几乎每个课题组、每个院系、每个编辑部，都有一个自己的"专家名单"。它的起点通常很随意：开会时记几个名字、师兄推荐几个人、翻论文时顺手存几条。用的时候才发现问题——名单里的单位还是五年前的、有些人早就调走了、有几条只写了个名字也不知道当初从哪抄来的。
这份文件想说的是：名单攒起来容易，难的是让它在两年后还能用。 MuchSci 的人才画像这个工具，本质上是在替这件事立规矩。
01 从一堆名字到一份资产，要走五步
先把治理流程拆开。
▲ 图 1｜第 5 步最容易被忽略，也最要命
定入库标准是第一步，也是最容易被跳过的一步。哪些记录算数、哪些只能当线索，必须写在前面。没有这一步，后面的核对就没有依据——你会一直在纠结"这条到底算不算"。
逐条核对和标记存疑是配套的一对。核对的做法是三方对照：姓名、单位、履历与公开资料逐项比对；对不上的不强行纳入，而是放进"待核验"区。这个"待核验"的存在，是整个机制里最克制的地方——它承认自己会不确定，并且把不确定的东西单独放，不让它污染正式名单。
分类归档决定的是可用性。按学科方向、单位、职称分组，需要什么类型的专家时按维度调取。定期复核收在这条链的末端，也是最容易被忽略的一步：单位会变、职务会变、研究方向会变，一份三年前的名单不复核就直接用，错得会非常自然——而且错得毫无察觉。
02 自然积累的名单，和治理过的名单
两者的人名可能一模一样，但能不能放心用，差得很远。
▲ 图 2｜差别不在收集得多不多，在于每一条能不能说出「它为什么在这里」
自然积累的名单，问不了"为什么"。 你问"为什么这三位在这儿"，答案是"当初好像是谁提过"。这种名单在内部小范围里用还行，一旦要报给上级、交给编辑、用于正式流程，就答不上来了。
治理过的名单，每一条都带得走。收录依据写明了、信息粒度到字段、来源可回查、复核时间有记录。被问起"为什么推荐他"，你可以指到具体的字段：研究领域对不对得上、主持项目是不是这个方向、单位信息核对于什么时候。
差别最实际的地方在出错那一刻。名单出错不可怕，可怕的是出错时无法解释依据。治理过的名单即便某一条后来发现是错的，你也能说清当时是依据什么判定的；自然积累的名单出错，你只能承认"当时随便记的"。
03 一个能长期用的库，分三层
把不同确定程度的信息混在一起，是名单很快变乱的根源。
▲ 图 3｜三层分开，各司其职
正式档案层是通过全部核对、可以对外使用的部分：四类字段完整、来源已标注、复核时间还在有效期内。这一层是能直接拿出去的那部分。
待核验层装的是信息对不上或来源不清的记录——同名待区分、单位信息冲突、来源单一。它们不是没用的东西，只是现在还不能算数；单独放着，等有更多资料时再往上提。
观察线索层最轻，只作为线索存在：会议报告人、论文合作者、项目参与人。这一层的意义在于扩大检索范围——需要找某个方向的人时，从这里往外扩，比凭空想名字有效得多。
三层分开的最大好处是：需要扩大名单时从第三层往下筛，而不是把不确定的信息直接混进正式档案。
04 界面：档案抬头就把规矩写明了
回到工具本身，看看这套规矩是怎么落到界面上的。
▲ 图 4｜档案最上方写明收录范围与匹配要求，以及「待核验不计入专家」的处理方式
界面最上面那段说明，就是前面说的"入库标准"的公开版本：只收录国家级项目，且要求姓名、单位、履历与公开资料精确匹配，不符合的记「待核验」，不计入专家。把规矩写在抬头，使用者拿到一份档案时，第一眼就能判断它是按什么标准整理出来的。
再往下看字段的组织方式：
▲ 图 5｜任职履历与科研成果都按表格承载，每一行都能单独回查
值得注意的是，这套结构里没有"评分""匹配度""推荐指数"这类东西。只有时间、单位、职务、专业、结果——能被外部资料验证的字段。这种克制是有意的：MuchSci 让它只负责把可核实的部分整理整齐，该不该用这个人、用在哪，是使用者的判断。
05 边界
① 本篇讲名单治理的机制，不构成效果承诺。名单的完整程度取决于公开资料的可得性，收录范围有限定，不代表能覆盖某个领域的全部专家。
② 结构化不等于评估。 档案是公开资料的整理，不构成对任何人的能力评价、推荐或背书；名单中的每一条都只是待确认的线索，涉及具体个人的判断须由使用者自行核实并承担责任。
③ 用于正式流程时以相关规定为准。评审、招聘、尽调等用途涉及保密、回避与程序要求，须遵循相关单位现行规定；全部资料仅使用公开信息，不涉及个人隐私数据。