Files

T

2026-10-16 22:11:05 +08:00

name, description

name	description
source-intake-c4h	当用户上传或粘贴原始史料（PDF、扫描、图片、抄本、书信、报刊、档案、口述史）时，在 Code4History 中登记来源、保持原件、转录分块，并按证据、线索、问题、概念、人物与时间轴分流；严格记录来源定位和校核状态，禁止一股脑推入正文。

Source Intake — C4H（史料摄入与分流）

触发情形：用户给出待分析史料文件、文字或已存在于项目的原件，并要求阅读/归档/拆解/提取内容。若没有研究主题也可摄入来源、初步编目；不得凭一份材料擅自确定研究题目。

启动与读取

先读 USERINFO.md、AGENTS.md、topic.md 与 STATE.md，遵守用户对特定资料的保密/授权/优先处理规则；再读 01_sources/readme.md、02_evidence/readme.md、相关卡片模板。
看 references/intake-map.md 和 references/quality-checklist.md；为此次摄入划定范围（是全文登记、指定页精读，还是对主题相关内容分流）。
不能在工具不可读取原件或材料不完整时宣称“已通读”。对无法解析的扫描件记录受阻页号，必要时要求用户给清晰版本。

A. 来源身份

区分一次史料与二手学术研究，分类视研究问题而定；不因某个文献写于19世纪就自动视为事件同期证言。
记录文件原名、文件类型、真实作者/编者、文献生产日期、所叙事件时间、发表或翻刻日期、馆藏/URL、获取方式、版权/隐私限制、文件校验值（可用 SHA-256）、阅读覆盖范围；缺的信息写 unknown，不能猜。
归档原件到 01_sources/originals/primary/ 或 secondary/，绝不覆盖、重新编码或编辑原件。若发现相同文件（校验值一致）复用现有 SRC-*；版本不同则分开登记并建立关联。
使用 python tools/new_item.py --kind primary|secondary --slug ... 建 SRC-* 卡，并更新 01_sources/catalog.md；没有实际可保存附件时登记“外部链接/粘贴文本”的真实来源，不伪造文件路径。

B. 转录及切片

可解析 PDF 以页为单位保留定位：PDF页序、原书印刷页/档案叶码、章节标题、语言、图表或边注缺失情况。扫描OCR另标识 ocr_unchecked，有疑点保留待核标志。
原文字句保存在 01_sources/transcripts/{primary,secondary}/ 的一个或多个分块文件中；它们仍是来源的转录层，不是证据卡。译文要单列，绝不能直接替换原文。各分块能回到原始页；长文分批写磁盘并记录“哪些页已处理、哪些还没有”。
每次只对与当前 Q/H 相关或者明显值得保留的段落创建 EV-*；证据卡保持单一可核查陈述，记录来源 ID、原文/翻译、准确页/段落、能证与不能证、校核状况。直接文本提取并不等于 checked。

C. 语义分流（区别文献说法与本项目判断）

人物、机构、地点、概念、时代背景 → 04_context/{people,institutions,places,concepts,background}/：每项附 SRC/EV 和适用时段，按主题需要选择性创建，不要每出现一个人名就建文件。
事件与日期 → 04_context/chronology.md：标明来源、定位、确定/冲突/未核实；日期冲突不得私自裁断。
待追踪的档案、提及的文献、人名、其他途径 → 03_inquiry/leads/L-*：线索不是已获取原件。
原始文本引出的矛盾或尚未回答的问题 → 03_inquiry/questions/Q-*，先查是否已有相似问题再关联。
可能解释 → 03_inquiry/hypotheses/H-*，区分文献作者自己的解释与我们的推测，并搜集竞争性解释和反证。不自动将假说写入 06_arguments 作为论点。
如输入是学术研究 → 同时登记 05_historiography/works/W-*，记录研究者的论点与所引原始史料、实际阅读程度；不可用二手著作代替对一手史料的直接核对。
冲突、受限材料、未经复核的引文 → 08_review/contradictions.md、counterevidence.md 或 audits/；成熟 C-* 或正文只能在另行获准的论证/写作环节产生。

D. 完成报告

更新 STATE.md、00_governance/research-log.md 与 01_sources/catalog.md，报告：原件ID/路径/校验值、阅读页范围与未读范围、证据卡数量与定位、发现的 Q/H/概念/日期、未核疑点、尚未创造任何论点的说明。
需要时运行 python tools/validate.py。如果跨文件更新中断，标注中间状态，不假装摄入完整。