From 837d71b227fbe522739661aa3f8b55d44d26a697 Mon Sep 17 00:00:00 2001 From: wangzhizhou <824219521@qq.com> Date: Sun, 15 Nov 2026 01:20:09 +0800 Subject: [PATCH 1/2] docs: record PR #314/#315 merges and handoff state Signed-off-by: wangzhizhou <824219521@qq.com> --- HANDOFF.md | 19 ++++++++++++------- 1 file changed, 12 insertions(+), 7 deletions(-) diff --git a/HANDOFF.md b/HANDOFF.md index 5f156bac..ff73ac2e 100644 --- a/HANDOFF.md +++ b/HANDOFF.md @@ -4,10 +4,10 @@ - 更新：2026-11-15 / Claude Code（**air 本机**）。阶段：**已发布 1.3.0 / build 43**（tag `v1.3.0`，Release、站点已上线）； air 与 pro 均已装发版产物（执行 `9cb738c9…`），30/30 样本、性能、内存、IT-22 A 档 / N1–N5 全部 PASS。 -- 分支：`main` = `7014346`（PR #314 86 专注 + 标准变体已合入）；`dev` = 本轮 D2 字形别名（ADR-359/报告 285）待开 PR。 +- 分支：`main` = `7b95ba6`（PR #314 86 专注 + 标准变体、PR #315 D2 字形别名均已合入）；`dev` = `8aa77f4`（与 origin 同步）。 - 版本：`Cargo.toml` = **1.3.0**、`packaging/build-number` = **43**；最新 tag **`v1.3.0`**。**下次正式发版前必须重新绑定候选身份。** -- 最近验证：`make verify` PASS（528 产物零网络符号）、`make macos-offline-tests` **67 文件 / 335 例 PASS**、`build.sh --strict` PASS、 - `tools/check-level3-codes.py` PASS（3,362 条）。 +- 最近验证：`make verify` PASS（538 产物零网络符号）、`make macos-offline-tests` **67 文件 / 336 例 PASS**、`validate_b0.py` PASS（1,000 条）、 + `build.sh --strict` PASS、`tools/check-level3-codes.py` PASS（3,362 条）。 - 1.2.1 身份：提交 `168115e`、ZIP `102f4928…`、DMG `a6f4bdbd…`、更新程序 `b04049e3…`、appcast `40`、包内执行 `3eeeb0aa2ae4be0facd0120c854ea822ad1ba749dd3a22611f39a97db6fc32d9`（`docs/releases/1.2.1.md`）。 - 1.2.0 候选身份：提交 `31fdbcd`、ZIP `64eeb90f…`、源码 `3dc6f717…`、宿主执行 `ef25e92ba085ea3f556e12d477fb1b6a6cd08ebbc3b74897fdb7b2d9f6eead64`（`docs/releases/1.2.0.md`）。 @@ -16,7 +16,7 @@ | 设备 | 已装包与执行 SHA | 数据 / 输入源 | 恢复点 | |---|---|---|---| | **air**（arm64 / macOS 27.2 / Xcode 27，用户 `joker`；本会话已有辅助功能/事件投递权限） | **1.3.0 / build 43**（2026-11-13 装机，报告 270），ZIP `a191b60d…`，宿主执行 `bda6f0903f95e07f9800577083eee452d46b0b9f3ca9520caab23d298a790df9`（U1-4 候选 `b8dd20f`，2026-11-14 装机； -备份 `updates/install-backup-20261114T084240Z/`）；输入源 `Lampyris.default` 已启用并选中；**`mode=wubi`** | config `3aea2bca…`、`practice.tsv` `2512f4…` 在样本前后不变；词库 1838 行 `8fa18a7d…`（build 41/42 隔离失效与性能/内存门禁的键入学习所致，行数 1784→1838） | build 42 `5d75e2fd…` 在 `updates/install-backup-20261113T051338Z/`；build 41 `aa040adc…` 在 `updates/install-backup-20261113T044337Z/`；`main` 候选 `2610d1f` 在 `updates/install-backup-20261113T041111Z/` | +备份 `updates/install-backup-20261114T084240Z/`）；输入源 `Lampyris.default` 已启用并选中；**`mode=wubi`** | 2026-11-15 01:19 采集：config `888ed018…`（mode=wubi / punctuation=chinese / full_width=half / chinese_variant=simplified，显式 hotkey 8 项）、词库 2046 行 `182ee41c…`；与 2026-11-14 样本时的 `3aea2bca…`/1838 行不同，属用户日常使用，非本轮改动 | build 42 `5d75e2fd…` 在 `updates/install-backup-20261113T051338Z/`；build 41 `aa040adc…` 在 `updates/install-backup-20261113T044337Z/`；`main` 候选 `2610d1f` 在 `updates/install-backup-20261113T041111Z/` | | **pro**（Intel / macOS 13.7.8，用户 `bot`，SSH 别名 `pro`） | **1.3.0 / build 43**，宿主执行 `9cb738c9…`（2026-11-13 用户经 `upgrade.py` 从 1.2.0/39 升级） | config `b8c7a351…` 未变、词库 963 行（962→963，真实键入；`show_wubi_learning=true` 是用户有意设置） | `updates/upgrade-2026-11-13T11-40-50Z-AE6D4E61/`；更早备份见 `updates/` | ## 2. 本轮完成 @@ -87,10 +87,12 @@ | 8 | ~~宿主内完整引导真机目视~~：候选 `b8dd20f`（执行 `bda6f090…`）菜单入口/翻页/首次自动弹窗 PASS；标记恢复、探针窗口与临时文档已清理 | ✅ 2026-11-14（报告 276） | | 9 | ~~U3-1 整句模型~~：原型未达 +5pp，**已关闭**（ADR-352，报告 278）；不再投入 | ✅ 2026-11-14 关闭 | | 10 | ~~U3-4/N1-d~~：已更正数据源并接入 66 条 `(PUA, 键位)` 核验；运行时 `full` 1,904→2,454，`partial` 876→326；剩余 13 个 PUA 保持占位 | ✅ 2026-11-14（报告 280） | -| 11 | ~~N2/N3/N4 数据地基~~：56 个成字字根真实笔顺、结构覆盖 2,766、8 个 D2 漏拆补齐；schema v6 | ✅ 2026-11-14（ADR-355，报告 281；待提交 PR） | +| 11 | ~~N2/N3/N4 数据地基~~：56 个成字字根真实笔顺、结构覆盖 2,766、8 个 D2 漏拆补齐；schema v6 | ✅ 2026-11-14（ADR-355，报告 281） | +| 12 | ~~标准 v1 + 86 专注~~：schema v7、241 条 root/key、98/新世纪仅留 profile | ✅ 2026-11-15（ADR-358/359，报告 284/285；PR #314/#315） | -剩余开发项：高频字拆解仅剩 13 个未解决 PUA（保持占位，后续才需要 Academia Sinica/自绘）； -整句模型、多方案码表（依赖外部数据/许可）。符号 / emoji（U3-5）已真机 PASS。 +剩余开发项：86 覆盖率已到**许可数据上限**——3,000 字 `full` 2,614（87.1%）/ `partial` 232 / `unknown` 154； +继续提升需要 canonical 五笔根序数据（公开可用的没有），或接入 CDP（GPL-3，结构/笔数，不补根序）。 +98/新世纪按用户要求暂不实现，只保留 `schemes/*.toml` 扩展点。整句模型已关闭。 ## 4.1 换到 air 后怎么开工 @@ -132,6 +134,9 @@ make macos-offline-tests ## 9. 会话日志（最近） +- 2026-11-15 / Claude Code（air）：**PR #314、#315 已合入 main（`7014346`、`7b95ba6`）**。PR #314 = 86 专注 + + 标准变体（240→241 条 root/key，98/新世纪仅留 profile）；PR #315 = D2 字形别名（ADR-359，报告 285）。 + 当前 B0 3,000 `full` 2,614（87.1%）/ `partial` 232 / `unknown` 154；1,000 `full` 928。CI 全绿后均为 merge commit。 - 2026-11-15 / Claude Code（air）：**D2 字形别名归一化（ADR-359，报告 285）**。逐条复查标准 v1 的 73 条 `positionMismatch`，把 D2 用假名/注音符号代替部件的同形写法归一化（`リ→刂`、`ㄗ→卩`、`ク→夕`）， 另补 `彑`（X）到标准字根清单、`ノ` 作撇笔画。B0 1,000 字 `full` 916→**928**、`partial` 80→**68**； From 91d464d73b02f5dd27c098a67c3d165b9b498c11 Mon Sep 17 00:00:00 2001 From: wangzhizhou <824219521@qq.com> Date: Sun, 15 Nov 2026 01:34:54 +0800 Subject: [PATCH 2/2] docs: reconcile backlog with 86 licensed-data ceiling, plan integration acceptance - close P1-5 (superseded by B0 runtime explanations) - record 86 coverage at 87.1% licensed-data ceiling; no further data work queued - mark 1.3.1 release deferred; next step is integration acceptance - add ADR-358/359 data rows to license doc Signed-off-by: wangzhizhou <824219521@qq.com> --- HANDOFF.md | 4 +++- ...11\247\350\241\214\350\256\241\345\210\222.md" | 2 +- ...12\236\344\270\216\347\247\257\345\216\213.md" | 15 +++++++++------ ...72\220\344\270\216\350\256\270\345\217\257.md" | 9 +++++++++ 4 files changed, 22 insertions(+), 8 deletions(-) diff --git a/HANDOFF.md b/HANDOFF.md index ff73ac2e..5240cba6 100644 --- a/HANDOFF.md +++ b/HANDOFF.md @@ -67,7 +67,7 @@ 初版清单误用 D3 BMP PUA，已更正为 D2 补充区；可定位 79 个 PUA，按 `(PUA, 键位)` 核验 66 条， 状态 `verified 58 / partial 8 / unresolved 13`。B0 1,000 字 `full` 735→919；运行时 3,000 字 `full` 1,904→2,454； D3 不再作 `componentsSource`；未解决项仍以 `？:键` 占位，不猜。 -- **P1 · 数据与方案**：corpus M2-1 调研 ✅、N1-d ✅、N2/N3/N4 ✅（ADR-355）、cjk-decomp 扩量 ✅（ADR-357）、标准 v1 ✅（ADR-358）、D2 字形别名 ✅（ADR-359）；余项是覆盖扩量（87.1%→98%，受许可数据限制）、13 个语境歧义 PUA、P1-5 拆字说明同步、多方案码表（TBD-2，98/新世纪暂不实现）。 +- **P1 · 数据与方案**：corpus M2-1 调研 ✅、N1-d ✅、N2/N3/N4 ✅（ADR-355）、cjk-decomp 扩量 ✅（ADR-357）、标准 v1 ✅（ADR-358）、D2 字形别名 ✅（ADR-359）；覆盖已到许可数据上限（87.1%），P1-5 已关闭；余项仅 13 个语境歧义 PUA（可选）与多方案码表（TBD-2，98/新世纪暂不实现）。 - **P2 · 有证据才做**：排序观察期、位置记忆、冷首键、拼音后端评估、n-gram（均写触发条件）。 - **明确不做**：云/账号/广告/统计/剪贴板/语音；平台扩展单独立项，不与 macOS 同批。 @@ -89,7 +89,9 @@ | 10 | ~~U3-4/N1-d~~：已更正数据源并接入 66 条 `(PUA, 键位)` 核验；运行时 `full` 1,904→2,454，`partial` 876→326；剩余 13 个 PUA 保持占位 | ✅ 2026-11-14（报告 280） | | 11 | ~~N2/N3/N4 数据地基~~：56 个成字字根真实笔顺、结构覆盖 2,766、8 个 D2 漏拆补齐；schema v6 | ✅ 2026-11-14（ADR-355，报告 281） | | 12 | ~~标准 v1 + 86 专注~~：schema v7、241 条 root/key、98/新世纪仅留 profile | ✅ 2026-11-15（ADR-358/359，报告 284/285；PR #314/#315） | +| 13 | **集成验收（不发版）**：用当前 `main` 构建候选包，做自闭环验收（热键/上屏、TextEdit 实键入、性能/零外联、学习区数据回读），确认已合入改动无回归 | ⏳ 待授权换包 | +**发版决策（2026-11-15）**：功能迭代较多，**先不发版**，先做集成验收。 剩余开发项：86 覆盖率已到**许可数据上限**——3,000 字 `full` 2,614（87.1%）/ `partial` 232 / `unknown` 154； 继续提升需要 canonical 五笔根序数据（公开可用的没有），或接入 CDP（GPL-3，结构/笔数，不补根序）。 98/新世纪按用户要求暂不实现，只保留 `schemes/*.toml` 扩展点。整句模型已关闭。 diff --git "a/docs/MVP\345\220\216\346\211\247\350\241\214\350\256\241\345\210\222.md" "b/docs/MVP\345\220\216\346\211\247\350\241\214\350\256\241\345\210\222.md" index 78fcdc18..3a1d87a6 100644 --- "a/docs/MVP\345\220\216\346\211\247\350\241\214\350\256\241\345\210\222.md" +++ "b/docs/MVP\345\220\216\346\211\247\350\241\214\350\256\241\345\210\222.md" @@ -23,7 +23,7 @@ | **D 排序观察期** | 1.1.x 补丁 或 1.2.0 | ADR-304 P2：误选不学习、时间衰减、MRU；P3：位置记忆/「固定顺序」开关 | 只有 C 之后样本集仍显示明显非首选率才做；**一次一项**，便于归因 | C 的样本集对比数据 | 单变量对比显示改善，且无"越用越乱"回归 | | **E 拼音深化** | 独立立项 | 拼音后端质量评估 → 是否自研 FSA 的 ADR → 整句/长词（很可能不做） | 风险面与五笔排序无关，不能搭车 | 质量评估报告 | 有证据支持才立 ADR | | **F 平台扩展** | 独立项目 | R3 Windows（TSF spike 限 1–2 周，失败退 C++ 薄壳）→ R4 Linux → R5 移动端 | 各平台宿主互不影响，但会分散维护精力，**串行** | macOS 维护有余力 | 各自平台真实应用验收 | -| **G 数据/教学** | 随数据批次 | 拆字说明扩充（现状 104 条完整解释）、`TBD-2` 五笔98/新世纪/郑码 | 纯数据，无行为变化，可跟在任何发布后面 | 数据许可与核验 | 覆盖率提升且抽样核验 100% | +| **G 数据/教学** | 随数据批次 | ~~拆字说明扩充~~（已由 B0 运行时 2,614 条解释取代，2026-11-15 关闭）、`TBD-2` 五笔98/新世纪/郑码（暂缓） | 纯数据，无行为变化，可跟在任何发布后面 | 数据许可与核验 | 覆盖率提升且抽样核验 100% | ## 2. 能合 / 不能合的判断 diff --git "a/docs/\345\276\205\345\212\236\344\270\216\347\247\257\345\216\213.md" "b/docs/\345\276\205\345\212\236\344\270\216\347\247\257\345\216\213.md" index 2dc40866..28fc68bc 100644 --- "a/docs/\345\276\205\345\212\236\344\270\216\347\247\257\345\216\213.md" +++ "b/docs/\345\276\205\345\212\236\344\270\216\347\247\257\345\216\213.md" @@ -51,7 +51,7 @@ | P1-2 | ~~corpus M2-1：来源与许可调研~~ ✅ 2026-11-14（ADR-353，报告 279）；主候选中央研究院「漢字構形資料庫」（GPL-3/GFDL/CC BY-SA 2.5 TW）+ cjk-decomp（MIT/Apache-2.0）交叉校验；未下载数据 | `docs/research/root-glyph-sources.md`；官方站点证书过期需离线核对 | S | — | ✅ 已调研 | | P1-3 | **字根字形身份库（N1）**：N1-d 已解掉可定位的 D2 补充区 PUA；剩余 13 个未解决项与字形绘制 | ADR-353：N1-d 核验表已接入（报告 280）；剩余 13 个（如 U+F005A 氏/卯、U+F001B 才/亅、U+F0145 乚/匕）保持占位。后续才需要 Academia Sinica / 自绘；不再需要全量自绘 251 个 | M–L | N1-d ✅ | 数据入库 | | P1-4 | ~~真笔顺（N2）/ 结构标注（N3）/ 完整拆字（N4）~~ ✅ 2026-11-14（ADR-355/356，报告 281/282） | D18 56 个成字字根真实笔顺；结构覆盖 2,766/3,000（识别码优先/IDS 参考，146 条冲突记录）；8 个 D2 漏拆字补成 full。标准 v1 + 字形别名后 B0/runtime full 2,614（87.1%）；剩余 232 partial / 154 unknown；D24 cjk-decomp（Apache-2.0）已接入，未用 D3 作来源 | M–L | P1-3 ✅ | 数据入库 | -| P1-5 | **拆字说明扩充** | B0 已有 2,759 条 `full` 结构化解释（运行时 2,602）；D14 旧表仍是 104 条，尚未同步/扩写 | L | P1-4 ✅ | 数据入库 | +| P1-5 | ~~拆字说明扩充~~ ✅ 2026-11-15 关闭（被 B0 运行时取代） | 学习区已改为读包内 `B0-runtime.tsv`（3,000 字，`full` 2,614 条结构化解释，由 `render_explanation` 生成）；D14 旧表（`wubi86-verified.tsv`）只作「资源缺失」兜底，不再逐条扩写 | — | P1-4 ✅ | 不再单独排期 | | P1-6 | **多方案支持**（五笔 98 / 郑码 / 仓颉） | **当前不实现**：先把 86 做透；标准 v1 已留 `schemes/*.toml` profile 扩展点，98/新世纪需各自字根/码表许可数据 | M（含数据） | 用户暂缓 | 暂缓 | | P1-7 | ~~客户端自动回读缺口~~ ✅ 2026-11-14 关闭 | 用户决定收敛外部依赖：Safari/Chrome/Xcode 自动化、探针、fixture 与客户端矩阵已移除；验收只保留系统自带 TextEdit（质量样本）与自建 imetype 窗口 | — | — | 已闭环 | @@ -101,7 +101,9 @@ ### P3 · 长期/研究性 -- **corpus 全量**（3,000 字 ≥98% 可解释）：依赖 P1-3/P1-4。 +- **corpus 全量**（3,000 字 ≥98% 可解释）：**已到许可数据上限**——标准 v1（ADR-358）+ 字形别名（ADR-359）后 + `full` 2,614（87.1%）/ `partial` 232 / `unknown` 154。继续提升需要公开许可的 canonical 五笔根序数据（当前没有）， + 或接入 CDP（GPL-3，仅结构/笔数，不补根序）。不降标准、不猜；暂不排期。 - **D3 oracle 替代**（TBD-5）：D3 已降级为"未声明许可、仅构建期"。 - 平台扩展（Windows TSF / Linux Fcitx5 / Android / iOS）：单独立项，不与 macOS 质量批次同期，见 `ROADMAP.md`。 @@ -115,11 +117,12 @@ |---|---|---|---| | **A · 收尾（已清零）** | P0 全部完成 | — | — | | **B · 产品可感（已完成）** | U2-3 扩展词库、U3-5 符号 / emoji 均已真机 PASS | — | — | -| **C · 数据地基（本轮完成 N1-d/N2/N3/N4）** | N1-d 已接入；N2 真实笔顺/N3 结构/N4 完整拆字已落地；余项是覆盖扩量（86.3%→98%）、13 个语境歧义 PUA、P1-5 说明同步 | 2–3 周+ | 长期数据正确性；短期用户不可见 | +| **C · 数据地基（已完成到许可上限）** | N1-d/N2/N3/N4 + cjk-decomp + 标准 v1 + 字形别名全部落地；`full` 2,614（87.1%）。剩余 232 partial / 154 unknown 需 canonical 根序数据；13 个语境歧义 PUA 属可选收尾 | — | 长期数据正确性；短期用户不可见 | | **D · 验收收敛（已完成）** | 移除 Safari/Chrome/Xcode 自动化、探针与 fixture；只保留 TextEdit + imetype | — | 已闭环 | -| **E · 小版本发货** | 把新 B0 数据（运行时 full 2,454）装进 1.3.1/build 44；可顺带确认练习错题加权外观 | 1–2 天 + 换包/发布授权 | 让用户实际看到学习区改善 | +| **E · 小版本发货（暂缓）** | 把新 B0 数据（运行时 `full` 2,614）装进 1.3.1/build 44；可顺带确认练习错题加权外观。**用户 2026-11-15 决定先不发版**，先做集成验收 | 1–2 天 + 换包/发布授权 | 让用户实际看到学习区改善 | -**建议**：先把 PR #307 合入 main；然后在 C（继续数据地基）与 E（小版本发货）之间选。若近期要发版，E 的收益最直接；若继续做长线，C 里优先 N2 笔顺（需先定数据源）。验收侧的 P1-7 已随“自闭环”收敛关闭。 +**建议**：C 已到许可数据上限，暂不继续投数据；E 暂缓发版。当前主线是先做**集成验收**（确认已合入的改动在候选包里行为正常）， +再决定 1.3.1 的发版时机。验收侧的 P1-7 已随“自闭环”收敛关闭。 ## 4. 需要你现在决定的事 @@ -129,7 +132,7 @@ 4. ~~U3-4/N1-d 是否按样本字逐条确认~~ ✅ 2026-11-14 已完成可定位部分：66 条 `(PUA, 键位)` 核验接入， 运行时 `full` 1,904→2,454；剩余 13 个未解决项保持占位。清单见 `modules/hanzi-structure/corpus/pua-inventory.tsv`，核验表见 `pua-supplementary.tsv`。 -5. **下一步二选一**：C（继续覆盖扩量/P1-5）或 E（把新数据做成 1.3.1 小版本发货）。 +5. ~~下一步二选一~~ ✅ 2026-11-15：C 已到许可数据上限、P1-5 关闭；E **暂不发版**，先做集成验收。 6. ~~N2/N3/N4 是否继续~~ ✅ 2026-11-14 完成数据地基（ADR-355，报告 281）；覆盖率门槛仍待扩量。 ## 5. 已完成（存档，便于对账） diff --git "a/docs/\346\225\260\346\215\256\346\235\245\346\272\220\344\270\216\350\256\270\345\217\257.md" "b/docs/\346\225\260\346\215\256\346\235\245\346\272\220\344\270\216\350\256\270\345\217\257.md" index 74f3ab38..37da1355 100644 --- "a/docs/\346\225\260\346\215\256\346\235\245\346\272\220\344\270\216\350\256\270\345\217\257.md" +++ "b/docs/\346\225\260\346\215\256\346\235\245\346\272\220\344\270\216\350\256\270\345\217\257.md" @@ -323,6 +323,15 @@ D2（`aardio/wubi-lex`，MIT）把部分五笔字根写成补充区私有码位 - **N4 完整拆字**：`data/learning/wubi86-complete-decomp.tsv`（D18）补 D2 漏拆的 8 个字（没 城 余 代 件 凭 俄 浠），组件全部为可读字形、键位与全码逐位对齐。只在这 8 个字上启用，`componentsSource=D18`；其余仍用 D2。 - B0 schema 升到 **v6**；机器登记见 `data/sources.toml` 的 D18；回归见 `test-hanzi-structure-b0.py`、`validate_b0.py`。 +### 五笔拆字标准 v1 与 D2 字形别名（ADR-358/359，2026-11-15） + +- `data/learning/wubi86-root-inventory.tsv`（项目自编 CC-BY-SA-4.0，**241 条** root/key）：86 标准字根清单， + 用于 `full` 的逐组件键位校验；来源是官方 86 字根表、D14 键位事实与码位佐证，不复制任何未许可字形。 +- `modules/hanzi-structure/corpus/d2-glyph-aliases.tsv`（项目自编 CC-BY-SA-4.0）：D2 用假名/注音符号 + 代替汉字部件的**同形归一化**（`リ→刂`、`ㄗ→卩`、`ク→夕`），不新增字根/键位；归一化后仍走标准校验。 +- 结果：B0 3,000 字 `full` 2,614（87.1%）/ `partial` 232 / `unknown` 154；1,000 字 `full` 928。 + 剩余条目缺公开许可的 canonical 五笔根序数据，不降标准、不猜。 + ### D15 自编输入验收集与核心词表扩充（ADR-227） `data/input-quality.tsv` 为本项目独立编写的433项聊天、工作、开发及长词验收集，作者为项目贡献者，自产编排CC-BY-SA-4.0。292项训练，69项探索验证与新增72项冻结后保留均不参与生成；训练项仅作为D4/D5/D10已有词条的选择条件，不创造读音、编码或频次。SHA见sources.toml。两核心表改为前20,000条加训练词，原始权重保持；个人词与未入选长尾不混作系统覆盖。