RVH 预装词库 pipeline → RB 迁移正式 plan（Q3 第二步）

物理位置：~/reading-browser/docs/plans/rvh-vocab-pipeline-migration-plan.md（跨端 plan 统一存 RB，§9）创建：2026-07-19 · 承接：~/reading-browser/docs/plans/rvh-vocab-pipeline-inventory.md（只读盘点）性质：正式迁移方案，待用户确认后实施。本 plan 只规划 RB 侧动作；真正改 RVH 仓（移除/改造它那份 pipeline）必须另开 RVH 新会话（§9 会话隔离），清单见 §八。敏感度：触红线 #10（byte-equal 预装库），比 admin 合仓更敏感 —— 任一步破坏 byte-equal 会触发 sync backfill skip + log::warn + VOCABULARY_SEED_VERSION 失去版本语义。故 §四 / §六给出双端 byte-equal 断言护栏，作为不可跳过的验收闸。全部跨仓引用用 ~-锚定绝对路径。

一、目标与非目标

目标：把 RVH 预装词库 pipeline（~/reading_vocab_helper/tools/vocabulary_builder_v3/，Dart）lift-and-shift 迁入 RB 仓，消除「RB 产 lemmatizer JSON → 跨仓喂 RVH pipeline → 烤 db → sync 回 RB」的环状 split-brain，使词库内容决策与产出同仓（RB），RVH 降级为纯消费方。

本会话非目标（明确排除）：

❌ 不动 RVH 仓任何文件（移除旧 pipeline、删 assets/nlp、改 RVH skill 均属 §八，RVH 新会话做）
❌ 不重写为 Rust/TS（inventory §六结论：ROI 低，Dart 工具能跑就保留）
❌ 不借迁移之机改词库内容（治理规则 / 例句 / tag 一律不动 —— 迁移必须内容 byte-identical，见 §四）
❌ 本 plan 不执行任何动作，仅规划；实施在用户确认后另起

二、当前拓扑（split-brain 环，已实测锚定）

┌─ RB 仓 (~/reading-browser) ──────────────────────────────────────┐
│  build_dict.rs (examples/)                                        │
│    └─ 产出 → src-tauri/assets/nlp/{surface_to_base,base_forms}.json│  ← lemmatizer 权威源
│         (force_as_base + picked/passed/trying correction 已内置)   │     (红线 #5e)
│  sync-rvh-vocabulary.sh                                           │
│    └─ 方向 RVH→RB：cp RVH db → src-tauri/assets/reading_vocab.db   │  ← 消费方(当前)
└──────────────────────────────────────────────────────────────────┘
        │ nlp JSON 跨仓复制(byte-equal)          ▲ db 跨仓复制(byte-equal)
        ▼                                        │
┌─ RVH 仓 (~/reading_vocab_helper) ────────────────────────────────┐
│  assets/nlp/{surface_to_base,base_forms}.json  ← RB 产物的副本     │
│  tools/vocabulary_builder_v3/  (Dart pipeline, 25 bin + lib+data) │  ← 产出方(当前)
│    config.yaml:                                                   │
│      lemmatizer_* → ../../assets/nlp/*.json   (读 RVH 副本)        │
│      app_db       → ../../assets/databases/reading_vocab.db       │
│    generate_db.dart → 把 nlp JSON 烤进 lemma_* 表 + 产 db          │
│    data/kaikki_english.jsonl.gz → symlink ~/Downloads/(457MB,外部) │
│    data/{differentiation,etymology,generated_examples,phrase_*}.json│ ← LLM cache(入仓,沉没成本)
│  assets/databases/reading_vocab.db  ← pipeline 产物, cp 给 RB      │
└──────────────────────────────────────────────────────────────────┘

实测锚定（2026-07-19）：

~/reading-browser/src-tauri/assets/nlp/surface_to_base.json ↔ ~/reading_vocab_helper/assets/nlp/surface_to_base.json byte-equal ✅
…/base_forms.json 两端 byte-equal ✅
~/reading-browser/src-tauri/assets/reading_vocab.db ↔ ~/reading_vocab_helper/assets/databases/reading_vocab.db byte-equal ✅
lemma 表契约：lemma_surface_to_base 140,370 行 / lemma_base_forms 101,646 行（sync 脚本硬断言）
kaikki 真身：~/Downloads/kaikki.org-dictionary-English.jsonl.gz（457 MB，gitignore + symlink）

环的本质：build_dict.rs（RB 产 lemmatizer JSON）→ 副本喂 RVH pipeline → 烤进 db → db sync 回 RB。lemmatizer JSON 是 RB 产物却物理躺在 RVH 且被 RVH 消费；db 是 RVH 产物却最终服务 RB。迁移把 pipeline 移入 RB 后，两个 artifact 都在 RB 内闭环，环打开。

三、目标拓扑（迁移后）

┌─ RB 仓 (~/reading-browser) —— 词库单一事实源 ────────────────────┐
│  examples/build_dict.rs                                           │
│    └─ 产出 → src-tauri/assets/nlp/{surface_to_base,base_forms}.json│
│                              │ (同仓路径, 无跨仓)                   │
│                              ▼                                     │
│  tools/vocabulary_builder_v3/  (迁入)                             │
│    config.yaml:                                                   │
│      lemmatizer_* → ../../src-tauri/assets/nlp/*.json  (同仓)      │
│      app_db       → ../../src-tauri/assets/reading_vocab.db (同仓) │
│    generate_db.dart → 烤 lemma_* + 产 db (直接落 RB asset)         │
│    data/kaikki_english.jsonl.gz → symlink ~/Downloads/(约定位置)   │
│    data/*.json  ← LLM cache (随目录迁入, byte-identical)           │
│  sync-rvh-vocabulary.sh  (方向反转 RB→RVH, 断言不变)              │
│    └─ cp RB db → ~/reading_vocab_helper/assets/databases/…db      │
└──────────────────────────────────────────────────────────────────┘
                              │ db 跨仓复制(byte-equal, RB→RVH)
                              ▼
┌─ RVH 仓 —— 纯消费方 ─────────────────────────────────────────────┐
│  assets/databases/reading_vocab.db  ← 接收 RB 产物                │
│  (无 pipeline; assets/nlp/ 可删 —— 运行时读 db 内 lemma_*)         │
└──────────────────────────────────────────────────────────────────┘

关键收益：lemmatizer JSON 从 build_dict.rs 输出后同仓直接被 pipeline 消费（config 相对路径 ../../src-tauri/assets/nlp/，不再 ../../ 穿仓）；db 也同仓产出直落 RB asset。环彻底消除。

四、红线 #10 byte-equal 护栏策略（本 plan 最敏感处）

byte-equal 有两个独立层面，迁移必须分开对待，否则会误触发全量 reseed：

4.1 结构迁移层 = 内容零变更（默认路径）

迁移是 lift-and-shift + 改路径 + 反转 sync，不重跑 pipeline、不重产 db。迁移完成后：

RB 的 src-tauri/assets/reading_vocab.db 保持迁移前的原字节（不动）
sync 脚本反转方向后首次跑 = cp RB db → RVH db，两端仍是迁移前那份字节
验收闸 A（必过）：迁移前后 shasum -a 256 三处（迁移前 RVH db、迁移前 RB db、迁移后 RB db、反转 sync 后 RVH db）四者相等
结果：无内容漂移 → 不 bump VOCABULARY_SEED_VERSION → 已安装用户零 reseed

这是核心纪律：结构迁移绝不改一个 db 字节。红线 #10 在结构迁移阶段的语义 = 「搬家不换家具」。

4.2 生产复现层 = 确定性 dry-run（验证 pipeline 迁移无损，非发版）

单独、可选地在 RB 内从迁入的 pipeline 重跑 generate_db.dart（Step 6 单点，读同一批 data/*.json + 同一 nlp JSON），产出 output/reading_vocab.db，与仓内现役 db 对比：

理想：内容 diff = 0（vocabulary / lemma_* 全表 diff 空）。SQLite 二进制可能因页布局/rowid 分配非 byte-equal，故用表级内容 diff（sqlite3 .dump 或逐表 EXCEPT）而非裸 cmp 作判据。
若表级内容 diff = 0：证明 pipeline 迁移无损、确定性保持 → 迁移合格。但不拿这个新 db 发版（避免仅页布局差异触发的伪 reseed）；继续用 4.1 的原字节 db。
若表级内容 diff ≠ 0：说明迁移引入了路径/环境/确定性回归（如 nlp JSON 读错副本、locale 影响排序、绝对路径泄漏）→ 阻断迁移，定位修复，禁止发版。

4.2 是「迁移正确性」的探针，不是「发版动作」。发版走 §八 RVH 新会话之后、下一次真实内容变更时才发生（那时才 bump 版本 + 双端 reseed）。

4.3 lemmatizer 层 byte-equal（红线 #5e 顺带守护）

迁移不改 build_dict.rs、不改 nlp JSON 内容。迁移后 config 指向 ../../src-tauri/assets/nlp/*.json（RB 权威源，非 RVH 副本）。验收闸 B：迁移后 pipeline 读到的 nlp JSON 与迁移前 RVH 副本 byte-equal（本就同源，实测已相等）—— 确保「换读源」没引入差异。

五、迁移步骤（RB 侧，有序）

全程在 ~/reading-browser 仓操作；每步给验证。Step 0–7 全在 RB，不碰 RVH。

Step 0 — 预检 & 基线锚定（只读）

bash

cd ~/reading-browser
# 三处基线 SHA（迁移后逐一比对）
shasum -a 256 src-tauri/assets/reading_vocab.db                      # BASE_DB_SHA
shasum -a 256 src-tauri/assets/nlp/surface_to_base.json src-tauri/assets/nlp/base_forms.json
shasum -a 256 ~/reading_vocab_helper/assets/databases/reading_vocab.db  # 应 == BASE_DB_SHA
# 环境就绪
dart --version                                                       # 期望 3.10.x
ls -la ~/Downloads/kaikki.org-dictionary-English.jsonl.gz            # kaikki 真身在
git -C ~/reading-browser status --short                             # 记录已有脏文件, 迁移改动隔离

写下 BASE_DB_SHA 到 plan 执行记录 —— 这是 §4.1 验收闸 A 的锚。

Step 1 — 迁入 pipeline 目录

git mv / cp -a 把 ~/reading_vocab_helper/tools/vocabulary_builder_v3/ 整目录搬到 ~/reading-browser/tools/vocabulary_builder_v3/
- 含：lib/ bin/（25 dart + patch_lemmatizer_assets.py）data/（含全部入仓 LLM cache + 词表骨架）config.yaml pubspec.yaml pubspec.lock scripts/ README.md .gitignore
- 排除（gitignore 已列，不搬）：output/ .dart_tool/ data/kaikki_english.jsonl.gz（symlink，Step 4 重建）
- 决策点（§十开放问题 Q1）：RB 已有 tools/{agid-2016.01.19,wordnet,phrase_eval,build_dict.report.txt}（build_dict 输入 + 短语评测）。迁入的 vocabulary_builder_v3/ 与之平级共存于 tools/，命名无冲突，建议保留原名整目录迁入。
cd tools/vocabulary_builder_v3 && dart pub get（用迁入的 pubspec.lock 锁定版本）

验证：dart analyze 通过；ls data/*.json 五个 LLM cache 尺寸与 §二锚定一致（differentiation 7MB / etymology 5MB / generated_examples 5MB / phrase_library 3.6MB / phrase_idiomaticity）。

Step 2 — 理顺 lemmatizer 环状接缝（config 路径重定向）

改 ~/reading-browser/tools/vocabulary_builder_v3/config.yaml：

key	迁移前（RVH 相对）	迁移后（RB 相对，同仓）
`lemmatizer_surface_to_base`	`../../assets/nlp/surface_to_base.json`	`../../src-tauri/assets/nlp/surface_to_base.json`
`lemmatizer_base_forms`	`../../assets/nlp/base_forms.json`	`../../src-tauri/assets/nlp/base_forms.json`
`app_db`	`../../assets/databases/reading_vocab.db`	`../../src-tauri/assets/reading_vocab.db`

接缝理顺后的单向链：build_dict.rs → src-tauri/assets/nlp/*.json → pipeline config.yaml 读同一文件 → generate_db.dart 烤 lemma_* → src-tauri/assets/reading_vocab.db。环变成线，单一产源。
patch_lemmatizer_assets.py：现为 legacy（build_dict.rs 已内置 force_as_base + picked/passed/trying correction，红线 #5e）。迁入但标注「历史修正脚本，当前 build_dict 已内置，勿在常规流程调用」—— 保留作审计锚点，不接入 build_all。

验证（验收闸 B）：迁移后 config 指向的 nlp JSON 与 Step 0 基线 SHA 相等（同源，必然相等，防手滑指错文件）。

Step 3 — kaikki 外部 dump 纳管

不入仓（457MB）。约定固定位置：保持 symlink 模式 data/kaikki_english.jsonl.gz -> ~/Downloads/kaikki.org-dictionary-English.jsonl.gz
在 tools/vocabulary_builder_v3/README.md（或 data/KAIKKI.md）文档化：来源 URL（kaikki.org English Wiktionary dump）、期望文件名、ln -s 重建命令、大小校验。gitignore 已含该 symlink 条目（随目录迁入）。
决策点（§十 Q2）：是否把 kaikki dump 移到仓内固定路径（如 ~/reading-browser/tools/vocabulary_builder_v3/data/.kaikki/）而非 ~/Downloads。建议维持 ~/Downloads symlink（零拷贝、已 gitignore），仅补文档。

Step 4 — 反转 sync 方向（RVH→RB 改 RB→RVH）

改 ~/reading-browser/scripts/sync-rvh-vocabulary.sh：

项	迁移前	迁移后
语义	RVH 产 → cp 到 RB	RB 产 → cp 到 RVH
`SRC`	`~/reading_vocab_helper/assets/databases/reading_vocab.db`	`~/reading-browser/src-tauri/assets/reading_vocab.db`
`DST`	`src-tauri/assets/reading_vocab.db`	`~/reading_vocab_helper/assets/databases/reading_vocab.db`
幂等 `cmp -s` skip	保留	保留
4 表白名单断言	保留	保留不变（`lemma_base_forms`/`lemma_meta`/`lemma_surface_to_base`/`vocabulary`）
lemma 行数断言 140370/101646	保留	保留不变
机器污染检查（audio_local_path/last_accessed_at 全 NULL）	保留	保留不变
版本提示	提示 bump RB `VOCABULARY_SEED_VERSION`	提示 bump RB `VOCABULARY_SEED_VERSION` 且 RVH 侧版本锚（§八协调）

断言逻辑对源 db跑（现在源 = RB asset），目标是 RVH。所有 hygiene 断言对源不变，方向反转不削弱护栏。
脚本头注释更新：source/target 互换、方向说明、红线 #10「产出方 RVH→RB」措辞。

Step 5 — 迁移后结构 byte-equal 验证（验收闸 A，§4.1）

bash

# RB asset 未被任何步骤改动 → 应 == BASE_DB_SHA
shasum -a 256 ~/reading-browser/src-tauri/assets/reading_vocab.db          # 期望 == BASE_DB_SHA
# 反转后 sync（RB→RVH），跑一次
bash ~/reading-browser/scripts/sync-rvh-vocabulary.sh                       # 幂等应 "Already in sync"
# 双端 cmp
cmp ~/reading-browser/src-tauri/assets/reading_vocab.db \
    ~/reading_vocab_helper/assets/databases/reading_vocab.db && echo "✅ 双端 db byte-equal"

四者（BASE_DB_SHA / 迁后 RB / 迁后 RVH / sync 幂等结果）全等 → 结构迁移零内容漂移，不 bump 版本。 任一不等 → 停，查哪步误动 db。

Step 6 — 确定性 dry-run（验收闸 §4.2，验证 pipeline 迁移无损，不发版）

bash

cd ~/reading-browser/tools/vocabulary_builder_v3
dart bin/generate_db.dart          # 只跑 Step 6, 读现有 data/*.json + nlp JSON, 产 output/reading_vocab.db
# 表级内容 diff（非裸 cmp —— SQLite 页布局可能差）
sqlite3 output/reading_vocab.db '.dump vocabulary' | sort > /tmp/new_vocab.sql
sqlite3 ~/reading-browser/src-tauri/assets/reading_vocab.db '.dump vocabulary' | sort > /tmp/cur_vocab.sql
diff /tmp/new_vocab.sql /tmp/cur_vocab.sql && echo "✅ vocabulary 内容 diff=0"
# lemma_* 三表同法比对（surface_to_base / base_forms / meta）

内容 diff = 0 → pipeline 迁移无损，确定性保持，接缝正确。丢弃 output/ 的新 db，不发版。
内容 diff ≠ 0 → 迁移回归，定位（多半是 config 路径读错源 / locale 排序 / 绝对路径泄漏），修到 diff=0 才算迁移完成。

Step 7 — 两端 CLAUDE.md + skill 措辞更新（RB 侧部分）

RB CLAUDE.md 红线 #10：产出方 RVH pipeline 单点产出 → 改为 RB tools/vocabulary_builder_v3 pipeline 单点产出；sync-rvh-vocabulary.sh 方向说明 RVH→RB 改 RB→RVH；lemmatizer JSON「cargo run --example build_dict 产物 + pipeline 构建输入」保留（build_dict 仍在 RB，语义不变，只是消费者从跨仓变同仓）。
RB CLAUDE.md 红线 #5e（若有镜像条款）：pipeline 位置 RVH→RB 更新；「RB 产 JSON 喂 RVH pipeline」环状描述改为「RB 内闭环」。
preinstalled-db-update skill 归属（§十 Q3）：该 skill 现在 RVH（~/reading_vocab_helper/.claude/skills/preinstalled-db-update/），orchestrate 整条 pipeline→reseed→RB 交接。pipeline 迁 RB 后，skill 逻辑主体应迁到 RB（触发词「更新预装库/发布词库/reseed」在 RB 执行 dart bin/build_all.dart + 反转 sync 给 RVH + 生成 RVH 交接文档）。本 plan 只在 RB 侧新建/改 skill；删 RVH 旧 skill 属 §八。 迁移期间两端 skill 短暂并存可接受（RVH 旧 skill 会因 pipeline 已迁走而 Step 报错，需在 RVH 会话同步废弃）。
RB CHANGELOG.md / docs/README.md / decisions.md：记 pipeline 迁入 ADR（词库产源归位 RB）。

RB 侧不改 RVH 的 CLAUDE.md / skill / assets —— 全列入 §八。

六、双端 byte-equal 验证程序（红线 #10 验收，汇总）

迁移「完成」的判据 = 下列全绿：

闸	检查	命令	通过判据
A（结构·必过）	RB db 未变	`shasum -a256 src-tauri/assets/reading_vocab.db`	`== BASE_DB_SHA`
A	反转 sync 后双端相等	`cmp RB_db RVH_db`	无输出（相等）
A	sync 幂等	再跑 `sync-rvh-vocabulary.sh`	打印 "Already in sync"
B（lemmatizer）	config 指向 nlp 源未变	`shasum -a256 src-tauri/assets/nlp/*.json`	`== Step0 基线`
C（确定性·探针）	重跑 generate_db 内容无漂移	`.dump` 逐表 diff	vocabulary + lemma_* 全 diff=0
D（护栏存活）	sync 断言未削弱	读脚本	4 表白名单 + 140370/101646 + 机器污染检查在

任一红 → 迁移未完成，不提交、不发版。 A/B/C 全绿方可 commit「结构迁移」批（不 bump 版本，不 reseed 用户）。

七、提交与回滚

提交（RB 侧，结构迁移批）：

feat(vocab-pipeline): lift-and-shift vocabulary_builder_v3 into RB; reverse RVH sync direction
走 RB 提交流程（/code-review 视需要）；明确 commit body 声明「db 字节未变、无 reseed、VOCABULARY_SEED_VERSION 不 bump」。
不改 RVH 仓 —— RVH 侧动作全在 §八新会话，独立 commit。

回滚：结构迁移不改 db 字节、不 bump 版本，回滚安全 = git revert RB 迁移批 + 恢复 RVH pipeline 目录（若已 git mv，RVH 侧尚未删则原样还在；若用 git mv 跨仓不可行——见 §十 Q4）。sync 脚本方向回退即恢复 RVH→RB。因结构迁移零内容变更，回滚不涉及用户数据 / reseed。

八、RVH 侧协调清单（必须新会话，§9 会话隔离）

本 plan 不执行下列任何项；实施在 RVH 新会话，以本 plan §三目标拓扑为准。

[ ] RVH 移除/归档 ~/reading_vocab_helper/tools/vocabulary_builder_v3（迁出后避免双份漂移；建议 git rm 并在 commit 注明「迁至 RB，见 rvh-vocab-pipeline-migration-plan.md」）
[ ] RVH assets/databases/reading_vocab.db 确认为接收 RB 产物（消费方），本地不再产
[ ] RVH assets/nlp/{surface_to_base,base_forms}.json：确认 RVH app 运行时只读 db 内 lemma_*、不再需 JSON（红线 #5e：cross-end/13 已折叠）→ 可 git rm 这两个副本；若仍有运行时引用则先解耦再删
[ ] 确认 RVH app 运行时只 ATTACH 只读 reading_vocab.db，不依赖 pipeline 在 RVH 仓内（grep vocabulary_builder_v3 无源码引用）
[ ] RVH .claude/skills/preinstalled-db-update/ 废弃/迁移：pipeline 已在 RB，该 skill 的 cd tools/vocabulary_builder_v3 步骤在 RVH 会失败 → 迁到 RB（Step 7 已在 RB 建对应 skill）或改为「RVH 仅接收 db」精简版
[ ] RVH CLAUDE.md 红线 #10 / #5e：产源 RVH→RB、sync 方向、pipeline 位置措辞更新（与 RB Step 7 对称）
[ ] RVH CHANGELOG.md 记 pipeline 迁出
[ ] 双端 byte-equal 联测：RVH 会话完成后，RB 端跑 §六全表 diff 再确认一次两端 db 仍 byte-equal（迁出不应改字节）

九、风险

风险	缓解
破坏红线 #10 byte-equal（最严重）	§4.1 结构迁移绝不重产 db；§六验收闸 A 四处 SHA 全等才算过；违反即阻断
重跑 generate_db 内容漂移（确定性回归）	§4.2 dry-run 表级 diff 探针；diff≠0 阻断定位（config 路径 / locale 排序 / 绝对路径泄漏三大嫌疑）
lemmatizer 接缝指错源	§5 Step2 config 显式改指 `src-tauri/assets/nlp/`；验收闸 B SHA 比对
kaikki 外部 dump 丢失/换机不可复现	§5 Step3 文档化来源+重建命令；维持 gitignore symlink
双份 pipeline 漂移（迁移期 RVH 未删）	§八明确 RVH 新会话 `git rm`；迁移期不并行跑两端 pipeline
skill 断裂（RVH preinstalled-db-update 失效）	Step7 RB 建对应 skill；§八 RVH 废弃旧 skill；迁移期短暂并存已知可接受
误 bump 版本触发全量 reseed	结构迁移批 commit body 明令不 bump；发版留到下次真实内容变更

十、开放问题（请用户先确认，再实施）

Q1 目录落位：迁入 ~/reading-browser/tools/vocabulary_builder_v3/（与现有 tools/{agid,wordnet,phrase_eval} 平级）—— 认可否？还是想收拢到 tools/vocab/ 子目录统一命名？（建议：保留原名平级迁入，改动最小）
Q2 kaikki dump：维持 ~/Downloads symlink + 补文档（建议）；还是移到仓内固定路径纳管？
Q3 preinstalled-db-update skill：主体迁 RB（建议）；RVH 保留精简「仅接收」版还是完全删除？
Q4 搬迁方式：跨仓无法 git mv 保留历史 —— 用 cp -a + RVH 侧 git rm（历史留在 RVH 旧 commit，RB 视为新增）即可，还是需要 git filter-repo 迁移子目录历史？（建议：cp -a，不迁历史，简单且够用）
Q5 实施时机：本 plan 确认后，RB 侧结构迁移 = 本会话续做还是另起？RVH 侧必新会话（§9）。

附：关键路径速查（~-锚定）

用途	路径
RVH pipeline（迁移源）	`~/reading_vocab_helper/tools/vocabulary_builder_v3/`
RB pipeline（迁移目标）	`~/reading-browser/tools/vocabulary_builder_v3/`（新）
lemmatizer 产源	`~/reading-browser/src-tauri/examples/build_dict.rs`
lemmatizer JSON（RB 权威）	`~/reading-browser/src-tauri/assets/nlp/{surface_to_base,base_forms}.json`
RB 预装库 asset	`~/reading-browser/src-tauri/assets/reading_vocab.db`
RVH 预装库 asset	`~/reading_vocab_helper/assets/databases/reading_vocab.db`
sync 脚本	`~/reading-browser/scripts/sync-rvh-vocabulary.sh`
kaikki dump 真身	`~/Downloads/kaikki.org-dictionary-English.jsonl.gz`（457MB, 外部）
RB 版本锚	`~/reading-browser/src-tauri/src/db/helpers.rs::VOCABULARY_SEED_VERSION`
只读盘点	`~/reading-browser/docs/plans/rvh-vocab-pipeline-inventory.md`

十一、RB 侧实施状态（2026-07-19 已完成）

RB 侧结构迁移已实施并提交：commit 6a4d0a8（refactor(vocab-pipeline): lift-and-shift …）。

✅ pipeline 迁入 ~/reading-browser/tools/vocabulary_builder_v3/（72 文件镜像 RVH，含全部确定性 LLM cache）
✅ config.yaml 三路径重定向到 ../../src-tauri/assets/（闸 B：nlp 源 SHA 未变，解析到 RB 同仓）
✅ sync 脚本反转 RB→RVH（断言/白名单不变，REPO_ROOT 锚定 cwd 无关）
✅ .gitignore 收复：RB 顶层全局 data/ 误伤 → pipeline 内 !data/，跟踪清单逐字节镜像 RVH 72 文件
✅ vocab-reseed skill v2.0.0；CLAUDE.md #10/缓冲池；CHANGELOG
✅ 闸 A 通过：迁移前后预装库 SHA 恒为 b2821764adcdc48b5fe919032bb83d19aa608a69455c25f00d4b871034ec1795，双端 byte-equal，未 bump 版本、零 reseed
✅ 闸 C 机械部分：dart analyze No issues found（完整复现型闸 C 推迟到下次真实内容变更 reseed）

RVH 侧 assets/nlp 实测（供 §八决策）：RVH assets/nlp/{surface_to_base,base_forms}.json 不是 clean delete —— Flutter app 运行时已折叠读 db 的 lemma_*（lemmatizer_flutter_loader.dart，pubspec 已停 bundle），但仍有 3 个活跃消费方：bin/phase0_normalize.dart（红线 #5e 验证工具）、bin/normalize_phrases.dart、test/core/nlp/lemmatizer_test_setup.dart。删除会断这些 CLI/测试 → §八「先解耦再删」是待决策项（保留作 fixture / 重构到 db 二选一）。

十二、RVH 会话交接 Prompt（可直接粘贴到新 RVH 会话）

交接 Prompt：Q3 收尾 —— RVH 侧移除旧 vocab pipeline（RB 会话已完成迁移，本会话=RVH 镜像收尾）

⚠️ 会话隔离（CLAUDE.md §9）：本任务只改 RVH 仓 ~/reading_vocab_helper，绝不碰 RB 仓 ~/reading-browser。
跨仓引用一律用 ~-锚定绝对路径。所有危险操作（git rm / 删 assets）按 CLAUDE.md 安全规则先 AskUserQuestion。

## 背景

预装词库 pipeline（tools/vocabulary_builder_v3，Dart）已在 RB 会话 lift-and-shift 迁入 RB 仓
（~/reading-browser/tools/vocabulary_builder_v3），RB 成为单一产源，sync 方向反转为 RB→RVH。
RB 侧结构迁移已完成、提交 commit 6a4d0a8、byte-equal 验收全绿
（db 双端 SHA 恒为 b2821764…，零内容变更、零 reseed）。

正式方案 + RVH 协调清单权威源：
  ~/reading-browser/docs/plans/rvh-vocab-pipeline-migration-plan.md（读它，§八 = 本会话任务清单，§十一/十二 = RB 实施状态与本 prompt）

## 本会话任务（执行 plan §八，RVH 侧镜像收尾）

1. 移除 RVH 旧 pipeline：git rm ~/reading_vocab_helper/tools/vocabulary_builder_v3（72 个跟踪文件）。
   commit 注明「迁至 RB，见 rvh-vocab-pipeline-migration-plan.md」。历史留旧 commit，不迁 git 历史（Q4 决策）。

2. ⚠️ assets/nlp/*.json 是「待决策」非「直接删」：已实测 RVH 仍有 3 个活跃消费方——
     - bin/phase0_normalize.dart（红线 #5e 跨端 byte-equal 验证工具，dart:io 读 assets/nlp/*.json）
     - bin/normalize_phrases.dart
     - test/core/nlp/lemmatizer_test_setup.dart（lemmatizer 测试 fixture）
   运行时(Flutter app)已不读 JSON（走 db 的 lemma_* 表，lemmatizer_flutter_loader.dart 已折叠，
   pubspec.yaml 也已停止 bundle assets/nlp）。故删 assets/nlp 会断上述 CLI + 测试。
   → 请 AskUserQuestion 让用户在两条路里选：
     (A) 保留 assets/nlp 作 CLI/测试 fixture（它是 RB build_dict 产物的 byte-equal 副本，小而稳；
         最省事，但双份资产存在需在文档注明「RB 权威、RVH 仅测试镜像」）
     (B) 重构 CLI/测试改从 reading_vocab.db 的 lemma_* 表装载后再删 assets/nlp（彻底去重，工作量大）
   建议 (A)。无论哪条，红线 #5e 双端 byte-equal 验证义务不变（验证脚本见 plan §5e / RVH CLAUDE.md #5e）。

3. 确认 RVH app 运行时只 ATTACH 只读 reading_vocab.db、不依赖 pipeline 在 RVH 仓内：
   grep -rn "vocabulary_builder_v3" lib/ pubspec.yaml —— 已知残留 2 处 doc 注释需更新（非代码依赖）：
     - pubspec.yaml:132 「tools/vocabulary_builder_v3 config 路径指向此处」→ 改为「pipeline 已迁 RB」
     - lib/core/utils/example_text_cleaner.dart:11 引用 tools/vocabulary_builder_v3/bin/... → 更新为 RB 路径或删

4. 废弃/精简 RVH skill .claude/skills/preinstalled-db-update/（204 行，orchestrate 整条 pipeline→reseed→交接）：
   pipeline 已迁 RB（RB 的 vocab-reseed skill 已升级 v2.0.0 兼任产库）。RVH 此 skill 的
   cd tools/vocabulary_builder_v3 步骤在 RVH 已失效。
   → AskUserQuestion：完全删除，还是改成「RVH 仅接收 RB 产物 + bump _preinstalledVocabVersion」精简版？

5. RVH CLAUDE.md 措辞更新（与 RB 对称）：
   - 红线 #5e：pipeline 位置 RVH→RB；「RB 产 JSON 喂 RVH pipeline」环状描述改「RB 内闭环，RVH 纯消费」
   - 若有 #10 镜像 / 「RVH pipeline 单点产出」措辞 → 改「RB pipeline 单点产出，RVH 纯消费」
   - 「项目当前状态」里凡述及 vocabulary_builder_v3 产库流程的，指向 RB
   - _preinstalledVocabVersion=25 版本锚常量本身不动（结构迁移零内容变更，不 reseed）；
     仅记「未来 reseed 时该常量与 RB VOCABULARY_SEED_VERSION 双端同步」

6. RVH CHANGELOG.md 记 pipeline 迁出。

7. 更新 RVH memory：project_phrase_library_rvh / project_vocabulary_builder_v3 等提及 pipeline 在 RVH 的
   条目，标注已迁 RB（避免下次会话按旧位置找）。

## 收尾验收（必跑）

双端 byte-equal 联测（迁出不应改任何字节）：
  cmp ~/reading_vocab_helper/assets/databases/reading_vocab.db \
      ~/reading-browser/src-tauri/assets/reading_vocab.db   # 必须 byte-equal (SHA b2821764…)
若选了方案 (A)，再验 assets/nlp 双端 byte-equal：
  cmp ~/reading_vocab_helper/assets/nlp/surface_to_base.json \
      ~/reading-browser/src-tauri/assets/nlp/surface_to_base.json
  cmp ~/reading_vocab_helper/assets/nlp/base_forms.json \
      ~/reading-browser/src-tauri/assets/nlp/base_forms.json
红线 #5e 归一回归（plan §5e / RVH CLAUDE.md #5e 有完整命令）：RB/RVH lemmatize 输出 diff 须为空。

## 红线 / 纪律

- 红线 #10：预装库双端 byte-equal，本次迁出零内容变更，不 bump 版本、不 reseed。任何 cmp 不等即停。
- 红线 #5e：lemmatizer 资产双端 byte-equal 义务照旧（无论 assets/nlp 保留还是重构）。
- 危险操作（git rm / 删 assets/nlp / 删 skill）逐个 AskUserQuestion 确认，列受影响文件、标「不可撤销」。
- 先出计划给用户确认再动手（本会话是执行会话，但删除类操作仍须逐项确认）。

RVH 预装词库 pipeline → RB 迁移正式 plan（Q3 第二步） ​

一、目标与非目标 ​

二、当前拓扑（split-brain 环，已实测锚定） ​

三、目标拓扑（迁移后） ​

四、红线 #10 byte-equal 护栏策略（本 plan 最敏感处） ​

4.1 结构迁移层 = 内容零变更（默认路径） ​

4.2 生产复现层 = 确定性 dry-run（验证 pipeline 迁移无损，非发版） ​

4.3 lemmatizer 层 byte-equal（红线 #5e 顺带守护） ​

五、迁移步骤（RB 侧，有序） ​

Step 0 — 预检 & 基线锚定（只读） ​

Step 1 — 迁入 pipeline 目录 ​

Step 2 — 理顺 lemmatizer 环状接缝（config 路径重定向） ​

Step 3 — kaikki 外部 dump 纳管 ​

Step 4 — 反转 sync 方向（RVH→RB 改 RB→RVH） ​

Step 5 — 迁移后结构 byte-equal 验证（验收闸 A，§4.1） ​

Step 6 — 确定性 dry-run（验收闸 §4.2，验证 pipeline 迁移无损，不发版） ​

Step 7 — 两端 CLAUDE.md + skill 措辞更新（RB 侧部分） ​

六、双端 byte-equal 验证程序（红线 #10 验收，汇总） ​

七、提交与回滚 ​

八、RVH 侧协调清单（必须新会话，§9 会话隔离） ​

九、风险 ​

十、开放问题（请用户先确认，再实施） ​

附：关键路径速查（~-锚定） ​

十一、RB 侧实施状态（2026-07-19 已完成） ​

十二、RVH 会话交接 Prompt（可直接粘贴到新 RVH 会话） ​

RVH 预装词库 pipeline → RB 迁移正式 plan（Q3 第二步）

一、目标与非目标

二、当前拓扑（split-brain 环，已实测锚定）

三、目标拓扑（迁移后）

四、红线 #10 byte-equal 护栏策略（本 plan 最敏感处）

4.1 结构迁移层 = 内容零变更（默认路径）

4.2 生产复现层 = 确定性 dry-run（验证 pipeline 迁移无损，非发版）

4.3 lemmatizer 层 byte-equal（红线 #5e 顺带守护）

五、迁移步骤（RB 侧，有序）

Step 0 — 预检 & 基线锚定（只读）

Step 1 — 迁入 pipeline 目录

Step 2 — 理顺 lemmatizer 环状接缝（config 路径重定向）

Step 3 — kaikki 外部 dump 纳管

Step 4 — 反转 sync 方向（RVH→RB 改 RB→RVH）

Step 5 — 迁移后结构 byte-equal 验证（验收闸 A，§4.1）

Step 6 — 确定性 dry-run（验收闸 §4.2，验证 pipeline 迁移无损，不发版）

Step 7 — 两端 CLAUDE.md + skill 措辞更新（RB 侧部分）

六、双端 byte-equal 验证程序（红线 #10 验收，汇总）

七、提交与回滚

八、RVH 侧协调清单（必须新会话，§9 会话隔离）

九、风险

十、开放问题（请用户先确认，再实施）

附：关键路径速查（~-锚定）

十一、RB 侧实施状态（2026-07-19 已完成）

十二、RVH 会话交接 Prompt（可直接粘贴到新 RVH 会话）