| 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）
grep -E ":::image|^image:" <页面文件> && echo "已有图片" || echo "无图片"
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：
- 先运行
corpus_search.py 收集相关段落
- 扩写时，每个断言都必须标注其来源 PN
- 允许对原文进行转述和拼接，但不得添加原文没有的信息
- 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"）
