dsh-knowledge-graph

中文 | English

DSH（DeepSeek Harness）Cordis 插件：把任意一段资料正文、包含文字 / 图示 / 表格的图片——或一段 AI 会话执行轨迹——用 AI 拆解成一张知识图，并在知识图与原文之间双向定位。

贴原文 → AI 异步拆图 → 双向锚点定位。是 NovelStudio「资料 ⇄ 知识图」落地为独立、可复用插件的形态。

---

它能做什么

• AI 异步拆分：输入任意正文（章节、技术文档、学习笔记…），后台任务模式调用 LLM，约 15–40 秒返回一张知识图。支持最长约 100 万字符的书级正文；documentId 是随机稳定的逻辑文档 UUID，sourceId 是全文 SHA-256 的不可变版本身份，chunkId 绑定 sourceId + batch + paragraph range，因此不同文档/追加版本不会因局部 chunk-0001 重号而覆盖。常驻模式把全文、canonical graph 与无损 checkpoint 保存在 SQLite；刷新后浏览器只凭 documentId/runId 恢复，只有 Host 重启遗留的 running 任务才允许从 checkpoint 续跑，显式 failed/cancelled 任务绝不自动重试。
• PDF 直接生成知识图：工作台可直接上传不超过 15 MiB 的可搜索 PDF，本地有界解析正文后自动填入资料区并开始生成知识图；文件数据只用于本次解析，不写入浏览器草稿。复杂排版、特殊字体编码可能导致文本不完整；扫描版 PDF 当前不做 OCR，需先转换为可搜索 PDF。
• 图片直接生成知识图与已有 Markdown 插图解读：工作台可一次上传 1–4 张 PNG / JPEG / WebP / GIF（单张不超过 6 MiB、合计不超过 16 MiB），支持纯文字截图、示意图 / 流程图 / 架构图、统计图、公式和表格，也可同时附带说明文字。Host 把图片交给 DSH attachments.saveImages() 验证并保存，再用多模态模型生成带图片范围的视觉转写；知识抽取器只消费这份转写。对于已导入 Markdown 文件夹且保留附件的知识图，在「图片解读与节点」中可搜索、筛选并勾选任意 1–4 张未解读图片，将转写追加为有来源标记的段落与候选节点，不覆盖原始 Markdown 或旧节点内容。逐图查看原图、转写、识别疑点与全图关联节点；超出当前渲染窗口的节点也可点击定位。结果页保留原图预览与 source.visualSource 回链。视觉转写可把箭头 / 连线、分组 / 包含、对象对应、顺序和具有图例语义的颜色 / 形状编码拆成独立关系单元；无法准确映射到内置 relation 的关系保留为原子 fact / claim，不强套错误边。AI 转写不是原书文字，也不能单凭文字引用证明像素内容正确；新增节点保持待复核，关键文字、数值、表格和连线关系须对照原图。
• 8 类节点 / 12 类关系：
  • 节点：fact 事实 · claim 主张 · inference 推论 · concept 概念 · definition 定义 · example 例子 · counter_example 反例 · rule 规则。
  • 关系：supports 支持 · example 例子 · counter_example 反例 · defines 定义 · infers 推断 · causes 因果 · is_a 属于 · contains 包含 · driven_by 受驱动于 · not_is 不是 · analogy 类比说明 · aims_at 旨在。
  • 最小语义契约：一个节点只表达一个原子命题；作者的理论/经验概括用 claim 而不是 fact；保留“可能 / 多数 / 通常 / 必须 / 如果”等原文限定；存在更精确关系时不退化成 supports。
  • 解释覆盖复核：首轮抽取通过后，仅在多步机制疑似欠覆盖，或原文明示纠偏/防误推理限定、留待后文回答的信息却未进入图时，执行一次受限复核；它也可恢复被多个核心命题反复引用的稳定概念锚点。调用可选复核器前，系统会先对原文明示且同句已命名的“某方法在明确条件下行不通/失效”原子结论做确定性、只增节点的补漏；相关关系仍必须由关系编织器依据直接原文证据审定，不会因端点同段出现而自动连边。复核通常只能补缺失节点及其必要关系；对于【图示关系】段落，若箭头、连线标签、分组、对应或图例直接证明允许 relation，也可只补两个已有节点之间的遗漏边；该例外仍要求同一条 evidence quote 同时包含 relation 专用显式词、两个端点及兼容方向。复核不能重写已有图，也不会为了连通率补知识。
• 《学习观》本体知识图（learning-view-v1）：第二套抽取本体，不是对既有图的重切。节点类型与关系类型改为于建国《学习观》的本体：知识（concept 概念 / feature 特征 / rule 规律 / discrimination_model 判别模型 / connection_model 联结模型）与学习材料（intension_description 内涵描述 / feature_description 特征描述 / positive_example 正例 / negative_example 负例 / contrast_group 对比例组 / extension_contrast 外延对比 / relation_material 关系材料 / factor_material 因素材料 / property_material 性质材料 / segment_example_group 分段例组 / verification_material 验证材料 / data_or_experience 数据或经验 / memory_material 记忆材料）分开建节点，共 18 类节点 + 21 类关系。每份材料由两个正交坐标刻画：modelKind（判别 / 联结）与 layer（上料 / 下料），从而能诊断知识坍缩——上层丢失、下层丢失、下上错配、判联错配、联结空载、记言代学、言存义空、义存言空、验证复用旧例、缺验证、学习材料当记忆材料。抽取仍然只走 LLM，产出的仍是可存 / 可查 / 可导 / 可增补的知识图；未标注本体的既有文档一律按原来的命题本体处理，行为不变。怎么用：抽取表单右上角的「知识图模式」选《学习观》即可；默认仍是命题本体，且默认值不作为参数发送，老行为不变。一份文档按它自己被抽取时的本体显示（图上有模式徽章、图例、坐标网格、诊断条与边属性），已存在的老文档仍是命题图，要看《学习观》版本需重新抽取一次；模式只影响新抽取，不会改写文档的本体。边上的属性也来自本体：maps_between 的 role（输入/输出）、contrasts 的正负、compares_* 的 mode（对比/类比）都会拼进边的标签，值标签由本体下发，命题本体不声明属性也就不显示。布局也读本体：分层视图的主干道、卫星吸引与分支道改由该文档 relationTypes 的 family / weight 现算，所以《学习观》知识图按它自己的结构铺开，不会因为关系名不在命题表里而退化成毛线团。规范见 docs/learning-view-ontology.md。
• 关系感知分层布局：分层模式先对每个无向连通分量独立排层、消除重叠，再把组件矩形紧凑打包，避免无关子图共用全局层级而把直接相连节点拉远；层内排序按关系加权，以主干关系（命题本体为 causes/infers，各本体由 relationTypes[].family = backbone 声明）作为主路径，把卫星关系放成邻近分支，并将方向关系（family = directional）作为有界软邻近偏好。这些关系集合与权重全部来自当前文档的本体，不在客户端写死。多条边共享节点或行间通道时，箭头入口、水平通道和垂直走廊分别分轨，并为密集的水平轨道保留更高的层间通道；相邻关系标签发生碰撞时会在可读距离内确定性错位；极端拥挤且无可用位置时默认隐藏标签芯片，悬停或选中对应关系仍会显示，避免线段、标签及箭头挤在一起。新用户默认使用分层布局，已有本地布局偏好保持不变。
• 连通分量内的邻近压缩：换行只作为初始位置，不再把折行结果锁成不可跨越的层级。通过有轮数上限、确定性的二维优化，缩短按关系加权的边，同时保留推理顺序、主路径固定列、节点间距和行间布线通道，最后移除空行。垂直走廊按实际障碍区间搜索，不再依赖固定搜索半径。高连接度枢纽和跨分支关系仍可能需要较长的边；这只改变视图，不改写知识图数据和关系。
• 双向定位：
  • 点击图中节点 → 弹出详情卡片（完整内容 + 原文摘录 + 定位按钮），并平滑滚动高亮到原文对应内容单元；
  • 点击原文内容单元 → 图中居中聚焦并闪烁对应节点。
  • 图中节点只展示前 4 行（超出以 … 省略），完整内容随时可在详情卡片中查看；
  • 锚点以 AI 直接输出内容单元编号为主（确定性索引，长自然段会按句子边界切分成多个编号单元），quote 精确匹配与 token 重合度兜底；无法回链的节点不猜测偏移，统一进入诊断列表。
• 图渲染：SVG 画布 + 8 类配色 / 4 种可切换布局形态（图右上角下拉，选择记忆）：力导向（d3-force 开源引擎内嵌零依赖：碰撞防节点重叠、边-节点排斥防箭头穿节点）、圆形、放射（中心枢纽 + BFS 环，边走折线：径向出线 → 外环弧 → 径向进线）、分层（边走直角正交折线：行间空通道 + 逐行避障走廊，线段保证不穿节点）/ 关系边带类型标签，且同源边按目标角度扇形弯曲（二次贝塞尔）/ 拖拽平移 / Ctrl+滚轮缩放 / 工具栏 − 100% +（50%–200% 步进 10%）/ 长按节点查看原文摘录 / 键盘可达。
• 验证与质疑知识图：生成图后可以检查它是否忠于原文——
  • ⚡ 快速体检：本地规则即时检查（自环/悬空边、quote 能否在原文定位、段落编号与摘录位置是否一致、类型-关系语义规则、重复/疑似矛盾节点、孤立节点、覆盖统计），0 秒返回问题报告；
  • 🤖 AI 深度审校：异步调用 LLM 逐节点/逐边找茬，所有 issue 必须以原文摘录为证据，标准档还会二次复核过滤误报；
  • 人工闭环：问题按「错误 / 警告 / 建议」列出，点击问题 → 图中相关节点/边按严重度着色高亮并滚动定位原文；每条问题可采纳修复（改动立即应用并写入审计记录）或忽略；面板顶部提供一键修复，批量应用全部可自动修复的问题；修复记录逐条显示旧值 → 新值的具体差异；
  • 主动质疑：节点详情卡可点「质疑此节点」，选中边后出现关系详情卡可点「质疑此关系」，也可在验证面板直接向整张图提问/质疑，AI 给出「图成立 / 质疑成立 / 证据不足 / 超出范围」判定与原文证据；
  • 🔎 外部事实核查原文：把知识图中的 fact/claim/inference/rule/definition/counter_example 节点转为可核查断言，用 Wikipedia 等外部证据裁决原文是否可靠；面板支持粘贴领域规则来源（法条、制度、教材、标准），规则文本与 Wikipedia 证据共同参与裁决；判定为「支持 / 矛盾 / 部分支持 / 证据不足 / 无法核查 / 超出范围」，每条结论绑定证据链接与证据引文（引文必须能在检索结果中定位，编造引文会被自动降级）；点击断言可回链图中节点与原文段落；
  • 追加拆分后自动标记验证/核查结果过期，可重新验证或核查；轨迹知识图支持同样的全部验证/质疑/外部核查能力。
• 浮动工作台：窗口可拖动、可调整大小；原文与知识图的宽度比例、结果区高度均可拖拽调整并记忆。
• 划线拆分：在聊天消息里用鼠标选中任意一段文字，选区上方浮出「拆成知识图」按钮，点击即自动打开工作台并拆分所选文字；在结果页原文里划线选中可拆成子图；输入框里选中部分文字也可「拆分所选」。
• 追加拆分（增量合并）：已有拆分结果后，输入区主按钮变为「追加拆分」——粘贴下一段/下一份资料，AI 只抽取新增内容，并自动与已有图建立跨段关系边（同一概念不重复建节点，直接连线到已有节点）；结果原地合并、全文段落统一编号、历史记录原地更新。聊天划线选中文字时也会自动追加到当前图。
• 历史记录：每次成功拆分自动记录（最多 20 条、同文去重、可单删 / 清空）；浏览器只保存 documentId、标题、计数等轻量索引，回看时从 Host/SQLite 重新载入正文与 canonical graph，避免把书级正文复制进 localStorage。
• 章节过滤与候选审核：结果区按章节筛选图节点和原文段落；候选实体 / 声明面板展示 evidence，可一键标记「待审核 / 已接受 / 已驳回」，状态通过 Host 同步到 SQLite（动态插件在 Host 会话中保留，失败时回退浏览器 localStorage），并可点击候选回链原文。
• 知识图消费层：正文图与轨迹图共用「使用这张知识图」面板，可按关键词、节点类型、章节、grounding / entailment 状态做有界结构化检索，并区分直接命中与关系邻居；「证据问答」只使用服务端加载的 canonical graph 和已认证原文，模型只能引用 Host 预分配的 evidenceId，每个被接纳的回答片段都必须有节点、关系或原文段落证据。点击检索结果或 citation 可回链图与原文；节点即使位于当前 800 节点渲染窗口之外，也会先按 node ID 加载 canonical 子图再定位。
• 知识图导出：结果工具栏可导出当前渲染图为高清 PNG 图片，也可导出完整 JSON（保留 source、chunk、evidence、验证报告和审计记录）以及节点 CSV、关系 CSV；数据导出的是完整图，不受当前章节筛选影响。轨迹知识图也支持相同导出。
• 常驻入口：左侧栏底部、设置上方的「知识图」按钮直接打开资料工作台，无需先创建或选择对话；侧栏收起后保留图标入口。对话内的「轨迹知识图」只处理该会话的轨迹，运行卡片内也保留启动条。
• 轨迹知识图（会话视图标签页）：对话区新增第三个标签页「轨迹知识图」（位于 对话 / 轨迹 旁），一键把当前会话的完整执行轨迹（用户消息、工具调用、工具结果、AI 回复）拆成知识图——可视化这个 Agent 查到了什么事实、做出了什么推论、用了什么方法，并在图与轨迹事件之间双向定位（点击节点滚动到对应事件，点击事件在图中聚焦对应节点）。结果按会话持久化到 Host/SQLite；浏览器仅保存 documentId/revision 引用，因此切换标签页或刷新页面后会从 canonical state 恢复，拆分进行中切走再切回会自动续接轮询；会话继续产生新事件后，可点 追加新事件 只拆解新增部分并在同一 revisioned document 上增量合并（跨事件建立关系边）；轨迹事件列与图列的宽度、结果区高度均可拖拽调整并记忆。

新功能怎么用

先从左侧栏的「知识图」打开工作台，生成知识图，或从历史记录打开一张已保存的图。工作台按当前工作分为四区，切换不会自动调用模型、修改知识图或取消正在运行的审校任务：

• 图文阅读：原文与图双向定位、阅读地图、图片视觉解读。展开「任务视图」可保存浏览书签；导出与图谱状态也在这里。
• 检索与学习：结构化检索、证据问答、跨书概念档案、学习模式。点检索结果或引文，会回到图文阅读并定位对应来源。
• 审校处理：当前窗口体检、全图深度审校、增量审校、批量核实与修复；章节候选审核和外部事实核查各自折叠。问题行的「查看图文」回到阅读区；节点详情里的「质疑此节点」直接进入审校区并聚焦提问框。
• 资料：输入或追加正文、图片、PDF、Markdown 文件夹。尚未生成图时直接显示输入区。

工作区切换保留当前输入草稿、检索结果、筛选和问题上下文。模型选择留在页头，知识图模式和生成并发放在「运行设置」中。正在运行的深度审校进度不会随工作区隐藏；完成后点「查看审校报告」直接进入审校区。

功能	入口与操作	会发生什么
增量审校	在「审校处理」点「增量审校」，核对弹窗中可复用批次、待审批次、模型和最低请求数，再确认。	仅复用输入、原文、模型及审校规则依赖均未变化且已保存的历史批次；变化部分重新调用 LLM，本地规则仍检查全图。与「AI 全图深度审校」的全新审校不同。复用不等于免费或零请求，也不会自动采纳修复。需要已保存的 canonical 图和可复用的历史审校批次；没有可复用批次时计划会显示仍需全部审校。
问题组与批量修复	在「审校处理」的「批量二次核实」中，保留「显示全部问题」可跨组核实当前筛选的下一批；也可按问题类型或原文选择一组。核实后先点「检查冲突与修改」，逐项查看判定及修改前后，最后点「确认保存本批处理」或「确认保存本组处理」。	同组共享图与原文上下文，但每个问题独立核实；批量仅接纳原文逐字支持的安全修复，其他结论留待单独处理。冲突项不会强行写入。保存是一次带版本校验的提交；若此后没有其他图修改，可撤销上一批/组保存，不能覆盖后续编辑。核实会调用所选模型，建议先用小批量。
阅读地图	在结果区点「阅读地图」，按来源章节进入，按「图中概念线索」筛选条目；点条目或「原文 P…」引文定位图与原文，可翻页或跳页。	给大图提供「章节 → 知识条目 → 可核对原文」的阅读路径。「概念线索」和阅读起点是从图派生的候选组织方式，不是作者亲自标出的核心论点；没有可核对引文的条目会明确提示。打开地图不改图、不调用 LLM。
联结模型工作台	在「图文阅读」点「联结模型」，从全图目录按章节、关键词、概念作用或待核对状态筛选。查看输入、映射与条件、输出，以及规律、例子和原文。方向修改需先预览，再明确确认保存。	使用已有 connection_model、maps_between 及用户确认的可选模型结构。旧模型不会自动转换；未定角色、异常关系和错误示例保持可见，不从节点顺序或名称猜方向。阅读不修改图，保存有版本校验。
独立槽位、分支与配对实例	在模型详情点「核对结构」，分别整理槽位的概念、输入输出角色、单位和时间状态；同一概念可作为多个独立槽位。填写条件、映射、边界的来源身份与引文，按槽位和分支记录情境、状态及推测过程。「下上对照」按分支浏览实例，点击实例状态高亮对应槽位。原有图谱端点可另行展开，差异和异常不会被新槽位遮住。	每项更改须预览修改前后并确认，只更新该模型的 modelStructure，不自动添加关系边。原文引用必须匹配已存来源；用户整理、AI 建议与待核对内容明确区分。配对完整性与分支覆盖不代表规律已验证；映射是结构化文本，不执行公式或推测链。失败、切换与版本变化保留草稿，旧版本不能覆盖新图，删除被引用概念会被阻止。
结构缺口与原文选取	在模型详情点「结构缺口」，查看缺少的输入输出、分支条件、配对状态和来源记录；点击缺口进入对应草稿字段。尚无实例绑定时，先明确「补齐输入槽位」或「补齐输出槽位」，再填写空状态。分支字段可「从原文选取」连续片段，保留限定语与出处，预览后确认保存。	诊断覆盖该模型的全部已记录分支与实例，分页显示；不是正确性或学习掌握度评分。候选原文包含模型及相关材料上下文，不保证支持所选字段。原文选取不调用 AI、不自动补全或写图；替换现有内容须确认，编辑后旧预览失效。读取和提交均沿用已存段落身份，不因新版全文切分改变引用编号。旧 Host 缺少能力标记时明确禁用诊断与原文选取。
模型比较	在模型详情点「模型比较」，明确选择第二个模型；默认筛选共享概念端点，也可取消筛选搜索全图。并列核对输入、输出、完整联结表述、条件、材料和引文；「查看模型 A/B」打开完整材料，「挑战模型 A/B」进入对应模型的反例练习。	相同概念身份、已记录角色、单位与时间状态是结构比较依据，不是模型等价或矛盾的判定。同名但不同身份的端点单列，未定或重复关系不会被算作完整方向。已整理的条件分支可并排阅读，旧模型显示未结构化；不自动推断适用性，不建立类比边或推测链。
两步推测草稿	在模型详情点「两步推测」，明确选择第二个模型和两个分支，填写全部已知输入、预测、条件及应用过程；按独立槽位选择承接上一步的输出，分别记录含义、单位口径、时间状态与对象范围的核对依据。「检查推测缺口」标明停在哪一步，草稿可导出 JSON。	候选覆盖全图，仅按概念身份与已记录的输出→输入方向筛选，不代表相容、因果或可迁移。缺少任一输入、方向不明、单位或时间状态未定或冲突、错误示例、类型说明及已驳回模型会阻断；上一步有缺口时，其手填输出不能供给下一步。同名异身份不能直接承接，不自动换算、逆推、执行公式或合成概率。完整状态仅说明字段齐备，含义、对象与适用性仍是未独立核验的用户自述；限定语、字段来源与循环风险保留。仅缓存当前标签页的个人草稿，不写正式图谱或长期学习记录；切换第二模型需确认，旧版本保留文字但暂停检查，必须明确对照后换基准。
草稿导回继续编辑	已选择两模型的草稿即使尚未检查或仍有缺口，也可导出 JSON。「导入推测草稿」读取文件后先预览文档、模型、来源版本、情境和槽位数量，再明确确认替换当前文字；兼容已有检查结果导出文件。	文件最多 2 MiB；错误格式、文档或模型身份不匹配、未来版本及缺失模型不覆盖当前草稿。文件中的旧检查结果和模型快照不作为当前依据；只恢复可编辑文字，旧版本仍须明确对照后换基准。读取期间编辑或切换范围会取消过时导入，不自动检查、保存长期学习记录或修改图谱。
情境预测与反例挑战	在联结模型详情点「情境预测」，选择新情境预测或反例挑战。后者先写基准情境与预测，再写只改变的一项、保持不变的条件、改变后的预测和能反驳联结的观察。保存预测后显式展开原文，填写并保存复盘。	学习记录独立于正式图谱，保留当时模型与引文快照，最初预测和已完成复盘不可覆盖；两类练习的历史和标签页草稿分别保存。仅改标点或排版的情境变化会被拒绝，是否真正受控、是否构成反例仍未核验；边界外不适用不是边界内被反驳。不会自动打分、声称掌握或修改图谱。常驻 Host 支持持久保存，临时动态 Host 会明确提示持久化不可用。
我的理解	在联结模型详情点「我的理解」，独立填写输入判别、联结规律、输出判别、条件、边界与疑问，对照原文模型后保存；可关联已有预测或复盘，填写修改理由，追加修订版本。	复用学习记录存储，不另建个人图数据库；保留当时模型、字段来源与练习快照，不覆盖正式图谱、旧表述或练习。并发修订和图谱版本变化阻止旧草稿直接保存，重读后草稿仍在，须明确对照新基准。无来源或表述不完整仍可作为个人记录，不自动评对错、掌握或新颖性。历史与各类可选练习展示最近 100 条，最多关联 10 条。
渐构靶图	在「图文阅读」切换「渐构靶图」，从概念、判别模型或联结模型建立个人靶图。上层整理输入内涵、规律与输出内涵，下层配对具体情境、全部输入、推测过程和输出；支持多个必要输入、多例指向同一输出，以及尚无例子指向的陪域取值。	表述、例子和修订独立保存为个人记录，不写正式图谱。预测须先保存再填写对照，保存后不能事后改写；可查看预测时的上层快照。草稿按文档、节点身份及图谱版本隔离，旧版草稿可重新打开但不能覆盖新版。个人判断、资料答案、观察记录和 AI 建议均不是独立核验或掌握证明。详见 渐构靶图。
验证结果记录	打开已保存的预测或反例挑战，记录真实观察、参考资料、公式或规则推导、AI 建议或个人复盘；填写实际条件、比较依据与自述诊断。真实观察须确认已发生并记录日期和时区；原文引用须先显式展开当时对照。结果可追加更正，修订个人理解时冻结关联预测的最近 5 条结果。	复用学习记录，绑定最初预测、来源版本与当时练习版本；所有来源仍未独立核验，不是自动判分、外部证实或掌握证明。更正不计作另一份独立证据；并发更正须明确改用最新基准，保存回应丢失可按同一请求恢复。来源更新后仍可补记旧预测的观察，但不算当前模型的验证，旧引文不能定位到新来源。外部链接不自动读取，AI 不自动调用；每次预测展示最近 100 条结果，有限快照明确标注。新前端连接旧 Host 会阻止结果写入。
模型学习记录	在模型详情点「学习记录」，查看按来源分开的比较计数，按情境预测/反例挑战、来源、比较或诊断环节筛选，逐页打开最初预测和具体结果。	统计完整历史，先折叠更正链再筛选与分页，每格按预测去重；不同来源和多个比较列可能重叠，不合计为独立证据、正确率或掌握分数。一致与不同并存时不选胜者。旧图谱版本与当前版本分开计数，自述未见不证明新情境。列表每页 20 次预测，结果预览最多 5 条；筛选命中的更早结果可直接定位，不受最近 100 条历史窗口限制。
诊断对应材料	在已保存结果点「查看诊断对应材料」，对照输入/输出角色、条件与边界或规律的当时材料，再点「带这次预测修订我的理解」，明确关联后编辑和保存个人修订。	按快照中的角色、材料类型与来源选取，不推断错误原因；尚未展开原文时引用仍隐藏，旧引文无法定位新来源。缺失材料明确提示，不自动补公式、调用 AI 或生成正确答案。关联不会替换已有草稿，也不静默保存；仍最多关联 10 次练习。
任务视图	先调整当前搜索词、筛选、章节、关注节点、关系聚拢、布局或阅读地图，再回到「图文阅读」展开「任务视图」，输入名称并点「另存新视图」。以后从下拉框选择并点「打开视图」；「更新所选视图」用当前状态覆盖它。	相当于当前文档的浏览书签，不是待办任务或另一张图。每张图最多保存 20 个；保存的是视图状态，不复制节点或原文。「删除」只删除书签，不删除知识图。图更新后重新打开会核查节点和章节，已失效的位置会清除并提示。
跨书概念档案	在「检索与学习」点「跨书概念档案」，选当前图的概念，查看同名候选或输入关键词点「查找候选」。核对各书的来源与原文引文后，勾选「纳入对照」，标注「相关，待辨析 / 不同用法、分歧 / 可能同义」，填写适用条件、时间及说明，再点「保存候选对照」。	保存一个可重开、编辑、删除的对照档案，不合并各书节点；同名只产生候选，不自动判为同义。来源表述是否忠实与现实中是否正确是两件事。来源图变化时档案会标记过期，需重新核对。
学习模式	在「检索与学习」点「学习模式」，选择「概念辨析」「机制解释」或「新情境应用」，阅读带原文定位的题目，填写回答；新情境题还需写一个不能照搬原文的具体场景。选自评后点「保存练习与自评」，可在「学习记录」中复盘。	练习从现有图和可定位引文派生，不是原文，也不自动判对错或证明掌握。缺少依据时对应题型不可用。回答、自评与原文知识图分开保存；图更新后旧练习保留但标为旧版。

联结模型目录的关键词也覆盖通过当前 canonical 概念与原文引用校验的已记录条件、规律和边界。新增字段搜索按同一字段内的完整短语筛选，只规范化全角、大小写与空白，保留运算符和箭头，不把 x > 3 与 x < 3 合为同一命中，也不把分散在不同字段或分支的词拼成一个条件。目录保留原文顺序、全图数量和既有章节/概念/角色筛选；响应中的 modelFieldMatches 最多列出 8 个分支/字段位置与声明的来源身份，余量明确，依据是 recorded_text_not_applicability，不代表适用性、正确性或掌握度。来源备注和实例不在这个目录搜索范围内；无效结构仍可按模型身份或标题找到并核对。

历史恢复、canonical 导出、联结模型目录、阅读地图和关系聚拢按完整 documentId 定位，不截取前缀、不去除首尾空白，也不合并全角或同名标识。这组只读入口的标识上限为 4096 个 JavaScript 字符，仍受各路由原有请求体预算限制；超限或类型错误明确拒绝，找不到完整标识时不会回退到前缀文档或客户端提供的图。候选列表也保留完整文档标识。本轮涉及的图提交、抽取、审校和个人学习记录入口没有扩大文档标识范围，仍限制为 160 字且无首尾空白；不支持的标识拒绝或报告未找到，不能截断后修改另一份文档。长标识文档的个人记录保存、任务视图和图片读取等其他入口尚未扩展，不应把只读恢复成功当作整个编辑流程已支持，也不能外推其他接口的身份契约。

以上视图、档案和练习都要求当前资料已保存为 canonical 文档。结构核对还要求 Host 返回对应版本的能力标记；新前端连接旧 Host 时保留阅读入口，明确提示版本尚未就绪并阻止结构写入，不把仅加载新前端当作完整部署。审校、核实和修复有模型费用或修改风险，先读计划与预览；阅读地图、任务视图、概念档案候选检索和现有图派生练习不需要模型调用。开发者另有审校质量基准和全图发现基准：样本由 Codex 复核，不是独立人工真值。隔离环境曾用 DeepSeek V4.1 Flash 对合成案例和一段公版原文实际运行并保留结果；这些小规模样本不能代表真实书籍的准确率，也不能把模拟预测当作模型成绩。

关系聚拢的文档版本、中心、各层邻接、分页顺序、节点内容和关联边来自同一 SQLite 读取快照。读取期间的更新或删除不会把新内容标成旧版本，也不会因另一份去空白后同名文档的版本而误报冲突；后续查询仍严格核查 expectedRevision，旧版分页不能接到新版图上。方向与层数仅表示已记录边的浏览范围，不认证因果、可逆性、条件成立或模型真伪。

界面一览

原文段落的类型标签旁有 × 按钮，可在确认后删除该段落、该类型在当前节点窗口中的对应节点，以及这些节点的全部关联关系（含跨窗口关系）。原文、其他段落和其他类型的节点保留。修改通过已有版本校验保存到 SQLite，刷新后不会恢复；生成任务进行中不允许此操作。适合手动清理被误识别为知识的目录、署名等内容。

以下为早期图文对照截图，当前工作台入口按上面的四个工作区组织。

┌─────────────────────────────── 浮动工作台 ───────────────────────────────┐
│ ● 知识库 · 资料 ⇄ 知识图                                      [ × ]        │
│ 知识库                                                                      │
│ 当前资料标题                               [模型] [历史] [重新开始]        │
│ [运行设置]                                                                │
│ [图文阅读] [检索与学习] [审校处理 · 待处理数] [资料]                         │
│ [原文 ⇄ 知识图]                                                             │
│ N 节点 · M 关系 [阅读地图] [任务视图] [导出]                                 │
│ 原图 N 张 · 未解读 M 张 [打开图片节点] [图片解读与节点]                         │
│ [原文段落…带类型徽标]  ‖  [知识图 SVG…]  [− 100% +]  │ ← 可拖宽竖条         │
│ ─────────────── 可拖高横条 ────────────────           │                    │
└─────────────────────────────────────────────────────────────────────────┘

对话区「轨迹知识图」标签页：

┌────────────────────────── 轨迹 ⇄ 知识图 ──────────────────────────┐
│ 拆解本会话轨迹：用户消息 / 工具调用 / 工具结果 / AI 回复            │
│ 一句话总结：…                                                     │
│ [轨迹事件…带类型徽章]  ‖  [知识图 SVG…]  [− 100% +]  ← 可拖宽竖条  │
│ ──────────── 可拖高横条 ────────────                              │
│ （切换标签页 / 刷新页面后结果自动恢复）                            │
└────────────────────────────────────────────────────────────────────┘

安装

这是一个 DSH 动态 Cordis 插件：一份 Host 代码（Node 进程）+ 一份 Client 代码（浏览器），纯 JS、零依赖、无需构建。通过 DSH Web 界面的 Cordis 插件机制加载，步骤适用于任何 DSH Web 会话。

0. 前置条件

• 已启动 DSH Web（dsh web）；资料工作台不要求已有会话；
• 环境中已配置 AI 模型提供方（设置 → 模型，或 agentDefaultModel）。插件默认跟随系统当前模型；工作台与「轨迹知识图」顶部均提供模型下拉框，可手动指定拆分、追加、AI 审校、质疑与外部核查使用的模型（选择会保存在浏览器本地）；未配置时会给出明确的中文错误提示。图片抽取需要支持 image 输入的多模态模型；模型下拉框会标注已知的「图像 / 仅文本」能力，能力未知的模型允许尝试，但提供方拒绝图片时会以 model_image_unsupported 明确失败。

1. 获取源码

git clone https://github.com/cwbcheng/dsh-knowledge-graph.git
cd dsh-knowledge-graph

文件	作用
src/index.host.js	Host 半：异步 AI 拆分任务引擎（图片 admission / 多模态视觉转写、段落编号、分批、schema 校验、typed 诊断、模型路由、会话轨迹序列化）+ 知识图验证/质疑引擎 + canonical 结构化检索与 evidence-ID 证据问答
src/index.client.js	Client 半：浮动工作台 UI、图渲染、双向定位、共享检索/证据问答面板、验证与质疑面板、修复应用/审计、历史、宽高调节、轨迹知识图标签页
src/kg-store.mjs	SQLite 持久化层：文档、内容块、节点、关系、证据、候选实体/声明、抽取 checkpoint 与大图有界消费查询

2. 安装（二选一）

方式 A：让 Agent 帮你安装（推荐）

在任意会话中把下面这句话发给 Agent（把路径换成你 clone 的位置）：

请读取 dsh-knowledge-graph 仓库的 src/index.host.js 和 src/index.client.js，把这两个文件定义为 Cordis 插件的 Host 半和 Client 半，然后运行它。

Agent 会依次调用 cordis_define（定义）→ cordis_run（运行），并在界面上弹出运行审批卡片。

方式 B：自己复制源码定义

1. 在任意会话中发起一次 cordis_define（由 Agent 执行，或按你环境的 Cordis 工具流程操作）；
2. Host 半粘贴 src/index.host.js 的内容，Client 半粘贴 src/index.client.js 的内容；
3. 注意粘贴的是函数体：去掉文件里的 export default function hostPlugin() { / export default function clientPlugin() { 这一行和文件末尾对应的 }，保留中间的 return { ... }; 部分（文件头部注释可保留也可删掉）。

不熟悉 cordis_define 工具的话直接用方式 A，Agent 会自动处理好上面的取函数体步骤。

方式 C：常驻安装（推荐，重启不丢）

把本仓库安装为 web profile 的组合插件（与 dsh-hud 相同的社区插件包形态）：Host 半走 webServer 路由、Client 半是 __ModuleLoader__ 浏览器模块，随 dsh web 启动自动加载，不需要每次重启后重新定义，也无需审批。

# 1. 在 profile 目录添加依赖与 bundle（$DSH_HOME 默认 ~/.dsh）
cd ~/.dsh/profiles/web
#    在 package.json 的 dependencies 中加：
#    "dsh-knowledge-graph": "github:cwbcheng/dsh-knowledge-graph#main"
#    在 package.json 的 dsh.profile.bundles 中加：
#    "dsh-knowledge-graph"
pnpm install

# 2. 重启 dsh web（Ctrl+C 后重新 `dsh web`）

重启后：对话标题右侧出现「知识图」按钮。窗口位置、筛选和历史索引等轻量 UI 状态保存在浏览器 localStorage；正文、图、checkpoint 与 revision 由 Host/SQLite 持久化。

文件	作用（常驻包）
lib/index.js	Host 半：任务引擎 + /api/dsh-knowledge-graph 路由（抽取/追加、task status、document-load/canonical 来源成员校验 image-load/document-export、revisioned graph-commit、graph-query、answer-graph、安全 resume-extract、验证/质疑等）+ 自动 SQLite canonical graph / checkpoint 持久化
lib/client.js	Client 半：__ModuleLoader__ 浏览器模块（fetch RPC + 手动样式注入）
cordis.patch.yml	bundle patch：向组合插入 dsh-knowledge-graph 行

src/ 与 lib/ 是同一插件的两种部署形态：src/ 供动态插件（方式 A/B）使用，lib/ 供常驻组合（方式 C）使用，逻辑保持一致。

3. 批准运行

定义成功后运行会进入 awaiting approval（等待批准） 状态：

• 插件面板（左下角 Cordis Plugin 按钮）会自动弹出并高亮待批准的行；
• 点 ✓（单勾）：仅授权本次运行；点 ✓✓（双勾）：同时授权该插件后续版本的自动运行（推荐）；
• 批准后插件在浏览器中激活，面板状态变为 running。

4. 验证安装

• 左侧栏底部、设置上方出现「知识图」按钮，无需打开对话；
• 点击弹出浮动工作台，粘贴一段正文 → AI 拆分，约 15–40 秒后得到知识图；
• 对话区顶部出现第三个标签页「轨迹知识图」（对话 / 轨迹 / 轨迹知识图），点击 → 拆解本会话轨迹，约 15–40 秒后得到该会话的轨迹知识图。

5. SQLite 持久化与 CLI

CLI 使用 Node node:sqlite，要求 Node 22.13+（无需 experimental-sqlite 启动参数）。导入必须用 DSH_KG_DB 或 --db 显式指定目标数据库，包含完整 sourceText，并通过与 Host 相同的确定性验收；导入文件不能自行授予 entailment verified。默认只允许创建新文档，覆盖已有文档必须传 --expected-revision N。

# 初始化数据库
npm run kg -- init --db ./data/knowledge.sqlite

# 导入含完整 sourceText 的完整图（不可使用截断的 task/result 窗口）
npm run kg -- import-graph --db ./data/knowledge.sqlite --input ./graph.json

# 查看候选实体或声明
npm run kg -- list-candidates --db ./data/knowledge.sqlite --kind entity --status candidate
npm run kg -- list-candidates --db ./data/knowledge.sqlite --kind claim --status candidate

# 接受 / 驳回候选
npm run kg -- set-candidate --db ./data/knowledge.sqlite --kind entity --id ent_xxx --status accepted
npm run kg -- set-candidate --db ./data/knowledge.sqlite --kind claim --id clm_xxx --status rejected

# 查看已持久化文档与 checkpoint
npm run kg -- list-documents --db ./data/knowledge.sqlite
npm run kg -- show-document --db ./data/knowledge.sqlite --id document_xxx
npm run kg -- save-checkpoint --db ./data/knowledge.sqlite --input checkpoint.json --run-id run_xxx
npm run kg -- load-checkpoint --db ./data/knowledge.sqlite --run-id run_xxx

# 查看可恢复版本；恢复会用 CAS 产生新版本
npm run kg -- list-revisions --db ./data/knowledge.sqlite --id document_xxx
npm run kg -- restore-revision --db ./data/knowledge.sqlite --id document_xxx --revision 2 --expected-revision 5

常驻包的 lib/index.js 会在每个成功 chunk 和任务完成时自动写入 SQLite；数据库路径由 DSH_KG_DB 指定，未指定时为当前工作目录的 .dsh-knowledge-graph.sqlite。npm run test:kg 会在内存 SQLite 中验证文档、chunk、evidence、候选状态变更、checkpoint 保存与恢复；npm run test:kg-consumption 覆盖动态 RPC / 常驻 HTTP / SQLite 检索语义、800 节点窗口之外与 600+ 常见候选之后的精确召回、relation-only 查询、上下文预算、revision fence、非法过滤器、node/edge/source citation 认证、未知及「真实但无关」evidenceId 拒绝和共享前端入口；npm run test:kg-timeout 使用不合作 provider 回归真实 wall-clock deadline、晚到 iterator 清理与即时取消；npm run test:kg-image 覆盖动态 / 常驻图片 admission、多模态 content block、文字 / 表格 / 图示转写、颜色分组与对象对应关系遗漏补漏、text-only 模型 typed 拒绝、visual provenance、canonical 来源成员校验图片读取、伪造 visual checkpoint 拒绝、转写后即时 checkpoint / runId 恢复及 SQLite 不落原始 base64；npm run test:kg-performance 在 10000+ 节点 / 关系图上验证 keyset 分页和有界返回；npm run test:kg-candidates 额外验证候选列表和状态更新。常驻包构建时会同步生成 lib/kg-store.mjs。

覆盖图时会在同一事务中保存上一版图和原文单元快照。旧版本中只有计数、没有快照的历史明确不可恢复，不会凭空补回内容。快照随修改次数增长，应随数据库备份。浏览器的“移出历史 / 清空历史”只隐藏索引，不删除 SQLite 文档；“恢复历史”可重新显示这些文档。

npm test 还包含独立流水线、CAS 与历史异步竞态、模拟 OCR 中断恢复和 CRX 载荷校验。流水线的使用与安全边界见 OCR 流水线。

对着 dsh 源码跑

日常启动、关闭脚本位于 DSH 仓库 deepseek-harness/scripts/，不在本插件仓库中。在 WSL 中执行（需已安装下方的 systemd 用户服务）：

cd /mnt/d/github/deepseek-harness
npm run dsh:start              # 等待知识图接口认证及就绪，打印本次地址
npm run dsh:stop               # 先暂停可恢复任务，再关闭服务
# 也可从任意目录直接执行：
bash /mnt/d/github/deepseek-harness/scripts/start-dsh.sh
bash /mnt/d/github/deepseek-harness/scripts/stop-dsh.sh

这两个入口管理同一个 dsh-kgsrc-web.service，重复启动不会新建实例，关闭后不会被守护器自动拉起。运行环境、解释执行参数、profile 和数据库沿用服务配置；不会设置开机自启、重新导入资料或自动解除崩溃重启限流。默认使用 /opt/node-v24.14.0/bin/node 执行控制脚本，可通过 DSH_DEV_NODE 指定其他 Node。

关闭前若有可恢复任务，会请求暂停并等待检查点落盘；不能暂停、状态查询失败或暂停未完成时会拒绝关闭。暂停的任务在下次启动后需要手动“继续任务”。确实要强制中断服务时使用 npm run dsh:stop -- --force，这可能丢失最后一个检查点之后的未保存工作，但不会删除已有图或检查点。

DSH_CONTROL_TIMEOUT_SECONDS 调整启动/暂停的等待时间（默认 90 秒）。控制器默认连接 127.0.0.1:3099，可读取 DSH_SERVICE_UNIT / DSH_DEV_PROFILE / DSH_DEV_PORT / DSH_DEV_LOG / DSH_DEV_PID 指向其他已安装服务；这些变量只选择控制目标，不会改写 systemd 服务配置，必须与目标服务一致。

想让它跑在 /mnt/d/github 里那份 dsh 源码构建上（而不是 npx 装的那份），用 scripts/dev-web.sh：

cd /mnt/d/github/dsh-knowledge-graph
npm run dev:web                 # 前台启动，Ctrl-C 结束
npm run dev:web -- --detach     # 后台启动并打印带 token 的地址
npm run dev:web:stop            # 停掉后台实例
npm run dev:web -- --rebuild    # 先 pnpm install + build（含本插件）

它沿用本地 DSH_REPO checkout，不会自动拉取或切换 Git 分支；缺少构建产物或显式 --rebuild 时安装依赖并构建。随后从随包 web 模板创建缺失的 profile，把本插件作为 bundle 层装进去，最后用独立端口和独立 profile 启动，不会碰其他实例。启动后会请求一次 ontology-list 确认插件真的回答了，因为插件加载失败时外壳照样能起来，「起来了」不等于「能用」。源码或构建脚本比 lib 新时会自动重建插件。端口被占用时直接报错退出，不抢端口。

每次启动会将插件的 lib 运行模块、package.json 和 bundle patch 固定到 $DSH_HOME/plugin-artifacts/dsh-knowledge-graph/<构建哈希>，profile 通过本地 link: 指向该份快照。正在运行的实例不再因开发目录的后续构建而提前更换客户端；只有下一次明确启动才同时加载新的 Host 和客户端。相同构建复用，旧快照保留，不自动清理。复制期间产物变化、既有快照校验失败或安装后未指向预期快照，均拒绝启动，不以包管理器退出 0 代替安装验证。

快照只固定本插件的构建代码，不复制资料库、学习记录、凭据、源码或整个 node_modules；已安装依赖通过链接复用，因此不是整个 Harness 与依赖的可复现发布包。安装需要 PATH 中的 pnpm；仅有 Corepack 时，启动器使用其已有 pnpm shim，不改全局安装。此保护须在使用新版启动器启动后才生效，已经运行的源码链接实例不会被自动迁移或重启。

可用 DSH_REPO / DSH_DEV_PORT / DSH_DEV_PROFILE / DSH_DEV_LOG 覆盖默认值（默认 /mnt/d/github/deepseek-harness、3099、kgsrc）。

启动器会打印实际 Node 路径和版本，优先使用 PATH 中的 Node 24+，也可用 DSH_DEV_NODE=/opt/node-v24.14.0/bin/node npm run dev:web 显式指定。只在此启动器内拒绝已观察到原生崩溃的 22.20.0，不修改 NVM 默认版本；这是运行时规避，不代表已经证明或修复了 V8/系统层崩溃根因。源码和构建脚本更新后自动重建插件。

每次启动先归档旧日志，再读取本次进程的 token，并用 token 换取 cookie 验证本体目录接口的 HTTP 状态和 JSON 内容。只输出 URL 不算就绪；检查失败或进程退出会返回非零状态并清理此次启动的进程。DSH_DEV_STARTUP_SECONDS 可调整就绪等待时间（默认 60 秒）。前后台均记录真实 Node PID 和启动时间；--stop 只停止匹配的进程，绝不按端口杀其他服务。旧格式 PID 文件不能用于停止进程。

原生崩溃与后台恢复

--detach 只负责脱离终端，不会在 Node 崩溃后重启。此机器的 Node 24.14.0 也曾在 Builtins_RegExpPrototypeTestFast 路径发生 SIGSEGV，升级版本不能视为根治。npm run dev:web -- --safe-runtime 可作为诊断性规避：只对 DSH 服务使用 --no-opt --no-maglev --no-sparkplug --regexp-interpret-all，禁用 JavaScript 优化/基线编译和正则 JIT，保留 WebAssembly，不改变全局 Node 配置或构建进程。代价是 JavaScript 更慢；它不能排除原生扩展、WSL 或硬件故障。不要替换为 --jitless：此版本 Node 的原生 fetch 依赖 WebAssembly，完全禁用会导致模型请求立即失败，即使服务入站健康检查仍能通过。

长任务可以使用 scripts/dsh-kgsrc-web.service 提供的 systemd 用户服务，安装前检查里面的仓库与 Node 路径。不要与同端口的前台/脱离终端实例同时启动：

2026-09-18 实测：解释执行模式下仍发生过原生崩溃，但守护服务与页面检查点恢复成功。这个模式不是“防崩溃保证”，也不能代替底层故障排查。证据与验证边界见 运行时故障记录。

mkdir -p ~/.config/systemd/user
cp scripts/dsh-kgsrc-web.service ~/.config/systemd/user/
systemctl --user daemon-reload
systemctl --user start dsh-kgsrc-web
systemctl --user status dsh-kgsrc-web
journalctl --user -u dsh-kgsrc-web -n 50
# 停止必须是有意操作，正在执行的模型请求会中断：
systemctl --user stop dsh-kgsrc-web

服务每次异常退出后等待 10 秒重启，5 分钟内最多启动 3 次，超过后保持失败状态，不无限重试。故障日志保留在 journal 和轮转后的 /tmp/dsh-kgsrc-web.log.previous.*；就绪通过前 systemd 的 active 仅表示启动器存活。需要看到日志中的认证健康检查成功才算插件可用。服务使用原 profile、DSH_HOME 和数据库，不重建任务；已保存的检查点仍由插件自己的恢复规则处理。不设置登录/开机自启，避免未经确认恢复付费模型请求。修复反复崩溃的原因后，才使用 systemctl --user reset-failed dsh-kgsrc-web 和 start。

隔离的服务恢复对抗测试：KG_TEST_SYSTEMD=1 npm run test:dev-web。它对临时假服务注入不可捕获的 SIGKILL，验证进程重建、接口重新就绪、重启限流及主动停止；不杀真实 DSH，也不调用模型或读写知识图数据库。

冻结质量回归门禁

kg:quality-regression 固定使用 2844 字的 world-recognition 原文与 calibrated-v2 的 25 个 QA case。修复后观察基线为 24/25；默认门禁要求 trusted QA 至少 23/25（最多退化 1 case）、score 至少 92、节点至少 20。节点下限只是 catastrophic-collapse sentinel，不能替代 QA 分数。--graph 模式也会先校验 graph.sourceText 的字符数和 SHA-256；缺少原文或换了文章时返回 frozen_source_missing / frozen_source_mismatch，不会输出误导性分数。

# 检查已有 graph（不会调用模型）
npm run kg:quality-regression -- --graph ./graph.json

# 调用当前 DSH Host 做真实抽取，再检查并保存结果
npm run kg:quality-regression -- \
  --base-url http://127.0.0.1:3080 \
  --provider codex-proxy \
  --model gpt-5.6-sol \
  --output ./quality-run.json

CI 也可以设置 DSH_KG_QA_BASE_URL、DSH_KG_QA_PROVIDER、DSH_KG_QA_MODEL 后直接运行 npm run kg:quality-regression。门禁同时校验冻结原文的字符数与 SHA-256，防止通过改评测原文或 QA 尺子掩盖回归。

更新插件

• 动态安装（方式 A/B）：仓库有更新后重复方式 A——让 Agent 重新读取两个源文件并 cordis_define（在同一个插件下追加新 Package），再 cordis_run（update 模式）切换到新版本；若你之前点了双勾，新版本会自动运行。
• 常驻安装（方式 C）：更新后重新 pnpm install（拉取最新 #main）并重启 dsh web 即可。

卸载插件

• 动态安装：打开 Cordis Plugin 面板 → 在插件行点击 停止（Stop） 暂停使用；需要彻底删除定义时使用 cordis_undefine。
• 常驻安装：从 profile 的 package.json 移除依赖与 bundles 条目，pnpm install 后重启。

窗口布局、历史索引等轻量 UI 数据保存在浏览器 localStorage；书级正文、canonical graph、checkpoint 与 graph revision 在常驻模式保存在 Host/SQLite。卸载前如需长期保留知识内容，请保留对应 SQLite 数据库或先导出 JSON/CSV。

注意事项

• 动态插件运行在 DSH 进程内：进程重启后插件会消失，需要重新安装（方式 A 或改用常驻方式 C，历史数据仍保留在浏览器里）；常驻插件随服务启动自动加载，不受重启影响；
• Host 半依赖可用的 LLM（见前置条件）；AI 调用只发生在你自己的 DSH 环境内，是否外传取决于你配置的模型提供方。图片抽取会把已由 DSH 附件服务接纳的原图发送给所选多模态模型，敏感图片请先确认提供方的数据政策；
• 本项目不含付费 / 配额功能：拆分、历史、双向定位全部在本地完成。

使用

1. 点击左侧栏底部、设置上方的「知识图」按钮，打开浮动工作台；没有任何会话时也可打开，已有资料、知识图和审校报告仍从原存储读取；
2. 在「输入资料」粘贴正文，或点 上传图片 选择包含文字、图示或表格的图片（可同时输入说明文字、可选填标题）；选择支持图片的模型后点 AI 拆分 / 图片生成知识图。图片生成后，原文栏顶部会显示可点击的原图画廊与视觉转写风险提示（输入区可收起；结果区高度、原文/图宽度比例均可拖拽调整并记忆）； 对已导入的 Markdown 文件夹，在「图文阅读」打开 图片解读与节点，选择支持图像输入的模型，勾选 1–4 张未解读图片并点 解读所选图片；不必按原书顺序处理。可按名称 / 图注搜索，或筛选「未解读」「已转写 · 待核对」。「选本页待解读」选中本页前四张未处理图片，不会自动提交或连续跑完全部图片。此操作会追加 canonical 图版本并使旧审校报告过期，不会改写原始 Markdown；PDF 中未作为附件保存的图片不在本功能范围内。
3. 摘要 / 图出现后，点图中节点查看详情卡片（完整内容）并定位原文，或点原文段落聚焦图中节点；
4. 在 「检索与学习」 切换「结构化检索 / 证据问答」：按关键词、类型、章节找节点，或直接向 canonical graph 提问；点击结果或引文会回到图文阅读，定位节点、关系与原文证据；
5. 在 「审校处理」 点「当前窗口体检」检查当前节点窗口，或点「AI 全图深度审校」以原文为证据审校全部节点与关系；「外部事实核查」另用外部证据核查原文本身。问题清单可跨组分批核实、预览后保存安全修复；「查看图文」回到阅读区核对。节点详情的「质疑此节点」和关系详情的「质疑此关系」直接进入对应提问框；
6. 在「审校处理」展开「章节与候选审核」，选择章节以筛选阅读区的图和原文；对候选实体 / 声明点「已接受」或「已驳回」，点击候选卡可回链原文证据；
7. 想继续扩展图：在「资料」粘贴下一段资料，点 追加拆分（或直接选中聊天消息里的文字自动追加）。新增节点与已有节点建立跨段关系，全文段落统一编号，历史记录原地更新；此前验证结果会自动标记为过期，可重新验证；
8. 用「历史」回看之前的拆分（自动保存最近 20 条，可单删 / 清空）；任务进行中关窗或刷新，重开窗口会自动恢复轮询；
9. 对话区切换到「轨迹知识图」标签页，点 拆解本会话轨迹 生成会话轨迹知识图；轨迹图也提供相同的结构化检索与证据问答入口；点击轨迹事件在图中聚焦节点，点击节点查看完整内容并滚动到对应事件；结果在切换标签页 / 刷新后自动恢复，拖拽中间竖条调两列宽度、拖拽下方横条调结果区高度。

核对图片解读结果

原图本身也是知识图节点。新生成的图片知识图或 Markdown 图会保存 image 来源节点；旧资料在「图文阅读」点击 打开图片节点，即可把已保留的图片加入 canonical 图并显示图片子图，不调用模型。重复打开不会重复建节点或增加图版本。第一次入图会增加版本，已有审校报告的版本状态随之更新，但不会改写原文或已有知识节点。

图片节点直接显示原图缩略图，可以放大查看；在图片详情中点击 定位图片节点，可聚焦该图片及其关联节点。视觉转写产生的内容节点通过 解读自图片（visual_source）连接到原图。未解读图片也能独立入图，但不会把附近正文自动认作图片内容。同名文件不是同一图片，不能按名称自动合并。

在「检索与学习」的节点类型筛选中选择 图片，可以检索全图中的图片节点并点击定位，不受当前图窗口限制。

image 和 visual_source 是受管理的来源记录，不扩大模型可生成的语义本体。来源连线不表示支持、因果或真实性认证，不能通过普通命题编辑、删除标签或关系合并来改写；内容节点改换转写来源后，对应连线会同步更新。图片节点和来源引用随完整 JSON 导出保留，图片字节仍由附件服务保存，不内嵌进 JSON。PNG 导出会嵌入已加载的图中缩略图；未加载的图片会明确阻止导出，需先查看相关图片子图。

在 图片解读与节点 点击一张图片，可放大原图、查看带段落编号的完整转写与识别疑点，再点击关联节点回到图文对照。节点数量来自完整 canonical 图，不受当前 800 节点窗口限制；没有抽出节点时明确显示「已保留转写，但没有关联节点」，不会把转写成功等同于建图成功。直接上传的图片也可在此核对。

• 「已转写 · 待核对」不代表图片内容已经正确识别，更不是人工确认。原图中的否定、脚注、单位、箭头方向和分组边界仍需核对。
• 在图片详情点击 核对转写，对照原图和完整转写，选择 与原图一致 或 发现转写问题，填写核对备注，再勾选 已对照原图检查转写内容 并点击 保存核对。发现问题时备注必填；原图未加载成功时不能确认。核对不会调用模型，也不会自动修正转写或节点。
• 图片清单和筛选会区分 待核对、人工核对一致 和 有转写问题。常驻 Web 的记录保存在独立 SQLite 表中，刷新后保留；动态 Host 的记录随当前 Host 生命周期保留。可点击 撤销核对 恢复待核对状态。原图、转写、图注或识别疑点变化后，旧核对会失效；其他节点的编辑不会把图片核对结果改成语义验证。
• 图片核对只记录用户对照原图后的判断，不等于节点或关系的真实性认证，不更改 canonical 图、原文、审校报告或图版本。不同窗口同时保存时会拒绝覆盖较新的记录；可点 刷新核对状态 后重新确认，未保存的备注会保留。
• JSON 语法错误、重复 / 缺失图片编号、非法内容单元、超出长度或数量限制、输出 token 耗尽及只有思考没有结果时，本次转写会整批拒绝。运行中的任务会带着校验反馈重新提交同一组原图，转写最多尝试 3 轮；每轮均计入模型用量，不会靠补标点、拼接残缺结果或静默截断来伪装成功。只有完整结果通过校验后才开始生成节点。
• 连续失败后会显示「图片视觉解读失败」及尝试次数，已有图、图片解读状态和勾选保持不变，可再次提交，或减为单张后重试。鉴权错误、不支持图片和任务取消不会因格式重试而重复调用。终态失败任务不会自动重启；运行期间刷新只重新连接原任务，不额外提交任务。读取图片结果失败时，可点「重试读取」；该操作不调用模型。
• 对已有知识图解读图片时，顶部显示任务进度，图文阅读、原图放大、检索和旧审校报告仍可浏览；「运行详情」保留完整进度和暂停操作。任务进行中或暂停时，改图、追加和新 AI 请求暂不可用，避免与待合并结果冲突。完成后自动更新已保存的图，不强制切换当前标签页。正文追加和关系补全也遵循这一方式；首次建图尚无内容时仍显示进度页。
• 放大原图后的「定位原书插图」返回原图在书中的位置，而不是追加的 AI 转写段落；查看转写时则使用其段落编号。

暂停与继续任务

常驻 Web 插件中，有持久化检查点的资料拆分、追加拆分和轨迹拆分任务提供 暂停任务，包括拆分后的关系补全与审校阶段。暂停会中断当前模型请求，保留已经落盘的内容块、并发待合并结果与关系候选；未完成的请求在继续时重试。

• 收尾期间显示「暂停中」，检查点保存并释放运行锁后才显示「已暂停」。保存失败会明确报错，不把未保存的结果当作成功暂停。
• 刷新页面或重启 DSH 后仍保持暂停，可在「未完成任务」列表点击 继续任务；后台自动恢复逻辑不会唤醒主动暂停的任务。继续仍校验原文、本体与知识图版本，不覆盖已被其他操作修改的图。
• 暂停与取消、删除相互独立。无持久化检查点的任务，以及最终结果正在提交的短暂阶段，不显示暂停按钮。已有图上的独立「持续补全关系」任务仍使用下节的「停止补全」和已保存游标恢复机制。
• AI 深度审校也可暂停：已完成的批次及其独立复核结果逐批落盘；暂停中止在途请求，重启后只有点击「继续审校」才会重跑未完成批次。继续时沿用原模型和审校输入，并检查知识图版本。取消审校不会伪装成暂停，也不能从已取消任务继续。
• 若审校完成时浏览器已关闭，报告仍保存在任务检查点中。「可恢复任务与报告」会显示尚未附加到知识图的报告，点击「保存审校报告」即可按原图版本提交；图已被修改时明确拒绝自动覆盖。已成功附加的报告不再出现在恢复列表。

持续补全关系

工作台的 生成并发 统一控制正文拆分、关系补全和关系审校，支持 1、2、4 路，默认 2 路；轨迹拆分仍保持串行。关系补全按固定分组顺序合并，每组完成即保存检查点；关系审校继续逐条验收完整证据，每批最多 16 条。遇到模型限流后，本次任务后续关系请求会降为串行，不通过缩减覆盖范围或跳过审校来提速。进度区显示后处理的并发上限、执行中请求数，以及已有的保存和审校进度。

未完成任务列表支持逐条删除：确认后清除该任务的拆分检查点和待合并结果，不删除已保存的知识图、原文或其他任务。删除不可撤销；后台任务运行或收尾时不允许删除，列表版本过期时需刷新后再次确认。

已有正文知识图至少包含两个节点时，可点击 继续关系检索（最多 N 批）。默认勾选「有上限连续检索」，预算为 3 批，可改为 1–20 的整数。Host 检索未覆盖主目标、独立审校候选关系，并分批保存；达到本次预算或本轮覆盖完成即停止，不再默认承诺持续到本轮完成。取消勾选则固定只检索 1 批；图已经连通也可以继续检索。

• 建图表单中的「关系批次预算」也约束首次抽取、正文追加和图片追加之后的关系检索，UI 默认 3 批；它不限制正文拆分或视觉转写等步骤。非法、空白、非整数或越界输入会提示并禁用对应提交按钮，提交回调也会在发请求前拒绝，而不是静默截断或修正预算。
• 一批不等于一次模型请求。 每批最多检索 4 组候选节点，可能另有重试、证据检查与逐条语义审校请求。批次预算不是 token、总模型请求次数或费用上限。
• 已有图的补全任务通过原文证据检查与独立语义审校后，将关系和检索游标一起保存。首次抽取/追加的候选检查点不等于正式图已保存：进度区明确区分「已记录检查点批次」与审校后提交的批次。
• generation.relationCompletion 与运行中的 progress.completion 记录 maxBatches、completedBatches 和 stopReason。budget_exhausted 表示达到本次预算，不表示本轮检索完成；coverage_complete 仅表示本轮主目标已经覆盖；single_batch 表示单批停止。旧记录缺少预算或停止原因时会明确标为未记录，不推断为完成。
• 关闭窗口或刷新页面不会停止 Host 中的任务，重开工作台会恢复进度。点击「停止补全」保留此前已保存的批次，当前未提交批次不会写入。
• 常驻插件使用 SQLite 保存游标。DSH 进程重启后，打开该历史知识图，再点击检索即可接着已保存进度执行；不会自动恢复付费模型调用。动态插件没有 SQLite 时，进程内状态不能跨进程恢复。
• 本轮主目标检索完即停止。覆盖完成不代表所有可能关系都已找到，也不证明哲学或其他语义正确；只有再次点击 新一轮检索（最多 N 批） 才会开启新一轮模型调用。合法的空关系结果也计入检索覆盖，不为凑数添加关系。
• 模型失败、审校不可用/未完成或知识图版本冲突会停止任务并提示原因。已经提交的结果保留，不会覆盖其他操作的修改；未通过独立审校的发现候选不进入 canonical 图，不能仅发一条 warning 就保留为正式关系。
• 首次建图的关系组若返回非法/未完成结果，会保留 v3 关系检查点并以 relation_weave_failed 停止任务，不能跳过缺失组进入后处理或发布正式图。恢复时只重试未完成的发现组，不重新支付已缓存成功组的发现请求；缓存候选仍须接受独立语义审校。合法 edges: [] 与真正孤立的有效事实不因此失败。
• 审校遇到明确的传输中断或临时服务错误时，等待 3 秒后重试原批次一次（限流等待 30 秒），等待期间可取消。仍失败则保存待审候选并显示实际原因；继续时先审这些候选，再检索剩余节点。认证失败不自动重试，语义驳回也不会通过反复重试变成接纳。

两种 Host 入口的 extract、append-extract 与 relation-retry 接受数值参数 relationBatchBudget（整数 1–20，非法值在模型调用前拒绝）。省略时，初始抽取/追加 API 默认 1 批；relation-retry 的 continuous: true 默认 3 批，其余默认 1 批。UI 显式传入所选整数，取消连续模式时传入 1。relation-retry 仍须传入 documentId 和当前 expectedRevision，省略 continuous 时保留单批默认行为。

结构质量诊断与只读内容层

结果上方非折叠区域显示 结构质量诊断：正文节点/关系数、孤立节点及比例、最大连通簇大小及比例、孤立概念锚点、背景说明节点数和本轮关系检索覆盖。孤立概念可定位回原文核查。这里有三类不同问题，不能互相代替：

1. 确定性抽取验收：节点与边的格式、引用、证据定位等机器可检验约束。
2. 结构质量：图是否碎片化、概念锚点是否孤立、重点检索主目标是否尚未覆盖。
3. 语义正确性：命题与关系是否确实由原文支持，是否把同主题、类比或条件规则误当作互推或物理因果。

因此，「确定性错误 0」不意味着图结构健康；「暂无结构警报」不是语义认证；「本轮检索已覆盖」也不等于所有关系已找到。结构提示是建议，不阻止合法独立事实保存，不要求强行连通，不按同主题自动添加边。正文至少 8 个知识节点时，孤立比例达到 40% 或最大连通簇不足 20% 会提示碎片化；孤立概念锚点另行提示。这些阈值不是验收门槛。

诊断来源明确区分：

• graph.graphStructureQuality 是 Host 对当前载入版本的 完整 canonical 图生成的诊断；历史转发为 graph.view.graphStructureQuality 的形态也兼容。它不受 800 节点窗口、章节筛选或画布显示层影响。
• generation.structureQuality 是生成时快照，不是编辑后的当前图实时诊断。旧 Host 未提供全图诊断时，只有确实完整加载的图才能在客户端只读计算；截断窗口或查询子图只显示快照标签，或明确提示全图尚未评估，不用窗口中的孤立比例评价全图。
• 检索覆盖中的 totalTargets、searchedTargets、remainingTargets 指被作为重点检索主目标的记录，不是曾进入模型上下文的节点数；旧记录可能包含背景说明目标，不能直接等同于正文节点数量。缺少/不一致的覆盖记录表示未评估，未知计数不是 0；complete 仍不证明语义正确。

画布上方的 图谱显示层（只读） 提供「全部」「正文知识」「版本与来源说明」，默认全部。仅筛选 GraphCanvas 的展示，不改变原文、本体、检索/编辑使用的 canonical 数据，不把投影写回知识图；边的选择、质疑和删除仍映射回原来的边对象及索引。正文与背景间的跨层边只在全部层同时呈现两端时显示。图像节点不参与知识结构连通性指标，但显示层保留属于该层的原图节点对象。原文点击、外部定位或定位被筛选隐藏的节点会恢复全部层；普通可见画布节点选择不会重置所选层。

内容层优先使用合法 contentLayer: "main" | "source_context"。旧图没有显式标记时，按所属章节与明确的编辑说明标题保守识别，例如「版本说明」「底本说明」「校勘说明」「转写说明」「来源说明」；普通正文中出现「版本」「来源」「年代」等词，以及笼统的「序言」，不自动归入背景说明。旧图默认全部展示，不自动迁移、删节点或改正文/本体。

无密钥 UI 回归见 kg-generation-structure-ui-smoke.mjs：直接读取客户端源码，用 stub h、只读 source helper 和 inert Host 执行快照与回调断言，不依赖生成 bundle、模型密钥或真实模型调用。

node scripts/kg-generation-structure-ui-smoke.mjs

知识图消费层

前端使用

生成正文知识图或轨迹知识图后，下方会出现共享的 「使用这张知识图」 面板：

1. 结构化检索：输入关键词，并可叠加节点类型与章节筛选；返回列表只表示直接命中，关系邻居保留在响应子图中作为上下文，不会伪装成直接命中。
2. 证据问答：输入自然语言问题，Host 先做有界节点召回、最多两跳关系扩展和原文段落 fallback。模型先写简洁解释，Host 逐句检查证据 ID、词汇与数值，再单独调用模型核对每个命题是否被所引原文支持；未通过的句子退回原文摘录。answered、insufficient、out_of_scope 都是成功的语义结果。
3. 点击检索结果或回答 citation 会同时聚焦节点与原文。若目标节点不在当前 800 节点窗口，Client 会调用 document-load({ query: nodeId }) 加载该节点及其邻居后再定位，而不是把“当前没渲染”误判为“图中不存在”。
4. 面板的错误、任务轮询与取消状态独立于抽取/验证面板，不会覆盖父工作台的错误提示。

graph-query：有界结构化检索

动态插件调用 host.call('graph-query', body)；常驻包调用 POST /api/dsh-knowledge-graph/graph-query。公开请求以 logical document 为边界：

{
  "documentId": "document_xxx",
  "expectedRevision": 4,
  "query": "断点恢复",
  "nodeIds": [],
  "types": ["fact", "rule"],
  "relations": ["supports", "causes"],
  "sectionIds": ["section-2"],
  "groundingStatuses": ["grounded"],
  "entailmentStatuses": ["verified", "uncertain", "unverified"],
  "limit": 20,
  "hops": 1,
  "direction": "both",
  "maxNodes": 80,
  "maxEdges": 240
}

• nodeIds / types / sectionIds / groundingStatuses / entailmentStatuses 是 hard filter；非法枚举返回 typed invalid_input，不会静默丢弃后退为全图查询。
• types / relations 按文档自身的 canonical 本体校验。《学习观》文档可筛选 connection_model / factor_material 等 18 类材料及 maps_between / states_mapping 等 21 类关系；未标本体的旧文档仍使用命题本体。受管理的 image / visual_source 在两种模式均可筛选。请求自带的 ontology / graph 不能替换已保存文档的本体；常驻校验与检索共用同一个 SQLite 读取快照，非法值或超过 40 项的列表整体拒绝。
• relations 限制返回/扩展的关系类型；direction 为 both | in | out。relations 也可单独作为 selector：Host/SQLite 会先从匹配关系的端点播种直接候选，而不是从文档开头任取节点；没有匹配关系时返回空结果。存储边方向不等于模型输入/输出角色：maps_between 的角色仍由 role 记录，缺失角色不会被推测补齐。
• matches 只包含直接命中；graph.nodes/edges 还可包含 0–2 跳邻居。直接命中的原文单元优先于邻居证据进入预算，预算截断量通过 metrics.sourceRefsOmitted 暴露。
• 关键词也检索 connection_model.modelStructure 已记录分支的 condition / mapping / boundary 文本，不要求把条件复制到模型标题。只解析通过形状契约的上述文本，不搜索来源备注、实例、任意扩展字段或 JSON 序列化内容；未知角色、假设、错误示例和冲突来源仍可被发现，不因此获认证。命中记录的 modelFieldMatches 最多给出 8 个分支/字段位置及声明的来源种类，余量明确，basis: recorded_text_not_applicability；部分关键词跨字段命中不变成完整短语或条件满足证明。现有客户端可以据关键词找到模型，但本轮没有新增字段命中高亮界面。
• 响应包含 documentId、revision、matches、有界 graph、可回链 sourceUnits 和 metrics，不返回完整 sourceText。动态与常驻模式都对公开 node/edge/evidence 做字段与长度投影，sourceUnits 不再重复携带 quote 数组，并对聚合上下文设置硬 envelope；metrics.contextChars/contextBudget 可用于观测。
• 检索中的文档、节点、端点、来源、块及章节 ID 是不透明身份，完整保留，不按 160 字前缀合并或定位。超长身份使直接记录、来源元信息或公开响应超过既有预算时返回 limit_exceeded，不改变正式存储，也不返回看似可用的截断身份。此保证限于消费检索与问答读取，不扩大其他学习或写入 API 的身份长度契约。
• 引用及后续问题也保留完整目标 ID；问题中的 ID 以 JSON 字符串表示，不删除中文或特殊字符。完整身份不能放入 600 字问题预算时，省略这条后续问题，不使用短前缀或无法绑定目标的相对指代。
• 当前硬上限：查询 600 字、直接命中 40、节点 160、关系 480、跳数 2、原文单元 80、原文文本 24000 字；graph context 另有约 384000 字 envelope。调用者给出更小的 maxNodes/maxEdges 时也会严格遵守。
• modelContexts 是单独的有界模型记录，最多检查已返回节点中的 8 个模型，合计不超过 48000 字且不扩大原有总 envelope。recorded_core 仅表示记录的独立槽位和全部条件分支已读取、身份与引文可在同一 canonical 快照内匹配，不是语义正确、事实成立或掌握证明。同一概念的多个槽位、未知角色、单位、时间状态、内容身份、限定语和 source/user/AI/unknown 来源保持原样；概念引用不占用或扩大 graph.nodes 的窗口。具体实例不在这个核心投影内，examplesIncluded: 0 / examplesOmitted 只说明核心范围，完整实例仍从模型详情读取。
• modelExampleContexts 单独读取已返回完整核心的成对实例，最多 8 条，每个模型按存储顺序检查前 2 条；合计最多 12000 字，与核心共用原有总预算。情境、独立槽位绑定、分支、过程和来源整条保留，单条超过 8000 字或预算不足则整条省略，不裁掉必要输入。全局与分模型计数区分包含、省略、实际检查、无效引用和预算省略；未检查的实例不能假定有效、覆盖全部分支或不存在。核心未读取时不返回无法解释角色的实例。
• 实例 fieldCheck 只报告缺失绑定、未知角色、未指定分支和过程是否已有文字，basis: recorded_fields_not_applicability，不判断条件满足、单位相容、计算正确或事实成立。source/user/AI/unknown 是声明的材料来源，不是观察结果认证；source 引文也必须在同一快照的实际原文中完整匹配才有引用入口，超出引用长度的引文不经截断获权。问答把实例与其完整核心作为一条 JSON 接纳，若放不下可保留完整核心并明确省略实例，不混配模型；这些已含输出的材料不是未见题或新情境验证，也不自动写学习记录。
• 单个核心超过 12000 字、引用失效或整体预算不足时，不裁掉必需输入、分支或限定语：分别返回 omitted_budget / invalid，没有结构则为 not_recorded；超过 8 个的模型通过 omittedModels 报告。字段来源引文补入实际原文读取，只有 source 身份及当前返回原文中的匹配引文可进入问答引用目录。个人或 AI 字段不能独立成为来源证据。问答的 24000 字提示词预算也按整条模型 JSON 接纳或省略，并单独说明省略量，不执行公式、逆推或模型链。
• 常驻模式在 SQLite 中一次查询就完成候选排名、关系扩展、精确 document_units 回填和可选 source fallback，不再先查 SQLite、再把结果交给 Host 做第二次检索/重组。词汇候选和 source fallback 使用 keyset 分页，避免随页码增长的 OFFSET 重扫；queryId 包含全部规范化 selector 与有效预算。
• 结构化分支搜索用同一快照内的分批模型候选和有界排名；不把仅被检查、没有文本命中的模型计入词汇候选总数。整图搜索及 canonical 类型/章节/状态筛选保持，超过首个候选页的精确匹配仍可排在前面；不新增数据库迁移或长期索引副本。
• expectedRevision 与 canonical revision 不一致时返回 revision_conflict，避免把旧 UI 状态与新图混用。抽取、重新抽取、追加与 checkpoint 恢复也会记录启动时 revision，并在发布 canonical replacement 时执行同样 fencing。
• 新 SQLite 连接若未设置锁等待，默认提供 2000 ms 的有限 busy_timeout，在建表与迁移前生效；调用者明确设置的非零超时保持不变。短时独立读写锁可等待释放，但持续锁仍报错并回滚，原始 revision 条件不自动刷新，不在应用层反复重放写入；不更改日志模式或降低持久化门禁。

answer-graph：canonical graph + 原文证据问答

answer-graph 是异步任务，复用既有 task-status / task-cancel：

{
  "documentId": "document_xxx",
  "expectedRevision": 4,
  "question": "为什么检查点能够支持断点续跑？",
  "types": [],
  "sectionIds": [],
  "hops": 1,
  "model": { "provider": "...", "model": "..." }
}

启动响应：

{ "taskId": "kg_xxx" }

任务完成后的核心结果：

{
  "status": "answered",
  "answer": "根据这份资料：\n恢复要依靠检查点。",
  "answerStyle": "natural",
  "parts": [
    { "id": "part-1", "text": "恢复要依靠检查点。", "evidenceIds": ["ev3"], "mode": "natural" }
  ],
  "citations": [
    {
      "id": "ev3",
      "targetKind": "node",
      "targetId": "n12",
      "nodeId": "n12",
      "paragraph": 8,
      "quote": "恢复依赖检查点。",
      "groundingStatus": "grounded",
      "entailmentStatus": "unverified"
    }
  ]
}

安全与可信边界：

• 图片请求在 Client 与 Host 双侧限制为最多 4 张、单张 6 MiB、合计 16 MiB，并只接受 PNG / JPEG / WebP / GIF。Host 在任务发布前解码 canonical base64 并调用 DSH attachments.saveImages()；之后任务、checkpoint、canonical graph、task-status 与 SQLite 都只保留不可变 attachment ref / 元数据，不持久化原始 base64。
• 插件会在调用 saveImages() 前预检已明确声明为仅文本的模型，避免这类确定性失败写入附件。DSH 当前公开附件契约是持久化、内容寻址存储且没有插件可调用的删除 API；因此能力未知的模型、模型超时或视觉 schema 失败发生在 admission 之后时，底层附件的保留周期由所配置的 DSH attachment backend 决定。对敏感图片应同时遵循该 backend 的留存 / 清理策略。
• image-load 不接受任意 attachment id：它先按 documentId（及可选 expected revision）加载 canonical source，再确认 imageId 确实属于 source.visualSource.images，最后才读取有界图片字节。公开 graph 可包含 attachment ref 以保留证据来源，但不直接包含像素字节。
• image-inspect 是只读接口，必须提交匹配的 expectedRevision，并检查图片的文档归属。它返回该图片的转写和每页最多 50 个关联节点，不包含原始图片字节，不调用模型，也不改变图谱或审校状态；版本冲突时拒绝混合旧图片与新节点结果。
• 图片证据的可回链文本来自模型生成的 immutable 视觉转写。Host 仍会对节点 quote 与该 canonical 转写做确定性认证，但这只能证明节点忠于“转写”，不能证明转写忠于像素；UI 因此同时展示原图、图片段落范围和风险提示，要求人工复核关键证据。
• image-load 与其他 canonical document API 一样依赖 DSH Web 的同源 / 工作区信任边界；documentId 是高熵随机 UUID，但不是多租户授权令牌。不要把同一 DSH Web origin 暴露给互不信任的租户；Chrome 扩展的 /dsh-kg allowlist 不开放 image-load。
• 对带 documentId 的请求，Host/SQLite 只从服务端加载 canonical graph 与 source；客户端提交的 graph / text 不会成为事实源。
• Host 在调用模型前，从已认证 node evidence、edge evidence 和 source paragraph fallback 中预分配最多 24 个 evidenceId。模型只能返回 parts[].evidenceIds，不能自行声明 nodeId/paragraph/quote。
• Host 丢弃未知 evidenceId、与命题词汇无关的 evidenceId、引文中不存在的新数字，以及没有合法证据的 answered part。通过初筛的草稿会接受一次单独的逐句语义核验：核验输入只含问题、草稿和对应的已认证原文 quote；只有核验明确判为 supported 且返回的 evidenceId 属于该草稿时，模型写的自然解释才会展示。核验缺失、格式错误、拒绝或超时时，该 part 只展示 Host 从已认证引文生成的原文摘录，标记为 extractive；所有 part 都无法准入时降级为 insufficient。answerStyle 区分 natural、mixed 和 extractive，每个 part 保留 mode 与回链引文。Host 在回答外统一注明“根据资料”，不把 grounded 或模型自评置信度当作外部事实验证。insufficient/out_of_scope 只返回固定语义文案；追问查询由 citation target ID / paragraph 确定性生成，界面只展示人可读的段落标签。
• targetKind=node | edge | source 分别支持节点命题、关系命题和图覆盖不足时的原文段落证据。关系结论可直接引用 edge evidence，而不是只拿端点节点充当关系证明。
• groundingStatus=grounded 只表示 quote 可回到 canonical 原文，不等价于外部事实已证实；外部真实性仍应使用「外部事实核查」。entailmentStatus 会原样进入 citation，UI 不会把 unverified/uncertain/unsupported 包装成已验证事实。
• 原文中的 prompt injection 文本在问答提示中明确标记为待分析数据；输出仍经过严格 JSON 解析、evidence-ID admission、长度和数量上限。
• 每次模型调用都执行真实 wall-clock deadline，计时覆盖 llm.stream() 建立连接和完整异步迭代；生成阶段超时以 typed timeout 失败，独立核验阶段超时则退回原文摘录，取消均以 cancelled 结束。即使 provider 忽略 AbortSignal 或 iterator.return() 不返回，任务也会立即释放前台 busy 状态，晚到 iterator 会在进入 next() 前被幂等关闭，部分输出不会发布。运维/回归可用 DSH_KG_MODEL_TIMEOUT_CAP_MS（最小 20ms）把各调用点原有 deadline 统一下调；未设置时保留各阶段既有预算。

Chrome 扩展（划线拆图）

在任意网页上选中文字，点浮动按钮「拆成知识图」，一键调用本机 DSH 服务生成知识图（弹窗内可直接拆分、看图、回链原文）。

• 源码在仓库 extension/ 目录，零依赖打包：viewer.js 由 scripts/build-viewer.mjs 从 src/index.client.js 切片生成（d3/*.js 为内嵌 d3 模块的独立文件——MV3 扩展页禁止 eval，popup 用 <script src> 预载后 viewer 自动走全局 d3 快速路径），修改源文件后运行 node scripts/build-viewer.mjs 重新生成。
• 安装（二选一）：
  1. 拖一个文件（推荐）：Chrome 打开 chrome://extensions → 开启右上角「开发者模式」→ 把 dist/dsh-knowledge-graph.crx 直接拖进页面 → 点「添加扩展程序」。首次会提示"Chromium 无法验证此扩展程序的来源"，属正常（未上架商店），照常使用。
  2. 加载文件夹：「加载已解压的扩展程序」→ 选择本仓库 extension/ 目录。
  • 注意 Chrome 137+ 品牌版不支持 --load-extension 命令行加载（Chrome for Testing / Chromium 等未品牌化构建仍支持）。
• 重新打包（源码更新后想继续用 crx 分发）：扩展私钥不能放在仓库里。将它保存在仓库外（默认建议 ~/.config/dsh-knowledge-graph/extension-signing.pem，权限 0600），然后通过环境变量传给打包脚本：

  npm ci --prefix scripts/signing --ignore-scripts
  export DSH_KG_EXTENSION_KEY="$HOME/.config/dsh-knowledge-graph/extension-signing.pem"
  npm run pack:extension

  私钥必须已经存在；脚本不会在缺失时自动生成新密钥。扩展 ID 由它派生，换密钥会改变 ID 并使旧安装失效。不要把私钥复制到 dist/ 或提交到 Git。脚本写入 dist/dsh-knowledge-graph.crx 和 dist/extension-release.json，逐文件校验 CRX 内部载荷与 extension/ 一致。CI 用 Python 3 复核载荷、版本和 SHA-256 发布记录，不需要私钥。

• 依赖：本机需运行 dsh web 且插件版本包含 /dsh-kg 扩展端点（常驻安装需先更新插件并重启 dsh web）。端点默认只接受本项目新 CRX 的扩展来源 chrome-extension://kffpcpfkpmfkicdnlckdphiplnhlbkof；若使用「加载已解压」导致扩展 ID 不同，启动 dsh web 前设置 DSH_KG_EXTENSION_ORIGINS=chrome-extension://你的扩展ID。只有显式设置 DSH_KG_ALLOW_LOCAL_ORIGIN=1 时才额外允许 localhost/127.0.0.1 来源，并返回 PNA 预检头；空 Origin 和任意其他扩展来源都会被拒绝。扩展路由还使用 endpoint allowlist，只开放 extract / task-status / task-cancel / list-models，不会暴露 document-load / graph-query / answer-graph / graph-commit 等 canonical 文档接口。
• 数据流：内容脚本（任意页面）→ chrome.runtime.sendMessage → Service Worker 写入 chrome.storage.session 并 chrome.action.openPopup()（Chrome 127+）；弹窗读取选中文本后调用 http://127.0.0.1:3080/dsh-kg/extract，轮询 task-status 渲染知识图。DSH 服务地址可在弹窗底部修改并记忆（chrome.storage.local 的 kgBase）。

架构

┌─────────────── Host（Node 进程） ───────────────┐   ┌────────── Client（浏览器）──────────┐
│ extract / append-extract / task-status /        │   │                                      │
│   trajectory-extract / trajectory-status        │   │  浮动窗口（shell.overlay）           │
│   verify-graph (quick/standard)                 │   │    输入区（可收起）                  │
│   question-graph (node/edge/graph)              │   │    原文 ⇄ 知识图（宽高可拖）         │
│   fact-check (quick/deep, wikipedia evidence)   │   │    验证与质疑面板 / 修复应用 / 审计   │
│   graph-query / answer-graph (evidence IDs)    │   │    结构化检索 / 证据问答消费面板       │
│   split paragraphs (numbered)  ───────────────►│   │    外部事实核查面板                  │
│   serializeTrace(会话事件) ───────────────────►│   │    历史 / 诊断 / toast(悬浮)         │
│   append: 已有图节点清单注入提示词 ────────────►│   │  全局侧栏「知识图」按钮 + run 卡片启动条│
│   batches → llm.stream (typed retry ×2)        │   │  会话标签页「轨迹知识图」                 │
│   schema validate → merge (dedupe/warnings)    │   │    轨迹 ⇄ 知识图双向定位            │
│   task Map; busy lock; 2h purge                │   └──────────────────────────────────────┘
└────────────────────────────────────────────────┘

关键设计

• 内容单元编号即锚点：Host 与 Client 用同一算法先把每个空行块做结构分类（标题 / 列表 / 对话 / 表格 / 代码 / 引用 / 普通叙述），再按结构切分编号单元——标题与列表项各自成单元、对话每轮成单元、引用与代码按行组织；普通叙述按话题转换标记（但是/因此/例如…）与词汇话题漂移分组，组满约 120 字、单句超 180 字时按句边界/软标点继续拆，避免一个长单元挂太多节点标签。提示词要求每个节点直接汇报出处的单元编号；客户端据此确定性映射内容单元，不再依赖 LLM 逐字复述原文。
• 多批次全局重编号：每个批次的 AI 都从 n1 开始命名节点，Host 在合并前无条件重编号冲突 id 并同步重写边，避免长文档后续批次的节点被当成重复 id 丢弃。
• Evidence 自带 provenance，且关系证据必须证明关系本身：节点与关系的 canonical evidence 统一为 evidence[{ documentId, sourceId, chunkId, paragraph, quote }]。Host 在写入门重新验证 quote 确实存在于对应 source unit，并按 paragraph 对应的 source-version/chunk 补齐 provenance；无法认证的 quote 不会被包装成 evidence。相同 Node/Edge 在后续 source-version 再次出现时会合并 evidence，而不是丢掉后来的证据。仅仅证明两个端点分别出现过，不足以证明 supports / causes / infers 等 relation。
• 消费 API 只读 canonical、单次查询、输出有界：带 documentId 的检索/问答请求由 Host memory 或 SQLite 加载 canonical state，并用 expectedRevision 做 fencing；SQLite 一次完成 type/section/status/text 预过滤、全候选评分、有索引的 from/to relation 扩展、精确 source-unit 回填与可选 fallback，不再进行 SQLite → Host 双重检索。词汇候选按 (paragraph,node_id)、原文单元按 paragraph 做 keyset 分页并只保留 bounded top set，因此不会因为前 600 个常见词候选遮住后文精确命中，也不会因越来越大的 OFFSET 反复跳过旧页。响应把直接 matches 与扩展 graph 分开，优先保留直接证据，并限制节点、关系、evidence、原文及聚合 context envelope。
• 回答按 evidence ID 逐片段准入：Host 先认证节点、关系和 source fallback evidence，再分配不可由模型伪造的 evidenceId；模型输出 parts[{ text, evidenceIds }]，Host 逐 part、逐句过滤未知/空引用，并用确定性词汇支撑、否定极性与 authority-status gate 拒绝「真实 ID + 无关/反向命题」、跨句限定词泄漏及未限定的未验证声明；通过后也不采用模型自由文本，而是从认证证据确定性渲染 part，再自行拼接最终 answer。这样 citation 不是事后给整段自由文本挂一个装饰性链接，而是每个被接纳命题的结构化准入条件。
• 生成即验收（Generate → Verify → Repair → Accept）：validateGraphInvariantsHost() 是生成与快速体检共用的 deterministic truth gate。每个 batch 在 merge 前都会经过 schema normalize + invariant 检查；blocking invariant 会把 typed 错误回灌给模型做定向重试（最多 3 次），paragraph 等可确定问题由 Host 安全修复，最终仍不合格的边可安全省略，但无法安全修复/锚定的节点会让任务以 invariant_violation 显式失败。所有 batch merge 完成后还会再做一次整图 gate，只有 invariantErrors=0 才能写入 canonical graph / SQLite。生成审计同时统计 evidence-backed / candidate / unsupported claim；没有可认证 quote 的声明不会被标成 grounded。
• Anchor / Evidence / Semantic Entailment 明确分层：paragraph 只是 anchor，不能等价于 claim evidence。可在 source 中认证的 quote 才使节点进入 groundingStatus=grounded；只有 anchor、没有 evidence 的节点为 candidate，伪造/无法认证的 quote 为 unsupported。语义蕴含另由 entailmentStatus=verified|unsupported|uncertain|unverified 表示；当前 deterministic gate 只认证 provenance，不会因为 quote 存在就声称“节点 text 已被语义证明”。快速体检分别显示锚点覆盖、证据覆盖和语义已验证比例。
• typed 失败、不静默：CLI/进程失败、非 JSON、schema/invariant 不合法、队列忙碌、无模型等情况都有明确原因码与中文文案；无法安全修复的语义状态不会伪装成成功。
• 不猜偏移：锚点解析失败时节点在图/原文间不可回链，但绝不臆造偏移，统一暴露在诊断列表（anchor_unresolved:node:...）中。
• 轨迹图与正文图共用同一 canonical 生命周期：会话执行轨迹序列化为编号内容单元（用户消息 / 工具调用 / 工具结果 / AI 回复），每个事件记录 [start, end) 偏移。轨迹首次拆解产生 documentId/revision/sourceId；后续 append 只提交 sessionId + documentId + expectedRevision，Host/SQLite 读取完整 canonical graph 与持久化的 traceText/traceEvents 后增量追加。浏览器 localStorage 只保存轨迹 documentId/revision 引用，不保存整图/全文，因此 >800 节点重复追加也不会把不可见节点当作不存在。
• 增量合并（追加拆分）：追加时把已有图的节点清单注入提示词，AI 只产出新节点、并通过引用已有节点 id 建立跨段关系边；宿主负责新 id 重编号（避开已有）、单元号偏移（对齐全文编号）与语义去重。同一 canonical Node/Edge 再次出现时会合并新的 provenance-rich evidence；append 始终受 base revision fence 保护。
• 验证以原文为唯一事实源：快速体检在 Host 本地执行（与 Client 同一套锚点匹配算法）；深度审校按内容单元分批、每批只审相关子图，标准档先产生候选问题再由复核员二次过滤；无原文证据、置信度不足或目标不存在的 issue 在 Host 层直接丢弃。常驻 Web 插件的审校请求在较大时用 gzip 传输，不丢弃节点或关系；Host 分别限制压缩请求与解压后的 JSON 大小，并对超限返回明确错误。单次验证最多接纳 2000 个节点。
• 修复不静默、可审计：AI 只提建议，用户点「采纳」才应用补丁；一键修复批量应用全部可自动修复项；每次应用写 graph.verification.auditLog。窗口化以后浏览器不再分配连续 canonical node id：新增节点使用 node_<UUID>，Host/SQLite 仍会拒绝不可见节点 ID 碰撞。merge_nodes 通过 semantic operation merge_node(from→into) 交给 Host 在完整 canonical graph 上执行，因此窗口外 incident edges 会被重定向而不是静默删除。所有提交都受 expectedRevision + invariant gate 保护；blocking 修改返回 invariant_violation，并发冲突返回 revision_conflict。
• 任务可观测、有 deadline、可即时取消：进度实时可见（阶段 / 已运行时长 / 已接收字符 / 警告），所有长任务都有取消按钮。模型调用的 wall-clock deadline 同时覆盖 stream acquisition 与完整 iteration；timeout 与 cancelled 使用独立 typed 状态。取消 hook 在操作完成后移除，各 runner 在 finally 清理 activeTask；即使 provider 不合作，前台任务也不会被永久占住。
• 逐内容块无损 checkpoint：每个成功 chunk 都保存 nextBatchIndex、截至当前的完整语义图和任务启动时冻结的 baseRevision；append 还保存 baseSource / baseStaging。trajectory checkpoint 额外保存 traceEvents 与追加时的 baseTraceText/baseTraceEvents。无论通过 /extract 提交 checkpoint，还是 Host 重启后走 /resume-extract，恢复前都必须确认 canonical revision 仍等于该 frozen base；旧 checkpoint 不会被重新绑定到新 revision。常驻 /extract 还会在异步 revision lookup 前原子占用 busy slot，两个并发请求不能同时入场。已完成 batch 不重跑；checkpoint v2 不按 800 节点截断，并由 Host/SQLite 持久化；确定性失败不会自动续跑。
• 拆分后关系补全逐组恢复：每个通过确定性检查的关系组（包括有效空结果）保存到独立的 checkpoint.relationWeave 候选记录，绑定原文、基础图、本体与分组计划。Host 重启后按 runId 恢复，只重试未保存的组；写入失败立即终止，不把内存进度显示成已落盘。候选不会提前覆盖正式图，恢复后仍需独立语义审校。进度区和未完成任务列表显示已落盘组数。旧检查点兼容，但无法追溯修复前从未保存的关系候选。scripts/kg-weave-recovery-smoke.mjs 使用真实子进程强制终止、SQLite 写入失败及检查点篡改验证这些边界。已生成图上的持续补全仍按检索与审校完成的轮次提交正式图。
• 800 是视图预算，不是知识上限：Host/SQLite 保存全量 canonical graph；常驻模式的 document-load 直接在 SQLite 执行 LIMIT/OFFSET，子图查询只读取直接命中节点、bounded incident edges 与一跳邻居，不再先把整图 materialize 到 Node 内存。浏览器一次最多加载 800 个节点，提供上一页 / 下一页 / 指定页跳转与按节点 ID、文本、类型或章节查询。JSON/CSV 完整导出仍显式读取 canonical graph。
• 章节 / 候选审核视图：章节筛选只改变当前浏览器结果视图，不修改原始图；候选状态以 documentId | kind | nodeId 稳定键保存，保留原文 evidence 和回链能力。
• SQLite 候选层：src/kg-store.mjs 把图结果写入文档 / chunk / node / edge 表，并按节点类型生成带 evidence 的候选实体与候选声明；canonical revision 提交时会删除已经失效的候选，同时用稳定 candidate id 保留仍存在候选的 accepted/rejected 状态。用户也可以通过 CLI 更新审核状态。
• 可插拔声明抽取器：Host 可选读取 kgExtractor 服务；它实现 extractChunk(input)，输入一个自有 JSON 内容块和已有节点 id，返回标准图对象或 JSON 文本。未提供时自动回退到当前 LLM 路径，因此动态插件和常驻包都不增加硬依赖。

数据契约

KnowledgeGraphDto { summary: string, source?, staging?, nodes[], edges[], warnings[], generation?, verification? }
GenerationAudit { invariantVersion, status: 'succeeded' | 'succeeded_with_warnings', invariantErrors: 0, sourceAudit, retryCount, collapseRetryCount, autoRepairCount, autoRepairs[], initial: { nodes, edges }, coverage: { attemptedBatches, repairedBatches, addedNodes, addedEdges, prunedNodes }, connectivity?, grounding: { groundedNodes, candidateNodes, unsupportedNodes, evidenceBackedClaims, candidateClaims, unsupportedClaims, entailmentVerifiedNodes, entailmentStatus } }
Source { id, documentId, title, chars, paragraphCount, chunkCount, sectionCount, sections[] }
Staging { sourceId, documentId, chunkCount, chunks[] }
Evidence { documentId, sourceId, chunkId, paragraph, quote }
Checkpoint { version: 2, taskKind, sourceId, documentId, baseRevision?, baseSource?, baseStaging?, traceEvents?, baseTraceText?, baseTraceEvents?, nextBatchIndex, totalBatches, graph /* 无损 */, staging }
GraphView { nodes[<=800], edges[], view: { kind: 'window' | 'query', nodeOffset, nodeLimit, totalNodes, totalEdges, truncated, query?, matchedNodes? } }
GraphQueryResult { documentId, revision, query, matches[{ nodeId, score, reasons[] }], graph /* 有界直接命中 + 邻居 */, sourceUnits[], metrics }
GraphAnswerResult { status: 'answered'|'insufficient'|'out_of_scope', answer, parts[{ id, text, evidenceIds[] }], citations[{ id, targetKind: 'node'|'edge'|'source', targetId, paragraph, quote, ...provenance }], supportingNodeIds[], retrieval }
GraphOperation { kind: 'merge_node', fromNodeId, intoNodeId }
EntityCandidate { id, documentId, nodeId?, text, type, status: 'candidate' | 'accepted' | 'rejected', evidence[] }
ClaimCandidate { id, documentId, nodeId?, text, type, status: 'candidate' | 'accepted' | 'rejected', confidence?, evidence[] }
ExtractionRun { runId, documentId?, sourceId?, status, nextBatchIndex, totalBatches, checkpoint }
GraphExtractorService { extractChunk({ title, chunk, paragraphOffset, existingNodeIds, prompt, attempt }) -> KnowledgeGraphBatch | JSON }
Node  { id, type, typeLabel?, text, quote?, paragraph?, evidence?: Evidence[], groundingStatus: 'grounded'|'candidate'|'unsupported', entailmentStatus: 'verified'|'unsupported'|'uncertain'|'unverified', documentId?, sourceId?, chunkId?, sectionId?, sectionTitle? }
Edge  { fromNodeId, toNodeId, relation, relationLabel?, evidence?: Evidence[], documentId?, sourceId?, chunkId? }

GraphVerification {
  lastReport?: VerificationReport,
  stale?: boolean,
  auditLog?: [{ ts, action, targetId, detail, reportId, before?, after? }]
}
VerificationReport {
  reportId, mode: 'quick' | 'standard' | 'question',
  createdAt, model?, scope: { kind: 'full' | 'node' | 'edge' | 'graph', ids[] },
  summary, metrics: { checkedNodes, checkedEdges, errorCount, warningCount,
                     suggestionCount, anchorCoverage, evidenceCoverage,
                     entailmentCoverage, paragraphCoverage },
  issues: Issue[]
}
Issue {
  id, source: 'local' | 'ai' | 'question',
  severity: 'error' | 'warning' | 'suggestion',
  category: 'grounding' | 'type' | 'relation' | 'duplicate' | 'contradiction'
          | 'completeness' | 'summary' | 'other',
  targetKind: 'node' | 'edge' | 'graph', targetId: string | null,
  title, detail, evidence: [{ paragraph?, quote? }],
  confidence: 0..1,
  proposedFix: { action: 'none' | 'update_node' | 'delete_node' | 'add_node'
               | 'update_edge' | 'delete_edge' | 'add_edge' | 'merge_nodes'
               | 'update_summary', nodePatch?, edgePatch?, mergeIntoId?, summaryPatch? },
  status: 'open' | 'accepted' | 'rejected' | 'applied'
}

FactCheckState { lastReport?: ExternalFactCheckReport, stale?: boolean }
ExternalFactCheckReport {
  reportId, mode: 'quick' | 'deep', createdAt, model?,
  summary, metrics: { totalClaims, supported, contradicted,
                     partially_supported, insufficient, unverifiable,
                     out_of_scope, supportedRate },
  claims: ExternalClaim[], warnings?
}
ExternalClaim {
  id, nodeId?, kind, paragraph?, quote, claim,
  checkworthy: 0..1,
  verdict: 'supported' | 'contradicted' | 'partially_supported'
         | 'insufficient' | 'unverifiable' | 'out_of_scope',
  confidence: 0..1, rationale?, correction?,
  evidence: [{ id, provider: 'wikipedia' | 'rules', url?, title?,
               snippet, domainAuthority }],
  evidenceQuote?, status: 'open' | 'accepted' | 'rejected'
}

• 8 类节点 wire 类型与 12 类关系边见上文。
• 每节点优先携带 paragraph（段落编号，确定性回链）与 quote（原文逐字摘录）。
• verification / factCheck 可选，旧版本生成的历史数据没有这些字段时按未验证/未核查处理，完全向后兼容。

许可

MIT © cwbcheng