# Rubbing To Knowledge

> 面向碑帖、拓片、古籍与铭刻研究的证据优先编排 Skill。用于把可证伪问题路由到材料采集、溯源、图像处理、OCR、版本定位、文本结构、反思、审计与知识网络组件，或组合外部 Skill/SCP；所有外部与机器输出先作为候选，只有固定载体、明确定位和受信复核才能进入证据层。也用于运行六工具 edition-evidence SCP，生成可审计 dossier，或在权利、身份、证据不足时返回类型化阻断。

- Skill: `lx050/rubbing-to-knowledge` (Agent Skill, multi-file: 7 files)
- Install (CLI): `npx skillmds@latest add lx050/rubbing-to-knowledge`
- Raw SKILL.md: https://api.skillmd.com/api/skills/lx050/rubbing-to-knowledge/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: Lx050 (https://skillmd.com/u/lx050)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/lx050/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：

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

运行 edition-record 离线闭环：

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

运行最小跨 Skill 合成闭环：

```bash
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/`。