Korean Gov Programs

核心功能

Korean Gov Programs 是一款面向韩国创业生态的数据采集技能，专注于将分散在各政府机构的扶持项目信息整合为结构化数据。该技能覆盖三大核心领域：TIPS（科技创业计划）、小商户扶持项目（소상공인）以及政府研发补贴（R&D grants），通过统一的 JSONL 格式输出，便于后续的数据分析与自动化处理。

显著优点

增量式安全采集：采用 APPEND-only 写入策略，杜绝数据覆盖风险；基于 title 字段的自动去重机制确保零重复入库；配合 .checkpoint.json 断点续传功能，即使采集中断也能无缝恢复。

多源兼容架构：当前已验证支持 3 个核心数据源——企业广场（BizInfo）的小商户静态页面、NIA 韩国智能信息社会振兴院的信息化项目（onclick 动态加载模式）、以及企业广场技术创业筛选器的 R&D 项目。对于需要 JS 渲染的 5 个高价值源（SEMAS、MSS、K-Startup、Innopolis、KISED），技能明确标注为"需 Selenium/Playwright 环境扩展"，架构设计预留了适配空间。

运维友好设计：内置 0.8 秒请求延迟保护目标服务器；提供 stats.sh 快速查看采集概况；输出目录可自定义，便于集成至数据管道。

潜在局限

• 动态渲染支持有限：当前版本仅处理静态 HTML 和简单 onclick 模式，JavaScript 重依赖站点（约占潜在数据源的 60%）需额外基础设施投入。
• 字段标准化不足：金额字段（amount）为自由文本，不同机构的"최대 1억 원"、"1억원 이내"、"100,000,000"等表述未做归一化，增加下游清洗成本。
• 无官方 API 背书：所有数据源均为网页解析，存在因站点改版导致失效的固有风险；建议搭配监控告警机制。

适合人群

• 创业支援机构的数据运营团队
• 政策研究机构的经济学者与分析师
• 为在韩创业者提供信息服务的平台开发者
• 需批量跟踪政府补贴窗口期的财务/合规顾问

常规风险

| 风险类别 | 具体说明 | 缓解建议 |

|----------|----------|----------|

| 合规风险 | 高频抓取可能触发源站反爬机制 | 严格遵守 0.8s 延迟；建议单 IP 日请求量控制在 5,000 次以内 |

| 数据时效 | 政府网站公告窗口期短，延迟采集可能错过申请 | 建议每日定时触发，配合 deadline 字段的临期预警 |

| 解析失效 | HTML 结构变更导致 XPath/CSS 选择器失效 | 建立源站健康检查；保留原始 HTML 快照便于追溯 |

| 误报风险 | 动态渲染站点被跳过，可能遗漏关键项目 | 对标注 ⚠️ 的源站建立补充采集任务，评估 Headless 方案 ROI |

总体评估

作为政府公开数据的自动化聚合方案，该技能在可靠性（增量保护、断点续传）与运维透明度方面表现优异，适合作为数据基础设施的采集层组件。对于 JS 渲染站点的覆盖不足，建议根据实际业务需求评估是否引入 Playwright 等工具扩展，或建立人工复核机制作为补充。

核心用法

Korean Gov Programs 是一款专门用于自动化收集韩国政府公开创业支持项目信息的技能。用户通过运行 python3 scripts/collect.py 命令即可启动数据采集流程，输出目录默认为 ./data，也可通过 --output 参数自定义路径。该技能支持从韩国中小企业部企业广场(BizInfo)和国家信息社会振兴院(NIA)等官方渠道抓取TIPS项目、小商贩扶持计划、R&D研发资助等多类别政府项目信息，并以标准化的JSONL格式存储，便于后续数据分析与集成。

该技能采用增量收集机制，通过 .checkpoint.json 文件记录采集进度，重新运行时自动跳过已处理内容。数据写入采用追加模式(APPEND)，绝不会覆盖既有文件，配合基于项目标题的自动去重功能，确保数据安全与完整性。采集过程中自动设置0.8秒请求间隔，避免对政府服务器造成负载压力。

显著优点

架构简洁零依赖：完全基于Python标准库（urllib.request、json、re、time）实现，不引入任何第三方包，从根本上消除了供应链攻击风险，部署环境要求极低。

数据来源权威可靠：所有信息均来自韩国政府官方公开网站（bizinfo.go.kr、nia.or.kr），采用HTTPS加密传输，数据合规性与时效性有保障。

安全设计周全：追加写入、断点续传、自动去重三重机制保障数据安全；请求节流、User-Agent可配置等细节体现对目标站点的尊重。

输出格式标准化：统一的JSONL Schema包含项目名称、类别、来源机构、申请金额、截止日期等关键字段，可直接对接BI工具或知识库系统。

潜在缺点与局限性

动态渲染站点支持不足：对于依赖JavaScript渲染的SEMAS、K-Startup、Innopolis、KISED等站点，当前版本暂不支持采集，需用户自行配置Selenium/Playwright环境补充获取。

错误恢复机制简单：网络请求失败时仅返回None，缺乏自动重试与指数退避机制，在不稳定的网络环境下可能导致数据遗漏。

功能配置灵活性有限：请求间隔固定为0.8秒，不可通过命令行参数调整，难以适应不同网络环境或紧急采集需求。

日志记录结构化不足：当前仅为简单打印输出，缺乏分级日志与结构化记录，不利于大规模部署时的监控与问题排查。

适合的目标群体

该技能主要面向韩国本土创业者与中小企业主、创业孵化机构与政策咨询顾问、投资机构的投研团队以及需要整合政府公开数据的开发者与数据工程师。对于关注韩国创业生态的研究人员、撰写区域创投报告的分析师，以及构建政策资讯聚合平台的工程团队尤为适用。

使用风险

网络稳定性风险：政府网站偶尔的维护或访问限制可能导致采集中断，虽支持断点续传，但仍需人工关注运行状态。

政策页面结构变更风险：目标网站的HTML结构调整可能导致特定字段解析失败，需开发者及时维护选择器逻辑。

数据时效性风险：采集的是公开信息快照，实际申报截止日期可能因政策调整而变化，建议用户以官方最新公告为准进行核实。

T3来源审查建议：虽然安全评级达到A级，但作为个人/社区维护项目，建议企业在关键业务场景中集成前，由技术团队审查源码确认行为符合预期。