Rubbing To Knowledge

Rubbing to Knowledge

这是根编排 Skill。它负责问题规划、组件路由、阶段门和停止决策，不直接生成 释文、历史事实、OCR 真值或人物同一性结论。

何时使用

• 研究问题涉及碑帖、拓片、古籍影印、铭刻文本或版本异文。
• 任务必须保存来源、固定字节、坐标/页码、权利状态和复核责任。
• 一个任务需要组合本包多个 Skill，或接入外部 Skill / SCP。
• 需要生成 EditionEvidenceCase、证据图或 CaseDossier。
• 证据不足时必须明确返回 human_review、reroute 或 stop_unresolved，而不是补全结论。

若只需单一能力，直接读取对应组件目录的 SKILL.md，不要加载全部组件文档。

不可跨越的边界

1. OCR、模型、搜索服务和外部 Skill 的输出默认是候选，不是证据。
2. CandidateEnvelope 不能直接成为证据图节点。
3. 版本记录只允许表达“某固定载体在某定位处如此记载”。
4. 载体差异保持 unresolved，除非存在可追责的受信裁决。
5. 同名、现代地名、纪年换算、生成式补笔和 provider score 不提升认识状态。
6. 测试通过只证明契约未检出违规，不证明历史主张为真。
7. 获取成功不等于允许公开或再分发；未知权利一律阻断发布。

必需工作流

1. 规划问题

   • 把问题改写为可证伪形式。
   • 声明目标输出、允许的证据层、停止条件和人工门。
   • 使用 rubbing-research-orchestrator 创建或更新 ResearchCase。

2. 固定材料

   • 用 research-source-acquisition 获取到隔离区。
   • 用 research-provenance-ledger 登记 SHA-256、大小、MIME、来源和权利状态。
   • JSON 隔离载荷需要内容感知处理时，先经过 research-quarantine-promotion；其他格式不得伪装成该通道。

3. 按材料路由

   • 图像质量与确定性派生： rubbing-image-preparation。
   • OCR 候选、坐标绑定与人工交接： rubbing-ocr-review。
   • 书目、版本、网页或古籍载体定位： research-literature-evidence。
   • 已合格转录的结构提议： epigraphy-text-structure。
   • 每个可复现命令与输出链： research-run-ledger。

4. 形成 edition-record

   • 固定载体字节与来源记录。
   • 为每个读数提供载体内定位。
   • 将外部发现归一化为 CandidateEnvelope。
   • 创建并验证 EditionEvidenceCase。
   • 只用确定性比较生成 carrier-variant，不自动择优。

5. 反馈与图层

   • 新证据、反证、空结果或失败到达后运行 research-hypothesis-reflection。
   • 只有满足受信身份和裁决门的断言才可进入 epigraphy-knowledge-network。
   • 未满足时返回明确的缺口与下一步，不建立真实知识图。

6. 审计与导出

   • 发布或打包前运行 research-integrity-audit。
   • 保留失败、冲突、阻断与追加更正。
   • 只在证据、身份、权利、研究案例和 schema 门同时通过时导出可发布结果。

组合外部 Skill / SCP

Host 可以并行调用其他人的 Skill 或 SCP，但必须先声明其角色和输出契约。

• 搜索、OCR、视觉模型和自然语言分析只能提交候选。
• 外部输出必须保留 provider、版本、请求参数、时间与原始引用。
• 外部评分不能映射为本地证据等级。
• 未经许可和契约复核的第三方组件不 vendoring。
• 所有候选最终都要回到本项目的固定载体、定位、复核与发布门。

本包可选 edition-evidence SCP 暴露六个稳定工具：

• create_case
• submit_source_candidates
• register_artifact
• submit_observations
• compare_located_readings
• export_case_dossier

服务说明见 skills/rubbing-research-orchestrator/scp/README.md。SCP 与 CLI 调用同一 P0 核心，不维护第二套证据模型。

运行

先验证整个根包：

python3 scripts/verify-research-skills.py --output report.json

运行 edition-record 离线闭环：

python3 scripts/run-edition-evidence-demo.py --out ./edition-demo

运行最小跨 Skill 合成闭环：

python3 scripts/run-synthetic-research-cycle.py ./cycle-out

离线闭环不需要凭证。可选 live provider 只能从运行环境读取用户凭证；不得把凭证 写入产物、日志、示例或 Skill 文件。

输出合同

一个运行必须以以下之一结束：

• 可验证的阶段产物和明确的下一阶段输入。
• reroute：当前方法失败，但存在受约束的替代路径。
• human_review：需要可追责的人类判断。
• stop_unresolved：证据不足，保留冲突并停止。
• block：schema、权利、身份、完整性或发布门失败。

不得用空结果、合成 fixture、未裁决候选或“流程已跑完”替代研究结论。

组件加载

只读取当前路由所需组件的 SKILL.md、references/ 和 CLI 帮助。组件目录位于 skills/，每个组件可独立验证；根 Skill 不重复组件内部的完整命令和 schema。

面向人的三步产品前台（上传拓片、修复识读、研究报告）见： https://rubbing.maniforld.com/research/。完整史晨碑案例、数据漏斗、Skill 链和 报告见：https://rubbing.maniforld.com/。