# 页码与文件身份踩坑记录（供后续 agent 查阅）

## 一、页码偏移不能推导

**已实测的偏移漂移案例**：

| 文件 | 情况 |
|---|---|
| NASA v2.1（51页） | 印刷页与物理页差 4，但被大量空白隔页打乱（4/6/7/8/44 等），目录页码不可换算 |
| 微软 434（88页） | 偏移 +3；同源的 90 页版偏移不同，**同品牌不同版本偏移不一致** |
| 华为 665（175页） | **不印连续页码**，页眉印章节号；且目录第 8 章编号比实际页眉整体小 1 |
| 可口可乐 Zero（146页） | 印刷号是"章.节"小数码（1.0、2.03、9.02）非页码；偏移从 +4 一路漂到 +138 |
| 麦当劳 104页件 | 偏移 +3，5 个锚点确认 |
| 麦当劳 Feel-Good（10页） | 全篇无印刷页码，物理页即唯一编号 |
| 巴西联邦（45页） | 正文区偏移 0，但封面与目录为无号前置页 |
| RMIT（86页） | 偏移 0，无空白隔页 |
| **万科（124页）** | **全书无任何印刷页码**，唯一导航是页眉「章名 + 章节号」（如 品牌标志 / 2.14） |
| **咖啡四本（山池/amble sheep/M Stand/Blue Bottle）** | 四本**均无印刷页码**，一律以物理页引用 |
| 闻献（65页） | 印刷页=物理页，**零偏移**（p3 右下 "003"） |
| 观夏（71页）／花西子（100页） | 均无页码，按物理页计 |
| pidan 2.0（32页） | 由 Illustrator(Windows) 生成，1.0 由 InDesign(Mac) 生成 |

**「红色数字＝页码」的陷阱（万科）**：章节扉页右侧有一个**竖排红色数字**，极易被误读为页码。300dpi 裁切右侧后确认——那是旋转 90° 的**章节号 "1.0"**，不是页码。

**遇到疑似页码的孤立数字时，务必 300dpi 裁切放大确认方向。** 竖排／旋转排版在 100dpi 下与横排数字无法区分。

**结论**：必须逐页目视确认。**先渲染前 5-8 页，找到至少 2-3 个锚点，再建立偏移关系，且每跨一个章节要重新验证。**

## 二、目录不可信

华为第 8 章目录编号与实际页眉整体错开 1。**目录只用于理解结构，不用于定位。**

## 三、文件身份的三重陷阱

### 陷阱 1：同一文件被重复收录

用 `md5 -q` 或比较字节数验证：

```bash
md5 -q "file1.pdf" "file2.pdf"
# 或
stat -f%z "file1.pdf" "file2.pdf"
```

**已发现**（截至本批次共 **6 组** MD5 完全相同）：
- 麦当劳三份 10 页文件（`【必看042】`、`【必看126】`、`【手册VI 751】`）**MD5 完全相同** `0a53d6bf…`，是同一文件收录三次
- 贝壳 `【必看071】` 与 `【手册VI 1148】` **MD5 相同**
- 华为 `【必看175】` 与 `【手册VI 666】` 字节数相同（14,014,170）
- pidan `【必看032】` 与 `【手册VI 1070】` MD5 相同
- 蓝瓶 `【必看120】` 与 `【手册VI 1088】` MD5 相同 `e7a92e93bc469e291534dfc7e2cdac3b`
- 观夏 `【必看010】`↔`【手册VI 1080】`、`闻献 【必看006】`↔`【手册VI 1100】`、`花西子 【必看011】`↔`【手册VI 1161】` 均为 MD5 相同

> **连带影响**：本项目记录的「1,607 份」是**物理文件数**。任何按文件计数的统计都必须先 `md5` 去重，否则重复收录会被当成多份证据。

### 陷阱 1b：`md5` 查不出的两类重复（**必须三路交叉去重**）

**类型 A：同版不同扫描** —— NASA `【必看049】` vs `【手册VI 634】`
- MD5 **不同**
- 同 Title（NHB 1430.2）、同 Pages（60）、同扫描仪（Canon DR-7550C），仅页面尺寸不同

**类型 B：同版不同改** —— 阿那亚 `【金山岭】阿那亚项目VI设计.pdf` vs `【总监经验分享】阿那亚标志设计.pdf`
- MD5 **不同**
- **字节数完全相同**（4,348,424）
- 同内部 Title（`aranya_manual_1_0622.o.l_s`）、同 Creator/Producer、同 CreationDate(2017-06-22)
- **仅 char 3,206,300（ModDate 区）一个字节不同**

> **去重三路交叉**：
> 1. `md5` 相同 → 字节相同
> 2. **字节数 + pdfinfo Title + CreationDate 三者相同** → 同版不同改
> 3. Title/Producer/Pages 高度相似 → 同版不同扫描
>
> 只做第 1 路会漏判。实测 89 份被误计为 89 份唯一内容，实为 **88 份**。

### 陷阱 1c：文件所有权错位（最严重）

`阿那亚品牌资料全收录`（276 页）**物理 p3 显示为第三方付费资料库「看鉴品牌 Brand Insight／Copyright ©2024…严禁外传」的「阿那亚专章」**，不是阿那亚自有文件。

> 前 19 处错位都是版本/年份/重复层面的，**这一处是文件所有权层面的**——把它当品牌自有文件分析「品牌如何做 VI」，结论会完全错误。
>
> **深读前务必看第 2–4 页有没有版权声明、出版方名称、"仅供内部参考"字样。**

### 陷阱 2：文件名与内容无关

- `【必看175】华为...2.0（134p）.pdf` —— 文件名标 175 实为 134 页，"175"是库内编号习惯
- 餐饮招商抽样 8 份中，**2 份名实不符**（喜茶文件名"招商加盟"实为对外品牌册；便利蜂无加盟章节）
- pidan 两份"品牌手册"实为**产品目录**与**包装图册**，明文约束都是 0 条

**做法：开 PDF 先翻目录与页脚。**

### 陷阱 3：版本号与元数据矛盾

- 可口可乐 Zero：封面 v1.0，页脚"Confidential: December 2009"，版权"Copyright 2008"
- 巴西联邦：封面 v.1.1–JAN/2023，元数据标题写 V3_JAN23
- pidan 2.0：文件名"2026版"，Illustrator 创建时间 2024-07-23

## 四、必须判断文件性质

| 类别 | 特征 | 处理 |
|---|---|---|
| (a) 现行 VI 执行文件 | 有约束条文、最小尺寸、禁止示例 | 五步法完整执行 |
| (b) 品牌故事/介绍 | 无约束，通篇形象 | 记录"为何无约束" |
| (c) 招商加盟材料 | 投资额、回本周期、加盟流程 | 重点看 VI 是否缺席 |
| (d) 设计提案 | 有效果图、方案对比 | 标注为提案，非现行规范 |
| (e) 产品目录 | SKU 规格卡、分类目录 | 判断规则是否以成品形式存在 |

**性质不同，可比性不同。pidan 与餐饮招商的教训是：把 (b)(c)(e) 当作 (a) 分析，会得出完全错误的结论。**

### 本批次实测：叫「品牌手册」的多半不是 VI 手册

| 文件 | 标称 | 实际性质 |
|---|---|---|
| 山池品牌手册（35p） | 品牌手册 | (b)+(c)：p29–34 全为招商，零门店规范 |
| amble sheep（39p） | 品牌手册 | (b)：品牌资产画册，仅 p4 属 VI |
| M Stand（120p） | 品牌手册 | (b)：仅 p2–p3 属 VI，p11–62 是门店实拍 |
| Blue Bottle（62p） | 品牌手册 | (b)(c)：p9 明写 "EACH OF OUR CAFES IS UNIQUE" |
| 观夏（71p）／闻献（65p）／花西子（100p） | 品牌手册 | 叙事型企业册，**零 VI 章节**（花西子 p3 目录八章无任何 VI 模块） |

> **高效判别法**：翻目录。**目录里没有「标志／色彩／字体／版式／物料」任一章的，几乎可以确定不是 (a)。**

## 五、"对不上"不能直接下结论

麦当劳案例：先发现既有记录"全部落空"，追查三份 10 页文件后发现**11 条中 9 条精确命中**。

**既有记录错的是文件身份标签，不是内容。**

因此：发现页码对不上时，必须先定位真实来源文件，再判断记录对错。**"对不上"只能说明找错了文件。**

### 反向也要注意：记对了位置，也可能记错了内容

本批次咖啡／美妆七份文件的既有引用**页码零误差**，多条精确命中（花西子 p.26 园林轩窗＋并蒂莲完全命中）。

**但既有记录普遍只记「画面长什么样」，系统性漏掉「体系里有什么」**——花西子 p.3 目录（证明无 VI 章节）、p.45（品控一票否决权）、观夏 p.64（未润色采购笔记）都是高价值漏记。

> **结论：既有记录可用于快速定位，不能替代品读。**

### 已确认的「引用指向另一份文件」

- 蓝瓶：既有引用「第 77、122、134 页」→ 派读文件 `【必看120】` 仅 62 页；**只能属于 139 页的 `【必看122】`／`【手册VI 1218】`**
- 万科：既有页码引用 → `【手册VI 862】` **全书无印刷页码**，引用不可能指向它
- 观夏：p.59 记为"瓷件"，实为**蜡杯**；瓷件在 p.6

## 六、元数据检查命令

```bash
# 页数与基本属性
pdfinfo "file.pdf"

# 是否重复
md5 -q "file1.pdf" "file2.pdf"

# 是否无文本层（决定能否用文字辅助定位）
pdfinfo "file.pdf" | grep -i producer
# Producer 含 "Image Conversion" → 无文本层，只能目视
```

## 七、渲染建议

```bash
pdftoppm -f <起> -l <止> -r 100 -png "file.pdf" /tmp/prefix
```

- `-r 100` 足够识别版式、色块、图文关系
- **需要读小字注或色值时用 `-r 200` 或更高**
- 单次 4-6 页，避免上下文膨胀

## 八、中文条款必须 200dpi 复核（实测误读案例）

北京大学办法印刷 p2＝物理 16 一条约束：

- **100dpi 下误读为**：「标志墨稿**非印刷**的情况下才能应用」
- **200dpi 复核后正确为**：「标志墨稿**只有在单黑印刷**的情况下才能应用」

**「只有在单黑印刷的情况下才能应用」是完全不同的规范**（单黑印刷是特定工艺），前者则无意义。

> **凡是需要引用中文条文原文的页面，一律用 `-r 200` 并裁切放大复核。** 100dpi 只用于判断版式结构。

## 九、版本号陷阱的又一种形态

阿德莱德大学导视手册：`pdfinfo` 的 Title 字段写 **"2011"**，但文档页脚印 **JUNE 2013**。

> **引用版本时以文档内页脚/扉页为准，不以元数据为准。** 已知同类：可口可乐 Zero（封面 v1.0／页脚 December 2009／版权 2008）、巴西联邦（封面 v.1.1-JAN/2023／元数据 V3_JAN23）、pidan（文件名"2026版"／Illustrator 创建 2024）。

## 十、页码偏移会分段漂移，且新版本会推翻旧版本的偏移表

北京大学办法（98 页）实测：

| 区段 | 映射 | 偏移 |
|---|---|---|
| 前置目录区 | 物理 9/10 ＝ 罗马 vi/vii | **+3** |
| 正文区 | 物理 16 ＝ 印刷 2 | **+14** |

**同一份文件内偏移从 +3 跳到 +14**（物理 15 是无号章节扉页）。

> 再次印证：**任何偏移表都是逐份、逐区段的目视记录，不是可外推的公式。**

## 十一、性质判定的两条新捷径

1. **看第 2–4 页的版权页** —— 苏州博物馆元数据 Title 直接写「方案A（水印）」，全书水印「新世相｜千鲤文化」，是**乙方提案**而非品牌文件；国博 41 页 PPT 导出，采样 6 页全为馆情／藏品／授权产品，**无 VI 规则**
2. **看有没有自带文档号与审批邮箱** —— 星巴克 WPS VI 手册自带 SJ 文档号（SJB14-34174）与审批邮箱，说明是品牌自出的执行文件；而 gaga 只写「Design by A Black Cover Design」、Tagi 嵌「Brand Design 不等咖啡」，都是**乙方出品，不应作现行规范引用**

## 十二、⚠️ 双页跨页合并：会让全库页数统计系统性偏低，且**无法用元数据识别**

**广发银行 VIS**：`pdfinfo` 的 Pages = **61**，但它实际是 **118 个印刷页**，因为**一个 PDF 物理页里并排放了两个跨页**。

**换算关系：`印刷页 = 2 × 物理页 − 2`**（已用物理 p4＝印刷 6/7 等锚点确认）。

> ### ⚠️ 最难的一条：页面尺寸筛查**完全无效**
>
> 该件页面尺寸为 **A4 横向（841.89×595.276）**，而**两页 A5 竖版并排恰好等于一张 A4 横向**——**二者元数据完全同形**。
>
> **实测结果**：全库 1,561 份按比例扫描，筛出 **19 份**比例≈2.00 的真跨页（可口可乐 2020 的 67 份同源件、广汽丰田 211p、振华重工 86p、优酷 42p 等），**广发银行一份都没抓到**；另有 **268 份** A4 横向属**不可判别区间**。
>
> **结论：必须逐份目视中缝（装订线/装订位痕迹），没有捷径。** 用 `pdfinfo Pages` 做的任何统计都会系统性偏低。
>
> **也否证了一条旧推断**：跨页**不只**出现在 (b)(c) 类文件——可口可乐 2020、广汽丰田、振华重工、优酷**都是 (a) 类 VI 执行文件且为真跨页**。

## 十三、文件名与元数据 Title 互相矛盾时，两个都不可信

`【手册VI 809】中信银行视觉识别系统（VIS）手册（）`：
- **文件名**：视觉识别系统（VIS）手册
- **pdfinfo Title**：营业网点形象建设标准-办公应用
- **封面实写**：VIS 视觉识别系统系统手册（2014版）

**两个不可靠信源给出了两个不同的错误答案，只有封面可信。**

> 若此前有人按 Title 归类，会把它误记为「网点建设标准」。**引用任何文件身份时，封面 > 元数据 > 文件名。**

## 十四、命名不指示层级，只指示来源

lululemon 在库中有**两份同名不同层的文件**：
- 219 页「品牌手册」——**里面没有 VI**
- 16 页「品牌LOGO 规范手册」——**里面没有品牌故事**

**命名不指示层级，只指示来源。**

判别「品牌手册」与「视觉识别系统」两种叫法的真正依据是：

> **文件里有没有「不许可」。** 手册承诺「我们是谁」，VIS 承诺「你不能怎么做」。
>
> 反例：**广发「管理手册」的「管理」是虚的**——正文没有任何审批流、版本效力条款或责任人。**「管理」不等于治理；治理信号要看审批／召回／签字条款是否真的存在。**

## 十五、⚠️ 第 4 路去重：改版会被前三路全部漏判

`【手册VI 330】`（64 页，2016-08 改版）与 `【必看181】`（56 页，2013-03 初版）——**同一份 Apple logo guidelines 的改版**：

| 去重路 | 结果 |
|---|---|
| ① md5 | **不同** ❌ |
| ② 字节数+Title+CreationDate | **字节不同、CreationDate 不同** ❌ |
| ③ Title/Producer/Pages 相似 | **Pages 不同（64 vs 56）** ❌ |
| **④ 页数 + 文档内部日期** | **命中** ✅ |

> **改版文件通常同时改变页数与内部日期，因此前三路全部失效。**
>
> 判别方法：**渲染第 2–3 页找版本日期或版本号**。同一 Title 下、页数接近、日期不同的两份，几乎必然是同一文件的改版。
>
> **这三路漏判的方向是安全的**——它们不会把改版误判成重复，只会漏掉。**但漏掉意味着把一个版本当成两个证据来源。**

## 十六、L2 单资产层的资产类型极度单一（实测）

以文件名+元数据筛全库 1,279 份，命中单资产关键词 96 份，**真正「整本只服务一个资产」的仅约 40 份，且 90% 是 logo 指南**。

**以下资产类型全库零命中**：字体/字库独立手册、色彩体系、插画风格、动效、纹样、图表规范。

> **含义：本项目至今无法回答「一套字体的 VI 手册会长什么样」，因为库中没有样本。** 遇到声称提供字体规范的文件，先核实它是否只是 Logo 指南的附属章节。

## 十七、⚠️ 「主动声明放弃」几乎不存在——用沉默定义的变量要警惕

对 6 份 L0/L1/L2 文件实测「主动声明放弃管控范围」：**命中 0 次**。

实际发生的两种声明是：
- **转交**（lululemon）：「本指南覆盖 basic guidelines…specific communications materials 请咨询我们」
- **拒绝封口**（IBM Be Equal）：「Guidance is **not limited to** this document」——**与「主动放弃」方向相反**

> **用「沉默」当变量定义，等于把「没想清楚」和「有判断」混为一谈。**
>
> **判据**：若一个变量的取值需要靠「文件没说什么」来判定，它就不可靠——请改用文件**实际给了什么**来定义。
>
> 本项目因此否决了「授权半径」变量，改提名「**约束硬度**」（绝对值 vs 关系式）为候选。

## 十八、麦当劳 104 页件偏移存疑（按纪律 #5 不下结论）

- 某一轮单锚点目视测得物理 p10 = 印刷 8，即偏移 **+2**
- 本文件早前记录为 **+3（5 锚点确认）**
- 物理 p12 是满版无页码 art 页，**无法取第二锚点**

> **单锚点不足以推翻多锚点记录。** 已标记待复核，两值并列保留。

## 十九、Spotify 有两份页数相同但内容不同的文件

- `【手册VI 286】`（437KB，Adobe PDF Library 11.0，英文，页眉 "Spotify Partner Guidelines"）
- `【手册VI 533】spotify-识别指南`（5,045,640B，Adobe PDF Library 10.0.1）

**页数同为 21p，但 MD5 不同、Producer 不同。**

> **引用「Spotify 21p」前必须先确认指向哪一份**，否则页码不可换算。
>
> 同类风险：lululemon 的 `【手册VI 1123】`（16p LOGO 规范手册）与 219p 品牌手册是**两份不同文件**，不可混引。

## 二十、⚠️⚠️ 最高危：`pdftoppm ... -` 不写 stdout，图像比对会**静默返回空**

```bash
# ❌ 错误写法：以为 "-" 表示输出到 stdout
pdftoppm -f 7 -l 7 -r 45 -gray -singlefile -png "$A" - | md5
# → d41d8cd98f00b204e9800998ecf8427e  ← 这是"空字符串"的 MD5

# ✅ 正确写法：必须给真实前缀
pdftoppm -f 7 -l 7 -r 45 -gray -singlefile -png "$A" /tmp/probe/t && md5 -q /tmp/probe/t.png
```

**本项目真实踩中**：用它做去重图像探针，**7 组候选全部返回"内容相同"**——因为两侧都是空。
若不是文本层差异引起怀疑，这个假信号会直接把 7 组全判成重复，**污染全库去重结论**。

> **判据：任何比对工具若"全部命中"，先打印它自己的输出长度，确认它真的产出了东西。**
>
> **同一批文件 100% 相似不是证据，是 bug 的症状。**

**附带一条仍然成立的经验**：低 dpi 灰度图**不足以**判别小字差异。
全季两份在 p7 的差别是「投影仪安装须知」虚线框——必须 130dpi 以上目视才能看到，
但两者在 p1/p4/p6/p8 又完全一致，所以**"多数页相同"也不等于重复**。

**去重终判（本轮 7 组 C 类全部结案）**：

| 组 | 结论 | 证据 |
|---|---|---|
| 牧高笛 33p | **合并** | 文本 22/22 行逐行重合，8 探针全同 |
| 茶百道 37p | **合并** | 双方均无文本层，8 探针全同 |
| 京东 77p | **合并** | 文本 95.4% 重合（差异为字距），8 探针全同 |
| 高端女装 42p | **合并** | 文本 81/81 行重合，8 探针全同 |
| 野狗 130p | **合并** | 8 探针全同 |
| **全季会议室标准 10p** | **不合并＝不同修订版** | **130dpi 目视 p7：A 有「投影仪安装须知」虚线框＋6 张安装示意图，B 完全没有**；7 探针中 6 个不同 |
| **小鹏 217p** | **不合并＝不同版本** | **110dpi 目视 p2 目录：A 页码呈「0 0 7」字距拉开且缺「辅助图形**1**-」「品牌**字体**-标识示意」，B 为「007」「辅助图形1-」「品牌字体-标识示意」** |

→ **唯一内容数由 1,272 下修至 1,267。**

## 二十一、⚠️ 文本层可能是替换密码，数值会静默出错

【必看038】斐乐 FILA 19p 的 `pdftotext` 输出：

```
0GýDJBM'JMB -PHPT Clear Space Requirements
```

`0GýDJBM` 实为 `Official`。**字符被整体替换，而 `mm` 数值全部丢失。**

后果是「最小尺寸 14/16/18/18mm」这个错数字**传播了两轮**：既有记录写 14/16/18/18，下一轮 agent 复核后写成 14/16/16/18——**四次取值没有一个是对的**。200dpi 逐页目视实测是 **4/10/10/10mm**。

> **判据一**：凡数值型条目来自 `pdftotext`，必须至少抽一页 200dpi 目视比对。
> **判据二**：该数值**已经在记录里出现过第二次**，就说明它没被真正验证过——错数字最擅长藏在这种位置。
> **判据三**：若 `pdftotext` 输出里出现 `ý` `þ` `Ã` 这类字符，或英文全是大写但拼写怪异，判定为替换密码，**该文件全部数值改走目视**。
>
> 本项目已确认：多数 CJK PDF 文本层不可靠、部分数字 PDF 可读但只能定位、**加密/子集化 PDF 的数值不可信**——这是第三类。

## 二十二、⚠️ 子 agent 的「实测值」也会错，必须抽验

上一轮 agent 声称「FILA 实测 14/16/16/18mm，第三个值对不上，按纪律只报不改判」。

**它自己也错了四个值。** 它遵守了纪律（不擅自改判），但纪律没有要求它**目视复核**——它大概率同样依赖了文本层或低 dpi 渲染。

> **「我标了『只报实测值』」不等于「我实测过」。** 报错数字的成本远低于承认不确定。
>
> **父会话抽验规则**：凡子 agent 报告里出现具体数字且该数字进入最终结论的，**至少抽 1 条 200dpi 目视**。本轮抽验 1 条即命中 100% 错误率。

## 二十三、⚠️⚠️ 「全量检索零命中」可能是纯故障——必须报告有效产出量

复核 agent 用 `tesseract -l chi_sim+eng` 跑中文 OCR。**本机只有 `eng`／`osd`／`snum`，没有 `chi_sim`**，命令**静默失败**，生成 **120 个 0 字节 .txt**——而它已据此写下「M Stand 全 120 页零约束」。

它在同一份报告里**主动撤回了这条判定**，改用目视重验 p1–120，结论仍成立，但证据等级必须改写。

> **这是本项目见过最危险的一次失误，因为它伪装成了最可靠的证据。**
>
> 「全 120 页、零命中、毫无破绽」之所以成立，**恰恰因为什么都没读到**。
> 若非收尾 sanity check 数字符量，错误会从「未验证」升级为「已验证」——**比原断言错得更深**。

> ### 硬规则
> **凡以「跑一遍没命中」为证据，必须同时报告两件事：①跑了多少 ②读进去多少。**
>
> **计数完整 ≠ 检索成功。** 那个实例里输出文件数是 146/146（看似完美），实际字符量是 0。
>
> **通用检查**：`ls -la *.txt | awk '{s+=$5} END {print s}'` —— 总量为 0 就是故障，不是发现。

**三次教训是同一个形状**：

| 工具 | 静默失败方式 | 表面 |
|---|---|---|
| `pdftoppm … -` | 不写 stdout，返回空字节流 | MD5 正常，只是两个空值相同 |
| `tesseract -l chi_sim+eng` | 缺模型，返回空文本 | 文件数 146/146 齐全 |
| FILA 替换密码 | 返回**错**内容 | 有输出，格式正常 |

> **失败是静默的，而成功时输出看起来完全正常。** 这类工具不能靠「看起来有结果」来判断，必须靠**产出量**。

## 二十四、⚠️ 单页「中缝纯白」不能证明是跨页合并

A4 横向 PDF 里有两种：①**两页竖版并排的跨页本** ②**单页横版设计**。二者元数据完全同形。

**初版判据（错）**：渲染 p3，测中央 3% 竖条白色像素比 ≥0.98 → 判为跨页合并。
**结果**：321 份中命中 47 份。

**证伪**：目视 `pidan品牌手册2018版.pdf` p3——那是**单页横版，只是左半页留白**，右侧是 Operation overview 年表。内容根本没跨中缝。

**修正判据（对）**：必须同时满足 ①中央竖条纯白 ②**左右两半都有内容**（各自非白像素 >2%） ③**多页取样**（p2/4/6/8/10），要求 ≥80% 的页同时满足。

**修正判据（也错）**：必须同时满足 ①中缝纯白 ②左右两半都有内容（各 >2% 墨迹）③多页取样（p2/4/6/8/10）≥80% 命中。
结果 47 → **4 份**。看起来收敛了。

**但抽验这 4 份中的第 1 份就再次证伪**：目视 `pidan产品手册2020.pdf` p4——那是**贯通全幅的双语时间轴**，左半 2015–2017、右半 2018–2019，中缝只是两列之间的空隙，**不是装订线**。

> **目视 4 份，命中真跨页合并 0 份。**

**最终结论：这条自动判据整体不可用。321 份全部标为未决，必须逐份目视。**

> **两次尝试，同一个形状的失败：**

| 判据 | 命中 | 抽验 |
|---|---:|---|
| 中缝纯白 | 47 | 抽 1 → 假阳性 |
| 中缝纯白＋左右有内容＋多页 | 4 | 抽 1 → **仍假阳性** |

**失败是结构性的**：跨页本的装订线特征是「两个独立页面各有自己的页眉页脚与版心」，而**单页横版设计同样能造出中缝**——双栏、时间轴、对称构图都产生同样的像素特征。

> **「中缝在哪」不在像素里，在语义里。** 不读出左右两半的页码／页眉是否独立，就判不了。
>
> **任何自动判据报出数量后都要抽 1–2 份目视。本项目两次都验证了这条，且两次抽验都失败。**


## 二十五、⚠️⚠️ 合理的数字会填掉难辨的数字

FILA 最小尺寸被**三个独立读取者**读成三种值：

| 读取者 | 报出的值 | 是否自称实测 |
|---|---|---|
| 既有记录 | 14/16/18/18 | — |
| agent（约束硬度轮） | 14/16/**16**/18 | 是 |
| agent（承担方轮） | 14/16/18 | 是（自称 correction found） |
| **600dpi 复核** | **4/10/10/10** | — |

**三次错误全部落在 14–18 这个区间**，因为 FILA 文本层是替换密码，数值读不出来，而 **14/16/18mm 恰好是品牌手册最小尺寸的「典型合理值」**。

> **正确值 4mm 之所以三轮没人读到，正是因为它不像一个最小尺寸该有的值。**
>
> **判据：如果某个数值「太合理」——正好落在同类文件的常见区间——它反而更可疑。必须提高分辨率复核到无可争议。**
>
> 复核方式：不要整页看，**裁切带测量标尺的那一小块**。父会话 600dpi 裁切后标尺括号与「4mm」标签完整无歧义。

## 二十六、⚠️ 「无文本层」不等于「没有内容」——它只等于「检索不到」

麦当劳真 VI 手册（【手册VI 428】，104 页）被**三轮判决任务连续排除**，理由都是「无文本层，未逐页目视」。

**父会话用 40dpi 联络表一次通览 104 页即确认它就是正本**——内页目录写明 03 BRAND GUIDELINES，还有 Logo Guidelines、Image guidelines #1–#4、Store requirements 技术立面图。

> **「检索不到」和「不存在」是两个判断。** 把前者当后者，等于把最贵的那份文件扔掉了。
>
> **动作纪律：任何被判为「因无文本层而排除」的文件，必须至少做一次联络表通览**（PIL 拼图，40dpi 即可，成本极低）。
>
> 本项目已有两份文件因此被误判：麦当劳（104 页真 VI）与这一轮的 47 份跨页本候选。

## 二十七、⚠️ macOS `xargs` 没有 `-d`，整条命令静默失败

`xargs -d '\n' -I{} ...` 在 macOS（BSD xargs）上**不存在 `-d` 选项**，命令直接失败、无报错。

agent 用它跑全库 MD5，**只产出 48/1561 行**。如果不核对行数，会直接得出「全库仅 48 个唯一文件」的荒谬结论。

> **与 PITFALLS 二十／二十三同一形状：工具静默失败伪装成结果。**
>
> **判据：任何批量命令，先核对「预期条数 vs 实际条数」。** 不核对就不要用它的输出。

**批量处理请直接用 Python**，不要跟 BSD/GNU 的选项差异搏斗。

## 二十八、⚠️ `pdftotext` 非空 ≠ 内容有效

全库 1,271 份抽取「全部非空、2876 万字」——**但 326 份（25.6%）<50 字/页**，`2.3_符号指示系统.pdf` 全书 **1 字/页**。

那 326 份产出的是页眉页码、分隔符之类**页面伪影**，不是内容。

> **判据：全库关键词统计必须先按「字/页」分层，并把有效分母写进结论。**
>
> 本项目这轮所有比率都以 **840** 为分母，不是 1,271。**分母错了，分子再准也没用。**

## 二十九、⚠️ 装饰排版页在 100dpi 下错得最离谱

一善儿童书店 p11（数字被排成一串超大字号装饰）：

| 分辨率 | 读到的内容 |
|---|---|
| 100dpi | 5 家门店 / 1800㎡ / 20000+ 曝光 |
| **200dpi** | **5 种语言 / 1800 种 / 20000+ 平方户外空间** |

**错 3/5。**

> **越是「排版成大字当装饰」的数字，低分辨率越容易读成另一个合理解。**
>
> 判据同第二十五条：**数值越醒目、越符合常识，越要提高分辨率复核。**

## 三十、⚠️ 小数点是本项目丢过最贵的字符

星巴克 p6 最小尺寸被读成「**375″**」，300dpi 复核的真值是「**.375″（9.5mm）/ Web 50 pixels**」。

**根因**：正文小字号 + 低分辨率 → 小数点消失 → 剩下一个**荒谬但格式正确**的数字。

> ⚠️ 注意方向：**错的值不合理（375 英寸的 logo），对的值看起来太小（.375 英寸）**。
>
> **合理性与真实值无关，只与你的先验有关。** 你觉得「最小尺寸应该是 9.5mm 而不是 375 英寸」，于是补了小数点——**方向正好相反**。

> **判据**：任何英寸／英尺值，**先确认小数点是否存在**，再判断量级是否合理。顺序反了就会被自己的常识带偏。

## 三十一、⚠️ 六轮变量判决的共同死法

| 变量 | 死法 |
|---|---|
| 授权半径 | 用沉默取值 |
| 版本层密度 | 字段混入别的层 |
| 约束硬度 | 是模块属性不是文档属性 |
| 离现场距离 | 主变量不可评分 |
| 承担方测量能力 | 两个轴都不是它 |
| 约束产出介质 | 与量纲混淆，方向相反 |

> **六个都是「中层标签」——描述文件或场景的某个侧面，但都不触及产生数字的物理事实。**
>
> 底层的三样是：**量纲**（数字能不能被核）、**产权**（谁有权改）、**基准**（相对式能不能还原成绝对值）。
>
> ⚠️ **反面可能性必须保留**：再失败一次的话，说明的不是「找错了层」，而是**现象本身多维、不存在主导维度**。
>
> **判据：提名新变量前，先问「这是中层还是底层」。** 中层标签已连续失败六次。

## 三十二、⚠️⚠️⚠️ 找到文件 ≠ 找到正本

麦当劳 104 页件（`【手册VI 428】`）被连续三轮任务以「无文本层」排除。父会话用 40dpi 联络表看到「3 BRAND GUIDELINES」「Logo Guidelines」「Image guidelines #1–#4」「Store requirements」+ 技术立面图，**当即断定「麦当劳真 VI 手册已定位」，并写进仓库关闭长期待决项**。

**下一个 agent 推翻了我**。这不是官方 VI 文件，**是学生作业**：

| 证伪信号 | 出处 |
|---|---|
| **人名＋编号** `Gloria Yasein / N0753203` | 物理 p3 |
| **第三方版权＋会过期的东西** `©2014 McDonald's`／`Coca-Cola Ltd. used under license`／`Printed in Canada`／有效期 2014-11-20 至 12-03 的**加拿大沃尔玛优惠券** | p85 |
| **跨市场拼接** 印度菜单 ＋ 印尼活动锁定件在相邻两页 | p52–p53 |
| 再发布容器 TCPDF／Vebuka.com／ISSUU | 元数据 |

> **企业 VI 母版不会嵌入一张会过期的、单一市场的、带第三方版权的促销券。这一条单独结案。**

> ### 判别正本的四个外部信号（任一即可）
> 1. **人名＋编号**（学生作业、设计师署名）
> 2. **第三方版权**（`used under license`、`Printed in XX`）
> 3. **会过期的东西**（促销有效期、活动日期、时效声明）
> 4. **跨市场拼接**（相邻页属于不同国家）
>
> **四条全都在文件里，而且全都不在目录上。**
>
> **「目录里写着 BRAND GUIDELINES」只能证明它自称是什么，不能证明它是谁做的。**

### 我在同一张 40dpi 联络表上同时读错了三处

| 我写的 | 实际 |
|---|---|
| 「麦当劳真 VI 手册已定位」 | **学生作业** |
| 「p1 有 Santa Tracks 06/13/2013」 | **不存在**（400dpi 裁切整个右下象限只有金拱） |
| 「p4 = 目录」「p59 = Healthy Options」 | **p7**、**p57** |

> **一次联络表通览，同时产出 1 个正确观察和 3 个错误。**
>
> **联络表只能回答「有没有这类内容」，不能回答「这份文件是谁做的」「哪一页是哪一页」。**

### 两条延伸教训

1. **一个早已存在于项目记录里的反证，比一份没读过的正本更容易被漏掉。** 下结论前先搜「这个文件此前被判过什么」——**记录的检索成本远低于文件的通读成本**。
2. **连续被以「无文本层」排除的文件，尤其可疑。** 排除理由越方便，越可能是没查。

### 附带取证纠正

- `3/8" DIA ANCHOR BOLTS` → **400dpi 实为 `3/4"`**。**这条数字早已被引用，说明它很可能从未被目视验证过。**
- Logo Guidelines 是 **8 条**，不是 7 条。
- 偏移 **+3**（5 锚点：37→34、51→48、53→50、57→54、98→95），**推翻 PITFALLS 十八的 +2**。

## 三十三、⚠️ 子 agent 推翻父会话结论时，不要要求它「谨慎」——要保护它推翻的权利

麦当劳这轮，agent 在封存答案里把「项目记录与任务书矛盾」登记为**待检假设**（而不是选一个信），开 PDF 后直接验证并**推翻了父会话上一轮刚写进仓库的结论**。

**这正是任务书里「你要的是判决不是确认」这句话兑现的样子。**

> ⚠️ 如果任务书写成「请确认麦当劳手册已定位」，agent 大概率会顺着写，然后错误被固化。
>
> **判决性任务必须明确授权：可以推翻父会话刚下的结论，而且推翻会被优先采纳。**

## 三十四、⚠️⚠️ 页脚小字最危险：错在语义补全，不是乱码

兜底类型判决轮里，agent 在**一条关键证据上 200dpi 误读页脚**，把

> 「本手册所示的字体和图片仅作手册说明用途，**必须获得正式的版权后方可使用**」

读成了「**本手册所有未标注的内容均应参照范例进行绘制**」——一句语义通顺、但**完全不同**的完备性默认条款。

**据此建立的新类型 N6 已撤回**，依赖它的判据 4 一并重写。

> ### 为什么这道自查拦不住它
>
> 中文正文读不出来时会产生乱码，**乱码自己会报警**。
> **页脚读错时产生的是一句通顺的句子——它看起来完全正常。**
>
> **「我目视过吗」这道自查对乱码有效，对语义补全无效。**

> **判据：页脚、版权栏、法务小字、水印，必须 400dpi 以上裁切转写。**
>
> 已用 500–550dpi 复核全部高风险转写：招行 p5、巴黎 p42、广发 p2 正文与页脚，逐字无误。
>
> **600dpi 裁切带标尺小图这个方法，本项目已三次成功拦截错误**（FILA 4mm、麦当劳 3/4"、本页）。

## 三十五、⚠️ 并行会话会对同一文件给出互相矛盾的结论

麦当劳 104 页件，本轮有**两个 agent 独立处理**：

| agent | 结论 |
|---|---|
| 深读轮 | **不是正本，是学生作业**（p3 人名＋学号、p85 加拿大沃尔玛优惠券） |
| 兜底轮（早几十分钟启动） | 「**confirmed as genuine (a)-class VI**」，全 104 页无出口 |

**两个结论不矛盾，但也不互相覆盖**——兜底轮回答的是「这份文件属于哪一类」，深读轮回答的是「这份文件是谁做的」。**只有后者能推翻前者的前提。**

> **判据：并行任务的结论必须回写到同一处，再统一裁决。** 不要让两份看起来都对、但建立在同一个未经检验的前提上的结论各自留在仓库里。

**这正是麦当劳事件真正的成本**：不是 agent 判错了，是**父会话把一个未检验的前提（"文件已定位"）当成结论写进了仓库，并关闭了一个长期待决项。**

> **长期待决项的关闭条件应当比结论的产生条件更严。**
> 「我找到了一份很像的东西」永远不足以关闭「真正的 X 在哪里」。

## 三十六、⚠️⚠️ 关键词零命中可能是术语换了，不是内容没了

8 份汽车文件宽窄双口径检索：「**净空**」0、「**试驾**」0、「**改装**」0、「**展厅**」0。

**但净空确实存在** —— 广汽丰田用的是「**不可侵犯区域**」，一个法律词。**法规标识也没被忽略，被重新命名为「非品牌识别元素」。**

> **判据：做全库关键词统计前，先确认这个词在该行业的说法。** 同一概念在不同品类有不同名字：净空／不可侵犯区域／keep-out zone／exclusion zone／安全边距。
>
> 与第三十二同族：**外部信号缺失 ≠ 内部事实缺失。**

## 三十七、⚠️⚠️ 枚举足够多的切分，总会找到一个「显著」的

约束产出介质轮报出「screen 伪绝对值 6.7% < physical 10.5%，**Fisher p=0.6871**，方向相反」，并据此写成「模式三十一 · 决定性」。

**下一轮把那个标签随机化、枚举全部切分，结果：13.88% 的随机切分能得出 Fisher p<0.05。独立复核比率是 1/77（1.3%），而非 8.6%。**

> **那个「发现」落在随机波动范围内。**
>
> **判据：凡靠分组比较得出的结论，必须报告它在随机标签下的重现率。** 只报 p 值不报随机基线，等于没做检验。

## 三十八、⚠️ 统计函数返回「所有 p 都是 0.0000」一定是实现有 bug

量纲轮自检：Fisher 实现漏了项，全部 p=0.0000。**a=0 时 p 必须等于 1，不可能为 0。**

agent 用「品茶实验」（已知双侧 p≈0.4857）自检推翻了自己的实现，重写为精确算法。

> **判据：拿一个已知答案的算例自检。** 不用自检，统计结论就是把 bug 当发现。
>
> 另两例同轮拦下：变量遮蔽 `c+d`（`d` 仍是字符串）→ TypeError；**40dpi 联络表把 LEGO 页码读作「+3 偏移」，200dpi 实为偏移 0**。

## 三十九、⚠️⚠️ 容器指纹（Producer／Creator）不等于内容造假——按容器判会造出 2/3 假阳性

麦当劳事件之后，容易滑向「凡 `TCPDF`／`issuudownload.net` 的都可疑」。**这条推论是错的。**

实测同一容器下的三份文件：

| 文件 | 容器 | 判决 |
|---|---|---|
| `【手册VI 428】McDonald's` | TCPDF + Vebuka | **伪**（学生作业） |
| Lexus 品牌指南 | TCPDF + Vebuka | **正本**（p50 `P4-020 (1/04) 00202-LEXGUIDEBK Printed in U.S.A. (5M) ©2004 Lexus`） |
| Jeep 服饰 | TCPDF + Vebuka | **正本** |
| `【必看088】Tiffany` | issuudownload.net | **伪**（学生作业） |
| 匡威 Converse | issuudownload.net | **正本**（p18 带 `Converse Netherlands B.V. … número 34186851` 荷兰商会注册号） |

**按容器判，正本里会误杀 2 份，伪本只抓到 1 份。**

**容器只能用来排优先级（先看谁），不能用来定罪。** 定罪必须回到内容里的版权声明、法律主体、承印信息。

反过来，**一个指纹反而成了学生作业的强证据**：`N07xxxxx` 学号序列同时出现在麦当劳 `N0753203`、Burberry `N0728408`、Tiffany `N0733170` 三份不同品牌的文件里。这是可批量扫描的正例指纹。

## 四十、⚠️⚠️ 找「不可能存在」的东西，不要只找「可疑」的东西

识别伪正本时，「像不像正本」这类**存在性**检验会踩语义补全的坑（小字读错、版权栏格式相近）。

**「不可能存在性」检验不受这个坑影响**——它们读出来是荒谬的，不是相似的：

1. 末页 Sources 页粘进 `google.com/search?rlz=1C1GCEU_enUS850US850&biw=1920&bih=920&tbm=isch&gs_l=img.1.0.35i39I`（带浏览器会话参数）
2. `Signed……` / `Date…./…./…` 的**空白未填**伦理审批表，出现在名为「XX 品牌手册」的文件里
3. 品牌手册里出现**会过期的东西**：优惠券有效期、活动日期、任期
4. 学生姓名 + 学号

**判据强度排序**：不可能存在 > 外部归属 > 存在性相似。

## 四十一、⚠️⚠️ 纵向对读的前提本身要先被检验——「同一个品牌的不同版本」经常根本不是同一本书

任务设定「蔚来 398p(2019) → 176p(2021) → 198p(2023)，约束去哪了」。实测：

- **398p** = 《NIO 视觉识别系统》第 1.4 版，封面印「严格保密」，全书 287 条约束，**真 VI 手册**
- **176p / 198p** = 《一个PDF看懂蔚来》2020.12 与 2023.07 版，**同一本企业宣传册的两版**，零 VI 章节

**三份里有两份不是同一本书。** 「版本变薄 = 约束被移走」这个推理链从第一步就不成立。

**做纵向对读之前必须先证明三件事**：
1. 三份是**同一类文档**（都叫品牌手册？不必然）
2. 三份有**版本继承关系**（版号／日期／前后文引用，不是文件名相似）
3. 页数差**不是装订颗粒度不同**（一本合订本 vs 一本单册）

蔚来这一例还叠加了一个陷阱：**「一个PDF看懂蔚来」和「蔚来视觉识别系统」都叫蔚来品牌手册**，在文件名层面完全无法区分。

> **纵向对比的失败模式不是「数错了」，是「比的根本不是同一种东西」。** 横向对比至少保证是同类文件，纵向对比连这个都没有。

## 四十二、⚠️ 转交型出口：子文档版本号可能高于母手册

蔚来 v1.4 母手册全书无展厅/空间章节，治理页（p386、p395）把这一层外移到 4 份独立文档，其中 `NIO House 室内标示系统设计第 1.7 版` —— **版本号高于母手册的 1.4**。

推论：**母手册的版号不等于它所辖文件集的最高版号。** 想知道一个品牌 VI 系统的真实版本状态，只看母手册会低估。

判断「这份手册管到哪」的时候，必须把它的**转交指针追到底**，否则会把「转交出去的层」误判成「漏写的层」。

## 四十三、⚠️⚠️⚠️ 同一个标题在 30 / 200 / 600dpi 下被读错三次

亚朵 p 段的章节标题 `3.2 生动态化应用系统`：

| 分辨率 | 读成 |
|---|---|
| 30dpi（联络表） | 「生化应用系统」 |
| 200dpi | 仍不确定 |
| **600dpi** | **「3.2 生动态化应用系统」** |

**连 200dpi 都不够。** 这不是新坑，是第三十八条（装饰排版页 100dpi 错 3/5）的升级版，但严重性完全不同：

- 100dpi 错的是**普通正文**里的数字
- 这里错的是**整个章节的名字**

而本项目研究的东西（终稿权、版权、承印、审批方）**大量集中在页脚、版权栏、章节标题这类「排版元素」上**——恰好是低分辨率最读不对的地方。

> **要研究「谁说了算」「归谁所有」，直接上 600dpi，不要 200dpi。**
> 200dpi 复核这条纪律是为**中文条文**设的，**不适用于排版元素**。

## 四十四、⚠️ 任务前提里的「版本关系」可能根本不存在

蔚来那份（`REPORT-VERSION-DIR.md`）任务设定「398p(2019) → 176p(2021) → 198p(2023)，约束去哪了」。实测 176p/198p 是**同一本企业宣传册的两版**，与 398p **毫无版本关系**。

假日那份被怀疑是「版次不明的第二份」，实测**两条路径 MD5 相同，是同一份**。

> **文件名里的「品牌名 + 页数」不构成版本关系。** 做纵向对读前必须先证明：(1) 是同一类文档；(2) 有版本继承关系（版号/日期/正文互相引用）；(3) 页数差不是装订颗粒度不同。
>
> 三条任一不成立，这次纵向对读就是无效的。

## 四十五、⚠️⚠️ 批量抽取语料必须先验证产出，再相信「零命中」

执行者穷举任务把 1,561 份 PDF 全量抽文本层。这是个正确做法，但**结果必须先验产出**才能用于统计：

- 1,561 份 → **1,527 份可用**（分母不是 1,561）
- **33 份空文本层**——空是内容属性还是抽取失败，必须区分
- **0 个零字节失败**——这一项必须单独报，因为零字节失败会伪装成「零命中」
- 374 份低密度需单独标记

**零字节文件 = 工具故障；小体积文件 = 内容属性。** 两者混在一起，会把「没抽出来」统计成「没有」。

另：串行抽取 1,561 份耗时约 40 分钟（10 分钟只完成 116 份），换多进程后大幅加速。**大规模抽取必须多进程，且必须能从断点续跑。**

## 四十六、⚠️ 关键词计数只能作召回，不能作证据

同一轮里，`\\bIT\\b`、`\\bmembers?\\b`、`\\bpress\\b` 在全库造成严重假阳性。

执行者任务的处理方式值得固定下来：

> **没有任何一类是靠计数成立的——每一类都必须有目视转写证据。**

计数回答「该往哪看」，不回答「有没有」。把计数当证据，等于把召回率当精确率。

## 四十七、⚠️⚠️⚠️「agent 主动纠正」本身是需要复核的断言

`REPORT-VERSION-DIR.md` 的 agent 在正文里主动声明：「200dpi 抓住了文本层错误（`pdftotext` 把蔚来 p65 的『请阅』静默补成『请参阅』），以 200dpi 为准」。

**我在没有独立复核的情况下，把它作为「又一个文本层语义补全实例」写进了仓库。**

后续 `REPORT-HANDOFF.md` 的 agent 在 600dpi 逐字复核同一页：

> 「完整规范请阅**参**品牌资产管理中相关的具体文件。更多详情请阅**参**上述文件。」

**两处都是「参阅」，原文本就含「参」。不存在补全。那条记录是错的。**

> **agent 声明「我纠正了一个错误」时，它报告的是自己的判断，不是事实。**
>
> 本项目已有一条同构结论：**执行者被点名 ≠ 执行者有权批准。** 一次自我纠正被报告、被采信，中间**还差一道独立目视**。
>
> 尤其危险的是这类「自我纠正」听起来特别负责——它主动削弱自己，反而更容易被免检。

**固定动作：任何进入仓库的「agent 自我纠正」，一律降级为「待复核断言」，由另一条证据线确认后才能升格。**

## 四十八、⚠️ 断链有三态，最危险的一态是「检索成功但链接仍断裂」

判别转交是否可达时，只查「文件在不在」是不够的。实测三态：

| 态 | 现象 | 风险 |
|---|---|---|
| 1 | 文件不在库 | 执行者知道要问人 |
| 2 | 文件在库且对 | 正常 |
| **3** | **文件在库、检索成功、但它不是那份文件** | **执行者会找到一个看起来对的东西，然后照着它做** |

汉庭指名「华住提供的 VI 系统手册」，库内确有 `华住酒店集团品牌手册`（89 页），但它是集团企业形象册，**零 VI 章节**。

> **态 3 比态 1 更危险：态 1 会让人去问，态 3 让人不再问。**
>
> 任何「指针可解析」的结论，必须**打开目标确认它含有指针所承诺的内容**，不能停在「文件存在」。

## 四十九、⚠️⚠️ Agent 可能做完全部取证却没写报告——任务仍被标记 succeeded

实测：「非商业主体 VI」任务把 1,561 份抽取、十份全部目视、几十页高分辨率取证**全部做完**，过程记录的最后一句是「Writing the report」——然后**在写文件之前结束了**。

`SEALED-PUBLIC.md` 在，`REPORT-PUBLIC.md` 不存在。**任务状态是 succeeded，零字节失败。**

> **任务成功 ≠ 交付物存在。** 父会话必须检查文件是否真的落盘，不能只看状态。

**缓解措施（已在后续任务书中加入）**：
1. 关键结论**边做边写**，不要攒到最后一次性落盘
2. 至少在取证主轮结束后先写一版**含全部关键引文的骨架**，再补分析
3. 父会话收割时**一律先 `ls` 交付物**，缺失则用 `task_append` 让它续写——**它的上下文和渲染产物都还在，续写比重跑便宜得多**

**更一般的教训**：长任务的失败点往往不在难处，在收尾。**收尾动作要和取证动作分离，交替进行。**

## 五十、⚠️⚠️ 分类失效的根因往往是「行定义不干净」，不是粒度太大

旧兜底分类被判死的理由是「混了三种语法、跨六层」。重画时找到了真正的根因：

> **把字段升成了类别。** 把「答案的产物是什么」（终稿 vs 修订）和「渠道是什么」（邮箱 vs Slack）当成类别。

后果是可算的：**招行与微软这两个同类实例在旧表里被拉开 8 位，于是交集必然非空。**

而且旧表里**有两行根本不在这一层**（验收手段／边界声明属性）。

> **判据**：一个分类如果「互斥性失败」，**先查是不是有几行在回答不同的问题**，而不是先怀疑粒度。
>
> 把「产物是什么／渠道是什么／谁来批准」三种东西塞进同一列，交集非空是数学必然，不是数据问题。
>
> 检验方法：**同一份文件的两个同类实例，在表里隔了几位？隔得远 = 混了字段。**

## 五十一、⚠️ 分类建完之后必须做留出检验

新兜底五级判定顺序在 **7 份文件**上建起来（招行／星巴克／亚朵／F1／巴黎／汉庭／微软）。

> **用它自己见过的样本无法证明它成立。** 这正是本项目七个候选变量连续被否决的同一个陷阱——每一次都是从「横截面上看着成立」开始的。

**已派留出检验**：8–12 份未参与建类的文件，跨品类跨语言跨主体性质，回测三件事——判定是否稳定、五级顺序是否真互斥、**「假设了执行者哪种能力」这条是否重新掉进不可证伪陷阱**。

第三条最关键：设计者自己承认那条判据**是上一轮被降级的不可证伪判断换了个位置回来**，替代方案是强制回答「**不具备此能力会被推向什么后果**」。

> **「换个位置」不等于「脱胎换骨」。必须实际检验替代方案是否真的可证伪，而不是换了说法。**

## 五十二、⚠️ 页码偏移不要照抄任务书，必须自己实测

同一个文件被两个独立 agent 实测，结论可以不同：

| 文件 | 任务书记载 | 实测 |
|---|---|---|
| 汉庭 | +3 | **+4**（物21 ＝ 印17，两个 agent 各自独立目视得出 +4） |

> **任务书里传递的偏移值是上一轮的结论，不是事实。** 每次用到都要自己用页脚锚点实测。
>
> 正确的处理方式是**两个值并列**并注明未决，而不是挑一个信。

## 五十三、⚠️⚠️⚠️「用后果句替代不可证伪」是一个恒真的门槛，不是修法

兜底分类的替代方案是：把「假设了执行者哪种能力」降为验证手段，强制回答「**不具备此能力会被推向什么后果**」，使五条可证伪。

留出检验判定：**掉了，而且比原来更深。**

| # | 硬理由 |
|---|---|
| ① | 能力栏**由类别唯一决定**——是查表，不是测量 |
| ② | 它与类别分处**正交两轴**（执行者轴／答案归属轴），后果句在原理上无法推翻标签 |
| ③ | **「写不出后果就作废」这道门槛恒真**：只要条款管的就是「没写到怎么办」，那么「不照做就没有依据」对**每一条都成立** |

**实测五条后果句，3 组互换后无损**——把 Q1 的后果句安到 Q3 上，同样通顺。

> **它没有变可证伪，只是换了个列放着。**
>
> 一般规律：**当一条判据的判别式恒真时，它就不是判据。** 它降级为「提问的起点」——换手册时用它提问，但不用它分类。

## 五十四、⚠️⚠️ 分类留出检验的三个必查项（本项目固化）

一次分类建完之后，**必须**在未参与建类的文件上做留出检验，并逐项检查：

1. **子类包含关系**——Q2 外派型实测是 Q3 请示型的**真子集**（「处置权在某人那里」必然蕴含「答案在某人那里」），顺序分不开。**4 处双判据同时成立中 2 处顺序判错。**
2. **最尖锐的形态有没有格子**——英格索兰 `this is a dynamic document`、`subject to change without notice`、CUNY `arguably incomplete` 全部落进「非兜底」。**手册自认非终局，却没有格子。**
3. **判定稳定性**——间隔重判一次。凯迪拉克物214（审批权在 `publicis.com` 外部代理的具名人 Grace Fong 名下）**从 Q3 改成 Q2**。**判定不稳定 = 判据依赖了不属于它的信息。**

> **留出样本的实际分布也必须报**：本次请示型 7／转交型 1／**让位型 0、外派型 0、自担型 0**。**五类里三类一次都没出现**——这是「分类覆盖了现实」的警报，比「误分类率」更有信息量。

## 五十五、⚠️ 反面教材：零命中最常见的成因是工具故障

**青奥会**文本层 152 字/页，**关键词零命中**——目视立刻读到「无权在未得到…授权的情况下使用」。

同型已发生过三次：招行 VI 文本层 **0 字符**、亚朵 **179 字符/180 页**、麦当劳 21 份 ISSUU 件**全部读不出字**。

> **任何「零命中」在成为结论之前，必须先回答：这个文件有文本层吗？文本层有多长？**
>
> 报告口径固定为：**「跑了 N 份，读进去多少字符」**——先验产出，再信统计。

## 五十六、⚠️⚠️⚠️「缺失型断言」的抽样区不只在页码里，还在「章节类型」里

中粮 200p **逐页目视**结论：国标／法规／属地审批**零条**（全书 image-only，文本层 200 字节，200 页渲染 0 失败）。

但创维 186p 的同类内容**全部存在**：

| 位置 | 内容 |
|---|---|
| p97 合同书模板 | 引用**《中华人民共和国合同法》** |
| p126 包装模板 | **国家强制认证产品／企标 Q/SCWR 003-2017** |
| p87 | **粤ICP备15057125号** |

> **它们不在治理章节，在应用稿件里。**
>
> 已有的方法论只防住了「页码抽样区外」，**没防住「章节类型区外」**——只读规范章节会把有约束的文件误判为零约束。
>
> **固定做法：任何「某类内容不存在」的断言，必须同时扫过 ①条款层 ②应用稿件层 ③版式标注层。**
>
> 同一份文件的反例：创维的约束在稿件层、中粮的兜底（p176「可退级使用弱势背书」）也在稿件层。

## 五十七、⚠️ 用「证据类型」检查主张，别只检查证据

模式二十七「中文 VI 把本地义务入册」被判死的根本原因，**不是引文错，是引文类型与主张不匹配**：

- 主张：**中文特有**（一个关于语言／国别的属性）
- 证据：招行 p3「任何新增运用项目必须向总行办公室提出申请」、p5「本手册未包括的内容，请通过总行办公室获取设计标准」
- **这两条引文不含任何「本地」属性**——它们是**缺口回填**（手册没写的去找总行办公室）

> **用一条无本地属性的证据支撑一条本地性主张，是循环论证。**
>
> 检查动作：把主张里的每一个限定词（中文／大型／公共／跨国）拿去问证据——**这条证据真的带这个限定词吗？** 带不上就是类型错配。

## 五十八、⚠️⚠️⚠️ 三次同类事故：agent 报告转述未经复核就写进仓库

本项目已发生**三次**同一形态的事故：

| # | agent 声称 | 实测 |
|---|---|---|
| 1 | 蔚来 p65「`pdftotext` 把**请阅**补成**请参阅**」 | **600dpi 证伪**——原文两处均含「参」 |
| 2 | NatGeo 113p「**中文版**」 | **全英文**（可打印字符 0.997），全库无中文版 |
| 3 | 亚朵 p39「`7mm厚铝板烤漆，银粉银漆`」 | **该句不存在**——p39 是施工图页，实为 `1.5mm厚不锈钢围边箱体,深灰色烤漆` |

**三次都是同一个动作**：agent 报告里的一句话，被我直接搬进仓库、模式卡、甚至继续传给下一个 agent。

**根因**：agent 的报告和 agent 的引文，**在转述层级上丢失了「我有没有亲眼看过」这个标记**。

**固定动作**（已写进派发模板）：
1. **凡引用具体数值／具体页码／具体措辞的引文，进入仓库前必须由父会话打开渲染图确认。**
2. **父会话写进下一个 agent 任务书的引文，必须标来源等级**（「父验／文本层／仅转述」）。
3. **同一份引文被引用第二次时，必须重新核**——第一次可能是错的，第二次更可能是错的（因为它已被当成事实传播）。

> **这是本项目第 58 条，也是最便宜的一条：错误不会自己暴露，只会越传越像真的。**

## 五十九、⚠️「工艺名替代了数值」是错的——真正的零参数在金属侧

封存时预测「每种工艺名都在替代某个数值」。**实测方向相反**：

- **工艺参数可以是数字，而且有手册真的写了**：伏牛山泉 p17 给 `铜版纸175线／胶版纸国产133线／进口150线／新闻纸100线`；亚朵 p39 施工图给 `1.5mm厚不锈钢围边箱体,深灰色烤漆`
- **金属侧全库零参数**：凯迪拉克 p181 四种工艺（Embossing／debossing／varnish as ink／silver ink or foil）**一个数都没有**

> **泛化到「工艺」这一层会得出错误结论。零参数是金属侧的属性，不是工艺的属性。**
>
> 这是「约束硬度不是文档属性」的同构错误——**别把某一子类的性质推广到整层。**

## 六十、⚠️ 免责条款的锚点可能不在你以为的地方

滴滴 p16 的免责原文是「始终以实际情况下**标志的可识别性**为最终判断依据」。

> **免责保护的是「标志能不能被认出来」，不是「颜色对不对」。**
>
> 一份手册可以在颜色语境里写免责，但它的法律锚点在**可识别性**上——**读免责条款时必须找到它到底在保护什么**，否则会把「免责存在」误读成「数值可核」。

## 六十一、⚠️⚠️ 一个判据在 27 份样本里只命中 1 次——那是**未经检验**，不是「有效」

兜底分类第二轮检验：修正建议 R1–R7 落地后，**Q2 外派型在 15 份新样本 0 命中，两轮 27 份只中 1 次**。

于是 R7「给 Q2 加义务转移门槛」**一次都没触发过**。

> **一条修正措施如果从未被触发，它没有被验证，也没有被否定——它只是没有被执行过。**
>
> 「没触发」和「工作正常」在报表上长得一模一样。必须区分：
> - **触发过且通过** = 有效
> - **触发过且不通过** = 无效（可据此修）
> - **一次都没触发** = **未经检验**

**检验动作**：报出每条修正的**触发次数**。触发次数为 0 的修正，不得计入「已修复」。

## 六十二、⚠️「不可证伪」的替换物必须能拒绝点什么

原方案「写不出后果就作废」被证明恒真（OPPO物10／施华洛世奇物127／贝壳物96 上 **100% 通过率**）——因为「不照做就没有依据」对每一条兜底条款都成立。

替换物：**「失败条件必须与条款同页可读，读不到就作废」**。

> **它在贝壳物96 上当场判死了一条旧门槛会放行的条款。**
>
> **判据有效性的实际含义不是「能分类」，是「能拒绝」。** 一条从不拒绝任何东西的判据，就是恒真的装饰。

**但要明说代价**：它检验的是**条款**，不是**类别**，**救不了分辨力**。不要用一个诚实的局限去掩盖另一个没解决的问题。

## 六十三、⚠️ 文本层可以是纯符号密文，连「密度」这个指标本身都是假的

**百度VI** 的文本层是 `\\x01\\x02○` 这样的符号密文（子集字体替换密码的极端形态）。

后果比「零命中」更严重：**连「374 字/页」这个密度指标本身也是假的**——你报告的分母建立在垃圾字符上。

> **固定动作**：任何文本层统计，先**打印前 200 个字符看一眼**。
> 只看长度不看内容，会把密文当成「低密度但有效」。