⚠️ 2026-08-18 更新（cross-end/24）：本文多处提到的 bin/patch_lemmatizer_assets.py已删除。资产修正层现在是 src-tauri/examples/build_dict.rs 的 §2.4 corrections + §2.5 force_as_base（生成器自带落地断言），重跑生成器即可字节复现资产。下文凡写「必须在 patch_lemmatizer_assets.py patch 之后的 JSON 上 bake」的地方，现在读作「必须在 build_dict 重跑之后的 JSON 上 bake」。lemma 表行数契约也已从 140,370 / 101,646 改为 140,281 / 101,709。

13 — lemmatizer 资产折叠进 reading_vocab.db（RVH 会话提示 / 跨端握手）

物理位置：本文件在 RB 仓库 ~/reading-browser/docs/cross-end/13-lemmatizer-fold-handoff.md。 RVH 会话用绝对路径读：Read ~/reading-browser/docs/cross-end/13-lemmatizer-fold-handoff.md。跨仓库引用一律 ~-锚定绝对路径（RB→~/reading-browser/...，RVH→~/reading_vocab_helper/...）。
创建：2026-06-15 · RB 先行（§9）· 关联 backlog 条目「lemmatizer 资产折叠」

0. 一句话目标

今天两端各自打包并加载 3 个 byte-equal 资产：

资产	RB 路径	RVH 路径	大小
`reading_vocab.db`	`src-tauri/assets/reading_vocab.db`	`assets/databases/reading_vocab.db`	—
`surface_to_base.json`	`src-tauri/assets/nlp/surface_to_base.json`	`assets/nlp/surface_to_base.json`	3.2M / 140,370 条
`base_forms.json`	`src-tauri/assets/nlp/base_forms.json`	`assets/nlp/base_forms.json`	1.1M / 101,646 条

目标：把后两个 JSON 烤成 reading_vocab.db 里的两张表，两端运行时改从 db 读 lemmatizer Layer 1/2，停止打包 JSON。打包/加载的 byte-equal 资产从 3 → 1。

收益：① 同步面 3→1；② 消灭一类红线 #9 漂移——运行时归一器与「当初归一 PK 用的那份 surface_to_base」装在同一文件里，字节级保证一致；③ app 包/二进制变小。 不解决：lemmatizer Layer 3/4 算法代码（后缀规则 + 裁决 + NFC）两端各一份的对齐义务照旧——折叠只合并数据，不合并代码。

1. 表契约（握手核心 —— RB / RVH 必须按这个 schema 编码）

generate_db 在 reading_vocab.db 里新增三张表（与现有 vocabulary 表并存）：

sql

-- Layer 1：屈折 surface → base（原 surface_to_base.json 的 "map"）
CREATE TABLE lemma_surface_to_base (
  surface TEXT PRIMARY KEY,   -- 小写表面形
  base    TEXT NOT NULL       -- 归一 base/lemma
);  -- 140,370 行

-- Layer 2：base 形集合（原 base_forms.json 的 "base" 数组）
CREATE TABLE lemma_base_forms (
  base TEXT PRIMARY KEY       -- 小写 base 形
);  -- 101,646 行

-- 出处/版本（原两个 JSON 的 version/count；RB 当前解析 version 字段但 #[allow(dead_code)]，保留作 provenance）
CREATE TABLE lemma_meta (
  key   TEXT PRIMARY KEY,
  value TEXT NOT NULL
);  -- 行：('surface_to_base_version', '<原 json version>'),
    --     ('base_forms_version',     '<原 json version>'),
    --     ('surface_to_base_count',  '140370'),
    --     ('base_forms_count',       '101646')

确定性纪律：INSERT 必须 ORDER BY 主键（surface / base 升序）写入，保持 generate_db 输出 run-to-run 可复现（对齐既有 baseline_sha256 锚点）。db 是单一生产者（RVH pipeline 产出 → RB 用 sync-rvh-vocabulary.sh 整包复制），所以 RB/RVH byte-equal 由复制保证；确定性是为 pipeline 自身可复现/可审。

2. RVH 会话任务清单

全部在 ~/reading_vocab_helper/。必须新会话（CLAUDE.md §9，工具链 = flutter/dart）。

2.1 pipeline 生成侧（核心）

tools/vocabulary_builder_v3/config.yaml：paths: 下新增 lemmatizer_base_forms: ../../assets/nlp/base_forms.json（lemmatizer_surface_to_base 已存在）。
tools/vocabulary_builder_v3/bin/generate_db.dart（359 行）：在写完 vocabulary 表后，读这两个 JSON（路径取自 config），按 §1 DDL 建三张表 + 排序写入。
- 注意：必须在 patch_lemmatizer_assets.py 已 patch 之后的 JSON 上 bake—— 即 as→a 映射已删（lemma_surface_to_base 不含 as 这条 key）、base_forms 仍含 "as"、picked/passed/trying 已修正。
- 沿用 generate_db 既有 sqlite3 写法 + pragma，别引入新的非确定性（无时间戳/无 random/无 rowid 依赖）。
重建 db：跑 generate_db（或 build_all），核对：
- SELECT COUNT(*) FROM sqlite_master WHERE type='table' → vocabulary + lemma_surface_to_base + lemma_base_forms + lemma_meta（注意 RB 同步脚本断言要随之放宽，见 §3）。
- 行数 140,370 / 101,646。
- 抽查 SELECT base FROM lemma_surface_to_base WHERE surface='transferred' = transfer；SELECT 1 FROM lemma_base_forms WHERE base='as' 命中。
- 记录新 SHA256（更新 baseline_sha256 锚点）。

2.2 RVH 运行时侧（让 Dart 改从 db 读）

lib/core/nlp/lemmatizer_flutter_loader.dart：当前并行 rootBundle.loadString 两个 JSON → 改为从已就绪的 reading_vocab.db SELECT surface,base FROM lemma_surface_to_base + SELECT base FROM lemma_base_forms，组装成 Map<String,String> / Set<String> 喂给 Lemmatizer.preloadFromJsonStrings(...) （或新增等价的 Lemmatizer.preloadFromMaps({baseForms, surfaceToBase})，避免再走 JSON 序列化）。
- 启动顺序坑：main() 里 lemmatizer 加载目前与 db 拷贝是并行的（app_database.dart:377 从 rootBundle 拷 db）。改 db-load 后，lemmatizer 加载必须排在 db 就绪之后——调整 main() wiring（db ready → 再 load lemmatizer）。
pubspec.yaml（line 130）：从 assets: 列表移除 assets/nlp/（停止打包）。 保留磁盘上的 assets/nlp/*.json 文件——pipeline 仍读它们当构建输入（config 路径指向此处），只是 app 不再 bundle。
CLI / 测试 wiring：bin/phase0_normalize.dart / test/core/nlp/lemmatizer_test_setup.dart 仍可继续用 dart:io File 读 JSON（它们是 build/test 期，不受 app 打包影响）——不用改，除非你想统一。建议本任务不动，缩小爆炸半径。

2.3 不动的

bin/patch_lemmatizer_assets.py：照旧 patch 输入 JSON（patch 在 bake 之前发生）。
wordlist_builder.dart 的 _lemmatize：照旧读 surface_to_base.json 当输入做 PK 归一（§ 上轮讨论：lemmatizer 在 pipeline 里只做 PK 归一，不补内容）。

3. RB 侧对侧（在 RB 会话做 —— 列在此让 RVH 对齐顺序）

RVH 会话不要改 RB 文件；这块由 RB 会话负责，写在这里只为对齐 ordering 与契约。

src-tauri/src/commands/lemmatizer.rs：SURFACE_TO_BASE / BASE_FORMS 两个 LazyLock + include_str!("../../assets/nlp/*.json") → 改为从 attach 的 reading_vocab.db 一次性 SELECT 进内存 （OnceCell<HashMap> / OnceCell<HashSet>，app setup 拿到 resource 路径后 eager init）。 查词路径不变——仍内存 O(1)，只换数据来源；不要改成每次查 query db。去掉两处 include_str!。
src-tauri/assets/nlp/*.json：从 include_str! 解绑后不再打包；文件保留（RB cargo run --example build_dict 的产物 + 交给 pipeline 的输入）。
scripts/sync-rvh-vocabulary.sh：放宽「恰好 1 表 = vocabulary」断言（TABLE_COUNT -eq 1）→ 允许 vocabulary + lemma_surface_to_base + lemma_base_forms + lemma_meta（按白名单或计数 ==4 校验）。
src-tauri/src/db/helpers.rs：bump VOCABULARY_SEED_VERSION 触发装机用户重灌（拿到带新表的 db）。
- 确认 helpers.rs 的 reseed merge SQL 仍只 ATTACH 读 vocabulary 表；新三张表是 lemmatizer 运行时直接读的，不进 notebook merge 流程。

4. 落地顺序（防 byte-equal 漂移 / 防装机用户拉空）

✅ 对齐表契约（本文件 §1）——已定。
RVH：改 config + generate_db → 出带三张表的新 db → 改 Dart loader + main() 顺序 → 移除 pubspec 资产 → RVH 端验证 lemmatize 回归。
RB：先放宽 sync-rvh-vocabulary.sh 断言 → 跑同步脚本拉新 db → bump VOCABULARY_SEED_VERSION → 改 lemmatizer.rs 加载层 + 解绑 include_str → RB 端验证。
- 顺序关键：先放宽断言再同步，否则同步脚本因「表数 ≠ 1」中止。
两端各跑 lemmatize 回归用例确认行为零变化。

5. 验证清单（两端各做）

[ ] db 表数 = 4（vocabulary + 三张 lemma_*）；行数 140,370 / 101,646。
[ ] lemmatize() 行为零变化：transferred→transfer、mice→mouse、picked→pick、passed→pass、trying→try、as→as（patch 特例：surface 无 as→a，靠 base_forms 含 as 自映射返回）。
[ ] app 不再打包 assets/nlp/*.json（RB 无 include_str / RVH pubspec 无 assets/nlp），启动正常、双击查词归一正常。
[ ] 装机用户重灌路径：bump 版本后旧用户重灌，lemmatizer 从新 db 读，归一正常。
[ ] 更新 baseline_sha256 锚点；新 db SHA 双端一致（复制保证）。

6. 完成后回写

RVH：在 ~/reading_vocab_helper/CHANGELOG.md + 自己的跨端日志记一笔；新 db SHA 通报 RB。
RB（对侧会话）：docs/database-schema.md 加这三张表说明 + 红线 #10 措辞补「reading_vocab.db 现含 lemmatizer 表」； docs/vocabulary-domain-knowledge.md §7 注明 lemmatizer 资产已折叠进 db；backlog 条目移除；写 14-rb-lemmatizer-fold-confirmation.md 收口。
红线 #9 措辞更新：byte-equal 要求从「surface_to_base.json / base_forms.json 运行时资产」转为「reading_vocab.db 内 lemma_* 表」；JSON 降级为 pipeline 构建输入（仍需 RB build_dict ↔ RVH 一致，但不再是 shipped runtime 资产）。

13 — lemmatizer 资产折叠进 reading_vocab.db（RVH 会话提示 / 跨端握手） ​

0. 一句话目标 ​

1. 表契约（握手核心 —— RB / RVH 必须按这个 schema 编码） ​

2. RVH 会话任务清单 ​

2.1 pipeline 生成侧（核心） ​

2.2 RVH 运行时侧（让 Dart 改从 db 读） ​

2.3 不动的 ​

3. RB 侧对侧（在 RB 会话做 —— 列在此让 RVH 对齐顺序） ​

4. 落地顺序（防 byte-equal 漂移 / 防装机用户拉空） ​

5. 验证清单（两端各做） ​

6. 完成后回写 ​