的死站和大量营销站点。
初版HTTP请求检查器向每个首页发送一次请求，截取前400KB原始HTML，搜索城市名和水管相关词汇。
从荷兰的计算机发起检查，200个站中有47个无响应；但从美国IP重试，这47个里有15个立即加载成功。
任何以“站点是否存活”为输入的管道，都必须把探测节点固定在目标市场所在地，否则会把可正常访问的本地商家误判为死站。
新管道分四步：渲染、标注、验证、定位；渲染使用普通Chrome启用JavaScript，5个浏览器并行，171个有响应的首页耗时约40分钟。
标注环节部署在Nearbia自有服务器上的语言模型读取每个捕获页面，分配站点类型：本地公司自有站、连锁分店页、全国连锁、目录站、引流站、无关站点或死站。
验证环节要求模型引用页面原文支撑标注，代码确认引用确实出现在页面中，置信度低于0.6的标注转交人工。
位置证据优先级从高到低：1. 站点电话与来源记录的电话匹配；2. 地址或结构化数据中的区域邮编；3. 与“FL”或“Florida”相邻区域的城市名；弱证据为仅区域名或仅727区号。
电话被视为最强信号，因为引流站和目录站通常只列全国客服或8xx号码，8xx因连锁店各地共用被明确排除。
在200个域名的最终分类中，88个有位置证据的本地水管工构成语料库，36个为死站/停放/无DNS解析。
还有 3 条时间轴事件
全部知识事实 (13)
Nearbia团队用一条HTTP请求检查200个本地商家网站，结果漏掉三成以上的死站和大量营销站点。
50%待验证初版HTTP请求检查器向每个首页发送一次请求，截取前400KB原始HTML，搜索城市名和水管相关词汇。
50%待验证从荷兰的计算机发起检查，200个站中有47个无响应；但从美国IP重试，这47个里有15个立即加载成功。
50%待验证任何以“站点是否存活”为输入的管道，都必须把探测节点固定在目标市场所在地，否则会把可正常访问的本地商家误判为死站。
50%待验证新管道分四步：渲染、标注、验证、定位；渲染使用普通Chrome启用JavaScript，5个浏览器并行，171个有响应的首页耗时约40分钟。
50%待验证标注环节部署在Nearbia自有服务器上的语言模型读取每个捕获页面，分配站点类型：本地公司自有站、连锁分店页、全国连锁、目录站、引流站、无关站点或死站。
50%待验证验证环节要求模型引用页面原文支撑标注，代码确认引用确实出现在页面中，置信度低于0.6的标注转交人工。
50%待验证位置证据优先级从高到低：1. 站点电话与来源记录的电话匹配；2. 地址或结构化数据中的区域邮编；3. 与“FL”或“Florida”相邻区域的城市名；弱证据为仅区域名或仅727区号。
50%待验证电话被视为最强信号，因为引流站和目录站通常只列全国客服或8xx号码，8xx因连锁店各地共用被明确排除。
50%待验证在200个域名的最终分类中，88个有位置证据的本地水管工构成语料库，36个为死站/停放/无DNS解析。
50%待验证五个与圣彼得堡关联的域名实际属于科罗拉多、爱达荷、密西西比、布劳沃德县和佛罗里达州奥兰治市的水管工。
50%待验证语料库中45个城内水管工有21个未被初始数据库收录，仅Google就发现了其中的11个。
50%待验证模型有一次把一家下水道管道衬砌公司标为窗户清洁，说明“其他行业”分组必须人工复核。
50%