rubbing-to-knowledgelisted

# 从拓片到知识网络（Rubbing-to-Knowledge） 一套面向**古代碑帖与拓片**研究的可复现工作流。它不是一个把图修得更好看的 工具，也不是一个能替你读碑的模型；它解决的是碑帖研究里真正会毁掉结论的那个 问题：**从一张残损拓片到一条历史判断之间，每一步的来源、参数、坐标、审校 责任人和不确定性会在过程中丢失，于是最后没人能复核这个结论是怎么来的。** 这套 Skill 把那条链固定下来，并且**结构性地拒绝**让机器输出变成史料事实。 ## 1. 它解决什么研究问题 碑帖研究的实际流程是：鉴别材料 → 处理图像 → 识读文字 → 判断异文 → 核验 文献 → 考证人物纪年 → 修订或撤回结论。现有工具各自只覆盖一环，研究者手工 把它们串起来，于是出现四类可预期的事故： 1. **来源与派生谱系丢失。** 分不清哪张是原图、哪张是调过对比度的，也说不清 参数是什么、许可是什么。 2. **增强被当成复原。** 超分或补笔生成的笔画被写进释文，而那些像素在原物上 并不存在。 3. **AI 候选被当成人工审校。** 这不是假设——本项目自己发生过一次（见第 7 节），错误原件按原字节保留至今。 4. **失败与冲突被静默删除。** 反证、获取失败、阻断本来是合法研究结果，却因为 "不好看"而不落盘，于是下一个人重复同样的错误。 对应地，这套 Skill 的每一条设计都是为了让上述四件事**在软件层面做不到**， 而不是靠使用者自觉。 ## 2. 差异化：三条结构性约束（这是重点，不要跳过） ### 2.1 事实、推断、假说结构性分离 研究状态契约要求每一条内容归入五类之一，而且这不是命名约定——诚信审计会按类别 检查发布门，把「未经裁决的机器输出」「哈希断链」「零条主张的完成尝试」等情形判成 `warn` 或 `block`，只有没检出规则违反时才给 `pass`。**`pass` 的含义仅是"未检出 规则违反"，从不表示某条历史主张为真。** | 类别 | 含义 | 例子 | |---|---|---| | `OBS` | 对原始材料的直接观察，未经处理 | 原拓片上某处笔画的可见状态 | | `DER` | 确定性派生结果，可复现、可回退、保留父哈希 | 灰度/对比度/极性 baseline 图 | | `SRC` | 可定位的外部来源证据，指向具体载体与位置 | 某版本某卷某叶某行 | | `INF` | 由已有证据支持、可被反证的推断 | "此人与某职官同期" | | `HYP` | 待检验假说或生成式候选，**默认不是史料事实** | OCR 候选字、AI 提议的关系 | 生成式补笔、超分结果、OCR 读数、AI 关系提议**一律**是 `HYP`。要变成可用的 研究判断，必须经过一次显式的、可追责的人工裁决记录。 ### 2.2 每条主张都必须能回链 知识网络的证据链是三段式，**任何一段都不能跳过**： ```text CandidateMention → HumanAdjudicatedAssertion → EvidenceBackedGraphEdge （软件可以产生） （只有可信人工裁决能产生） （只由已接受裁决确定性物化） ``` `materialize` 命令**不接受任何边作为输入**——边只能由已接受的裁决推导出来， 所以"手工塞一条好看的关系进图里"在 CLI 上没有入口。`verify` 会重走整条链、 重新推导投影