Участие в проекте

Три самых быстрых способа помочь

Сообщить об ошибке в данных Неверный параметр, неработающая ссылка, опечатка в названии модели — приложите модель и правильный источник. Предложить новый компонент Ссылки на сайт производителя и даташит, ключевые параметры — достаточно одной issue. Отправить запрос на подбор Опишите сценарий, частоту, память, периферию и ограничения по энергопотреблению — мы предложим список кандидатов.

Как поддерживаются данные

Единственный источник истины — data/mcu/*.yaml. Процесс выглядит так:

Сайт производителя / даташит
        │  сбор вручную или с помощью AI
        ▼
data/mcu/<vendor>.yaml   ← единственный источник истины (sources / confidence)
        │  python3 scripts/normalize.py
        ▼
static/data/mcus.json    ← используется для фильтрации и сравнения во фронтенде
        │  hugo --minify
        ▼
GitHub Pages

normalize.py проверяет обязательные поля, уникальность ID, диапазоны значений и формат ссылок, а затем генерирует JSON для страниц фильтрации. CI запускает проверку перед деплоем.

Как добавить запись

Форкните репозиторий и создайте ветку;
Добавьте запись в data/mcu/<vendor>.yaml по полям из research/SCHEMA.md;
Укажите хотя бы одну ссылку на официальный источник и заполните confidence;
Локально выполните python3 scripts/normalize.py --check и hugo --minify;
Отправьте PR с описанием источника данных и даты сбора.

Ежедневное обновление

В репозитории есть готовый навык (skill) обновления и скрипты проверки: повторный сбор новинок производителей, проверка неработающих ссылок, подготовка сводки изменений. Сопровождающему достаточно выполнять инструкции из docs/DAILY-UPDATE.md.