税乎网：近 10 万条语料的中文税务知识库

法规、官方解读、稽查案例、12366 问答，全部由 agent 自动爬取、清洗、入库。

中文互联网上的税务知识散得厉害：法规在一个网站，官方解读在另一个，12366 的问答藏在各省的口径里，稽查案例只有从业者互相转。税乎网把它们收进一个能检索的库：目前近 10 万条，其中光 12366 纳税服务问答就有五万多条。

这个项目对我更大的意义在建库的方式：整条采集线是一个 agent 的每小时循环——发现新的源、写解析器、爬取、清洗、去重、入库，全自动跑。语料从三万九涨到九万九的那一个月，我基本没碰过它，只在它报告「某省的站换了 CMS」时看一眼。垂直知识库的建设成本，在 agent 时代是另一个数量级。