# SEALED-IMPOSTOR · 伪正本普查的预注册规则与封存答案

写于开任何 PDF 之前。此文件此后不再修改；如需推翻某条，另起文件并注明推翻。

---

## 0. 已在本文件之前做过的操作（合规声明）

只做了两件与内容无关的事：①递归计数得 1,561 份 PDF ②读 BRIEF/PITFALLS/QUEUE。
**没有打开任何一份 PDF，没有看任何一页图。**

---

## 1. 三个问题的定义（在开 PDF 前锁定）

### Q1 污染率

**分子（严格定义，tier A+B+C 四档全部计入「污染」）**：

> 一份文件，若在 200dpi 以上目视下**确认**命中四类信号中的 ≥1 条，且因此**不能代表声称品牌的制度**——
> 即：读者若把它当该品牌的 VI 正本引用，会得出关于品牌的错误结论。

分档：
- **A 学生作业**：封面/扉页/页脚出现「人名＋学号/工号/编号」组合
- **B 第三方归属**：文档权属第三方（另一公司、另一国家机构、乙方提案方），且文件自称是该品牌的
- **C 拼接/会过期**：跨市场拼接，或内嵌会过期的单一市场促销物

**分母（预先声明三个，结论必须每个都给）**：
- **D1 = 1,561**（全库物理文件数，**不去重**——污染对读者的伤害按文件计）
- **D2 = 1,267**（PITFALLS 二十的终判唯一内容数）
- **D3 = 有效文本层子集**（按 PITFALLS 二十八，字/页 ≥50 的那批，**本次重新实测**，不复用旧数字）

**同时必须报告的对照量**（这是我最关心的）：
- **A档单独计数**。因为 A 档（学生作业）才是最刺眼、最可能推翻既有结论的一类。
- **再发布容器命中数**单列——它是**出处信号**，不是**伪正本判决**。

### Q2 既有结论受影响的份数

分母 = 项目已深读的 **35 份**（清单从仓库 + /tmp/vi-agents 报告里核出，逐份列名）。
对每份给三态：**正本 / 疑似（未定罪） / 伪正本**，并附目视证据与分辨率。

### Q3 污染是否集中

按顶层目录（4 个）出四格表 + 按文件名关键词族出表。
**如果集中在 `2.【笔记同款】`，则主合集相对干净，结论可靠性可分层。**

---

## 2. 判决规则（开 PDF 前锁定）

### 2.1 判为「伪正本」必须同时满足

1. **目视确认**，分辨率 ≥200dpi；页脚/版权栏/法务小字 **≥400dpi 裁切转写**（PITFALLS 三十四：200dpi 会产生语法通顺但完全不同的语义补全错误）
2. **写明证据出处页码 + 分辨率**，无页码的判决不予采信
3. 信号来自**文件内部**（封面/扉页/页脚/内页/版权栏），不采信文件名与元数据（两者本项目已实测不可信）

### 2.2 明确**不算**伪正本的四类（避免把结论建在错误的窄化上）

| 不是伪正本 | 理由 |
|---|---|
| **乙方/设计公司出品，但确为该品牌正式发布的手册** | gaga 的 "Design by A Black Cover Design"、Tagi 的 "Brand Design 不等咖啡"——品牌把 VI 外包给乙方，**这仍是该品牌的制度**。把外包误判成伪正本，是本轮最容易犯的错。 |
| **(b)(c)(e) 类但确属品牌自有** | 品牌故事册、招商册、产品目录——性质不对，但不是冒名。 |
| **同品牌不同版本/不同分页** | 版本差异是真实的制度差异，不是污染。 |
| **第三方付费资料库收录，但明确标注收录方** | 若文件自身印有收录方版权，属**归属声明**，不是伪装。只在它冒充品牌自有时才计 B 档（阿那亚 276p 即此例，PITFALLS 1c 已定案）。 |

> 这张表是我给自己设的**防过拟合护栏**：任务书把我往「污染可能很大」的方向推，我必须保留「污染其实很小」这个判决的成立路径。

### 2.3 停止规则

- 每份命中样本必须抽验 **≥1 份**目视；自动判据报出的任何数字，未抽验不得写入结论（PITFALLS 二十四：两条自动判据各错一次）
- 全量检索零命中时，**必须报告「跑了多少 / 读进去多少」**（PITFALLS 二十三）
- 批量命令**先核对预期条数 vs 实际条数**（PITFALLS 二十七），用 Python 不用 `xargs -d`
- **不用 OCR**（本机无 chi_sim）。无文本层文件用 PIL 40dpi 联络表通览，不因检索不到而排除（PITFALLS 二十六）
- 不用 `pdftoppm … -`

---

## 3. 封存答案（我的预测，**开 PDF 前写下**）

**如果我在做这个资料库的人的位置**：我是一个收集「品牌手册」的中文资料贩子。来源大概三类——①品牌官网/官方渠道下的 VI 手册 ②设计网站（站酷、优设、redocun、brandingboom）上的「参考/临摹/仿作」作品 ③学生毕设作业上传的公开分享。

**我的预测（带数，开 PDF 后逐条对账）**：

| 编号 | 预测 | 预测值 |
|---|---|---|
| **P1** | 元数据 Producer/Creator 含再发布平台串（TCPDF/ISSUU/Scribd/Vebuka/SlideShare/doc88/豆丁/Nipip_/iLovePDF）的文件 | **3–30 份** |
| **P2** | 文件名/Title 含「作业/设计报告/课程/thesis/assignment/毕业设计/学生」 | **0–20 份**（中文资料贩子普遍改名，预测偏低） |
| **P3** | 目视确认的 **A 档（学生作业）** | **1–8 份**，且**极可能含麦当劳 104p 之外的新增** |
| **P4** | **35 份已深读里是伪正本的** | **≤5 份**。麦当劳 104p 是已知 1 份。若 ≤5，我判定：**污染只影响覆盖率，不动摇结论的证据基础。** 若 >10，我判定整个处境库需重新评估。 |
| **P5** | 污染的目录分布 | **不集中在 `2.【笔记同款】`**。理由：`2.` 是「热门品牌手册」，是资料贩子**亲自挑过**的精选，最干净；最脏的应是主合集里夹带的散件与 `3./4.` 两个附赠包（来源不明、批量打包）。 |
| **P6** | **最可能的判决**：污染是**低个位数比例 + 分散**，不是系统性污染 | A+B+C 合计 **<40/1561（<2.6%）** |

**我最不确定的是什么**：
1. **P4 里的 gaga / Tagi / 苏州博物馆这三类**（乙方出品 vs 乙方提案）——我把它们放进了 2.2 的「不算」，但如果深读轮里那几张处境卡的关键约束其实只存在于**提案版**而非最终版，卡片的证据效力要降级。**这是我最可能出错的地方。**
2. **P5 可能完全反了**——如果 `2.【笔记同款】` 是从站酷/小红书这类学生作业聚集地扒来的，反而最脏。**我没有任何证据支持我的先验，我承认这是猜的。**
3. 「第三方版权」信号的**假阳性率**：真实企业 VI 里出现 `©XXXX Company`（集团母公司／版权受让方）是常事，只有当公司名 **≠ 声称的品牌名** 才可疑。这条我会在报告里逐份写明公司名，不能只写「有第三方版权」。

**改判规则**：实测与任一预测偏差 >2 倍（P1 实测 60+、P3 实测 20+、P4 实测 11+），视为我的先验失效，届时必须**重新评估预测机制**，而不是只改数字。