enrich

name	enrich
description	升级当前 wiki 页面质量一档（stub→basic→standard→featured→premium）。诊断页面当前指标缺口，执行对应补充操作（扩写散文、补充引用、加节）。当用户说 /enrich PAGE 或 /enrich PAGE 目标档 时触发。

/enrich — 页面质量升级

用法

/enrich PAGE              → 升一档（当前质量 → 下一档）
/enrich PAGE standard     → 升至 standard
/enrich PAGE featured     → 升至 featured

⚠️ 散文质量强制规范

所有内容生成操作必须遵守 ref/散文质量强制规范.md：

• 禁令一：每段 prose 最多使用 1 个 ——
• 禁令二：每段 prose 不得超过 200 字

违反上述禁令会被 edit_page.py 代码级硬拦截（退出码 7/8），不可绕过。

质量档位门槛

档位	散文字数	h2 节	PN 引注	blockquote	wikilink	图/公式
stub	< 100	0	0	0	任意	否
basic	100–299	≥ 1	≤ 1	0	任意	否
standard	≥ 300	≥ 2	≥ 2	0	≥ 3	否
featured	≥ 600	≥ 3	≥ 5	≥ 1	≥ 5	否
premium	≥ 1200	≥ 5	≥ 10	≥ 3	≥ 10	是

指标定义：

• 散文：≥ 50 字、非列表/标题/表格的段落总字数
• h2 节：正文 ## 数量
• PN 引注：带段落编号的原文引用条数
• blockquote：来自 corpus_search.py 的 > 格式原文引用段数
• 图/公式：frontmatter image: 字段或正文含 KaTeX $...$

执行步骤

第一步：诊断

读页面，统计：节数、散文字数、wikilink数、原文引用段数。与目标档门槛对比，列出缺口。

第二步：确定目标档

• 若用户未指定 → 当前档 +1
• 若已是 featured → 检查是否可升 premium

第三步：按缺口执行

缺口	操作
节不足	按页面 type 添加标准节（见下方模板）
散文不足	扩写叙述性内容（历史背景、技术细节、影响）
原文引用不足	运行 corpus_search.py 查找相关段落，以 blockquote 引用
wikilink不足	为人名/系统/概念添加 [[wikilink]]
相关插图	检查是否已有 :::image 块或 frontmatter image: 字段；若无，按 PN 邻近从 images.json 查候选并嵌入（见下方插图步骤）

操作优先级：先补原文引用（素材来源） → 再写散文 → 最后加节 → 检查插图。

插图检查与嵌入（images.json 不存在时跳过）

# 检查页面是否已有图片
grep -E ":::image|^image:" <页面文件> && echo "已有图片" || echo "无图片"

# 若无图片，且 images.json 存在，按页面关键 PN 查候选图片（最多 3 张）
python3 -c "
import json, os, sys
f = 'docs/wiki/images.json'
if not os.path.exists(f): sys.exit(0)
pn = '$PN'   # 页面最相关 PN，从 PN 引注中取第一个
imgs = json.load(open(f))
hits = [i for i in imgs if str(i.get('pn','')) == pn or str(i.get('chapter','')) == str(int(pn.split('.')[0]))][:3]
for img in hits:
    print(img.get('path',''), img.get('caption',''))
" 2>/dev/null

嵌入格式（路径使用 images/ 前缀，RFC-memex-0044）：

:::image
src: images/<文件名>
alt: <图片说明>
:::

约束：每词条 1–3 张；只引用 docs/wiki/images/ 已有文件；无 images.json 或目录为空时自动跳过。

原文引用格式与全文依据规则

铁律：每句有据。enrich 扩写的每一句话都必须有原文依据：

1. 先运行 corpus_search.py 收集相关段落
2. 扩写时，每个断言都必须标注其来源 PN
3. 允许对原文进行转述和拼接，但不得添加原文没有的信息
4. 逐句验证：写完后，每个句子都能 traced back 到 corpus 中的某个位置

引用方式：

• 原文引用：使用 blockquote + （PN）
• 转述/拼接：使用 （PN） 标注来源
• 通用知识（如"马铃薯是块茎作物"）：不加 PN，但必须是原文明确提到的内容

python3 wiki/scripts/butler/corpus_search.py "关键词" --max 5

禁止捏造：引用内容必须从 corpus_search.py 结果中复制，不得自行编写"原文"。

第四步：写入

通过 edit_page.py --enrich 写入修改（Append-Only 原则）：

cat <<'CONTENT' | python3 wiki/scripts/edit_page.py SLUG - --summary "enrich: stub→basic" --author enrich --enrich
[完整页面内容]
CONTENT

第五步：验证

确认 quality 已升至目标档。若未达到，检查哪个指标仍不足，继续补。

各类型标准节模板

person（人物）

• ## 生平 — 出生/教育/职业经历
• ## 主要贡献 — 对AI发展的核心贡献
• ## 代表作品 — 重要论文/著作/系统
• ## 历史评价 — 同时代和后世的评价
• ## 相关人物 — 师承/合作/竞争关系

concept（概念/技术）

• ## 背景与起源 — 提出的历史背景
• ## 核心思想 — 基本原理
• ## 发展历程 — 重要节点
• ## 代表成果 — 关键系统/论文/人物
• ## 影响与局限 — 对AI发展的影响和不足

event（事件）

• ## 背景 — 时代背景
• ## 经过 — 事件详情
• ## 参与者 — 主要人物
• ## 影响与意义 — 历史意义

system（系统/程序）

• ## 概述 — 是什么
• ## 开发背景 — 为何开发
• ## 技术原理 — 核心技术
• ## 历史影响 — 对AI发展的意义

theory（理论）

• ## 基本内容 — 核心论点
• ## 提出背景 — 历史语境
• ## 技术实现 — 如何应用
• ## 批评与争议 — 反对意见

写作文风禁令

❌ 严禁万能破折号链式文风。 典型违规模式：

X 是一种重要技术——它能够处理大规模数据——同时保持高效运算——并在多个领域广泛应用——对AI发展产生了深远影响。

这种"A——B——C——D"的无限串联是最常见的 AI 生成腔，必须消灭。

修改方法：

• 每个子句独立成句，用句号断开
• 因果/转折用"因此"、"然而"、"但"等连词
• 并列用逗号或分号，不用破折号
• —— 只在修辞性插入和真正的语气转折时使用

禁止事项

• ❌ 禁止删除或替换已有章节（Append-Only）
• ❌ 禁止捏造原文引用
• ❌ 禁止编写无原文依据的断言——每一句正文都必须能追溯到 corpus_search.py 的命中结果
• ❌ 禁止 git commit
• ❌ 禁止万能破折号链式文风（见上方"写作文风禁令"）