Check

/check

扫描全 wiki，发现结构、链接、字段、graph 的健康问题，生成分级修复建议。 覆盖 runtime/schema/entities.yaml 中声明的所有 entity 类型（papers, concepts, topics, people, ideas, experiments, methods, Summary, foundations），以及 graph edge / citation 一致性。重点检查包括：idea novelty-score 合理性、idea 失败原因完整性、experiment linked_idea 有效性。

Inputs

• 全 wiki 目录（默认 wiki/）
• 可选：--json 标志（通过 tools/lint.py 输出 JSON 格式）
• 可选：--fix 标志（自动修复确定性问题）
• 可选：--fix --dry-run（预览修复但不执行）
• 可选：--suggest 标志（显示非自动修复问题的建议）

Outputs

• Lint report（直接报告给用户）
• 可选写入文件：wiki/outputs/lint-report-{date}.md

Wiki Interaction

Reads

• wiki/papers/*.md — 论文页面字段和链接
• wiki/concepts/*.md — 概念页面字段和链接
• wiki/topics/*.md — 方向页面字段和链接
• wiki/people/*.md — 人物页面字段和链接
• wiki/ideas/*.md — idea status、novelty_score、failure_reason、origin_gaps、target_venue
• wiki/experiments/*.md — experiment status、linked_idea、outcome
• wiki/methods/*.md — method type、source_papers、parent/child 链
• wiki/Summary/*.md — 综述页面字段
• wiki/foundations/*.md — foundations(终端 — 仅检查入链)
• wiki/graph/edges.jsonl — semantic graph edge 一致性检查
• wiki/graph/citations.jsonl — bibliographic citation 一致性检查
• wiki/index.md — 对照页面完整性

Writes

• 不直接修改 wiki 内容（仅报告，除非指定 --fix）
• wiki/log.md — 通过 tools/research_wiki.py log 记录 lint 结果摘要

Workflow

前置：确认工作目录为 wiki 项目根（包含 wiki/、raw/、tools/ 的目录）。 设 WIKI_ROOT=wiki/。

Step 1: 运行自动化 lint 工具

默认模式（只报告）：

python3 tools/lint.py --wiki-dir wiki/ --json

自动修复模式（用户指定 --fix 时）：

python3 tools/lint.py --wiki-dir wiki/ --fix --json

自动修复确定性问题（xref 反向链接补全、缺失字段填默认值），输出修复报告。

预览模式（用户指定 --fix --dry-run 时）：

python3 tools/lint.py --wiki-dir wiki/ --fix --dry-run --json

预览会修复什么，不实际执行。

解析 JSON 输出，获取所有自动检测到的 issues（及修复结果）。

Step 2: 结构完整性（自动化覆盖）

自动化工具检查以下项目：

1. Broken wikilinks：[[slug]] 目标文件不存在
2. Orphan pages：无任何入链的页面
3. 必填字段缺失（按 runtime/schema/entities.yaml 中声明的每种 entity）。权威源：runtime.loader.REQUIRED_FIELDS。当前集合：
   • papers: title, slug, tags, importance
   • concepts: title, tags, maturity, key_papers
   • topics: title, tags
   • people: name
   • methods: name, slug, type, tags
   • Summary: title, scope, key_topics
   • ideas: title, slug, status, origin, tags, priority
   • experiments: title, slug, status, linked_idea, hypothesis, tags
   • foundations: title, slug, domain, status

Step 3: 字段值验证（自动化覆盖）

1. Enum 值检查（来源：runtime.loader.VALID_VALUES）：
   • papers.importance ∈ {1,2,3,4,5}
   • concepts.maturity ∈ {stable, active, emerging, deprecated}
   • ideas.status ∈ {proposed, in_progress, tested, validated, failed}
   • ideas.priority ∈ {1,2,3,4,5}
   • experiments.status ∈ {planned, running, completed, abandoned}
   • experiments.outcome ∈ {succeeded, failed, inconclusive}
   • methods.type ∈ {architecture, training, inference, evaluation, data, benchmark, system, optimization, prompting, protocol, other}
   • foundations.status ∈ {mainstream, historical}
2. Idea novelty_score（若存在）∈ [1, 5]（整数）
3. Idea failure_reason：status=failed 时必须非空（anti-repetition memory）
4. Experiment linked_idea：引用的 idea 页面必须存在

Step 4: Cross Reference 对称性（自动化覆盖）

检查 runtime/schema/xref.yaml 中定义的所有双向链接规则：

Step 5: Graph Edge 一致性（自动化覆盖）

1. JSON 格式有效性：每行都是合法 JSON
2. 必填字段：每条 edge 有 from, to, type
3. Edge type 合法性：semantic edges 使用当前 endpoint-aware type set；旧 paper-paper / paper-concept 类型给出迁移 warning
4. Edge confidence：/ingest 写出的 paper-paper 与 paper-concept semantic edges 使用 confidence: high|medium|low
5. Citation layer：graph/citations.jsonl 使用 type: cites、合法 source/date、paper endpoints，且不写 confidence 字段
6. Dangling nodes：from/to 引用的 wiki 页面必须存在

Step 6: 内容质量（LLM 辅助）

自动化工具可检测的：

1. importance=5 的论文无 concept 页引用
2. maturity=stable 的 concept 只有 1 篇 key_paper
3. topics 的 ## Open problems 章节为空（同样标记空的 ### Known gaps / ### Methodological gaps 子章节）

LLM 额外判断（需要阅读内容）：

1. Concept 近似重复检测：扫描所有 concept 页面的 title + aliases，判断是否有语义相同/高度相似的概念对（如 "attention mechanism" 和 "self-attention"）。对疑似重复对输出合并建议。
2. Method 近似重复检测：在 wiki/methods/*.md 上做相同检测，对比 name + tags + ## Mechanism 摘要。
3. 矛盾表述检测（不同页面对同一事实的描述不一致）
4. SOTA 记录超过 6 个月未更新
5. people 的 ## Recent work 超过 6 个月未更新
6. Idea novelty_score 与 ## Novelty argument 强度不匹配（低分 + 论证扎实，或高分 + 论证薄弱）
7. 高 priority idea 长期停留在 proposed 状态且无 linked_experiments

Step 7: 生成报告

按优先级排序输出：

## Lint Report — YYYY-MM-DD

**Summary**: N 🔴, M 🟡, K 🔵

### 🔴 需立即修复
1. [file] — {issue description}

### 🟡 建议修复
1. [file] — {issue description}

### 🔵 可选优化
1. [file] — {issue description}

分类标准：

• 🔴 需立即修复：broken links、missing required fields、invalid enum values、failed idea without failure_reason、invalid JSON in edges、novelty_score 越界
• 🟡 建议修复：xref asymmetry、dangling graph edges、broken linked_idea 引用、unknown edge types
• 🔵 可选优化：orphan pages、quality suggestions、empty sections

记录日志：

python3 tools/research_wiki.py log wiki/ "check | report: N 🔴, M 🟡, K 🔵"

Constraints

• 默认只报告：不带 --fix 时只报告不修复
• --fix 仅修复确定性问题：xref 反向链接补全、缺失字段填安全默认值。不确定的问题输出建议（--suggest），由用户手动批准
• raw/ 只读：不修改 raw/ 下的文件
• graph/ 只读：lint 不修改 graph 文件，仅检查一致性
• LLM 判断标注来源：自动化检查和 LLM 判断在报告中明确区分
• 幂等：多次运行产生相同结果（除非 wiki 内容变化）

Error Handling

• wiki/ 不存在：报错并建议运行 /init
• graph 文件不存在：跳过缺失 graph 文件的检查，在报告中注明
• 部分目录缺失：跳过缺失目录的检查，在报告中列出缺失目录

Dependencies

Tools（via Bash）

• python3 tools/lint.py --wiki-dir wiki/ [--json] [--fix] [--dry-run] [--suggest] — 自动化结构检查 + 修复（核心依赖）
• python3 tools/research_wiki.py log wiki/ "<message>" — 追加日志
• python3 tools/research_wiki.py stats wiki/ — 获取统计信息（可选，用于报告）