edu-content/README.md

edu-content — 基础教育内容库（L1–L3）

私有的基础教育内容源库。为自学平台/内部服务提供合法、可追溯、agentic friendly 的基础学习内容。

四层数据模型

层	名称	存储	本仓库角色
L1	资源清单 source registry	git（YAML）	✅ sources/
L2	原始数据 raw	OSS edu-raw/	仅登记（oss_key + sha256），不存文件
L3	结构化清洗数据	git（JSONL/JSON/MD）	✅ structured/
L4	衍生私有数据	git 清单 + OSS edu-derived/	❌ 见 edu-derived 仓库

三条铁律（违反即 CI 红）

1. 先登记后下载：任何原始文件必须先在 sources/ 有登记（license 必填）才允许进 OSS。无登记 = 不存在。
2. git 不进二进制大文件：原始数据一律 OSS；git 里只有 oss_key + sha256 + 元数据。
3. 血缘可机器校验：L3 每条记录带 source_id，L4 每条资产带 inputs[]，tools/lint_* 全链路验证。

两个仓库

• edu-content（本仓库）：L1 资源清单 + L3 结构化数据。
• edu-derived（fengjunchen/edu-derived，同 Gitea）：L4 衍生私有数据（生成音频/图片/卷子 + 血缘 manifest）。从本仓库生成，不反向写入原始数据。

机器可读入口

• INDEX.json —— 工具生成，库的全貌/统计/红线摘要，agent 读它即可。
• 每个学科/考试目录的 INDEX.md —— 该域消费须知（优先序、坑、覆盖统计）。
• LICENSES.md —— license 枚举与红线权威定义，所有 lint 的依据。
• docs/conventions.md —— agent 操作手册（如何新增 source / 上传 raw / 写 structured）。

存储后端

• OSS bucket：edu-content-hy（oss-cn-heyuan，私有）。前缀 edu-raw/、edu-derived/。
• 与现有 ai-gallery-aibeaver-hy（公网 CDN 桶）物理隔离，restricted 原始数据不进公网暴露面。

快速开始（agent）

# 校验全库合规
python tools/lint_sources.py && python tools/lint_structured.py
# 重新生成 INDEX.json
python tools/index_build.py
# 上传原始文件到 OSS 并回填 sha256（需 OSS 凭据）
python tools/oss_sync.py --dry-run