跳转至

ISSUE-0125 · 共享池写入闸

起因

ISSUE-0080 结案时留下的教训原文:

共享数据是 product surface —— 写入前必须 validate,比单用户 UI 显示重要 10× 三层防御是数据质量必备模式:写入 / 读取 / 存量迁移

而 v0.10.139~0.10.152 这 14 版加的所有判据(反向词、置信度、括号截断、邮编截断…) 全都只在抽取层。核实 ContactPool 的写入端:

function cleanPhonesForPool(phones) {
  return phones.filter((p) => !isLikelyCoordinateNoise(p));   // ← 只有这一道
}

抽取层跑的是四道(8-15 位门槛 + 斜杠日期 + 小数区间 + 坐标)。

实测缺口

坐标残片 11.5916 59.989          拦下 ✅
SIREN 税号 855 200 507           ⚠️ 进池
德国 VAT 811 569 869             ⚠️ 进池
括号残尾 0900 1 234567 (1        ⚠️ 进池
邮编焊接 0711 486860 70173       ⚠️ 进池

ContactPool 是跨用户共享池、还要上云(SPEC-013)—— 脏值进去就扩散给别人,而池写入不可逆。

修法

抽出 isPhoneFitForPool(raw)(与抽取层同一套四道闸), cleanPhonesForPool 与 dry-run 诊断口径一并对齐。

🔴 一个真实的能力边界

反向词判据(税号)在池这一层用不了 —— 它要看号码前面的标签文字, 而池里只有裸串:

hasLegalIdLabelBefore('855 200 507', 0) === false

⇒ 税号这类只能在抽取层拦,进了池就认不出来了。 这不是本函数偷懒,是信息量的硬边界 —— 所以抽取层那几刀 (ISSUE-0120/0123/0124)才是主防线,池闸是纵深防御的第二道。

后续:这条只堵了一半

架构级审视随后指出(0126-whatsapp-zero-gate-bypass): ContactPool 的 socials 写入端仍是 input.socials || {} 零清洗, 而 WhatsApp 号正是从那里进池的。phones 过四道闸、socials.whatsapp 过零道 —— 同一张表、同一次写入,两个字段两套标准。

v0.10.153 修好了 wa 号本身的清洗(在抽取层),但 socials 那条写入路径 仍然没有闸。记录在此,未修。

证据

全量测试全绿;实测七种脏值形态的拦截矩阵(上述)。

证据边界

  • 只加了写入端这一层。读取端(云端拉回的 writeCloudRecords)与存量迁移 未在本刀覆盖 —— ISSUE-0080 的 dry-run 实测存量是干净的(3137 行 0 污染), 但那是用旧判据测的,新判据下的存量情况未复测。
  • socials 写入路径未加闸(上述)。