Lampio 知识库

主题

短语自动高亮 —— B 方案后续（floor 冻结后剩下的 5 条） ​

创建：2026-08-30（从 backlog.md 外迁，原文 2026-06-24 起累积） 状态：🟡 主线已收敛，剩 5 条未做 —— 1a / 1b（RVH 会话）· 1c（RB 复测会话）· #3 的 P2 行动 3 / 6 / 7 · #4 vocab 高亮收窄（纯 RB，未启动）

为什么外迁：它在 backlog 里长到 24 KB（占全文 9%），形状早已是 plan 而不是 backlog 条目 —— 有阶段编号（#0…#4）、有 gate 判据、有跨端接力顺序。留在 backlog 里的代价是 每个读 backlog 的会话都要吃这 24 KB，而其中 80% 是已完成轮次的审计留痕。

🚫 不要把已完成的轮次删掉：#0/#1/#2/#3-P1 的留痕是 gate 判据的来源， 后续复测（1c 的 gate-A、#3 的 gate-C）要拿它们当对比基线。

关联真相源（都已归档，读历史时按这个顺序）： archive/phrase-noncompositionality-tiering-crossend-plan.md（§9 深度模式 + §11 治理）· archive/phrase-auto-highlight-thinslice-plan.md（gate-A 复测方法）· archive/phrase-deep-mode-plan.md（P1 落地状态）· archive/phrase-unified-llm-refactor-plan.md（2026-06-28 取代 floor/ceiling 的统一重构）· phrase-eval-log.md（常驻评测流水）。

战略结论与推进队列（原 backlog §短语 B，逐字保留） ​

B 核心已落地 + gate-A 达标：静态三档 idiomaticity（always 2789/context 3450/literal 371，预装库 v23 SHA 747f4732）+ RB reseed/消费/prune 全落地。gate-A 复测硬 FP 28%→7%（<10%）。真相源： phrase-noncompositionality-tiering-crossend-plan.md（§9 深度模式）；phrase-auto-highlight-thinslice-plan.md §gate-A 复测； 交接 docs/cross-end/15；埋点表 phrase_interaction_log(v20) 已于 v25 DROP 退役（纯只写无消费者，2026-07-14）。

🧭 战略结论（2026-06-26 综合评估敲定，取代「死磕 retag」基调） ​

静态分类构造上收敛不到 0——残留 FP（all along/in a fix/for the bird）全是 occurrence 级问题 （同一短语在不同句子有时习语、有时字面），用 type 级标签（idiomaticity 与上下文无关）解，永远漏长尾。 继续 retag = 边际递减、不收敛。但「纯 LLM 取代一切」是伪命题：短语库（哪些串是短语）+ 已做好的三档 （LLM 路由器：always 免判 / context 才送 / literal 不送）都要留——扔的只是继续打磨分类的轮次。

正确架构 = floor + ceiling 两层：

  • floor（免费/默认，已就位）= 本地 always 桶：即时、离线、零文本外发、~93% 干净。接受 ~5-7% FP （安静低害高亮）。停止 retag 治理——顶多再 1 次廉价 demote-only（all along 等 homonym 长尾 + §11.4 话语子集）然后冻结。
  • ceiling（premium/opt-in）= §9 LLM occurrence 判断（见下 #3，新主线）：本地框候选→含候选句送 flash 判→true 才高亮。解决 occurrence 陷阱（FP→近 0）+ 救回整个 context 桶（recall 从 2789 扩到 6000+）。 闸 = 隐私同意（非成本：flash 0.056¢/篇可忽略），成本顺手定价进 premium。对 opted-in 用户 LLM 复判 always 桶 → 连 7% 残留 FP 一起洗掉。

完整评估论证：本会话（2026-06-26）；要点 = ① 真值得学的短语 ~1-2k（PHaVE 前 150 覆盖 75%）、单页密度低 （always ~1.8/页）→ 低密度正是 LLM 最划算场景；② LLM 不只修 precision，更是 recall 大增（context 桶救回）； ③ headline 准确率静态 ~93% ≈ flash 92.9%，但失败模式不同（静态错在 occurrence 不可改 / LLM 错在 gloss 可改）。

历史推进队列（#0/#1 已完成，#1a/#1b/#1c 已并入 v23，保留作审计）。下方 #3 = 新主线：

0. ✅ A retag 第 1 轮（v22）——已完成（2026-06-24~25） ​

RVH 重判 3 个 over-confident always（in the black→context / to die for→context / so much for→literal）

  • re-scan 连带 demote 219 条同模式 + 修 judge「字面搭配频率」盲区 → 预装库 v22（SHA 042c71ae…）。 RB 侧 /vocab-reseed 整包覆盖 + bump VOCABULARY_SEED_VERSION v22 + 运行期 reseed 已生效（commit 38432a3）。 消费侧零代码改动。交接 docs/cross-end/15 §10；第 0 步 boilerplate commit 2a2e0b3。

1. ✅ gate-A 实测 v22→未达标（28%）→ v23 复测达标（7%，2026-06-26） ​

真相源：phrase-auto-highlight-thinslice-plan.md §gate-A 实测（v22）+ §gate-A 复测（v23，含完整样本表 + 方法）。

方法修正：放弃「点击→自动 dismiss」做 FP 信号——实测 on-click LLM 兜底不可靠（明显误报点击后 15s+ 未 dismiss）→ dismissed/clicked 严重低估。改用 Claude 读 data-rb-sentence 逐条判（更强 oracle、零 LLM）。省 token：shown 行 带 count=该页 always 数，开页先查 count=0 则跳过。

v22 结果（10 篇 / 18 个 always）：✅干净 11（61%）· ⚠️低价值 2（11%）· ❌硬 FP 5（28%），未达标。双轨根因（见 #1a/#1b）： 🟠 surface 陷阱 ×3（on the loose/for the bird/to speak of）+ 🔴 lemma 折叠 ×2（in a fix/all right reserve）。

✅ v23 复测达标（8 篇 / 15 个 always，13 distinct）：✅干净 9（73% instance）· ⚠️低价值 3 · ❌硬 FP 1（7%），< 10% 目标。

  • 两轨修复真机生效：v22 那 5 个硬 FP 全部消失（reseed v23 SHA 747f4732，三档 always 2789/context 3450/literal 371）。
  • 覆盖没砍过窄：v23 一次 demote 249 条后 always 仍 1.9/页（≈v22 的 1.8），观鸟随笔单篇 7 个。
  • 残留两类（✅ round-3 v24 已收，2026-06-26）：① all along 1 个硬 FP（HOMONYM surface 陷阱长尾）→ demote context；② 3 个 ⚠️ 低价值话语（no matter what/pay attention/for the most part）+ §11.4 候选 9 个共 12 个→ demote literal。预装库 v24（SHA 1315958f…，always 2789→2776 / context 3450→3451 / literal 371→383）。详见 #3 floor 清理 round-3 + docs/cross-end/15 §12。静态治理自此冻结。
  • → 可评估 phrase_auto_highlight 默认 on：round-3 把免费层硬 FP 推向 ~0 + 清掉 ⚠️ 噪声。待 RB /vocab-reseed v24 后冷重启抽查 all along（"all along the river" 句）不再误高亮 → 评估 default on / 并行 deep mode。

#1a/#1b 已完成（v23 合并落地，2026-06-26）：① surface 陷阱 retag 第 2 轮（RVH，demote 249）+ ② lemma 折叠（RVH 实测结案=不改 lemmatizer，in a fix→context demote + all right reserve bad_entry prune，根因/结论见 RVH docs/cross-end/14）。RB 侧 /vocab-reseed v23 + prune 已落地。下方 #1a/#1b/#1c 历史描述保留作审计。

1a. idiomaticity retag 第 2 轮：surface 陷阱降 context（RVH 新会话，§9 隔离） ​

触发：用户说「做 retag 第 2 轮 / 治 surface 陷阱」。必须 RVH 新会话。与 v22 retag 同机制（A→B 延续）。

确诊 surface 陷阱（always 但有高频字面框）：on the loose（"on the loose [N]"）/ for the bird（"for the [real] birds"）/ to speak of（"speak of [X]"=谈及）→ 应降 context。RVH 用 v22 同款 re-scan（改进版 challenge，demote-only）扫 always 桶找同模式，连带降级。RB 侧零改动（reseed 即生效）。

低价值 basic 旁注（no matter what/pay attention，2/18 噪声、非 FP）：「RB filter 加 !is_basic」已否决—— always+basic 共 59 条，约一半是高价值彩色习语（cut to the chase/bad hair day/call it a day/out of one's league…）， basic=高频 ≠ 低价值，一刀切会误杀。正解（可选低优）= RVH 精挑"纯话语功能"子集（no matter what/by far/on purpose/ in spite of/right away…）降 literal（不是 context——它们语义确是 always），保留彩色习语在 always。详见 tiering plan §11.4。

1b. lemmatizer 资产治理——gate-A 阻塞项（RVH 新会话） ​

触发：用户说「治 lemmatizer 噪声 / 修 fixed→fix」。详见本文件后面「🟠 RVH 短语/习语归一噪声治理」条 （本次 gate-A 实测把它从"P2 可选"升为 gate-A 阻塞项——fixed→fix/rights→right 折叠制造幻影 always 匹配， 占残余 FP 的 2/5）。与 as→a/picked→pic 同类，需双端原子重算受影响 PK + reseed（红线 #5e/#9/#10）。

1c. RB 复测会话：reseed + gate-A 复测（新开 RB 会话，1a+1b 出回执后） ​

触发：① retag round-2 + ② lemmatizer 两个 RVH 会话都产出 cross-end/15 回执后。新开 RB 会话 （RB→RB 接力；本会话长、上下文重，价值已落盘，新会话从文档 bootstrap 更干净）。

开场先读：① backlog §短语 B（本节）+ 噪声治理条；② docs/cross-end/15（最新回执：新 SHA/版本/是否合并一版/ lemma_* 新行数/是否需 migration）；③ tiering plan §11；④ thinslice plan §gate-A 实测（复测方法）。

动作：

  1. /vocab-reseed：按回执新 SHA 整包覆盖 + bump 版本。⚠️ 若 ② 改了 lemma_* 行数 → scripts/check-vocab-asset.sh（2026-08-29 前叫 sync-rvh-vocabulary.sh）硬编码期望行数 断言会失败，先按回执新行数更新脚本再跑。⚠️ 上面那对数字（140370 / 101646）已过期两轮 （cross-end/24 → 140281/101709，cross-end/27 → 140277/101713）—— 以脚本里的值为准。①②合并一版=一次 reseed；分两版=reseed 到终态。消费侧零代码改动。
  2. 实机验证：冷重启触发 reseed；抽查 on the loose/for the bird/to speak of 已是 context、 in a fix/all right reserve 已消失。
  3. gate-A 复测：照 thinslice §gate-A 实测同法（读句判定 + shown.count 免 DOM；文学/叙事体裁，干硬体裁 0 产出别用）， 攒 ~15-20 高亮 → FP <10% 且覆盖不过窄 → 评估 phrase_auto_highlight 默认 on。结果写回 backlog #1 + thinslice（对比 28%）。

完整开场 prompt 见本次会话末尾（2026-06-25）/ 可照上述动作直接执行。

2. ✅ gate-B：context 桶 LLM 消歧准确率（已过，2026-06-18） ​

deepseek-v4-flash = 92.9%（26/28，0 漏报、2 误报），与 pro 打平 → 采用 flash（贵 12×/慢 3× 的 pro 一个没多对）。脚手架 /tmp/phrase_eval/（gold 28 条，key 取 dev 库 translate_api_key，SSL 关验证绕 DOVE 拦截）。详见 plan §9。

3. ✅🚧 §9 深度短语模式（LLM occurrence 判断）——P1 落地 + 部署 + gate-C ① 已跑（87%）；P2 待启 ​

状态（2026-06-26）：P1 全落地 + judge-phrases-batch 已部署 + 实机 gate-C ① 跑完。完整结果见 docs/plans/archive/phrase-deep-mode-plan.md §P1 落地状态。 gate-C ① 实测（单篇文学随笔，23 instance / 19 distinct）：precision 87%（20/23 非字面，略低于 90% 目标）； 3 硬 FP 全是位移/物理 PV 的位置性字面用法（go to a window / pushing on environment）；recall 净增（floor 此页露 0、deep 救回 23，42% 候选被 LLM 判字面压制）。实机修了 1 bug（judge_phrases_batch 误带 vocabulary 不存在的 deleted_at 列）。 P2 行动清单（2026-06-27 dogfood 后重排 ROI；faithful 基线 24/29=83% @ v24/prompt v2/首条-gloss，见 phrase-eval-log.md）：

  1. ✅ 分批不丢（救 cap 漏，已落地+实机确认）：候选超 DEEP_PHRASE_BATCH=40 不静默丢，滚入下一批并行判，硬顶 DEEP_PHRASE_MAX=120 才丢+log。实机确认 Longreads judged=65 dropped=0（原 40/丢 25）。⛔「跳 basic 桶」预过滤经 rb_db_query 否决（is_basic 不区分伪/真）；伪匹配纯 occurrence 级、交 LLM 兜底。
  2. ✅ 头号杠杆：Rust 送全部 sense gloss（已落地 5e742e7）——faithful 83% 的 5 失败同一根因 = 取首条 sense 常是字面义（FP 命中/FN 不命中）。改为送全部 sense + edge prompt 对照全义项判非组合性 + POS/parse 碰撞规则 → faithful gold 83%→100%，Longreads 实机 go to→false/let in→true 确认。⚠️ 但见行动 4：回忆体裁 go to 仍漏（batch 方差 + 本质 mis-tier）。
  3. prompt v4（次要，行动 5 扩样后扩容）：① 🆕 物理/流体/过程位移亦 false——科学/百科体裁 pass through a gap/pass along a duct/shoot out the ink 判 true（FP），prompt v3 的"人类位移→false"没覆盖非人主语过程位移；② for good+名词 碰撞（"for good reason"，for good 有真习语 gone for good 故走 prompt 不降 tier）。go to 走行动 4 不靠 prompt。
  4. ✅ go to→literal demote + 透明 PV demote（RVH v25 已落地）：RVH 30 条 context→literal（go to + slow down/speed up + re-scan 27 纯位移 PV；rubric 保留 get up/pass by/cut out/move in 等有非组合义者）。RB /vocab-reseed v25（SHA b2821764…，always 2776/context 3451→3421/literal 383→413）+ /phrase-eval 复测确认 go to deep 高亮结构性清零（tier 层根治、页面无关）。详 cross-end/15 §13 + plan §12 + phrase-eval-log (6)。静态治理 re-freeze。
  5. ✅ 多体裁复测（行动 5 已完成 5 体裁，见 phrase-eval-log §(4)）：论说/新闻/文学=干净高精度；回忆=go to FP（→行动4）；科学=过程位移 FP（→行动3①）。方法学：gold 过≠野外过（batch 组成致判定漂移）→ 评测以野外多体裁为准、gold 仅回归底线。叙事小说 dud（americanliterature 广告重抽不到正文）→ 改 Gutenberg HTML 后补。
  6. 🆕 cap 调优（观察项）：DEEP_PHRASE_MAX=120 在书本级长文（PG essay ~178 候选）被触发丢 58（非静默有 log）。是否抬硬顶/自适应——成本权衡，暂留观察。
  7. always 桶复判 FP 清理 + live 页路径。P3 = paywall + 两个 AI opt-in 合并评估（4C UX 缝隙）。 方法学固化：gold-set 的 gloss 必须与生产同源（run.py 已改为从预装库取首条 sense，否则假绿）。 实施件：opt-in 开关 phrase_deep_mode（Switch+ConfirmDialog）+ edge（flash 批量二分类，复用 _shared/llm.ts）+ Rust judge_phrases_batch（pos_definitions 取主习语义 gloss 入 batch）+ content-script deepResolvePhrasesOnPage() 二段 fire-and-forget（cap40 + per-page 内存缓存 + data-rb-phrase-deep 标记）。

✅ occurrence FP「最后一公里」—— 已决策（2026-06-28）：不做复核轮，转向统一 LLM 重构 ​

结论：复核正例 ≡ DEEP_PHRASE_BATCH 旋钮的更差实现（同机制、非对称、第二轮 round-trip + 闪烁 + 调用翻倍）→ 不做复核轮；要 precision 就降 batch。讨论过程把问题从「FP 率」重构成「信任 = 一致 + 诚实」，衍生出一次统一 LLM 重构（floor/ceiling 两层 → 单层「AI 短语分析」：合并两 judge、judge-before-paint、弹窗读缓存永不撤销、always 桶也送 LLM、短语开关合一、诚实承认 LLM 概率性）。 真相源：新 plan docs/plans/archive/phrase-unified-llm-refactor-plan.md（取代 phrase-deep-mode-plan.md floor/ceiling）+ phrase-eval-log.md (10) 决策记录。 ✅ 已实施落地（2026-06-28）：P0–P5 全做完 + edge 部署 + 实机 gate-C 全过（多体裁高精度、点击零撤销、命中义项正确）。commit 08f9146/880a9dc/6b4fe4e/5e1f035/ac64805。线上孤儿 explain-phrase 函数已删。 记牢：batch~10 是唯一准确度旋钮、极端可降 1（D4）。case-1（释义未覆盖）属词库覆盖轴、本重构不治。

✅ 跨 tab 面板串清单 bug —— gate-C 实测捞出 + 已修复（2026-06-28，审计留痕 + 教训） ​

现象：开多个 tab 时，活动 tab 的「短语发现」清单被后台 tab 的分析 emit 覆盖成它的清单（页面有 set out 高亮、清单却没有）。 根因：discovery-words-found / discovery-phrases-found 两个 content→main 事件没带 webview_label、前端无条件 setDiscoveryPhrases —— 而 vocab 同类事件（vocab-count-changed 等）早就带 label + 按活动 tab 过滤。这是既有漏网的隔离，被统一重构「慢 LLM + mutation 多次 emit」放大暴露。 修复：两事件补 webview_label（emit 加 webview: Webview → .label()）+ 前端按 getActiveTab().webviewLabel 过滤 + 切 tab 后 eval __RB_REEMIT_DISCOVERY 重发该页清单（短语 DOM 实扫 + 潜在词从 state.discovery.words 重发）。commit 880a9dc/6b4fe4e/5e1f035，实机验证清单不再串/空。 🔑 教训（防再犯）：任何 per-page 的 content→main 事件（每个 content webview 各自 emit、面板只该显示活动 tab 的）必须带 webview_label + 前端按活动 tab 过滤，并考虑 tab 激活时重发。新增此类事件照 vocab/discovery 模式做。

  • 两段式（不是把全文丢给 LLM）：本地 matcher 框候选（context 桶为主，opted-in 时含 always 复判）带偏移 → 只把含候选的句子打包送 flash 做"习语义 vs 字面义"二分类 → 判 true 才高亮。always 桶本地秒出先到，二段异步补出。
  • 用 flash（gate-B 坐实 92.9%）；复用 supabase/functions/_shared/llm.ts（计量/限额/llm_call_log）+ explain_phrase 骨架。
  • opt-in = 隐私门不是成本门：flash ≈ 0.056¢/篇可忽略（定价进 premium）；opt-in 真正理由 = 整篇正文片段外发第三方需显式知情同意。
  • work in gloss 优化点（gate-B 2 个误报全 work in 字面句，flash/pro 同错 → prompt/gloss 问题非模型）：消歧 prompt 给的 gloss 是泛化 "to insert or include something"，被 work in 多义干扰。实现时给 per-sense 精准 gloss 可改善。
  • floor 清理 round-3（✅ 已完成，2026-06-26，RVH 会话）：预装库 v23→v24（SHA 1315958f…，always 2776 / context 3451 / literal 383）。A 类 all along→context（gate-A 复测唯一硬 FP；always 桶逐项检视确认无其它同模式 homonym 长尾——余皆彩色习语，v23 已扫净）+ B 类 12 个纯话语功能子集→literal（no matter what/pay attention/for the most part/by far/on purpose/in spite of/right away/the other day/from time to time/once in a while/how come/fair enough）。纯 demote-only、确定性覆盖层（零 LLM、零 lemmatizer 改、零 PK 重算）、additive（13 行 word_tags、0 prune、18898 不变）。静态 idiomaticity 治理自此冻结（见上方 🧭 战略结论）。回执 = docs/cross-end/15 §12。RB 待跑 /vocab-reseed（SHA 1315958f…，消费侧零代码改动）。

启动 prompt（复制即用，2026-06-26 备）：

  • deep mode P1（RB 新会话）：bootstrap 在 docs/plans/archive/phrase-deep-mode-plan.md（开新会话先读它 + backlog 🧭 战略结论 + tiering plan §9/§gate-B + explain-phrase/_shared/llm.ts 骨架）。P1 范围 = opt-in 开关 phrase_deep_mode + 新 edge judge-phrases-batch + Rust judge_phrases_batch + content-script deepResolvePhrasesOnPage()（reader 二段 context 桶救回）+ gate-C ①。部署走 /edge-deploy。
  • floor 清理 round-3（RVH 新会话）：
任务：短语 floor 清理 round-3 —— 残留 FP demote-only + 冻结静态治理（必须 RVH 新会话）

【会话隔离】RVH = 本仓子目录 `rvh/`（Flutter/Dart；2026-08-28 合仓）。仍要**新开会话**，
判据是工具链（flutter/dart vs cargo/pnpm），不是目录 —— 见 CLAUDE.md §9「会话隔离规则」。
路径一律**仓根相对**（原写在这里的「~-锚定绝对路径」规则随 §9「跨仓库路径约定」整节于
2026-08-29 T4-7 删除，那条规则的前提就是两个仓）。本轮纯 additive（word_tags idiomaticity tag
值变更，无 schema migration，不动 lemmatizer/PK），沿 v22/v23 同机制。

【先读真相源（仓根相对路径）】
1. docs/plans/backlog.md §短语 B 🧭 战略结论 + #3（floor 清理那条）
2. docs/plans/archive/phrase-auto-highlight-thinslice-plan.md §gate-A 复测
   （2026-06-26：1 个硬 FP `all along` + 3 个低价值话语词的实证）
3. ~/reading-browser/docs/plans/archive/phrase-noncompositionality-tiering-crossend-plan.md §11.4
   （话语子集降 literal 的判断 + 「!is_basic 一刀切已否决」的警告）
4. ~/reading-browser/docs/cross-end/15-rb-phrase-tiering-reseed-confirmation.md
   （最近 reseed 回执格式 + v23 final 数字 always 2789/context 3450/literal 371）

【一句话目标】
这是【冻结静态治理前的最后一轮】廉价 demote-only。两件事，做完即冻结——以后短语质量靠 RB 的
§9 LLM 深度模式（ceiling），不再 retag 静态分类。

【两类降级（方向不同，别混）】
A. HOMONYM surface 陷阱 → 降 context（demote-only always→context，同 round-2 机制）：
   确诊 `all along`（"all along the river"=空间字面义 撞习语"自始至终"）。用 v23 同款改进版
   challenge（rule 6 的 HOMONYM 子类）re-scan always 桶，连带降同模式长尾（整串本身就是常见
   字面短语那类）。这些是真习语、只是 occurrence 含糊 → context（§9 深度模式可救回）。
B. 纯话语功能子集 → 降 literal（不是 context！）：
   `no matter what` / `pay attention` / `for the most part`（gate-A 实证 3 个）
   + §11.4 候选 `by far` / `on purpose` / `in spite of` / `right away` / `the other day`
   / `from time to time` / `once in a while` / `how come` / `fair enough` 等。
   它们语义上确是 always（故不能降 context），但纯话语功能、学习价值低 → literal
   （= 既不自动露、§9 深度模式也不送，有意取舍）。

【关键纪律（否则误杀）】
- **保留彩色习语在 always**——§11.4 实锤：always+basic 共 59 条，约一半是高价值彩色习语
  （cut to the chase / bad hair day / call it a day / out of one's league…）。**禁止** `!is_basic`
  一刀切。B 类只精挑「纯话语功能」子集，逐个判断，不按 basic tag 批量降。
- demote-only 对 RB 单调更安全（只减假高亮）；校准锚点全保 always（抽查 by virtue of /
  spill the beans / break the ice / pan out / at stake / pave the way 不误降）。

【交付（additive，照 v23 §10/§11）】
1. A 类 re-scan + B 类精挑 → 改 word_tags 的 idiomaticity tag 值（纯 additive，无 migration）。
2. byte-equal 重导出 reading_vocab.db + bump 预装库版本（v24 或 RVH 定）。
3. lemma 表不动（140370/101646，红线 #5e 不触发）；不增表（4 表白名单断言不变）。
4. 续写交接确认 ~/reading-browser/docs/cross-end/15-rb-phrase-tiering-reseed-confirmation.md
   新 §12（SHA / 版本 / A 类降 context 清单 / B 类降 literal 清单 / 新三档分布 / additive 证明）。
5. 知会 RB：跑 /vocab-reseed（byte-equal 整包覆盖）；RB 消费零代码改动（filter === 'always'
   自 v21 就位，移出 always 的自动停高亮）。

【冻结声明】本轮后静态 idiomaticity 治理冻结——残留 occurrence 级 FP 交 RB §9 深度模式
（floor+ceiling 架构，见 backlog 🧭 战略结论），不再开 retag 轮次。

【红线】#10 byte-equal 整包覆盖、#9 跨端 PK（本轮零 lemmatizer 改动、PK 不变）、additive 无 migration。

4. vocab(CEFR/discovery)高亮也收窄到主内容容器（倾向做，未启动） ​

触发：用户说「收窄 vocab 高亮 / vocab 也别扫 footer」。纯 RB，无 RVH。 来源：2026-06-24 短语第 0 步验证时顺带发现（见 phrase-auto-highlight-thinslice-plan.md v2 §顺带观察）。

  • 现状：phrase 自动高亮已收窄到主内容容器（2026-06-24，findMainContentRoot()）；但 vocab 高亮仍扫全 document.body——验证页 <footer> 里仍出现 rb-discover span（footer 导航/推荐链接里的词被高亮）。
  • 倾向收窄（用户 2026-06-24 表态）：CEFR/discovery 高亮在 footer/nav/侧栏里属噪声，与「安静增强层 / 学习自然发生在正文」定位更一致。
  • 实现路子：复用 phrase 已落地的 findMainContentRoot()（提取为共享 helper，避免两份选择器清单漂移）→ highlight.js 的 vocab/discovery TreeWalker 根从 document.body 改为主内容根。注意 reader 模式路径已是 overlay-scoped（reader.js 进入时只刷 overlay），主要改 live 模式路径。
  • 需先确认的边界：① EPUB / 非 article 结构页退回 body 是否合理；② discovery 高亮（highlightDiscoverable）与 vocab 是否同步收窄；③ 选区查词、双击查词不受影响（那些不依赖整页扫描）。先小范围验证 footer 清零 + 正文不丢，再定。