feat: 补 MIT 许可、自动抓取工具与学科覆盖元数据

登记 chinese-poetry / ck12 / phet，并让 source schema、lint 与 INDEX 能按学科和抓取进度消费。

Co-authored-by: Cursor <cursoragent@cursor.com>

LICENSES.md

@@ -2,11 +2,12 @@
 
 本文件是 `sources/`、`structured/`、`edu-derived` 所有 lint 的**唯一权威依据**。任何 source 记录的 `license`、L3 记录的 `license`、L4 资产的 `license_out` 必须是下表枚举值之一。
 
-## 枚举（8 值）
+## 枚举（9 值）
 
 | license | 含义 | 可进 derived | 可商用 | 典型来源 |
 |---|---|---|---|---|
 | `official-free` | 官方免费发布，允许教学使用 | ✅ | 视条款 | 剑桥样卷/词表、CCF CSP 真题、国家平台导出（仅教学） |
+| `mit` | MIT 开源许可，保留版权与许可声明即可 | ✅ | ✅ | chinese-poetry（古诗文）、chinese-xinhua |
 | `cc-by` | CC-BY，署名即可 | ✅ | ✅ | PhET |
 | `cc-by-sa` | CC-BY-SA 同享 | ✅ | ✅（同享） | ECDICT |
 | `cc-nc-education` | 教育/研究用途，非商业 | ✅ 但 `product_safe=false` | ❌ | CEPOC、C-Eval、Ape210K、Math23K、CMATH |
@@ -17,18 +18,20 @@
 
 ## 组合规则（lint 强制）
 
-1. **L3 记录对外许可** = 其引用的所有 source license 的**最严格者**（取序：`restricted` > `internal-only` > `unknown` > `cc-nc-education` > `cc-by-sa`/`cc-by`/`official-free`/`llm-generated`）。
+1. **L3 记录对外许可** = 其引用的所有 source license 的**最严格者**（取序：`restricted` > `internal-only` > `unknown` > `cc-nc-education` > `cc-by-sa`/`cc-by`/`mit`/`official-free`/`llm-generated`）。
    - 例：词库词条 = `official-free` 原词表 + `cc-by-sa` 释义 → 整条按 `cc-by-sa` 对待（须署名）。
    - 例：gloss 含 `llm-generated` 部分 → 该字段按 `llm-generated` 处理，记录整体按最严格者。
 2. **L4 资产红线**：`inputs` 中出现 `restricted` / `internal-only` / `unknown` → **lint 直接失败**（即"衍生层不得引用受限原始数据"的机器实现）。
-3. **`product_safe = true`** 当且仅当全部 inputs ∈ `{official-free, cc-by, cc-by-sa, llm-generated}`。
+3. **`product_safe = true`** 当且仅当全部 inputs ∈ `{official-free, mit, cc-by, cc-by-sa, llm-generated}`。
 4. `sources/` 条目 `license` 必填且必须合法；`unknown` 状态超过 30 天的条目 lint 报 warning（督促核查）。
+5. **署名/声明义务**：`mit` 与 `cc-by`/`cc-by-sa` 均要求保留出处。派生产物对外发布时，须在页面或包内保留来源仓库名与许可声明（MIT 需附原 LICENSE 文本）。
 
 ## 红线速记
 
 - **restricted / internal-only 数据永不可进 derived，永不可对外产品使用。** 它们只作内部参考，存在 `edu-raw/` 受控归档。
 - `cc-nc-education` 可在内部教研使用、可生成内部衍生资产，但 `product_safe=false`，不得用于对外收费产品。
-- 对外产品（自学平台公开内容）只可用 `official-free / cc-by / cc-by-sa / llm-generated` 且 `product_safe=true` 的资产。
+- 对外产品（自学平台公开内容）只可用 `official-free / mit / cc-by / cc-by-sa / llm-generated` 且 `product_safe=true` 的资产。
+- **公版文本（古诗文等）走 `mit`/`cc-by-sa` 的开源汇编仓库最安全**：文本本身已过版权期，汇编仓库的开源许可只要求署名，因此可对外商用。
 
 ## 引用本文件