ucl-glossary

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