init: edu-content 内容库骨架（L1-L4 四层数据模型 + B类迁移 + lint/CI 工具）

docs/conventions.md

@@ -0,0 +1,45 @@
+# conventions.md — Agent 操作手册
+
+本库供 agent（脚本/人类）规范操作。读完本文 + 根 `INDEX.json` 即可正确新增内容。
+
+## 新增一个 source（L1）
+
+1. 在 `sources/{china|exams|internal}/` 下选/建对应域 YAML。
+2. 加一条 `source`，**必填** `id`(kebab-case 唯一)、`title`、`publisher`、`type`、`license`、`status`。
+3. `license` 必须是 `LICENSES.md` 枚举值；不确定就先标 `unknown`，但 30 天内须核查。
+4. 还没下载的条目 `status: planned`，**不要**先写 `oss_key`。
+5. 下载后：`status: fetched`，`fetched_at: YYYY-MM-DD`，在 `items[]` 登记每个文件。
+
+## 上传原始文件到 OSS（L2）
+
+- 路径约定：`edu-raw/{k9|exams|internal}/{学科或考试}/{类目}/{source-id}/{filename}`
+- 文件名**保持原始名**（便于法务比对原件）；清洗发生在 structured 层。
+- 运行 `python tools/oss_sync.py`：上传 `sources/` 里标记待传的文件，自动回填 `oss_key`/`sha256`/`size`/`fetch_date`。
+
+## 写结构化数据（L3）
+
+- 落在 `structured/` 对应学科/考试目录。
+- JSONL 记录必须带 `source.source_id`（指向 `sources/` 的 source id）+ `schema` 版本号。
+- 记录级/字段级 license 标注沿用 vocab 的成功模式（见 `schemas/vocab-1.1.md`）。
+- 每条 L3 记录的 `license` = 其引用 source 的最严格许可（lint 会重算并校验）。
+
+## 衍生数据（L4）
+
+- **不在此仓库**。去 `edu-derived`：生成资产 + 在 `manifest/assets.jsonl` 登记 `inputs[]`（指向本库 source_id 或具体文件路径）。
+- 红线：L4 的 `inputs` 不得含 `restricted`/`internal-only`/`unknown`，否则 `edu-derived` 的 lint 直接失败。
+
+## 命名
+
+- source id / item id / 目录名：kebab-case。
+- L3 记录 id：`{考试缩写}-{来源缩写}-{序号4位}`，如 `a2k-cepoc-0001`、`b1-official-0012`。
+- OSS key 与 git 路径同构：`structured/exams/ket/vocab/` ↔ `edu-raw/exams/ket/vocab/`。
+
+## 校验与提交
+
+```bash
+python tools/lint_sources.py      # source 登记合规
+python tools/lint_structured.py   # 血缘 + license 继承
+python tools/index_build.py       # 重新生成 INDEX.json
+git add -A && git commit -m "..."
+```
+CI（Gitea Actions）会在 push 时自动跑上述 lint，失败则标红。**不要**绕过 lint 提交。