# 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。