FindHost

一个无评分的托管提供商数据集，附有指南。An unscored hosting provider dataset with accompanying guidelines.

原始信息汇总

数据集概述：FindHost

FindHost 是一个由 fortrabbit 发布的开源网站托管服务商注册表，采用开放式许可，并以属性描述为特色。该数据集以“有观点”（opinionated）的方式收录托管服务商，fortrabbit 本身也包含在注册表中。

---

数据内容与结构

• 数据文件：每个托管服务商对应 src/content/providers/ 下的一个 Markdown 文件。
• 字段字典：src/data/fields.yml 定义了所有可用字段、取值及分类（facet）。
• 备注说明：src/content/notes/ 中每个 facet 或其取值有一段简短介绍。
• 模式定义：src/content.config.ts 文件定义了数据模式，并对“无评分”记录进行了构建失败控制。
• 额外校验：scripts/validate.ts 包含 Zod 无法表达的额外数据校验规则。
• 社交分享卡片：src/pages/og/ 为每条记录和每个 facet 提供分享卡片。

---

字段要求

• 必填字段（4个）：id、name、urls.home、category。
• 可选字段：其余字段均为可选，缺失字段表示信息未知。

---

许可证

• 代码：MIT 许可证（LICENSE-CODE）。
• 数据与文本：CC BY 4.0 许可证（LICENSE-DATA）。
• 署名要求：引用时需注明 FindHost, findhost.app, CC BY 4.0。

---

数据来源与编辑方式

• 信息收集：由自动化程序（agents）收集事实并编写大部分代码，但编辑决策由人类完成。
• AI 标记：每条记录包含 ai 字段，表示该记录描述中由机器编写的比例，更多说明见 /about/ 页面。

---

本地运行与验证

• 需要 pnpm 环境，支持本地开发（pnpm dev）、构建（pnpm build）、类型检查、单元测试、数据校验、内部链接检查及端到端测试。
• 基于 Astro 7，静态输出，无数据库，部署在 fortrabbit 平台。

搜集汇总

数据集介绍

构建方式

FindHost是一个开放许可的网络托管服务提供商注册表，其构建方式独具匠心。该数据集以Astro框架构建，采用静态输出，无需数据库，部署于fortrabbit平台。数据模型清晰，通过`src/content/providers/`目录下的Markdown文件记录每个提供商，`src/data/fields.yml`定义了所有字段、值和分面，而`src/content.config.ts`则规定了数据模式，确保数据的结构化和一致性。此外，`scripts/validate.ts`执行Zod无法表达的额外校验，`src/pages/og/`生成每条记录的分享卡片。每个记录至少包含`id`、`name`、`urls.home`和`category`四个必需字段，其他字段可选，缺失即表示未知。这种设计既保证了数据的基本完整性，又允许了灵活性和扩展性。

特点

FindHost数据集具有几个显著特点。首先，它采用“有观点”的属性描述方式，不仅记录基本事实，还通过分面（facet）和注释（notes）提供深度解读，使信息更丰富。其次，数据集秉持开放许可原则，代码采用MIT协议，数据和文本采用CC BY 4.0协议，并明确标注来源，尊重知识共享。此外，每个记录都包含`ai`字段，标明机器撰写描述的比重，体现了人机协作的透明度，人类负责编辑决策，代理（agents）负责收集事实和编写代码。这种混合模式确保了数据的高效更新与质量把控。最后，数据集内置了多种验证和测试机制，如单元测试、端到端测试和链路检查，保障了数据的可靠性和一致性。

使用方法

使用FindHost数据集十分便捷。开发者可以通过`pnpm`命令在本地运行和构建项目，例如`pnpm install`安装依赖，`pnpm dev`启动本地服务器，`pnpm build`进行生产构建并生成搜索索引。数据集还提供了全面的质量保障工具，如`pnpm run check`进行类型检查，`pnpm run validate`执行额外验证，`pnpm run test`运行单元测试，以及`pnpm run test:e2e`进行Playwright端到端测试。对于希望贡献数据的用户，可以参照`CONTRIBUTING.md`指南修改记录或添加提供商，同时`CLAUDE.md`提供了完整的编辑规则和文体风格建议。此外，用户可以通过`src/content/notes/`目录中的注释段落快速了解各分面的含义，从而更好地利用数据。

背景与挑战

背景概述

FindHost数据集由fortrabbit团队于近年发布，作为一个开放许可的网络托管服务提供商注册表，其创作初衷在于构建一个结构化、可扩展且具有意见导向的托管商信息库。该数据集以属性描述为核心，涵盖提供商的基本标识、类别及多元可选字段，旨在为开发者、研究者及行业决策者提供准确、透明的托管服务概览。通过将数据与代码分离并采用CC BY 4.0许可，FindHost不仅促进了数据的公共复用，还推动了托管行业信息的标准化与可比较性，对网络基础设施生态的透明化研究具有重要参考价值。

当前挑战

在领域问题层面，FindHost直面托管服务信息碎片化、不透明及难以横向比较的挑战，通过构建统一的属性字典与严格的数据模型，力求解决因提供商信息分散而导致的决策低效问题。构建过程中，团队面临多重考验：数据量的持续增长与条目准确性维护需依赖人工审核，而AI辅助生成内容又引入了事实核查与一致性控制的复杂性；同时，Zod Schema与自定义验证脚本的协作虽强化了数据完整性，但字段的开放可选性（如缺失即未知）增加了数据稀疏性处理的难度。此外，跨提供商链接的时效性与内部一致性验证也构成持续的技术挑战，需借助自动化测试与人工纠错的双重机制加以应对。

常用场景

经典使用场景

FindHost作为一个开放许可的主机服务提供商注册表，其经典使用场景在于为研究人员和开发者提供一个结构化的、可机器读取的主机服务商目录。该数据集通过标准化的字段（如id、name、urls.home、category）以及可选的属性描述，使得对主机服务市场进行系统性的定量分析成为可能。研究者可以基于此数据集进行主机服务商的分类、比较、趋势分析，以及探究服务商特征与业务模式之间的关联。其明确定义的数据模型和附带的字段字典，也使其成为数据驱动的服务商评估和推荐系统的理想基础数据源。

解决学术问题

该数据集有效解决了学术研究中关于主机服务商信息分散、不一致和难以获取的问题。在Web生态研究、服务计算和数字经济等领域，缺乏一个权威且结构化的主机服务商注册库，限制了大规模的实证研究。FindHost通过提供经过校验的、带有人工编辑监督的记录，并引入了AI参与程度的透明度指标，提升了数据的可靠性和可复现性。它为研究互联网基础设施的多样性、主机市场的竞争格局以及AI生成内容在数据标注中的应用等课题，提供了坚实的数据基础，推动了相关领域的量化研究。

衍生相关工作

基于FindHost数据集，已衍生出多项相关工作和研究探索。其数据模型和字段定义方法，被借鉴用于构建其他领域的实体注册库，特别是那些需要平衡结构化数据和主观评价的场景。数据集中关于AI参与度（ai值）的元数据，启发了关于AI生成内容可信度评估的研究，以及开发用于检测和标注AI贡献的工具链。此外，FindHost的验证和校验流程（如zod schema、自定义脚本）为数据质量保障提供了参考范式，促进了数据工程领域关于数据治理和自动化校验的讨论。该数据集还催生了关于主机服务商生态系统演化分析的研究，利用其公开数据追踪市场变化和技术趋势。