知识库种子数据白名单（建议）

目标：让种子库“更全、更新、可审计”，同时尽量降低噪声（避免抓到转载/自媒体/培训稿）。

1) 案例来源（优先官方）

• 最高人民法院：court.gov.cn
• 最高人民检察院：spp.gov.cn
• 省级高院（示例）：gdcourts.gov.cn、fjcourt.gov.cn、hncourt.gov.cn
• 其他官方司法宣传站点（可选）：chinacourt.org

2) 法条/司法解释来源（优先权威数据库）

• 国家法律法规数据库：flk.npc.gov.cn
• 全国人大：npc.gov.cn
• 中国政府网：gov.cn
• 司法部：moj.gov.cn
• 司法解释/法院动态：court.gov.cn

3) Tavily（搜索抓取）使用建议

推荐只用“白名单 include_domains”，把 TAVILY_INCLUDE_DOMAINS 配成以上域名集合；不要放泛域名或新闻聚合站。

示例（更偏“新”）：

• TAVILY_LAW_QUERIES="司法解释 2025 发布,行政法规 2025 发布,部门规章 2025 发布"
• TAVILY_CASE_QUERIES="最高人民法院 典型案例 2025,最高人民检察院 典型案例 2025,高院 典型案例 2025"

4) 裁判文书网（wenshu）说明

项目只支持“正常访问”方式尝试（通过 Tavily 抓取网页内容），不做任何反爬绕过；抓到的很多会是壳页面/列表页（已在抽取侧降噪为 doc_type=other）。

如需稳定、可规模化的裁判文书全文，建议走：

• 授权数据源 / 合规 API
• 或离线下载（人工/批量）后作为本地种子入库（seed-first）