文章摘要
BookWorm目前主要依赖Amazon和ISBNdb获取书籍元数据，但遇到数据缺失或格式错误时，导入质量会下降。为解决此问题，计划集成Google Books作为备用元数据源，通过ISBN-13获取更完整的书籍信息，提高导入成功率和数据质量。
文章总结
为BookWorm添加Google Books作为元数据源，用于回退/暂存导入
问题/机遇
BookWorm目前依赖Amazon和ISBNdb作为主要元数据源。当元数据缺失、格式错误或不完整时（尤其是仅有ISBN-13的书籍），通过承诺项或/api/import提交的不完整记录可能无法被丰富，导致Open Library中出现低质量条目。这一限制影响了数据质量和用户导入成功率，对不常见或国际图书尤为明显。
理由：为何要推进此工作，可衡量的影响是什么？
集成Google Books作为回退元数据源，能增强Open Library补充和暂存更丰富版本数据的能力。这将提高导入书籍的完整性，减少因元数据稀疏导致的导入失败，并提升用户对导入体验的信任。影响可通过导入成功率提升和“Book 978...”等占位条目减少来衡量。
成功定义：如何判断问题已解决？
- BookWorm能够使用ISBN-13从Google Books获取并暂存元数据。
- 自动化测试确认能准确解析各种Google Books响应，包括：
- 正确映射可用字段（标题、副标题、作者、出版商、页数、描述、出版日期）。
- 妥善处理缺失或不完整字段（如无作者、无ISBN-13）。
- 当Google Books返回零个或多个匹配时，不返回结果。
提案
在BookWorm中引入对Google Books作为回退元数据提供者的支持。当Amazon查询失败或仅有ISBN-13时，BookWorm应尝试从Google Books API获取元数据并暂存以供导入。这包括更新源逻辑、元数据解析，并确保来自google_books的记录被正确处理。
要求：
- openlibrary/core/imports.py中的元组STAGED_SOURCES必须包含"google_books"作为有效源，以便导入管道识别并处理来自Google Books的暂存元数据。
- 暂存bookworm元数据的URL格式为http://{affiliate_server_url}/isbn/{identifier}?high_priority=true&stage_import=true，其中affiliate_server_url来自openlibrary/core/vendors.py，参数identifier可以是ISBN-10、ISBN-13或B*ASIN。
- 在openlibrary/plugins/importapi/code.py中使用supplement_rec_with_import_item_metadata补充记录时，如果存在source_records字段，必须添加（扩展）新标识符，而非替换现有值。
- 在scripts/affiliate_server.py中，函数stage_from_google_books必须尝试为给定ISBN获取并暂存Google Books元数据，成功后通过Batch.add_items将元数据添加到相应批次。
- scripts/affiliate_server.py中的affiliate服务器处理程序必须对Amazon无结果的ISBN-13标识符回退到Google Books，但仅当请求中同时设置了查询参数high_priority=true和stage_import=true。
- 如果Google Books对单个ISBN查询返回多个结果，逻辑必须记录警告消息并跳过暂存元数据，以避免引入不可靠数据。
- 从Google Books响应解析并暂存的元数字段必须至少包括：isbn_10、isbn_13、title、subtitle、authors、source_records、publishers、publish_date、number_of_pages和description，且必须符合Open Library导入系统预期的数据结构。
- 在scripts/promise_batch_imports.py中，暂存逻辑必须更新，以便在丰富不完整记录时使用stage_bookworm_metadata替代之前仅依赖Amazon的逻辑。
新增接口：
- 函数： fetch_google_book（位于scripts/affiliate_server.py）
输入： isbn（str）— ISBN-13
输出： 如果HTTP 200，返回包含Google Books API原始JSON响应的字典；否则返回None
描述： 为给定ISBN从Google Books API获取元数据。
函数：
process_google_book（位于scripts/affiliate_server.py）
输入： googlebookdata（dict）— 来自Google Books的JSON数据
输出： 如果成功，返回标准化Open Library版本字段的字典；否则返回None
描述： 将Google Books API数据处理为标准化Open Library版本记录。函数：
stage_from_google_books（位于scripts/affiliate_server.py）
输入： isbn（str）— ISBN-10或ISBN-13
输出： bool — 如果元数据成功暂存返回True，否则返回False
描述： 为给定ISBN获取并暂存Google Books元数据，如果找到则添加到导入批次。函数：
get_current_batch（位于scripts/affiliate_server.py）
输入： name（str）— 批次名称，如"amz"或"google"
输出： 与提供名称对应的Batch实例
描述： 检索或创建用于暂存导入项的批次对象。类：
BaseLookupWorker（位于scripts/affiliate_server.py）
描述： API查找工作线程的基类。使用提供的函数处理队列中的项。
方法：BaseLookupWorker.run(self)（位于scripts/affiliate_server.py）
描述： 公共方法，循环处理队列中的项，为每个检索到的项调用process_item可调用对象。类：
AmazonLookupWorker（位于scripts/affiliate_server.py）
描述： 继承BaseLookupWorker的线程工作器，批量处理Amazon API查询。
方法：AmazonLookupWorker.run(self)（位于scripts/affiliate_server.py）
描述： 公共方法重写，将队列中最多10个Amazon标识符分批处理，使用Amazon批处理程序统一处理，并根据API约束管理时间。
评论总结
根据评论内容，总结如下：
主要观点与论据：
对基准测试主观性的质疑（多数评论支持）
- 评论2（danpalmer）：指出行业对工程级别评估混乱，基准应更精确测试具体能力，而非依赖“你是高级工程师”这类提示。
- 评论4（LiamPowell）：认为让LLM做主观判断的方法存在根本缺陷。
- 评论11（fiso64）：认为“品味”等标准过于主观且狭隘，应聚焦最终结果（如bug数量）。
对“品味”概念的批评（评论6，0xbadcafebee）
- 将“品味”视为软件行业的“货物崇拜”，认为用艺术标准评判工程是主观且不科学的，偏离了构建可用软件的核心目标。
对基准测试改进的建议（少数评论）
- 评论7（magnio）：提出类似ELO评分的对抗性基准，让模型互相出题、修复bug。
- 评论12（21asdffdsa12）：建议使用TRIZ方法生成动态、新颖的问题。
对“高级工程师”定义的质疑（评论13，piterrro）
- 认为高级工程师的关键是自主收集需求（如与客户沟通），而非仅处理未明确需求，因此该基准不成立。
平衡性说明： 多数评论批评基准的主观性，少数提出改进方向，无正面支持该基准的评论（除评论8简单提及Snorkel公司外）。评论9（_345）虽提及Opus 4.8表现，但未直接评价基准本身。