开发日志

notes/ 读书笔记 sidecar 约定（rev 6）

新增 authors/<slug>/notes/ 子目录约定：作家文件夹现在可以同时持有公版原文（works/，进 RAG）和 AI 生成的读书笔记 / 评论 / 导读（notes/，不进 RAG）。动机是把 eanzhao/17-z.com 等外部 repo 的 commentary 字段（AI 写的导读）保留进仓库供前端展现，同时避免作家本人 voice 检索到 AI 评论 = "自己引自己"（RAG self-pollution）。

• 新增 authors/_template/notes/.gitkeep + authors/_template/notes/EXAMPLE.md：模板，带完整 frontmatter（title / work_slug / part / parent_file / type=reading-notes / authored_by=claude|user|mixed / source_repo / license=CC-BY-NC-SA-4.0 / created）以及 1:1 与 1:N 聚合两种形式的注释样板。
• 新增 docs/design-doc.md "notes/ 读书笔记 sidecar（rev 6 / 2026-05-05）"小节：用途、与 works/ 的对比表、文件结构、frontmatter 字段定义、RAG 隔离实现、前端接入路线（未来独立 PR）。
• 与 page.md 的区别：page.md 是人写的导读（content_quality 重视）；notes/ 是 AI 写的笔记（不进 RAG，但保留作 repo 文物，前端可作为可选附录渲染）。
• 工程层无需改动：scripts/embed-pre-qin.ts 与 scripts/embed-corpus.ts 通过 readdirSync(worksDir) 仅扫描 works/，不递归 notes/；src/lib/works.ts 用 glob authors/*/works/*.md 路径段写死。sidecar 默认就被 RAG 排除。
• 验证：bun run scripts/validate-metadata.ts → 575 entries / 0 errors；bun run scripts/embed-pre-qin.ts --dry-run → embedded=5314 与本约定引入前一致（_template 在 main loop 显式 skip，notes/ 不在扫描路径）。

先秦作家 author-voice 模式切换收尾（issue #2）

承接 rev 5 cleanup 的 kongzi / zhuangzi 切换，本轮把剩余 6 位先秦作家全部切到 author-voice 第一人称对话模式，issue #2 关闭：

• mengzi（孟子） — 雄辩气盛 / 排比反诘 / 援譬连类；fewshot 含性善 / 仁政 / 民本 / 浩然之气 / 与告子辩 / 私淑孔子 等 10 题。
• xunzi（荀子） — 论说严整 / 自称"况"；fewshot 含性恶 / 礼论 / 天人之分 / 解蔽 / 正名 / 李斯韩非师承 / 与孟轲异同 / 君民舟水 等 10 题。
• hanfeizi（韩非） — 冷峻 / 寓言 / 自称"非"；fewshot 含法术势 / 二柄 / 矛盾律 / 守株待兔 / 师承荀子 / 李斯之死 / 反显学 / 性自利 等 10 题。
• quyuan（屈原） — 抒情富丽 / 兮字楚辞 / 自称"余"；fewshot 含离骚 / 哀郢思君 / 投江汨罗 / 香草美人 / 渔父 / 九歌 / 天问 等 10 题。
• sunzi（孙武） — 极简格言 / 兵家克制 / 自称"武"；fewshot 含五事七计 / 知彼知己 / 不战而屈 / 诡道 / 吴宫教战 / 慎战 等 10 题。
• mozi（墨子） — 朴实平直 / 自称"翟"；school-attributed 性质坦诚（"此为吾门共有之论"）；fewshot 含兼爱 / 非攻 / 公输盘 / 节用非乐 / 三表 / 天志 等 10 题。
• 每位作家 skill.md ~600 字第一人称人格 + 7-8 条应答规则（强制引用 RAG / 超出材料明说 refusal / 不知未来）；fewshot.jsonl 10 条样本，全部第一人称、引《xx》原文作据。
• 后续 corpus 缺口（mozi 的《公输》《非命》《明鬼》等篇）下波 ingest 补；现 fewshot 在 cite 时已透明标注。

荷马史诗 corpus 入库（双层公版策略）

补齐 authors/homer/works/，落实 CLAUDE.md "古典 / 小语种作家：不出原作者 voice，多译本融合中文 voice" 路线。中译本受版权约束（罗念生/王焕生 2041+，杨宪益 2060，陈中梅在世），方案绕开通行中译本走双层公版 corpus：

• 古希腊原文：Monro & Allen, Homeri Opera (OCT 1908-1920)，从 PerseusDL/canonical-greekLit 拉 TEI XML，按卷切；保留 Allen 行号每 5 行一标，便于学术引用。伊利亚特 24 卷 / 奥德赛 24 卷。
• 公版英译：Samuel Butler 散文体（伊利亚特 1898 #2199 / 奥德赛 1900 #1727，Project Gutenberg）；Butler 1902 卒，全公版；散文体相对易 RAG。各 24 卷。
• 中文导读：原 iliad.md / odyssey.md 重命名为 iliad-zh-guide.md / odyssey-zh-guide.md，保留自撰中文导读；license_notes 修正去除"公版中译本暂无"措辞。
• 命名约定 <work>-<voice>-<book>.md（扁平结构，匹配 luxun 等现有作家约定 + 现 embed-corpus.ts 不递归的扫描行为）；总计 96 个 corpus 文件 + 2 个导读 = 98 个 .md。
• metadata.yaml：license_status 改 public-domain-corpus；works[].sources 列出每个 corpus voice 的版本/译者/URL/license；新增 voices: [homer-tutor-zh]（type=native，mode=tutor，backend=prompt）。
• 占位策略：chat_enabled: false 维持不变（Phase 0 聚焦鲁迅；荷马 page.md / fewshot.jsonl 仍为草稿）；corpus 已就绪，flip flag 即可开 chat。
• 验证：spot-check μῆνιν 起始行、ἄνδρα 起始行、第 24 卷收束，无 Gutenberg 标记泄露；YAML safe_load 通过。

先秦元数据全面修订（rev 5 cleanup）

承接同日 rev 5 schema 扩展，集中一轮 11 条并行 wave + 1 条收尾 wave，对全部先秦 49 条作者/作品条目做真伪、断代、归属逐条清理；并把符合 CLAUDE.md author-voice 标准的两位先秦人物切换到第一人称对话模式。据多源学界主流（A.C. Graham 1960/1989、Hunter & Kern 2018、Yuri Pines 2017、Edward Shaughnessy 2022/2024、chinaknowledge.de 等）。

• 使用字段：rev 5 schema 引入的 composition_year_start / composition_year_end / authenticity (authentic / mixed / disputed / pseudo / lost) / attribution_status (self / disciple-compiled / traditionally-attributed / pseudo-attributed / composite / anonymous) / authenticity_notes，顶层 text_compilation_date_start / text_compilation_date_end。
• W2-1 尚书 古文伪篇 — 《大禹谟》《舜典》《益稷》等保留全文 + frontmatter / metadata 标 pseudo，注明梅赜本伪古文学界共识，与今文真篇并存不删。
• W2-2 商君书 — 《御盗》标 lost（篇亡），补《外内》《君臣》两篇，修正 wikisource URL 错位。
• W2-3 孔子 / 诗经 — 孔子 attribution_status: disciple-compiled，作品归属仅保留《论语》（不再挂《春秋》《易传》《孝经》等托名）；诗经补 daya.md、lusong.md works 文件。
• W2-4 疑伪文本批 — 列子、鬼谷子、邓析子、尹文子、公孙龙子、宋玉、文子 7 条按学界主流标 disputed / pseudo + notes，corpus 全部保留。
• W2-5 诸子+楚辞 metadata 批 — 老子、墨子、孙子、孙膑、吴子、司马法、尸子、屈原、楚辞 9 条，统一 schema 字段。
• W2-6 经史子军 metadata 批（25 条）— 礼记、仪礼、周礼、春秋、左传、公羊、谷梁、国语、战国策、山海经、易经、尔雅、逸周书、孝经、六韬、穆天子传、竹书纪年、吕氏春秋、晏子春秋、管子、鹖冠子、黄帝四经、尉缭子、慎子、申子（申不害）。
• W2-7 5 位新作者条目 — zisi（子思）、yangzhu（杨朱）、huishi（惠施）、zengzi（曾子）、yan-hui（颜回），含 metadata.yaml + page.md，正配合影响图谱补缺。
• W2-8 庄子 author-voice 切换 — voices[].mode → author-voice，重写 skill.md + fewshot.jsonl（第一人称内篇语调）。
• W2-9 孟子 — metadata 精修 + corpus 14 篇确认完整；mode 暂留 tutor（追踪 issue 待续）。
• W2-10 荀子 — metadata 精修 + corpus 32 篇（17 篇新抓 + 15 篇已有），新增 scripts/import-xunzi.mjs。
• W2-11 韩非子 — metadata 精修 + corpus 55 篇（40 篇新抓 + 15 篇已有），新增 scripts/import-hanfeizi.mjs。
• Wave 3 孔子 author-voice 切换 — voices[].mode → author-voice，重写 skill.md + fewshot.jsonl（《论语》第一人称语调，强制 citation 子曰原文）。
• 统计：50 个 metadata.yaml 更新，60 个新 corpus 文件（57 个 xunzi / hanfeizi 篇章 + 2 个 shijing 大雅鲁颂 + 1 个尚书古文伪篇结构补正），5 个新作者条目，2 处 mode 切换（kongzi / zhuangzi）。
• 验证：bun run scripts/validate-metadata.ts → 575 条目 0 错误；bun run scripts/embed-pre-qin.ts --dry-run → 48 位先秦作者 / 3364 chunks 计划入库。
• 项目立场：忠实展现文本为先，伪篇 / 后人辑录 / 托名作品保留全文不删，严谨通过 schema 字段表达（authenticity + notes + 复合作者）；作品级 chat_enabled 不变，corpus 入库闸控保持原状。
• 剩余 author-voice 切换（mengzi / xunzi / hanfeizi / quyuan / sunzi / mozi）已建 GitHub issue 追踪：#2 先秦作家 author-voice mode 切换。

先秦元数据：真伪 / 断代 / 归属字段扩展（rev 5）

• authors/_template/metadata.yaml 新增可选字段：作品级 composition_year_start / composition_year_end / authenticity / attribution_status / authenticity_notes；顶层 text_compilation_date_start / text_compilation_date_end。覆盖先秦语料常见的伪篇、误传作者、年代不准三种情况，让下游 agent 能用结构化字段记录学术分歧。
• 新增 scripts/validate-metadata.ts：zod schema 校验全部 authors/*/metadata.yaml，新字段 optional，现有 570 条目全数通过。bun run scripts/validate-metadata.ts，退出码 0 / 1。
• 不破坏向后兼容：旧 year / birth / death 单值字段仍接受；混合类型（数字 / "公元前 5 世纪" / "~750" / "unknown"）继续容忍；不动任何已有 metadata 文件。
• 标注哲学：忠实展现文本是首要目的（鬼谷子、列子等保留全文 + chat_enabled），严谨态度通过新增字段表达，不删 corpus。
• 详细说明见 docs/design-doc.md "元数据真伪与断代字段"节。下一波 wave 2 会用这些字段对 49 条先秦条目逐条标注。

楚辞 / 屈原语料边界整理

• 将《楚辞》定位为总集、文体与编纂传统入口，关闭其独立 chat/RAG，避免和屈原、宋玉作者条目重复持有同一段全文。
• 归档 authors/chuci/works/chuci.md 聚合全文；屈原条目继续负责《离骚》《九歌》《天问》《九章》《渔父》等传统归属屈原篇章。
• 清理屈原作品页的 Wikisource 页眉、作者栏、卷次栏和“本作品收录于……”等非正文导入残留。
• 将屈原 skill/fewshot 改回 tutor 模式，不再使用第一人称作家模拟。

古希腊罗马作家与作品目录扩充（88 条目）

• 古希腊罗马目录从 9 个作者条目扩到 88 个，覆盖希腊史诗、抒情、悲喜剧、史学、演说、哲学、希腊化诗歌、希腊语帝国文学、罗马共和国/帝国/古代晚期拉丁文学。
• 精校已有条目：荷马、赫西俄德、萨福、埃斯库罗斯、索福克勒斯、欧里庇得斯、维吉尔、奥维德补齐或重排核心作品清单；欧里庇得斯补至现存 18/19 部剧，三大悲剧家补齐现存剧目口径。
• 新增 scripts/update-greco-roman-catalog.mjs，以结构化数据批量生成古希腊罗马作者 metadata 与目录级 page，方便后续继续补作品全文和公版译文。
• 重写 eras/greco-roman/page.md，按体裁和时代重排作家作品总表，并补明收录口径、关键概念、非西方同期对照与版权提醒。

先秦文学目录二次补全与精校（49 条目 / 516 个作品项）

• 先秦目录从 31 条扩到 49 条，补入《春秋》《仪礼》《孝经》《尔雅》《楚辞》《司马法》《六韬》《逸周书》《穆天子传》《竹书纪年》《慎子》《申子》《邓析子》《尹文子》《尸子》《鹖冠子》《文子》《黄帝四经》等。
• 统一精校先秦元数据：补 paths: [china-pre-qin]，把《诗经》《尚书》《周易》《左传》《国语》《战国策》等匿名或复合典籍标为 entity_type: work，保留孔子、孟子、庄子、屈原等个人作者为 author。
• 作品清单扩到 516 个作品/篇章项；《周易》补齐六十四卦与十翼，《仪礼》补齐 17 篇，《尔雅》补齐 19 类，《楚辞》补核心篇章。
• 从维基文库补入可用公版语料：《仪礼》《尔雅》《楚辞》《黄帝四经》《司马法》等；目录或提要性质强、正文不可靠的条目继续 chat_enabled: false，避免空 RAG 或弱依据 chat。
• 重写 eras/china-pre-qin/page.md，按诗歌、礼乐经典、历史散文、诸子、兵家、楚辞、神话地理、出土/辑佚文献重排先秦文学脉络。
• 清理一批 Wikisource 导入残留页脚（如“姊妹计划”“Public domain”“返回顶部”），减少 RAG 噪音。

先秦文学全面收纳（+18 位新作家，2672 chunks）

• 先秦文学 corpus 从 10 位作者扩充至 28 位，基本覆盖所有主要先秦典籍
• 新增 18 位作家目录及 RAG chunks：
  • 经部：诗经（shijing / 4 chunks）、尚书（shangshu / 79 chunks）、周易（yijing / 6 chunks）、周礼（zhouli / 149 chunks）、礼记（liji / 243 chunks）
  • 春秋三传：左传（zuozhuan / 671 chunks）、公羊传（gongyang / 143 chunks）、谷梁传（guliang / 128 chunks）
  • 史部：国语（guoyu / 4 chunks）、山海经（shanhaijing / 117 chunks）
  • 诸子：管子（guanzi / 16 chunks）、吕氏春秋（lvshi-chunqiu / 5 chunks）、公孙龙子（gongsunlong / 5 chunks）、晏子春秋（yanzi-chunqiu / 4 chunks）、商君书（shangjunshu / 4 chunks）
  • 兵家：孙膑兵法（sunbin / 45 chunks）、吴子（wuzi / 16 chunks）
  • 楚辞：宋玉（songyu / 25 chunks）
• 3 位作者标记 chat_enabled=false（wikisource 缺全页面）：战国策、鬼谷子、尉缭子
• 10 位已有先秦作者 1006 chunks 已验证，unchanged
• 新增脚本：scripts/import-pre-qin-wikisource.mjs、scripts/import-pre-qin-fix.mjs、scripts/embed-pre-qin.ts

对话分享、公开入口与目录维护

• ChatWidget 增加回答复制和分享图能力，方便把一次对话保存或传播出去
• 支持作者级 alt_titles，一千零一夜加入"天方夜谭"等别名，搜索和自动互链都能命中
• 修复一千零一夜 catalog_visibility 导致的公开访问 404
• 删除 48 个时代页底部的"精读清单"章节，避免不完整清单占据正文空间；阅读路径后续会单独做

作品正文排版系统升级

• 作品页渲染层自动识别附录型二级标题并包为 aside.work-note，让"文学价值与影响"、版本说明、译本说明等内容脱离正文流
• 保留并统一升级 <aside class="callout"> 为旁注框样式，已有手写 callout 和自动附录框共用同一视觉系统
• 重做 poetry-body 诗歌/史诗段落排版：史诗类作品可用 layout: poetry 标记，段落、章节、图片之间的留白更适合长篇韵文
• 收束 fiction-body 的缩进规则：小说保留段首缩进，诗歌/史诗不缩进
• 作品页 Markdown 渲染启用 breaks: true，避免诗歌、韵文、古代文本行文黏连
• 作家页与时代页作品列表按年份排序；长篇集合可按 collection 聚合，避免《道德经》81 章、《庄子》33 篇在时代页刷屏

古埃及文学扩充（+6 篇新作品，261 chunks）

• authors/anonymous-egypt/ 新增 6 篇作品，works 从 21 增至 27 篇
  • 卡赫佩尔森布的哀叹（中王国社会批判文学）
  • 伊普威尔箴言 / 阿普乌的哀叹（社会崩溃预言文学，可能是人类最早的"弥赛亚期望"文本）
  • 安图夫墓竖琴手之歌（"趁生时享乐"——古埃及版《传道书》）
  • 陶阿夫的训导（通过比较各行各业凸显书吏优越性）
  • 舒神颂歌（空气之神颂歌）
  • 贝赫坦公主传奇（拉美西斯二世时代驱魔传奇）
• skill.md / page.md / metadata.yaml 同步更新（content_quality: 0→3）
• 261 chunks 入 Supabase（原 238）

美索不达米亚文学作品体系完善

• 将巴比伦/美索不达米亚匿名文学从伪作家目录重组到时代页入口，吉尔伽美什、埃努玛·埃利什等作为文明传统作品展示
• 创建美索不达米亚 19 部缺失作品，时代页开始显示作品列表；自动互链覆盖 tradition 类型条目
• 恩赫杜安娜作品从 anonymous-mesopotamia 移回 authors/enheduanna/，补齐《伊南娜与埃比赫》《神庙颂歌》等作品
• 《埃努玛·埃利什》加入图像资源；美索不达米亚文学页面完成一轮精校，修正 23 处错别字、语法错误和术语不统一
• 自动互链支持 alt_titles、短标题匹配和 hidden 条目，避免译名变体漏链

新增古埃及文学（文明级条目）+ 238 chunks 入 Supabase

• 新建 authors/egyptian-literature/（entity_type: tradition，模式同 gilgamesh / 古巴比伦文学）
• 21 篇作品，涵盖宗教文本、创世神话、叙事文学、智慧文学、颂歌五大类
• 底本：E.A. Wallis Budge, The Literature of the Ancient Egyptians (1914, PD)，LLM 英→中翻译
• 归档旧有独立 stub：sinuhe/, ptahhotep/, book-of-the-dead/ → archive/authors/
• embedding：238 chunks via BGE-M3 → Supabase pgvector

信息架构与视觉系统整理

• 首页、时代/流派页、文脉名录页完成视觉分区；时代/流派按起始年份排序
• 新增文脉 logo；作者索引、首页可对话作家列表、时代子分区支持折叠，降低长列表压迫感
• 父级时代页归档，子时代加国家/地区前缀，并补全 69 位作者生卒年
• 印度作家映射到六个子时代；古埃及文学和印度时代体系纳入同一浏览框架
• 作家索引限制时代预览长度，修复标题点击区域与折叠列表显示问题

批量新增 90 位中国古代文学家 + RAG 作品摄入 + author-voice 标准化

• 按 CLAUDE.md 的 mode 判定标准，存世作品足够推测生平 → author-voice（第一人称），其余保持 tutor（第三人称）
• 新增作者 90 位，按时期分布：
  • 先秦 10：孔子、老子、孟子、荀子、墨子、屈原、韩非子、孙子、宋玉、列子（庄子已存在）
  • 秦汉 8：司马迁、司马相如、贾谊、扬雄、张衡、枚乘、王充、蔡邕（班固已存在）
  • 魏晋南北朝 15：曹操/曹丕/曹植、嵇康、阮籍、陶渊明、谢灵运、鲍照、陆机、左思、庾信、干宝、刘义庆、王羲之、孔融
  • 唐代 15：李白、杜甫、王维、白居易、韩愈、柳宗元、李商隐、杜牧、孟浩然、刘禹锡、李贺、岑参、高适、王勃、陈子昂
  • 宋代 15：苏轼/苏洵/苏辙、辛弃疾、李清照、陆游、欧阳修、王安石、柳永、秦观、周邦彦、姜夔、范仲淹、朱熹、晏殊
  • 元明 14：关汉卿、王实甫、马致远、白朴、郑光祖、罗贯中、施耐庵、吴承恩、汤显祖、冯梦龙、张岱、袁宏道、徐渭、归有光
  • 清/清末民初 13：曹雪芹、蒲松龄、吴敬梓、纳兰性德、袁枚、龚自珍、孔尚任、洪升、梁启超、王国维、刘鹗、朱自清、闻一多
• mode 分布：76 位 author-voice（第一人称，存世作品可推生平），14 位 tutor（第三人称，诸子哲人/纯哲学/生平信息极少的章回小说家）
• 每位作家包含完整的 metadata.yaml（含 works/voices/influences）、skill.md（系统提示）、page.md（导读桩）、fewshot.jsonl（2-3 条 QA）、works/ 目录
• RAG 作品摄入：从 zh.wikisource.org 抓取作品全文，创建 6 个 import 脚本（classics/poetry/prose-drama/philosophers/qinhan-weijin/novels-plays），88/90 位作家有至少一篇作品原文落地
  • 论语 20 篇、道德经 81 章、孟子 14 篇、孙子兵法 13 篇、楚辞 5 篇、世说新语 33 篇、搜神记 20 卷等
  • 唐诗宋词代表作：李白 12 首、杜甫 12 首、苏轼 7 首、李清照 5 首等
  • 四大名著前 3-5 回、元曲代表作（窦娥冤、西厢记、牡丹亭、长生殿、桃花扇）
  • 庄子 33 篇、鲁迅全集 71 篇已在之前嵌入
• 仅徐渭（四声猿无 wikisource 页）、郑光祖（倩女离魂仅 14 字 stub）2 位暂无作品
• 嵌入 Supabase pgvector：累计 ~4,700+ chunks，通过 BGE-M3 via Cloudflare Workers AI

公版作品全文与内容清洗批量落地

• 发布一批可用公版作品、古典文本、小说和散文全文，作品页开始承担真实阅读入口
• 加入《红楼梦》120 回全文与清洗脚本，为长篇章回小说的作品列表、全文渲染和后续 RAG 做压力测试
• 修复导入内容中残留 frontmatter、Wikisource 链接语法、版权 footer、异常换行等问题
• authors/*/works/*.md 区分 full-text 和 commentary，小说全文走中文小说阅读模式

鲁迅 corpus 扩充：故事新编 + 朝花夕拾 + 野草（+45 篇）

• 新增 scripts/import-luxun-collections-wikisource.mjs 抓鲁迅三本合集：故事新编 9（序言 + 8 短篇）、朝花夕拾 12（小引 + 10 散文 + 后记）、野草 24（题辞 + 23 散文诗）共 45 篇 / 119k 字符
• 三个新抓取情况首次出现：① 子页面相对路径（故事新編/序言、朝花夕拾/小引）；② 带消歧义后缀的 page name（秋夜 (魯迅) / 采薇 (鲁迅) / 雪 (鲁迅)）；③ 母页面 section 抽取（野草题辞嵌在 野艸 母页 section 2，没有独立子页）
• 新增 scripts/clean-luxun-corpus.mjs 清洗 wikisource 残留 — 文末 license footer（"1996 年 1 月 1 日，..."）、UI 行（[编辑] / 收听本文 / 姊妹计划: 等）、OCR 生僻字占位（原字未收录于Unicode，结构：⿰... → □，鲁迅 corpus 里仅 4 个 unique pattern，整字符串替换不会误吞正文）。新 45 篇 + 老 26 篇全部洗过
• authors/luxun/metadata.yaml works[] +45 条，每条含 collection 字段标明集合归属
• authors/luxun/works/ 现 71 篇 / 265k 字符：呐喊 15（71k）+ 彷徨 11（75k）+ 故事新编 9（57k）+ 朝花夕拾 12（41k）+ 野草 24（20k）
• LICENSE_MARKERS 在新 importer 里加 1996/2007/2017年1月1日 前缀 marker，防御未来类似 wikisource 版权 footer 漏切
• 新增 .claude/skills/rag-ingest/SKILL.md：把 luxun 旧脚本（范式 A，多页分散）+ zhuangzi 脚本（范式 B，一书多章）+ 这次合集脚本（范式 B + 子页面 + section）作为 canonical 范式记录，未来新作家入 RAG 时引用
• Supabase 实际状态：luxun 老 26 篇 → 344 chunks 已嵌入；新 45 篇 ~290 chunks 待嵌入。bun run embed 实跑会按 (chunk_index, content_hash) 自动 skip 老 chunks（清洗只动了 trailing whitespace，hash 不变）

庄子 corpus 入 RAG（Phase 1 第二位公版作家）

• 新建 authors/zhuangzi/：metadata.yaml（chat_enabled: true，license: public-domain）+ skill.md（author-voice 模式，按 chat.ts 第一人称 prompt 模板写）+ fewshot.jsonl（7 条第一人称样本）+ page.md（首版导读，标 status: draft 待人工严肃审核）
• 新增 scripts/import-zhuangzi-wikisource.mjs 抓 wikisource 三十三篇（内 7 / 外 15 / 杂 11），共 81,755 字符；与鲁迅范式 A（多页分散）不同，采用范式 B（一书多章 + 统一 START_MARKER）
• 33 篇 → 216 chunks → BGE-M3 嵌入 → Supabase pgvector，embedding_version=2026-05-03
• 检索抽测：4 个 zhuangzi-y query（鲲鹏 / 庖丁解牛 / 子非鱼 / 鼓盆而歌）均能 surface 相应章节，相似度 0.45–0.58
• voices: 单 voice zhuangzi-original（中文原作 / 文言原文进出），不走翻译网关
• .claude/skills/rag-ingest/SKILL.md 已把这次的 importer 引为范式 B 的 canonical 示例

搜索、流式对话与移动端聊天修复

• 新增全站 Cmd+K 搜索，覆盖作家、作品、时代/流派
• 聊天接口改为 DeepSeek SSE → NDJSON 中继 → 客户端逐字渲染
• 修复移动端 ChatWidget 多轮点击/触摸问题：backdrop tap delay、document-level capture click、pointerup 兜底和 300ms 去重
• GET fallback 不再复用 URL 里的 sessionId，避免同设备换号后误 403
• 聊天引用链接改为站内依据链接，面板隐藏状态和气泡排版做了一轮修复

邮箱登录：Magic Link + 验证码

• 新增 /auth/verify 邮箱验证码页面，支持输入六位验证码登录，也支持邮件链接中的 token_hash 自动登录
• 邮箱登录邮件改为跳转验证码页；旧的 /auth/callback 也会把邮件链接转交给验证码页处理
• 新增文脉版 Supabase Magic Link / Confirm Signup 邮件模板，避免默认 Supabase 文案误导用户

部署、限流与运行时护栏

• 新增 checked deploy pipeline，部署前跑检查脚本
• 收紧 Worker chat runtime bundle，避免 Cloudflare Worker 包体过大
• 登录账号每日消息数限制落地；聊天消息按账号限额
• 为微信内置浏览器补 crypto.randomUUID 降级方案

移除微信登录

• 微信网站应用登录需要开放平台审核，且微信 OAuth 接口与 Supabase Custom OAuth 直连不完全兼容
• 移除前端微信登录入口、账号绑定入口、运行时配置和环境变量说明；当前保留 Google 与邮箱登录链接

chat 端到端：DeepSeek + Supabase 会话存储

• 新增 Astro /api/chat server endpoint，经 Cloudflare Worker 调 DeepSeek，不在浏览器暴露 API key
• 新增 chat_sessions / chat_messages 表；Phase 0.5 用浏览器 UUID 作为匿名 session，所有 user / assistant 消息服务端写入 Supabase
• 作者页嵌入可用 chat 面板；刷新后按 sessionId 从 Supabase 读取历史
• 运行时使用 DEEPSEEK_API_KEY、SUPABASE_URL、SUPABASE_SERVICE_ROLE_KEY、SUPABASE_ANON_KEY 与 Workers AI AI binding；数据库 connection string 仅用于本地迁移

用户系统：Supabase Auth + Google / Email

• 新增静态站可用的 Supabase Auth 登录流程：/login、/auth/callback、/account
• Google 使用 Supabase 内置 OAuth provider；邮箱使用 Supabase Magic Link / OTP
• 新增 public.profiles，由 auth.users 触发器创建站内资料，RLS 限定用户只能读写自己的资料
• 顶部导航与面包屑区域接入登录状态入口

鲁迅 Phase 0 RAG 初版与强制引用

• 鲁迅 corpus 首批入库并嵌入，作为 Phase 0 端到端验证对象
• 收紧 chat citation grounding：回答必须基于检索片段，材料外问题要明确无依据
• 新增作品全文/导读分流，小说全文进入 .fiction-body 阅读模式

站点骨架、设计系统与内容底座

• 初始化 Astro + Cloudflare Pages/Workers Static Assets + Supabase + 嵌入 CI 的项目骨架
• 江河版 design system 同步到 Astro 页面，包含首页、作家页、作品页、时代页、开放设计稿
• 批量导入 knowledge-base 71 位作家与 30 个时代/流派概览；古希腊作家作为首批内容上线
• 文案公开化：剥离个人阅读记录，72 篇作家页完成一轮公开站口吻润色
• 自动互链上线：作家名、作品名在 Markdown 渲染后自动链接到站内页面

rev 4：v1 stack 锁定 + 版权硬规则 + 产品定位

会话来源：plan-eng-review（含 codex outside voice 第二意见）

新增的项目级硬规则

1. chat 仅对全公版作家开放：作品没全部进入公有领域的作家，不出 AI chat 入口。metadata.yaml.chat_enabled: bool 闸控，由版权状态驱动。版权未到期作家依然可以有 page.md 导读 + 影响图谱节点，只是 chat 组件不渲染。
2. 产品定位双轨制：默认 chat 走 "基于以下文本回答 + 强制引用 + 不知道就说不知道" 的 tutor 模式；"和作家本人对话"的作家蒸馏模式作为实验性入口（隐藏或 feature flag），且 UI 必须明确"风格模拟，非作家本人"。

v1 技术栈锁定（覆盖原设计文档对应内容）

Phase 0 必加（原设计文档遗漏）

• IP rate limit + prompt 长度上限 + max_output_tokens 上限 + per-request timeout + Origin header 校验
• 每日 LLM 花费 hard cap（优先在 provider 控制台层面设硬上限，KV/DO 计数器仅做软提示）
• 强制 citation：chat 输出必须能溯源到 RAG chunk；prompt 里硬规定"材料不够说不知道"

Eval 策略重写

原设计文档"style classifier 5-10 sample" 路线在 codex review 中被指为假严谨。Phase 0 改为：

1. Golden set（20-50 题）：human-curated 测试集，覆盖 citation 准确性、refusal 行为、中文可读性、幻觉检查
2. LLM-judge 仍用，但跑 golden set 而非 holdout 自相似度
3. Style classifier 推迟到 v2（LoRA 真训出来时才有意义，否则学的是 prompt 工程艺术品而非作家风格）
4. 人工评估：Phase 0 不做（太早）；Phase 1 末有外部访问后再启动

Phase 0 种子作家：博尔赫斯 → 鲁迅

• 博尔赫斯（1899-1986）作品多数辖区 2056 才公版 → Phase 0 种子换为鲁迅（1936 死，多数辖区 2007 起公版；中国大陆 1986 起公版）
• authors/borges/ 文件夹保留：page.md 导读照常写，影响图谱节点照常存在，但 chat_enabled: false，UI 不出 chat 组件
• authors/luxun/ 新建为 Phase 0 主战线

Codex outside voice 全部采纳的技术修正

• 删除 schema 里的 translation_cache（Phase 0 用不到，等 Phase 1 翻译网关再加）
• chunks schema 加 unique(author_slug, voice_id, work_slug, chunk_index) 约束
• chunks schema 加 content_hash、embedding_model、embedding_version、license、source_url、deleted_at 字段
• Phase 0 不建 HNSW 索引（exact search ORDER BY embedding <=> 在 ≤100k 行内更稳）
• pgvector 检索通过 SQL RPC（match_chunks(...)）暴露，不在客户端拼 SQL
• Cloudflare Workers 不是 Node：所有 SDK 验证 edge runtime 兼容；skill.md 等 in-repo markdown 通过 import 字符串/资产打包，不依赖 fs.readFile
• CI 嵌入走 Cloudflare Workers AI REST API + API token（GitHub Actions 不能用 wrangler binding）
• Voice selector UI 推迟到 Phase 1（Phase 0 单 voice 跑通即可）
• dev/prod 环境分离：至少分两个 Supabase project + CF env vars + 独立 DeepSeek key

已保留的设计（codex 提了但我们坚持的）

• 匿名 session 暂存：Phase 0.5 没有用户系统，浏览器只保存 sessionId；消息正文全部进 Supabase，跨设备等登录上线后再补
• HNSW 索引 schema 里留升级路径注释，Phase 1 末向量数过 100k 时启用