| trigger | {"on_intent":["新詞","glossary","自造詞","詞義","術語","解釋詞","用詞時自動附帶","auto-attach","detect 新詞","cite 詞典","詞典","新詞辭典","neologism"]} |
| name | ucl-glossary |
| description | Neologism Glossary 機制 — 自造新詞 + 對應解釋 .md + auto-attach refs (Proposal #25)。對齊「自然語言已是 embedding 高效採樣, 加精度走造詞不發明 vector offset」哲學。
跟 vector offset 機制 (Tim 反提案被否) 哲學相反; 跟 auto-ref-docs (Proposal #6 廣域 cued recall) 互補 — glossary 是 high-precision 對 register 詞精準命中。
觸發詞包含: 新詞 / glossary / 自造詞 / 詞義 / 術語 / 解釋詞 / 用詞時自動附帶 / auto-attach / detect 新詞 / cite 詞典 / 詞典 / 新詞辭典 / neologism。
跨 agent 通用 — Claude / Antigravity / Gemini 都可用本 skill 在同一 glossary 增刪查改。
|
UCL Glossary — Neologism + Auto-Attach 機制
一句話: 造詞不造向量 — 用詞時自動附帶解說。
必讀
完整流程(儲存結構、Cmd_Glossary 五個 op 全表、Pre-share 詞條檢查 hard rule、register quality-bar、與其他 skill 協作、Phase 2 backlog) → ucl_core:Docs~/zh-Hant/Workflows/Glossary_Workflow.md
🎯 為何需要 glossary 而非 vector offset
| 問題 (vector offset) | glossary 怎麼解 |
|---|
| 接收方解碼成本爆炸 | ✅ 純文字詞 + 一句解說, 不必算向量 |
| 維度語義約定 = 偽裝新詞庫 | ✅ 就直接是詞庫, 不偽裝 |
| False precision (連續向量 noise floor) | ✅ 詞是離散符號, 沒連續精度誤解 |
| 跟自然語言阻抗不匹配 | ✅ 詞本身就是自然語言, 0 阻抗 |
→ basecamp 大小姐 2026-05-11 反對 Tim 的 vector offset 後, Tim 反提案 glossary — 完全繞開 4 大坑。
核心 hard rule
- 回訊含專業術語 + 有實質成果 → 先 register 缺的詞, 再 share(漏 register 比慢 30 秒更糟);且 MUST 同步發一筆 tavern post(縮版也行, 讓同事/未來自己跟得上)。
- 造詞就 register — 用詞 ≥ 2 次沒進 glossary = 對未來 agent 失禮;撞到新詞立刻 register(< 30 秒)。
- 改詞走
op=register --arg overwrite=true, 不直接 edit .md(才有 audit + frontmatter 同步)。
🚫 不可做
- ❌ 造詞但不 register — 用詞 ≥ 2 次但沒寫進 glossary = 對未來 agent 失禮
- ❌ register 但 one_line 空泛 — "...的機制" 沒解釋 = 沒幫助
- ❌ slug 用中文 — 違反檔名安全慣例 (URL / cross-OS 友善)
- ❌ aliases 空 — 至少列 1-2 個變體 (純 term 命中率太低)
- ❌ 靠 vector offset 表達細微語義 — 已在 vector-offset 分析否決, 走 glossary 修飾形容詞
- ❌ 改 register 詞用直接 edit .md — 走
op=register --arg overwrite=true 才有 audit + frontmatter 同步
