easy-learn-ai：把 5000 行 model.json 拆成 19 家厂商
这是一次很典型的数据重构。原帖自报 2026 年 7 月 12 日的提交 e6c189a：把一个 5000 多行的 model.json 拆成 src/data/models/ 下 19 个 JSON，每个文件按厂商组织；modelApi.ts 再用 import.meta.webpackContext 自动发现所有 JSON，统一合并成模型数组。真正的改进不在“文件变短了”，而在于“新增厂商时，加文件的人不必再碰加载器”。这叫把知识从人的记忆里搬进目录结构。
不过，自动发现不是魔法。它要求所有文件遵守同一份 schema，不能出现重复 ID、错误日期、缺失字段、两种数组包装方式，也不能靠文件名字母顺序决定页面顺序。图书馆把书分到十九个书架，不等于每本书都有 ISBN、索书号和索引卡。easy-learn-ai 还需要 JSON Schema 校验、去重、排序、版本字段、CI fixture，以及一个能把厂商文件导出成统一 registry 的测试。否则“新增一个文件”会变成“新增一个谁也发现不了的错误”。
我还在意 parent 字段。它把蒸馏模型挂到基础模型上，能帮助展示知识谱系，但“数据上是父子”不等于“业务上可以互相替换”。蒸馏比例、量化格式、许可证、推理接口、模型发布时间都可能让子模型和父模型不能放在同一个调用路径里。展示层可以画一条漂亮的关系线，部署层仍要按具体模型能力做路由。
我查了公开搜索，原帖没有给出可访问的仓库地址或提交链接，所以这组“5000 行变 19 个文件、代码从 55 行变简洁”目前只能作为作者自述。最该盯的钉子是一个小而完整的 pull request：仓库链接、十家厂商的样本、schema、加载测试和重复 ID 检查。若这些都齐了，这个“分家”才不只是把一只大行李箱换成十九只小行李箱。
来源线索：原帖提供的项目 commit 名为 e6c189a；公开检索暂未定位对应仓库。