交接 · 中医知识库「结构优先」改造 · 新对话从这里开始

新对话第一件事：读本文件。它把任务目标、硬规则、当前状态、可复用脚本、开工步骤、待办全部收在一起，不需要再读前面 5 份旧交接（2026-10-02 13:48 / 14:08 / 14:24 / 15:10 / 16:53 那几份，作为历史留档即可）。数字均为本机实测，时间：2026-10-02 晚。

一、任务目标（一句话）

把 46 本中医 EPUB 从原件按「结构优先」重新分块，建进一个库；要求原文完整、出处可追溯、图片与脚注不丢，检索时能一次命中「一条」而不是半条或几千字一大块。

总原则（用户已多次确认）

原文完整、可溯源 > 分块与检索效果
不覆盖旧库、不删原文件、不改插件（要改先问）
按书族分类处理，不把一本书的规则机械套到所有书
分批建库、逐本验收；每族首本做完即交付人工/外部复核
图片（含字形图）与脚注必须从 EPUB 保回来

二、三条硬规则（本任务最容易踩的坑，务必遵守）

判定「条目起首」只按白名单，白名单外一律不拆分。

理由：「穴名/脉名/病证名 + 别名 + 空格」的正则会命中针法口诀、手法连续论述的句首（形似穴名起首、实为同一段连续论述）。实测：《针灸大成》「一片内含 ≥2 穴条起首」= 0 例；《脈經校注》「以注释开头的片」= 0 例。此条是给古籍点校本预置的防误判约束。

逐字无损判据用「12 字滑窗全覆盖」，不要用顺序拼接或元素多重集。

理由：源 EPUB 的目录常是嵌套 div（同级内容被 level-1、level-2 各包一次），顺序/多重集判据必误报缺字。《针灸大成》目录 522 个嵌套元素实测触发过 1 处假缺口，查实是被父元素完整包含。做法：把源 XHTML 每个元素的文本按 12 字滑窗，检查每个窗口是否出现在库内文本中；顺序无关，缺口 0 才算过。比对时先去掉 〔源：…〕 标记（标记夹在两片之间会把原文断口误报成缺口）。

必须按「每篇文档自身」的字符预算再收口一次。

理由：插件按整篇文档算 charsPerToken，各篇预算不同（实测 1296–3015）。不收口会被 windowBlock 带重叠切开 → 内容重复、不再逐字无损。

其他技术约束

单元内部用单换行、单元之间用空行（插件 splitBlocks 以空行为唯一边界）
标记行后面不能多出空行（否则被切成「标记 + 正文」两块）
#/## 开头的行会被 splitBlocks 吃掉并变成该块的 heading；不想被吃就别用 #
插件没有移动文档的接口 → 迁目录只能「取回 rawText → 删除 → 按 parentDirectoryId 重新入库」
源 EPUB 存在 parseEpub 不读 OPF spine 的通用缺陷（本批 10 个 EPUB 实测 spine 序 == ZIP 序，无实际损害；上游 issue 未提）

三、当前状态（2026-10-02 晚）

项	值
主库	`中医·结构优先` = `8bf27782-5f61-49c8-8d9a-af2b89158239`（由「经络腧穴学·结构优先」改名，库 id 未变）
主库体量	文档 461（含 8 个目录条目）；453 篇正文 / 4006 块 / 133.9 万字符
检索启用范围	开关值 `enabled=True, enabledBaseIds=[8bf27782]`（但见第六节：此开关检索时不生效）
库级配置	仅 `siblingChunks=0`，其余继承全局（未动）
全局配置（未动）	嵌入 `Qwen/Qwen3-Embedding-4B`(2560d)、重排 `Qwen/Qwen3-Reranker-8B`、`chunkSize 800`、`chunkOverlap 100`、`smartChunk=true`、`topK=4`
原 EPUB	10 个，位于 `C:\Users\xy192\DSH云端备份\4-原始底本\epubtest\00-原始EPUB\` —— 全部未动
旧库	「中医」`c16b54af-…`（47 文档）、「中医新」`8c95794f-…`（6535 块）—— 保留、停用、未改
临时验收库	`_tmp-素问语译-结构C`（`eff1d602`，83 篇）、`_tmp-针灸大成-结构C`（`5cde9779`，233 篇）、`_tmp-脈經校注-结构C`（`488695c9`，105 篇）—— 保留备查
库总数	13 个（含 6 个可清理的 `_tmp-*`：五章 3 个、第三章策略 2 个、空壳 `_tmp-针灸大成-结构C` `73de11d4`、中间态 `_tmp-脈經校注-结构C` `acbabe9b`）

主库目录结构（4 个类 + 4 个书目录）

目录	篇数	块数	字符	处理记录
教材讲义类 / 经络腧穴学	29	676	297,000	无（第 1 本原型，验收在 `新库抽查单-经络腧穴学-20261002.md`）
医经语译类 / 黄帝内经素问语译	84	963	386,200	有（《素问语译》验收报告 + 修订记录）
针灸专著类 / 针灸大成	234	1,607	378,648	有（含书目信息、卷次决定、误报说明）
医经校注类 / 脈經校注	106	760	276,841	有

目录 id 全部记在 工作区\_tmp\main_reorg.json。

四、已完成 4 本（＝旧库 47 本里的 4 本）

书	书族	篇/片	核验
经络腧穴学	教材讲义类（首本原型）	29 篇 / 676 块	逐篇块数一致、逐字无损、676/676 出处可回解
黄帝内经素问语译	医经语译类（首本）	83 篇正文 / 931 片	84/84 篇块数一致；12 字滑窗 0 缺口；931/931 出处；558/558 图片；【注解】771、【语译】864
针灸大成	针灸专著类（首本）	233 篇正文 / 1573 片	232/233 篇块数一致（唯一差异＝书目篇多 1 块=插件注入的标题上下文）；0 缺口；1859/1859 出处；考正穴法穴条 359/359 逐经吻合
脈經校注	医经校注类（首本）	105 篇正文 / 743 片	105/105 篇块数一致；0 缺口；2557/2557 出处；图片 155/155

检索实测（显式限定 baseId=主库，TopK=4，均单块精确命中）：中府定位（经络腧穴学，339 字符完整条目）、上古天真论女子七岁（451 字符，原文+注解+语译同块）、考正穴法中府（针灸大成，192 字符）、标幽赋注解（195 字符）、浮脈舉之有餘（脈經校注，371 字符；旧 md 版是 1294 字一大块）、寸口脈浮中風發熱（341 字符）。

五、按同一套路做下一本书：5 步

查边界：读 _tmp\five\boundaries_fixed.json（38 本合集内图书的页码表，格式 start/end/cip；start = CIP 页 −2，含本书封面/内封）。
探体例：仿 _tmp\gen_mj.py 头部写一个 probe，打印「每页首元素 + 元素类分布 + 标题层级计数」，据此定文档层级（卷/篇/门）与单元规则（一条＝什么）。遇到新体例先给用户确认再铺开。
写生成器：复制同族模板改三处——EPUB 路径、P0,P1 页范围、BOOK 名，再改单元组装与 BIB_PAGES（书目信息页）。
跑核验：verify_xx.py 导入临时库 _tmp-<书名>-结构C，看四项：逐篇块数一致、逐篇无损、12 字滑窗 0 缺口、出处全可回解。
入库 + 留档：用 _tmp\import_book_main.py（改 CONF 段）导入主库对应书目录，再写「处理记录」与「抽查单」，并把处理记录也作为文档放进该书目录。

三族模板现成可用

书族	生成器	单元规则
医经语译类	`_tmp\gen_suwen.py`	一条 = 原文段 +【注解】+注文 +【语译】+译文；篇 = 文档
针灸专著类	`_tmp\gen_jd.py`	四模式自适应（歌赋注解／短行打包／长段／考正穴法穴条）；一穴一条；相邻短条 ≤400 字打包
医经校注类	`_tmp\gen_mj.py`	一条 = 原文段 + 紧随其后的注释段（注释段以〔N〕开头，遇新原文/标题收束）；篇标题+提要+按语同片；相邻短条打包

剩余 42 本：医经校注类剩 4 本（鍼灸甲乙經校注上下、難經校注、傷寒論校注、中藏經校注）、医经语译类 2 本（灵枢经、伤寒论语译）、针灸专著类 2 本（针灸甲乙经、单玉堂针灸配穴通俗讲话）、教材讲义类 5 本（刺法灸法学、中药学 OCR、针灸治疗学、方剂学讲稿、中药学讲稿等）、方书类 6 本（千金翼方、备急千金要方、局方、证治准绳六部）、其余「较粗」的书 —— 这批要连图片、脚注、字形图一起从 EPUB 重做。书单与分类：_tmp\five\worklist.json、md_classified.json。

六、⚠ 必须知道的两个环境事实

1. 检索开关的「启用范围」实际不生效

GET /knowledge/knowledge-toggle 的 enabledBaseIds 只被存取、供面板显示；检索链路 search() / searchSingle() 只认请求里的 baseId / baseIds，从不读 getEnabledBaseIds()。

后果：不带 baseId 检索时，旧「中医」库 + 6 个 _tmp-* 库都会参与竞争（实测问「浮脈舉之有餘按之不足」，前 3 名全是旧库，新库排第 4）。
另实测：docIds 也不是硬过滤，只有 baseId / baseIds 是硬过滤。
本会话对 knowledge_search 工具调用时也没能限定到主库（它的默认范围是全部库）。
三个候选处置（未执行，等用户定）：① 调用时显式带 baseId；② 改插件让检索回落到 getEnabledBaseIds()（属 DSH 本体改动，需批准 + 重启）；③ 删掉 6 个废弃 _tmp-* 库。
本会话没有动插件本体，也没有删任何库。

2. 发布直链的方法（用户要链接时用）

凭据（只进内存、不打印、不写文件、不进回复）：C:\Users\xy192\DeepSeekHarness\.secrets\cloudflare-pages.conf（含 CLOUDFLARE_ACCOUNT_ID、CF_PAGES_PROJECT）＋ …\.secrets\cloudflare-pages.token
命令：npx --yes wrangler@3 pages deploy <舞台目录> --project-name=kb-xy919 --commit-dirty=true
舞台目录 工作区\_tmp\deploy-kb\：必须有 index.html；_headers 必须 LF 行尾（CRLF 会被静默忽略）；每次部署别忘带旧文件，否则旧直链 404
正式域 https://kb-xy919.pages.dev/；最新首页 https://kb-xy919.pages.dev/
**用户偏好：要链接时只发文件下载直链（/dl/*.md），不要顺手做 HTML 阅读页、入口页、zip 等变体。**
台账写在 工作区\静态发布说明.md。

七、待办（按优先级）

等外部复核《脈經校注》抽查单 34 条 → 工作区\抽查单-脈經校注-20261002.md（已发布直链 https://kb-xy919.pages.dev/dl/kb-spotcheck-mj-20261002.md）
定第六节第 1 条的处置（检索范围/临时库清理）
按第五节 5 步流程继续批处理剩余 42 本（每族首本做完即交付复核）
字形图提字单独立项：全 10 个 EPUB 共 13588 张字形图 / 约 1.36 万字，旧 md 里全是 〔缺字〕；建议先做 1 本验证准确率，机器输出标「机器识别/待核」，不直接当权威正文
历史遗留：凭据轮换（GET /knowledge/config 与 /knowledge/bases 明文返回 key 且本机接口无鉴权）、parseEpub 不读 spine 的上游 issue、清理 6 个废弃 _tmp-* 库

八、本轮成果文件（工作区根目录）

文件	说明
`知识库结构优先-本轮总结-20261002.md`	本轮进度与成果总结（可转外部评审）
`处理记录-针灸大成-20261002.md`	含书目信息页处理、卷次决定表、连续起首不拆分
`处理记录-脈經校注-20261002.md`	医经校注类模板 + 核验数据
`验收报告-素问语译-20261002.md`	含第五节修订记录（书目信息篇、12 字滑窗判据）
`抽查单-脈經校注-20261002.md`	34 条待复核
`抽查单-素问语译-20261002.md` / `抽查单-针灸大成-20261002.md`	已通过复核
`静态发布说明.md`	直链台账与部署方法

脚本（工作区\_tmp\，权威清单）

生成：gen_jd.py、gen_suwen.py、gen_mj.py（三族模板）
核验：verify_jd.py、verify_suwen.py、verify_mj.py
抽查单：accept_jd.py、accept_mj.py、make_spotcheck2.py
主库操作：main_reorg.py（改名+建目录+迁入）、import_book_main.py（按目录导书）、import_jd_main.py、refresh_records.py
边界/书单：fix_boundaries.py、align_books3.py、_tmp\five\boundaries_fixed.json、worklist.json
发布：stage_deploy7.py（最新，保留全部旧直链）

本文件不含任何 API key 或凭据。