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

2026-08-22 00:16:49 +08:00
--- a/schemas/qb-1.1.md
+++ b/schemas/qb-1.1.md
@@ -0,0 +1,50 @@
+# 题库统一 Schema（qb-1.1）
+
+`qb-1.1` 是 `qb-1.0` 的**向后兼容升级**：保留全部旧字段，仅新增血缘字段。每行一条 JSON（JSONL），一条记录 = 一个**完整任务**（一个语篇 + 若干小题）。
+
+> 升级点（相对 qb-1.0）：`source` 对象新增 `source_id`（必填）与 `source_item_id`（可选），指向 `sources/` 登记的根 id。旧字段 `origin`/`file`/`url`/`retrieved` 保留用于迁移期兼容。
+
+## 记录级字段
+
+| 字段 | 类型 | 必填 | 说明 |
+|---|---|---|---|
+| `schema` | string | ✅ | 固定 `"qb-1.1"` |
+| `id` | string | ✅ | 全局唯一 `{考试缩写}-{来源缩写}-{序号4位}` |
+| `exam` | string | ✅ | `A2 Key`/`A2 Key for Schools`/`B1 Preliminary`/`B1 Preliminary for Schools` |
+| `cefr` | string | ✅ | `A2`/`B1` |
+| `paper` | string | ✅ | `reading_writing`/`reading`/`writing`/`listening`/`speaking`/`vocabulary` |
+| `part` | int\|null | ✅ | 卷内 Part 号；未标注为 `null` |
+| `type` | string | ✅ | 题型枚举（见下表） |
+| `task_prompt` | string | ❌ | 完整作答指令 |
+| `title` | string\|null | ❌ | 语篇标题 |
+| `passage` | string\|null | ❌ | 语篇正文；空格用 `blank_token` 占位 |
+| `blank_token` | string | ❌ | 默认 `"_"` |
+| `items` | array | ✅ | 小题数组（见 §2） |
+| `source` | object | ✅ | **溯源 + 血缘**（见 §3） |
+| `license` | string | ✅ | 许可枚举（见 `../LICENSES.md`）；对外许可 = 引用 source 的最严格者 |
+| `tags` | array | ❌ | 自由标签 |
+| `note` | string | ❌ | 备注 |
+| `meta` | object | ❌ | 扩展位（音频/图片路径、评分量表引用等） |
+
+## `type` 题型枚举
+
+`mcq`/`matching`/`open_cloze`/`gap_fill`/`word_formation`/`writing_task`/`speaking_prompt`/`word_entry`/`other`（含义与判题方式同 qb-1.0）。
+
+## `source` 对象（§3，含血缘）
+
+```json
+{
+  "source_id": "cepoc",                 // [新增·必填] 指 sources/ 中的 source id
+  "source_item_id": "cepoc-ket-json",   // [新增·可选] 精确到文件
+  "origin": "cepoc",                    // [保留] 旧字段，迁移期兼容
+  "file": "assets/questions/CEPOC_KET.json",
+  "url": "https://github.com/CambridgeALTA/cepoc",
+  "retrieved": "2026-08-21"
+}
+```
+
+`source_id` 必须存在于 `sources/`；lint 据此校验血缘完整性并推导该记录的对外 `license`。
+
+## 机器校验
+
+`../schemas/qb-1.1.schema.json` 为该格式 JSON Schema。CI 用 `tools/lint_structured.py` 校验：每条记录 `source.source_id` 必须存在、`license` 必须是合法枚举且 = 引用 source 的最严格许可。
--- a/schemas/qb-1.1.schema.json
+++ b/schemas/qb-1.1.schema.json
@@ -0,0 +1,37 @@
+{
+  "$schema": "http://json-schema.org/draft-07/schema#",
+  "title": "qb-1.1 question bank record",
+  "description": "题库记录。qb-1.0 向后兼容升级：新增 source.source_id（必填）与 source.source_item_id（可选）。",
+  "type": "object",
+  "required": ["schema", "id", "exam", "cefr", "paper", "part", "type", "items", "source", "license"],
+  "properties": {
+    "schema": { "const": "qb-1.1" },
+    "id": { "type": "string" },
+    "exam": { "type": "string", "enum": ["A2 Key", "A2 Key for Schools", "B1 Preliminary", "B1 Preliminary for Schools"] },
+    "cefr": { "type": "string", "enum": ["A2", "B1"] },
+    "paper": { "type": "string", "enum": ["reading_writing", "reading", "writing", "listening", "speaking", "vocabulary"] },
+    "part": { "type": ["integer", "null"] },
+    "type": { "type": "string", "enum": ["mcq", "matching", "open_cloze", "gap_fill", "word_formation", "writing_task", "speaking_prompt", "word_entry", "other"] },
+    "task_prompt": { "type": ["string", "null"] },
+    "title": { "type": ["string", "null"] },
+    "passage": { "type": ["string", "null"] },
+    "blank_token": { "type": "string" },
+    "items": { "type": "array", "items": { "type": "object" } },
+    "source": {
+      "type": "object",
+      "required": ["source_id"],
+      "properties": {
+        "source_id": { "type": "string", "pattern": "^[a-z0-9][a-z0-9-]*$" },
+        "source_item_id": { "type": ["string", "null"] },
+        "origin": { "type": "string" },
+        "file": { "type": ["string", "null"] },
+        "url": { "type": ["string", "null"] },
+        "retrieved": { "type": ["string", "null"] }
+      }
+    },
+    "license": { "type": "string", "enum": ["official-free", "cc-by", "cc-by-sa", "cc-nc-education", "restricted", "internal-only", "llm-generated", "unknown"] },
+    "tags": { "type": "array", "items": { "type": "string" } },
+    "note": { "type": ["string", "null"] },
+    "meta": { "type": ["object", "null"] }
+  }
+}
--- a/schemas/vocab-1.1.md
+++ b/schemas/vocab-1.1.md
@@ -0,0 +1,57 @@
+# 词库统一 Schema（vocab-1.1）
+
+`vocab-1.1` 在原有 vocab 记录上新增 `source.source_id` 血缘字段（记录级 license 标注模式原样继承，这是现有设计最好的部分）。每行一条 JSON（JSONL），一条记录 = 一个单词条目。
+
+## 记录级字段
+
+| 字段 | 类型 | 必填 | 说明 |
+|---|---|---|---|
+| `id` | string | ✅ | 全局唯一 `{cefr缩写}{考试}-{来源}-{序号4位}`，如 `a2k-vocab-0001` |
+| `level` | string | ✅ | `A2`/`B1` |
+| `headword` | string | ✅ | 词头 |
+| `pos` | array | ✅ | 词性，如 `["det","adj"]`；无则 `[]` |
+| `pos_notes` | string\|null | ❌ | 词性说明 |
+| `examples` | array\|null | ❌ | `[{text}]` |
+| `phrases` | array\|null | ❌ | 短语 |
+| `topics` | array\|null | ❌ | 主题标签 |
+| `origin` | string | ✅ | 来源分类，如 `main_list` |
+| `source` | object | ✅ | **溯源 + 血缘**（见下） |
+| `gloss` | object | ✅ | 释义对象（见下） |
+
+## `source` 对象（含血缘）
+
+```json
+{
+  "source_id": "cambridge-official",   // [新增·必填] 指 sources/ 的 source id
+  "source_item_id": "a2-key-vocab",    // [新增·可选] 精确到文件
+  "file": "assets/vocab/a2-key-vocabulary-list.pdf",
+  "url": "https://www.cambridgeenglish.org/Images/506886-a2-key-2020-vocabulary-list.pdf",
+  "publisher": "Cambridge English / UCLES",
+  "licence": "official-free"           // 记录级 license 标注，原样保留
+}
+```
+
+> 注意：现有 vocab 用 `licence`（英式）字段名；迁移时**保留不改**，新增 `source_id`。`licence` 取值遵循 `../LICENSES.md` 枚举。
+
+## `gloss` 释义对象
+
+```json
+{
+  "zh": "几个, 少数, 一些",
+  "phonetic": "/ə/ 或 /eɪ/",
+  "phonetic_source": "..." ,
+  "source": "ecdict",
+  "licence": "CC-BY-SA-4.0"            // 释义来源 license，记录级标注
+}
+```
+
+- `zh`：中文释义；`phonetic`：音标；`phonetic_source`：音标来源；`source`：释义来源（如 `ecdict`）；`licence`：释义 license。
+- 若释义为 LLM 生成，`source: "llm"`、`licence: "llm-generated"`。
+
+## 机器校验
+
+`../schemas/vocab-1.1.schema.json` 为该格式 JSON Schema。`tools/lint_structured.py` 校验：每条 `source.source_id` 必须存在于 `sources/`；词条的对外 license = 词表 source 与 gloss.licence 的最严格者。
+
+## 词集
+
+`word-sets.json`：数字/星期/月份等主题词集，引用 vocab 的 `id`。与 vocab JSONL 同目录。
--- a/schemas/vocab-1.1.schema.json
+++ b/schemas/vocab-1.1.schema.json
@@ -0,0 +1,41 @@
+{
+  "$schema": "http://json-schema.org/draft-07/schema#",
+  "title": "vocab-1.1 word entry",
+  "description": "词库条目。在原有 vocab 记录上新增 source.source_id（必填）血缘字段；保留 licence（英式）记录级标注。",
+  "type": "object",
+  "required": ["id", "level", "headword", "pos", "origin", "source", "gloss"],
+  "properties": {
+    "id": { "type": "string" },
+    "level": { "type": "string", "enum": ["A2", "B1"] },
+    "headword": { "type": "string" },
+    "pos": { "type": "array", "items": { "type": "string" } },
+    "pos_notes": { "type": ["string", "null"] },
+    "examples": { "type": ["array", "null"], "items": { "type": "object" } },
+    "phrases": { "type": ["array", "null"] },
+    "topics": { "type": ["array", "null"] },
+    "origin": { "type": "string" },
+    "source": {
+      "type": "object",
+      "required": ["source_id"],
+      "properties": {
+        "source_id": { "type": "string", "pattern": "^[a-z0-9][a-z0-9-]*$" },
+        "source_item_id": { "type": ["string", "null"] },
+        "file": { "type": ["string", "null"] },
+        "url": { "type": ["string", "null"] },
+        "publisher": { "type": ["string", "null"] },
+        "licence": { "type": "string", "enum": ["official-free", "cc-by", "cc-by-sa", "cc-nc-education", "restricted", "internal-only", "llm-generated", "unknown"] }
+      }
+    },
+    "gloss": {
+      "type": "object",
+      "required": ["zh", "source", "licence"],
+      "properties": {
+        "zh": { "type": "string" },
+        "phonetic": { "type": ["string", "null"] },
+        "phonetic_source": { "type": ["string", "null"] },
+        "source": { "type": "string" },
+        "licence": { "type": "string", "enum": ["official-free", "cc-by", "cc-by-sa", "cc-nc-education", "restricted", "internal-only", "llm-generated", "unknown"] }
+      }
+    }
+  }
+}