canonkeeper —— 网文长篇验证 harness

给长篇网文的生成/改稿流程装上三级验证体系。模型无关（OpenAI 兼容 API 可插拔）， 研究"怎么用模型"，不练模型——模型是可插拔的被试，harness 是资产。

方案全文见 PLAN.md（v1，2026-09-07）。

书稿 txt → 切章 → [抽取器] LLM 结构化输出 → [状态库] SQLite
         → [规则引擎] 纯程序化不变量检查（不调 LLM，零幻觉）
         → [软验证器 M2] persona 读者 → [报告] markdown 冲突清单

关键设计：硬验证器的"判定"环节不经过 LLM——LLM 只负责抽取，判定可复现、可单测、无幻觉。 规则引擎的谓词是纯函数，100% 单测覆盖（tests/）。

安装

python -m venv .venv
.venv/Scripts/pip install -e ".[dev]"      # Windows；Linux/macOS 用 .venv/bin/
.venv/Scripts/pytest                        # 75 项单测，全部离线

命令行入口：canonkeeper（主）、canonkeeper-mcp（MCP server）。dsh 仅作遗留别名保留—— deepseek-harness 的 CLI 也叫 dsh，同环境安装会撞名。

配置（密钥只走环境变量，绝不写入代码/配置/日志）

模型名可用 DSH_FAST_MODEL / DSH_FLAGSHIP_MODEL 覆盖（上游改名零代码适配）。 分级调用策略：fast 档做批量抽取，flagship 档留作终审/复核。

用法

canonkeeper ingest book.txt --db books/demo.db --provider deepseek [--limit 10] [--samples 3] [--skip-errors]
canonkeeper ingest book.txt --db books/demo.db --incremental  # 增量追章：只抽库中缺失的章
canonkeeper check   books/demo.db                  # 规则引擎，冲突写回状态库
canonkeeper report  books/demo.db                  # markdown 冲突报告 + 挖坑清单 → reports/
canonkeeper replay  books/demo.db 3                # 回放第3章抽取 JSON（往返核对）
canonkeeper stability book.txt --provider deepseek --runs 2  # M0 验收：抽取往返稳定性
canonkeeper rules                                  # 列出内置规则

无 API key 时可用 --provider mock 跑通全链路（返回与正文无关的固定样例抽取）。

内置规则（M1 起步集，PLAN §4 20 条中的可机检子集）

加规则零代码：写一个 YAML（rule_id/name/severity/predicate/params），canonkeeper check --rules your.yaml。 余额属性表/阶梯等参数按书自定义，示例见 examples/custom_rules.yaml。 PLAN §4 二十条中余下 10 条（称谓一致性、数字复述一致、代词指代…）需要更强的抽取契约 支撑，按里程碑逐步补谓词。抽取契约已含 commitments（本章立下的承诺/伏笔/悬念）， 报告输出挖坑清单——「伏笔=定义、回收=使用」的 def-use 追踪在 M2 补全。

作为 dsh（deepseek-harness）插件接入（MCP）

deepseek-ai/deepseek-harness（CLI 名 dsh， "everything is a plugin"）的插件一等公民是 TypeScript/Cordis；Python 工具包的标准接入路径是 MCP server。本仓库内置两端：

• MCP server（canonkeeper/mcp.py，pip install "canonkeeper[mcp]" 后由 canonkeeper-mcp 启动）， 工具面对应 PLAN M3 生成回路：

  工具	时机	作用
  ingest_book	写后	切章 + LLM 抽取 + 入库
  check_consistency	写后	规则引擎冲突清单（JSON，纯程序化判定）
  query_entity	写前	按名/别名查实体属性、状态史、关系、出场章
  replay_chapter	复核	回放某章抽取 JSON，定位误报来源
  get_report	复核	markdown 冲突报告全文

• dsh bundle（plugin/）：薄壳，只插一行 @deepseek-ai/dsh-mcp-client 配置。 安装：dsh plugin --profile <name> add file:<repo>/plugin，工具即以 mcp__canonkeeper__* 出现在模型工具列表。详见 plugin/README.md。

评测基准（evals）

事实级查全评测，代替手工对账成为质量门：标注 YAML（数值/实体/属性/变更/事件/关系/时间/信号 八类事实）+ 评测器。number 只认结构化字段（attrs 值/payload 值/change old|new）， quote 原文回显不算捕获——与人工对账同口径。版权边界：第三方热门文原文不入仓库， --texts 指向本地目录，标注仅含事实与 ≤25 字定位短语。

.venv/Scripts/python evals/run_eval.py --labels evals/labels/bench-v1.yaml \
    --texts <本地章节目录> --provider deepseek --samples 3 --out evals/results/latest.md

CI 门禁：ci.yml 在 push/PR 跑 pytest+mypy；eval.yml 手动触发跑合成 fixture 基准 （evals/fixtures/ 无版权风险随仓库分发，prompt/模型变更时的快速回归信号； 真实书稿基准仍在本地手动跑）。

当前基线 → 前沿技术迭代（bench-v1：艾尔德兰 3 章 + 热门财务流第 1 章万字体量，deepseek-chat）：

三项落地技术：G&O 两段式抽取（先自由笔记后组织 JSON，arXiv 2402.13364——entity 100%、 关系抽取从 0 到有）、置信度自洽合并（N 遍并集投票，ingest --samples N，arXiv 2502.06233 ——number 75→88%）、跨章有状态注入（前情状态随章累积回灌 prompt——time 33→67%，账本章界 衔接）。附带修复：万字章 JSON 输出被默认 max_tokens 截断（组织段提至 8192）。

历史发现（仍成立）：对参与过 prompt 迭代的自家书查全偏高、未见过的热门文偏低—— 过拟合风险靠"基准必须含未见书"对冲。标注格式见 evals/labels/bench-v1.yaml 头部注释。

已知代价（下一杠杆）：自洽并集是查全面向的——万字章合并后实体 97 个/事件 124 条， 精度未度量；下一步加 precision 指标 + min_votes 阈值去噪。数字归位依赖组织段服从度， attr 50% 仍有空间。

写作知识库（docs/craft/）

M2 persona 与 M3 生成回路的领域弹药库，每条技法按「机理 → 一致性要求 → 可机检信号」组织：

• 长篇网文写作技巧：金手指预算规则、爽点循环、 承诺管理、信息差、数字叙事、卷结构、配角退场纪律、反派阶梯、章末钩子、追读设计
• 文学素养基础：动机与弧光、场景三要素、展示而非陈述、 对白潜台词、伏笔公平性、时序节奏、POV 纪律、时钟张力、主题母题
• 跨领域借鉴地图：游戏工业（任务图/经济平衡/旗标系统/beat chart/ 混合架构/事件溯源）与叙事学研究的可借鉴清单，附优先级

当前状态

• M0 完成（真实 API，两轮质量迭代，2026-09-07/08）：provider 层（deepseek/glm/mock + 分级 档位）、切章、抽取管线、SQLite 状态库、stability 验收工具。deepseek-chat 实测用户自有书稿 3 章：
  • v1 基线：全链路通，但人工对账第一章关键事实查全仅 ~40%——19 项核心数字只捕获 4 项 （约 25%），次数/金币账本几乎缺失；稳定性 0.651。「管线跑通」≠「质量好」。
  • v2 迭代（抽取温度 0.0 + prompt 数字纪律/实体事件完备性 + 代词别名代码层硬过滤）： 第一章数字捕获 17/19（约 90%），次数账本（50→47→24→3）与金币账本全链入库， 实体类型正确（暗影石→物品、闪光突刺→功法），代词别名滤净；稳定性 0.714 （第 2 章 1.000；散文化的第 3 章 0.476 仍差——完备性压力放大其波动，待研究）。
  • 真实命中：ITEM_011 报出暗影石交易的所有权登记缺失（low 级交叉印证通道）。
  • 已知缺口（下一杠杆）：day_offset 需跨章上下文（单章自算：3/None/3，应为 3/4/5）； 金币账 old 回填在章界断裂（第 1 章末 21 vs 第 2 章 old=16）；伏笔节拍（刺客接近）仍漏； 双遍抽取交叉 + 旗舰复核（PLAN §8）未做。glm 适配器未实测（无 ZHIPU_API_KEY）。
  • 评测基线（evals，2026-09-08）：自建事实级基准实测 overall——number 75%、entity 84%、 attr 38%、change 40%、event 62%、relation 0%、time 33%。自家书数字 87% vs 未见热门文 45%， 过拟合风险实锤。详见上方「评测基准」。
• M1 起步：规则引擎 + 10 条内置规则（⑮ 账本连续性与收支复算已落地——游戏经济 QA 移植）
  • 报告（含挖坑清单）。抽取契约已含 commitments（旗标语义）。计划 20 条中其余谓词逐步接入； def-use 回收配对在 M2 补全。 自定义规则示例：canonkeeper check books/demo.db --rules examples/custom_rules.yaml。
• M2 占位：persona 契约与内置画像已定义（readers/personas.py），模拟实现待 M2。
• dsh 插件接入（MCP）：server + bundle 完成，stdio 端到端测试覆盖；真实 dsh 运行时 plugin add + --dump-config 层叠加验证通过（工具注册的启动级验证待 LLM 凭据）。
• 增量追章（事件溯源化）：--incremental 只抽库中缺失的章、投影随全书重建（按章号对齐）。
• CI：push/PR 跑 pytest+mypy；eval workflow 手动触发 fixture 基准。
• 重建策略：rebuild() 以全书抽取为事实源单事务重建（增量模式下事件日志=抽取原文，投影可重放）。

工程约定

• 异常策略：统一异常；层边界翻译为 ProviderError/ExtractionError/RuleError 并附上下文；CLI 顶层统一打印一次错误（--debug 看栈）。
• LLM 输出与规则 YAML 一律按不可信输入处理：pydantic 严格验证 / yaml.safe_load。
• API key 只从环境变量读取；任何错误消息与日志不含密钥。
• 文稿版权：只处理用户自有/公版文稿，不内置任何平台抓取。