Lampio 知识库

主题

10 · 近义词辨析 / 搭配 reseed 交接（RVH → RB） ​

RVH 段一交付：接 RB 消费契约 ~/reading-browser/docs/cross-end/10-synonym-differentiation-handoff.md， 在预装库 pipeline 离线生成 pos_definitions 的 differentiation + collocations 两键，烤进 reading_vocab.db。 日期：2026-06-14 · RVH Schema v54 不变 / 预装 v18→v19 · 优先级 P3（纯展示增强，不阻塞匹配/同步）

TL;DR（RB 要做的 2 件事） ​

  1. 复制预装库：reading_vocab.db 整包覆盖（新 SHA e180784393…），VOCABULARY_SEED_VERSION 升 v19。 走 RB /vocab-reseed（merge 路径即可，无 PK 变化、无 prune）。
  2. 接段二渲染（另起 RB 会话）：dictionary.rs 解析两新键、PosGroupBlock 加「用法区别」收起态 chip。 详见 RB docs/plans/archive/synonym-differentiation-plan.md。

纯 additive：只是 pos_definitions JSON 更丰富（沿 examples/synonyms 同址 precedent）。 无 schema 变更、无资产变更、无 PK 变更、无 prune、不进 Supabase 同步矩阵（红线 #10）。

§1 数据落点 & 形状（契约本体回执） ​

每个带非空 synonyms 的 definition 加两键，与 synonyms 同址同级（per-definition）：

jsonc
{
  // ... gloss / examples / synonyms / antonyms ...
  "differentiation": [
    {"synonym": "large",
     "distinction_en": "Large is more formal; big is common in everyday speech.",
     "distinction_zh": "large更正式，big日常口语常用。"}
    // 3-5 条，synonym 必为该 def synonyms[] 里真实 surface（大小写以 synonyms 为准）
  ],
  "collocations": [
    {"pattern": "big difference", "note_zh": "大差异"}
    // 2-4 条，pattern 含 headword 形态
  ]
}
  • 两键序列化位置固定：synonyms/antonyms 之后、tags/translations 之前（byte-equal 保序）。
  • 两键均可选：某义项无可讲则省略该键（宁缺毋滥，反幻觉）。RB 据「键存在且非空」决定是否渲染入口。
  • differentiation[].synonym 保证 ∈ 该 def synonyms[]（apply 阶段强校验，配不上的条目已在源头丢）。 RB 渲染时按此与近义行配对；理论上不会出现孤立辨析，但 RB 仍可保留「配不上静默丢」防御。

§2 预装库变更 ​

旧（v18）新（v19）
reading_vocab.db SHA256ef7a7297cb0ea118db15d58053a7250aafa14c01fb9fd39a41fb2b0467644125e180784393f4ffe72f770488cb62a46a0c817041d9deb4b1af815bda5f541d38
_preinstalledVocabVersion1819
总词数1889918899（不变）
Schema 版本v54v54（不变，纯 pos_definitions JSON 内容增量）
tag 分布 / CEFR / 例句 / emoji / canonical_surface—全不变（仅 pos_definitions 加两键）

覆盖统计（DB 实测）：

维度词（vocabulary 行）义项（sense）
含 differentiation53299237
含 collocations56009759
生成宇宙（带非空 synonyms 的 def）5966 词10745 义项
宁缺毋滥（已尝试空标记）—933 义项
  • 短语覆盖 = 0（v1 范围）：当前语料 0 条短语义项（word_tags 含 idiom/phrasal_verb）带 synonyms， 「仅 synonyms-def」范围下无短语进入生成。短语辨析/搭配整体留 v2（与契约 §3.1「纯搭配无 synonyms 留 v2」自洽）。 生成路径已防御性支持短语（canonical_surface 形态），未来某短语带 synonyms 时自动生效。

§3 生成方法（供 RB 对齐判断，无需复刻） ​

  • provider：deepseek-v4-flash，temperature 0（稳定事实解释 + prompt cache），json_object。
  • 两遍：Pass 1 从噪声 synonyms（thesaurus dump，如 big 85 条含 yuge/Brobdingnagian）挑 3-5 个学习者 真正易混的高频近义词，讲「何时用这个不用那个」（语域/强度/搭配/语气）；Pass 2 LLM 评审 drop 循环定义/ 不准/孤立条目。规则过滤：synonym 真实存在 + 长度门 + 循环定义粗检 + collocations 含 headword 形态。
  • 确定性（红线 #10）：LLM 输出固化进提交进仓库的缓存 tools/vocabulary_builder_v3/data/differentiation.json （10745 sense 键，复用例句缓存口径 word|pos|gloss-hash）。pipeline 复用不重生成 → 连续重建 pos_definitions 内容 sha 一致（已双跑校验通过）。禁止每 build 调 LLM。
  • 成本：一次性 $0.98（2984 calls）。

§4 RB 消费侧（段二，另起 RB 会话） ​

按 RB 契约 §5 / synonym-differentiation-plan.md：

  • dictionary.rs：Sense 解析 differentiation / collocations，聚合到 POS 级（同 synonyms 的 push_unique）。
  • types/index.ts：PosGroup 加两字段。
  • WordSenses.tsx PosGroupBlock：近义行下方加收起态 chip「用法区别」→ 点开本地展开（无网络、无 loading，数据已在卡里）。
  • 入口 v1 落 Library 详情 + 复习卡背面；查词弹窗 v2。不 opt-in（静态数据同 synonyms）。

§5 验证 ​

  • ✅ 确定性双跑：pos_definitions 列 sha 跨重建一致（2f769820…）。
  • ✅ byte-equal：assets DB == output DB（e180784393…）。
  • ✅ 质量抽样（big/about 等）：辨析讲「何时用」非循环、synonym 全真实 surface、zh 齐、collocations 含 headword。
  • ✅ synonym 校验：apply 阶段 0 条因「synonym 非真实 surface」被丢（generator 已在源头保证）。
  • RB 端：reseed 后 /cross-end-check 确认两端 reading_vocab.db byte-equal；抽查若干词两键落库形状匹配 §1。

关联 ​

  • RB 契约（上游）：~/reading-browser/docs/cross-end/10-synonym-differentiation-handoff.md
  • RVH 落地：本会话 commit · plan ~/.claude/plans/curried-wandering-steele.md + rvh/docs/plans/synonym-differentiation-rvh-plan.md
  • 红线 #10（预装库单点产出，三端 byte-equal）见 CLAUDE.md
  • 先例：v15 例句生成（generator/cache/generate/apply + 提交缓存）— 同纹理