幾乎每個課題組、每個院系、每個編輯部，都有一個自己的"專家名單"。它的起點通常很隨意：開會時記幾個名字、師兄推薦幾個人、翻論文時順手存幾條。用的時候才發現問題——名單裡的單位還是五年前的、有些人早就調走了、有幾條只寫了個名字也不知道當初從哪抄來的。
這份文件想說的是：名單攢起來容易，難的是讓它在兩年後還能用。 MuchSci 的人才畫像這個工具，本質上是在替這件事立規矩。
01 從一堆名字到一份資產，要走五步
先把治理流程拆開。
▲ 圖 1｜第 5 步最容易被忽略，也最要命
定入庫標準是第一步，也是最容易被跳過的一步。哪些記錄算數、哪些只能當線索，必須寫在前面。沒有這一步，後面的核對就沒有依據——你會一直在糾結"這條到底算不算"。
逐條核對和標記存疑是配套的一對。核對的做法是三方對照：姓名、單位、履歷與公開資料逐項比對；對不上的不強行納入，而是放進"待核驗"區。這個"待核驗"的存在，是整個機制裡最克制的地方——它承認自己會不確定，並且把不確定的東西單獨放，不讓它污染正式名單。
分類歸檔決定的是可用性。按學科方向、單位、職稱分組，需要什麼類型的專家時按維度調取。定期覆核收在這條鏈的末端，也是最容易被忽略的一步：單位會變、職務會變、研究方向會變，一份三年前的名單不覆核就直接用，錯得會非常自然——而且錯得毫無察覺。
02 自然累積的名單，和治理過的名單
兩者的人名可能一模一樣，但能不能放心用，差得很遠。
▲ 圖 2｜差別不在收集得多不多，在於每一條能不能說出「它為什麼在這裡」
自然累積的名單，問不了"為什麼"。 你問"為什麼這三位在這裡"，答案是"當初好像是誰提過"。這種名單在內部小範圍裡用還行，一旦要報給上級、交給編輯、用於正式流程，就答不上來了。
治理過的名單，每一條都帶得走。收錄依據寫明了、資訊粒度到欄位、來源可回查、覆核時間有記錄。被問起"為什麼推薦他"，你可以指到具體的欄位：研究領域對不對得上、主持項目是不是這個方向、單位資訊核對的時間是什麼時候。
差別最實際的地方在出錯那一刻。名單出錯不可怕，可怕的是出錯時無法解釋依據。治理過的名單即便某一條後來發現是錯的，你也能說清當時是依據什麼判定的；自然累積的名單出錯，你只能承認"當時隨便記的"。
03 一個能長期用的庫，分三層
把不同確定程度的資訊混在一起，是名單很快變亂的根源。
▲ 圖 3｜三層分開，各司其職
正式檔案層是通過全部核對、可以對外使用的部分：四類欄位完整、來源已標註、覆核時間還在有效期內。這一層是能直接拿出去的那部分。
待核驗層裝的是資訊對不上或來源不清的記錄——同名待區分、單位資訊衝突、來源單一。它們不是沒用的東西，只是現在還不能算數；單獨放著，等有更多資料時再往上提。
觀察線索層最輕，只作為線索存在：會議報告人、論文合作者、項目參與人。這一層的意義在於擴大檢索範圍——需要找某個方向的人時，從這裡往外擴，比憑空想名字有效得多。
三層分開的最大好處是：需要擴大名單時從第三層往下篩，而不是把不確定的資訊直接混進正式檔案。
04 介面：檔案抬頭就把規矩寫明了
回到工具本身，看看這套規矩是怎麼落到介面上的。
▲ 圖 4｜檔案最上方寫明收錄範圍與匹配要求，以及「待核驗不計入專家」的處理方式
介面最上面那段說明，就是前面說的"入庫標準"的公開版本：只收錄國家級項目，且要求姓名、單位、履歷與公開資料精確匹配，不符合的記「待核驗」，不計入專家。把規矩寫在抬頭，使用者拿到一份檔案時，第一眼就能判斷它是按什麼標準整理出來的。
再往下看欄位的組織方式：
▲ 圖 5｜任職履歷與科研成果都按表格承載，每一行都能單獨回查
值得注意的是，這套結構裡沒有"評分""匹配度""推薦指數"這類東西。只有時間、單位、職務、專業、結果——能被外部資料驗證的欄位。這種克制是有意的：MuchSci 讓它只負責把可核實的部分整理整齊，該不該用這個人、用在哪，是使用者的判斷。
05 邊界
① 本篇講名單治理的機制，不構成效果承諾。名單的完整程度取決於公開資料的可得性，收錄範圍有限定，不代表能覆蓋某個領域的全部專家。
② 結構化不等於評估。 檔案是公開資料的整理，不構成對任何人的能力評價、推薦或背書；名單中的每一條都只是待確認的線索，涉及具體個人的判斷須由使用者自行核實並承擔責任。
③ 用於正式流程時以相關規定為準。評審、招聘、盡調等用途涉及保密、迴避與程序要求，須遵循相關單位現行規定；全部資料僅使用公開資訊，不涉及個人隱私資料。