arcrun-collector

inkstone/arcrun-collector

Fork 0

Commit Graph

Author	SHA1	Message	Date
Leo	021b3962e2	feat(collector): 卡片上雲前先問「這些宣稱在原文的哪裡」——H7 憑空指稱／H8 宣稱通膨（InkStoneCo#44） 2026-08-16 實測：同一個 220 bytes 的來源檔、同一個模型（workers-ai）、同一個雲端版本（1.4.46），geek6688 萃出四條全部追得回原文，youlin 萃出八條、其中四條（Windows／macOS／Linux／每 30 天）在原文零命中——而那張假卡帶著真實存在的 source_path。出處在，內容是編的；引用沒有阻止幻覺，反而讓幻覺更可信。缺的不是更好的模型（機率性，換模型只會降低頻率、讓它更難被發現），也不是更嚴的提示詞（同一件事的較弱版本，且無法驗證）。缺的是一道驗證：卡片產出之後、寫進知識庫之前，沒有一步問過「原文的哪裡」。線畫在哪（grounding.go 檔頭全文）：改寫改的是「怎麼說」，編造加的是「在說什麼」。摘要／換句話說／把 EARS 句翻成人話全是正當加工，所以刻意不比對 CJK 詞（原文是英文、卡片是中文時，逐字比對會把忠實翻譯全部誤殺）。只檢查翻譯與改寫都帶不走的錨點：拉丁專名、兩位數以上的數字。另加 H8 從數量那一軸看：宣稱數 > 原文斷言數 × 3 ＝輸入貧乏卻產出豐富。分級：兩項都是軟項不是硬缺——使用者的知識被丟掉比被標記可疑更糟。掛載點沿用 direct.go:1206 既有的 LintCard（萃完、POST 前），不新增資料寫入路徑。順手修：`collector lint <卡> --source <原稿>` 的旗標被 Go flag 靜默忽略， H6/H7/H8 全跳過還印出漂亮的空結果 `{}`——查幻覺的工具自己靜默不查。未動（依 SDD 生命週期第 3 條寫成 pending-changes.md P12 等 confirm）： - H6 長度上限對薄原稿是反的，正把忠實的卡打成「疑似整段照抄」（實測 469 字 vs 上限 132） - 軟項沒有出海口：ingest 工作流一個 quality 欄位都沒讀，標了等於沒標驗證（離線夾具 collector/testdata/grounding/，不依賴任何線上實例）： - 正面：youlin 卡 → H7 抓到 windows/macos/linux/30，H8 抓到 8 條 vs 上限 6 - 反面：geek6688 卡 → H7/H8 零命中 - 邊界：跨語言（英→中）與同語言整段換詞兩組合理改寫 → 零誤殺	2026-08-16 21:38:52 +08:00
Leo	12c2d41886	feat(collector): daemon 產出改成規範形 wiki 卡——1 文件卡＋N 原子卡落 .wiki/（InkStoneCo#44 ④） LLM 只回 JSON 判斷，格式/落點/連結閉合/索引/manifest 全由 wikishape.go 機械組裝： - 卡形＝frontmatter(tags/gloss/created/updated)＋← 上層＋摘要/重點/實體(帶類型)/ 關聯(內文知識關係/卡片關係/出處)——差距表 #6 - 落點 <節點>/.wiki/、檔名＝H1（.wiki 隱藏目錄自身即機器標記，machinemark 例外③）——#7 - 00-INDEX 機械維護：每行五樣照抄 frontmatter；每份原稿必列——#8 - 萃取端就切 1 hub＋N 原子卡（gemma 路 prompt 改 JSON 契約）——#9 - 無可萃概念標「空」＋理由，上索引不產卡——#10 機械保證對著 wiki-lint.py 寫：斷連結拆殼、index 式句改寫、三元組恰三項、雙向邊自動補反向、佔用不覆蓋、原稿永不動；同名概念跨文件先消歧（merge 歸第⑤環）。 scan/convert 白名單補 .feature/.yaml/.yml/.org/.rst（規範洞 6）； lint.go 新舊格式雙軌（workers-ai 雲端 prompt 屬 matrix/arcrun 核心，待開票）； direct.go 只送文件卡上雲（takedown 配對鍵不變）、下架收走 .wiki 產物。實測：真資料夾＋真 Gemini → 2 節點 12 卡，wiki-lint 17/17 exit 0，原稿 sha256 前後不變；go test collector＋supervisor＋arcrun-app 全綠（新增 9 案）。 Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>	2026-08-15 21:03:45 +08:00
Leo	63bea13f21	feat(daemon-beta B2): 萃取品質 lint（H1–H6）重新接到現行 direct.go Gitea #24：分支 work/b2-quality-lint-0726（2f3e9ec）躺在 main 外兩週，今天重新整合進現行 direct.go（原分支落後 main 130+ 筆，direct.go 本身差 667 行，需要真正的整合工作而非硬併，見 wiki status.md 與頂層 daemon-beta/tasks.md 已記載的殘項）。 - collector/lint.go／lint_test.go：package main → package collector （main.go 在 4a26856／v0.18.9 已從兩支執行檔併成一支，整個 collector/ 目錄已改名 package collector；分支停在改名之前）。 - collector/main.go：func main() → func Run(args []string) int （同一次重構），新增 case "lint" 呼叫 runLint。 - collector/direct.go：DirectConfig.LintStrict 欄位＋extractor 萃完、 POST rag_ingest_card 前掛 LintCard 閘（硬缺→不送標 rejected；軟項→照送帶 quality:low+quality_warnings）；CLI --strict 旗標。 - 既有測試共用的 cardFixture（direct_extract_test.go）／direct_pacing_test.go 三處 inline 卡片，從「兩段最簡卡」補成 B2 合格四段卡——不是新增例外，是 lint 正確地在做它的事，舊卡片本來就不合格。驗證：go build/vet/test ./... 全綠；另以真實 PDF（docs/onboarding/封測說明.pdf， 2MB 二進位）跑過完整 direct.go 同步鏈，證實送進 Gemini 的 prompt 是 5,071 字乾淨中文（0 個控制字元/NUL），不是原始位元組——ConvertToText （t73）已完整解決 900b895 想止血的問題，故該分支的 looksLikeText 二進位止血、Windows 交叉編譯腳本判定作廢，不併。 Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>	2026-08-09 14:26:21 +08:00

Author

SHA1

Message

Date

Leo

021b3962e2

feat(collector): 卡片上雲前先問「這些宣稱在原文的哪裡」——H7 憑空指稱／H8 宣稱通膨（InkStoneCo#44）

2026-08-16 實測：同一個 220 bytes 的來源檔、同一個模型（workers-ai）、同一個
雲端版本（1.4.46），geek6688 萃出四條全部追得回原文，youlin 萃出八條、其中四條
（Windows／macOS／Linux／每 30 天）在原文零命中——**而那張假卡帶著真實存在的
source_path**。出處在，內容是編的；引用沒有阻止幻覺，反而讓幻覺更可信。

缺的不是更好的模型（機率性，換模型只會降低頻率、讓它更難被發現），
也不是更嚴的提示詞（同一件事的較弱版本，且無法驗證）。
缺的是一道驗證：卡片產出之後、寫進知識庫之前，沒有一步問過「原文的哪裡」。

線畫在哪（grounding.go 檔頭全文）：**改寫改的是「怎麼說」，編造加的是「在說什麼」**。
摘要／換句話說／把 EARS 句翻成人話全是正當加工，所以刻意**不比對 CJK 詞**
（原文是英文、卡片是中文時，逐字比對會把忠實翻譯全部誤殺）。
只檢查翻譯與改寫都帶不走的錨點：拉丁專名、兩位數以上的數字。
另加 H8 從數量那一軸看：宣稱數 > 原文斷言數 × 3 ＝ 輸入貧乏卻產出豐富。

分級：兩項都是**軟項**不是硬缺——使用者的知識被丟掉比被標記可疑更糟。
掛載點沿用 direct.go:1206 既有的 LintCard（萃完、POST 前），不新增資料寫入路徑。

順手修：`collector lint <卡> --source <原稿>` 的旗標被 Go flag 靜默忽略，
H6/H7/H8 全跳過還印出漂亮的空結果 `{}`——查幻覺的工具自己靜默不查。

未動（依 SDD 生命週期第 3 條寫成 pending-changes.md P12 等 confirm）：
- H6 長度上限對薄原稿是反的，正把**忠實的卡**打成「疑似整段照抄」（實測 469 字 vs 上限 132）
- 軟項沒有出海口：ingest 工作流一個 quality 欄位都沒讀，標了等於沒標

驗證（離線夾具 collector/testdata/grounding/，不依賴任何線上實例）：
- 正面：youlin 卡 → H7 抓到 windows/macos/linux/30，H8 抓到 8 條 vs 上限 6
- 反面：geek6688 卡 → H7/H8 零命中
- 邊界：跨語言（英→中）與同語言整段換詞兩組合理改寫 → 零誤殺

2026-08-16 21:38:52 +08:00

Leo

12c2d41886

feat(collector): daemon 產出改成規範形 wiki 卡——1 文件卡＋N 原子卡落 .wiki/（InkStoneCo#44 ④）

LLM 只回 JSON 判斷，格式/落點/連結閉合/索引/manifest 全由 wikishape.go 機械組裝：
- 卡形＝frontmatter(tags/gloss/created/updated)＋← 上層＋摘要/重點/實體(帶類型)/
  關聯(內文知識關係/卡片關係/出處)——差距表 #6
- 落點 <節點>/.wiki/、檔名＝H1（.wiki 隱藏目錄自身即機器標記，machinemark 例外③）——#7
- 00-INDEX 機械維護：每行五樣照抄 frontmatter；每份原稿必列——#8
- 萃取端就切 1 hub＋N 原子卡（gemma 路 prompt 改 JSON 契約）——#9
- 無可萃概念標「空」＋理由，上索引不產卡——#10
機械保證對著 wiki-lint.py 寫：斷連結拆殼、index 式句改寫、三元組恰三項、
雙向邊自動補反向、佔用不覆蓋、原稿永不動；同名概念跨文件先消歧（merge 歸第⑤環）。
scan/convert 白名單補 .feature/.yaml/.yml/.org/.rst（規範洞 6）；
lint.go 新舊格式雙軌（workers-ai 雲端 prompt 屬 matrix/arcrun 核心，待開票）；
direct.go 只送文件卡上雲（takedown 配對鍵不變）、下架收走 .wiki 產物。

實測：真資料夾＋真 Gemini → 2 節點 12 卡，wiki-lint 17/17 exit 0，
原稿 sha256 前後不變；go test collector＋supervisor＋arcrun-app 全綠（新增 9 案）。

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

2026-08-15 21:03:45 +08:00

Leo

63bea13f21

feat(daemon-beta B2): 萃取品質 lint（H1–H6）重新接到現行 direct.go

Gitea #24：分支 work/b2-quality-lint-0726（2f3e9ec）躺在 main 外兩週，
今天重新整合進現行 direct.go（原分支落後 main 130+ 筆，direct.go 本身
差 667 行，需要真正的整合工作而非硬併，見 wiki status.md 與頂層
daemon-beta/tasks.md 已記載的殘項）。

- collector/lint.go／lint_test.go：package main → package collector
  （main.go 在 4a26856／v0.18.9 已從兩支執行檔併成一支，整個 collector/
  目錄已改名 package collector；分支停在改名之前）。
- collector/main.go：func main() → func Run(args []string) int
  （同一次重構），新增 case "lint" 呼叫 runLint。
- collector/direct.go：DirectConfig.LintStrict 欄位＋extractor 萃完、
  POST rag_ingest_card 前掛 LintCard 閘（硬缺→不送標 rejected；
  軟項→照送帶 quality:low+quality_warnings）；CLI --strict 旗標。
- 既有測試共用的 cardFixture（direct_extract_test.go）／direct_pacing_test.go
  三處 inline 卡片，從「兩段最簡卡」補成 B2 合格四段卡——不是新增例外，
  是 lint 正確地在做它的事，舊卡片本來就不合格。

驗證：go build/vet/test ./... 全綠；另以真實 PDF（docs/onboarding/封測說明.pdf，
2MB 二進位）跑過完整 direct.go 同步鏈，證實送進 Gemini 的 prompt 是
5,071 字乾淨中文（0 個控制字元/NUL），不是原始位元組——ConvertToText
（t73）已完整解決 900b895 想止血的問題，故該分支的 looksLikeText
二進位止血、Windows 交叉編譯腳本判定作廢，不併。

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

2026-08-09 14:26:21 +08:00

3 Commits