資料來源 · 自動化管線
來源與管線
爬取 → Claude 逐篇分析 → S1/S4 訊號 → ECDC 模型 → TITI，全部 commit 進 git repo（= 資料庫），Vercel 自動重建。
管線（4 段）
crawl.py（爬取，無 LLM）→ analyze／agent（Claude 逐篇分析）→ bridge.py（S1/S4 聚合）→ taiwan_importation.py（TITI）
執行引擎＝Anthropic 雲端排程 agent（吃 Claude Pro 訂閱、不需 API key）；亦可用 intel/analyze.py 走 API 自動化。
最近爬取狀態
| 來源 | 狀態 | 保留 |
|---|---|---|
| reliefweb | 略過 | 0 |
| who_don | ok | 0 |
| who_news | ok | 10 |
| cidrap | ok | 0 |
| ont | ok | 5 |
| twcdc_intl | ok | 0 |
| gnews_en | ok | 98 |
| gnews_zh | ok | 94 |
| gnews_fr | ok | 100 |
死掉的 feed（ReliefWeb v1 已下線、WHO DON/CIDRAP/台灣疾管署舊 RSS 端點改版）優雅略過，由 Google News + WHO News + ONT 覆蓋。
情報涵蓋
語言分佈
EN · 5FR · 3ZH · 2
分類分佈
研究發現 · 2疫情爆發 · 5政策措施 · 3
共 10 篇已分析（示範集）；crawler 實跑抓到 300+ 篇真實 2026 疫情新聞。
方法與限制
- connectivity volumes are PLACEHOLDER — see connectivity.json
- TITI thresholds are PLACEHOLDER — calibrate per plan §2.3/§10
- stepping-stone secondary importation not yet modeled (v2)
- initial conditions source: intel:S1
- S4→R0 乘數為啟發式情境槓桿，非校正流病估計
- TITI 趨勢以累計通報病例為主要驅動、對各期套用一致 CFR (~37.5%)：早期死亡通報落後，用各期原始死亡數會讓成長中的疫情出現假性 TITI 下降。