feat(stage1): audit survey input structures

Progression.md

@@ -1,9 +1,9 @@
 # 项目进度档案
 
-版本：1.6  
+版本：1.7  
 建立日期：2026-09-20  
 当前总状态：`in_progress`  
-当前阶段：阶段 0 已完成并完成环境补强；下一行动进入阶段 1
+当前阶段：阶段 1 `in_progress`；输入结构与数据契约首轮审计完成
 
 ## 1. 管理规则
 
@@ -28,7 +28,7 @@
 | 阶段 | 名称 | 状态 | 当前判定 |
 |---|---|---|---|
 | 0 | 冻结研究问题、范围与版本 | `passed` | 四项交付物齐备，Gate 0 已通过；研究工具链补强与锁定完成 |
-| 1 | 有来源证据的题库和回答层 | `not_started` | 环境阻断已解除；下一行动启动阶段 1 |
+| 1 | 有来源证据的题库和回答层 | `in_progress` | 数据契约与三套候选入口结构审计完成；题目来源登记和人工复核尚未完成 |
 | 2 | 可行性、可识别性和连接审计 | `not_started` | 等待 Gate 1 |
 | 3 | 冻结验证协议与已知真值模拟 | `not_started` | 等待 Gate 2 |
 | 4 | 直接协调和传统基线 | `not_started` | 等待 Gate 3 |
@@ -662,6 +662,20 @@ Gate 0 当前判定：`passed`。四项交付物齐备；目标总体政策、
 - 错误状态：`ERR-20260920-024`、`ERR-20260920-025`、`ERR-20260920-026` 均已解决；一次无副作用的补丁上下文失败记为已解决的 `ERR-20260920-027`。
 - 下一步：提交并推送本行动记录；随后按阶段 1 计划建立数据实体 schema，并只读核验 GSHS、YRBS、NSDUH 候选入口。
 
+### A-20260920-053：冻结阶段 1 数据契约并完成候选入口结构审计
+
+- 时间：2026-09-20
+- 阶段：1（有来源证据的题库和回答层）
+- 动作：完整读取工作流与进度档案；按来源验证边界建立阶段 1 机器可读数据契约；流式核验 GSHS 主表，并只读核验 YRBS/NSDUH Parquet 的行列、年度和设计字段覆盖。
+- 输入：GSHS `GSHS.csv`；YRBS `yrbs_1991_2019_selected.parquet`；NSDUH 2021–2024 full/selected Parquet；现有 README、变量注意事项与质量检查。
+- 输出：`research/stage1/stage1_data_contract.json`、`audit_input_sources.py`、`input_structure_audit.json`、`input_structure_audit.md`。
+- 检查：两份 JSON 均通过解析；GSHS 实测 673,499×637、191 个组件键；YRBS 实测 217,341×79；NSDUH 实测 232,441 行、full 2,638 列、selected 151 列；所有预期入口字段存在。
+- 新证据：GSHS 三个设计候选字段各缺 20 行；YRBS 1997 有 1 行设计字段缺失，2017/2019 的 PSU/stratum 全缺且权重仅部分存在；NSDUH 四个权重列在全部年度均非空且为正，需要官方指南解释适用语义。
+- 质量边界：所有审核状态默认 `provisional`；本次未批准题目等价、构念、缺失重编码、锚题或复杂抽样方差方法；Gate 1 未通过。
+- 工程修复：内联聚合的 Python 语法失败和 pandas 内存耗尽分别记录为已解决的 `ERR-20260920-028`、`ERR-20260920-029`；最终脚本使用标准 CSV 流式扫描。
+- 推送状态：提交后立即推送。
+- 下一步：建立主要结局来源登记骨架；优先核验 GSHS/NSDUH 的意念、计划、尝试题与适用总体，并追查 YRBS 2017/2019 设计字段缺口。
+
 ## 9. 剩余工作量估算（2026-09-20 基线）
 
 | 阶段 | 主要工作 | 预计人周 | 主要波动来源 |