Frozen / 饮茶室 README

Frozen / 饮茶室 — 规范与踩坑

本目录是独立 RAG 库（目前只有饮茶室QA）。入口：MOC-Frozen。笔记索引：饮茶室QA/MOC-饮茶室QA。

群聊原始导出（NTQQ JSONL）字段与回复链：NOTE-QQChat-JSONL。

下一步是集中理论分析提取：从已拆好的原文笔记里抽出可单独引用的论点，写成新笔记并回链，不要覆盖源文档。

目录角色

路径	用途
MOC-Frozen.md	RAG 根索引
饮茶室QA/MOC-饮茶室QA.md	主题地图（核心 / 独立理论 / 讨论 / 其他）
饮茶室QA/核心/	新人稳妥 FAQ、群规、缩写、可单独成册的理论（如双桥）
饮茶室QA/冰学独立理论与分析/	单人成文、系统问答
饮茶室QA/冰学讨论/	多声部辩论、群聊记录
饮茶室QA/其他/	资料性短文、占位
饮茶室QA/assets/	从 data:image 抽出的图；相对引用，子目录用 ../assets/
饮茶室QA/_source/	原文 dump，rag: skip，禁止 git 追踪、禁止作为检索主源
NOTE-QQChat-JSONL.md	QQChatExporter JSONL 字段说明（回复链、发送人 id）；源文件在本机 exports，不进本库

分类原则（原文编辑方针）：核心 FAQ 给争议较少的稳妥答；文本 / 创作 / 世界观 / 观众互有指涉，新内容先定侧重点再落文件夹。

Markdown 规范

1. 正文第一个标题必须是 #（MD041）。YAML 可以在它前面。
2. 标题里不要写 **。错误：## **双桥理论**、## **关于****冰****二****。正确：# 双桥理论、## 关于冰二的Ahtohallan。
3. 一篇笔记一个 H1；小节用 ## / ###，不要跳级（# 下面直接 ###）。
4. 过长的聊天句不要当 H1（会变成标题噪声）。改成短标题，原句留在正文。
5. 空标题（只有 ##）删掉。
6. 每篇加 YAML：title、area、source、tags（type/ref + area/frozen）。title: 含 ASCII 冒号时加引号。
7. 链接用 Obsidian wikilink：[[饮茶室QA/核心/双桥理论]]。
8. 裸 URL 写成 <https://example.com>（MD034）。
9. 只有粗体的一行如果其实是小节名，改成真正的标题（MD036），不要留 **Klein：第五灵的新理解**。
10. 改完在本目录跑 markdownlint。配置见 .markdownlint.json。

本库关闭 MD013（行宽 80）：源材料是群聊/长段，硬折行等于改写。YAML 的 title 与正文 # 不要被算成两个 H1：配置里 MD025 / MD041 的 front_matter_title 设为空串。

Git / 资源

仓库根 .gitignore 已有 *.png / *.jpg / **/_source/。因此：

• 抽出的 assets/*.png 默认不进 git。
• _source/ 不进 git。不要把 dump 再拷回 MOC-饮茶室QA.md。
• 根 ignore 含 .*，点文件（如 .markdownlint.json）可能不被提交；本地编辑器仍会读到。

工具

在 饮茶室QA/ 下：

python extract_data_images.py path/to/note.md
python split_qa_notes.py --dry-run
python split_qa_notes.py --normalize-headings
python _extract/extract_fragments.py
python _extract/extract_fragments.py --group "E:\Library\Documents\QQChatExporter\exports\group_冰学三点饮茶室_732870642_20260822_042107409_chunked_jsonl.zip"
python _extract/review_server.py
python _extract/copy_range.py PATH --start "起始全文" --end "结束全文"
python _extract/author_theory_arc.py --uin 2778807491 -o 其他/FrozenHeart冰学观发展史.md

群聊片段筛选：先跑 extract_fragments.py 写出 _extract/data/candidates.json，再开 review_server.py 人工标。判定存在 _extract/data/decisions.json，重跑提取不会覆盖已有判定（按 candidate id 对齐）。跨群靠合并转发，见 NOTE-QQChat-JSONL。

群列表在 _extract/groups.json（name / key / path / primary）。path 可以是 *_chunked_jsonl 目录，或同名 .zip；脚本用 zipfile 流式读 chunks/c*.jsonl，不必先解压。--group PATH 可重复追加或覆盖。默认三份：饮茶室、❄️冰学奇谈会议室、克莱恩家的晚宴。

按起止记录抽一段对话（默认复制到剪贴板；时间转北京时间；含两端）。发送头与被引用气泡写成 Markdown 引用+斜体；图片、撤回、空文本整段略过。--start / --end 必须是该条 content.text 的完全文本（去空白后全等）。PATH 是 QQChatExporter 的 *_chunked_jsonl 目录或 .zip：

python _extract/copy_range.py "E:\Library\Documents\QQChatExporter\exports\group_冰学三点饮茶室_732870642_20260822_042107409_chunked_jsonl.zip" --start "AT Field. Absolute Terror Field" --end "那块显然各有大神做了，也不管了"

可选：-o slice.md 同时落盘，--print 打到 stdout，--no-clipboard 不写剪贴板，--contains 改成子串匹配。中文路径下先设 PYTHONIOENCODING=utf-8。

给已归档笔记补原发送时间（blockquote / 谁： 发言；散文段只写 YAML time_start/time_end 或「出处时间」）。先精确匹配 content.text，唯一子串兜底；歧义不猜。已有 > *YYYY-MM-DD HH:mm:ss 的块不动：

python _extract/stamp_times.py 核心 冰学独立理论与分析 冰学讨论 其他 --dry-run
python _extract/stamp_times.py 核心 冰学独立理论与分析 冰学讨论 其他 -o _extract/data/stamp_report.json

默认读 _extract/groups.json 里全部群（目录或 zip）；--group PATH 可追加，--tea / --klein 仍可用。

按 QQ 号抽一个人的全部发言，用字 n-gram TF-IDF（scikit-learn）把长帖贴到库内笔记种子，剩余再聚类，写出理论发展史草稿和 sidecar JSON。依赖：pip install -r _extract/requirements.txt。中文路径下先设 PYTHONIOENCODING=utf-8：

$env:PYTHONIOENCODING='utf-8'
python _extract/author_theory_arc.py --uin 2778807491 -o 其他/FrozenHeart冰学观发展史.md

JSON 默认 _extract/data/author_<uin>.json（data/ gitignore）。-o 相对 饮茶室QA/。显示名从 JSONL sender.name 众数解析；2778807491 是 FrozenHeart。

格式化与检查（在 “）：

npx --yes prettier@3 --write --prose-wrap preserve "**/*.md"
npx --yes markdownlint-cli2 --config .markdownlint.json "**/*.md"

Prettier 必须加 --prose-wrap preserve，否则会重排中文长段。Prettier 不会去掉标题里的 **，标题清洗用 --normalize-headings。

split_qa_notes.py 无参数会按行号从 _source 复制切片并覆盖子笔记与两个 MOC。MOC 已改成索引、或子笔记有手工修改之后，不要无参数重跑，只用 --normalize-headings。

踩过的坑

1. data:image 会把笔记撑到数 MB

原文曾约 5.8MB，三张 PNG 内嵌 base64。必须先抽到 assets/，再改相对路径。抽完后再拆文件，否则行号工具和编辑器都会卡。拆到子目录后，链接是 ../assets/xxx.png，不是 assets/xxx.png。

2. 拆分要复制，不要重写

源是群聊/专栏拼贴，错字、零宽空格、断行都是原文。按行号切片复制，只允许加 YAML 和改标题层级。用模型「整理成通顺文章」会毁掉可引用性。

3. OneNote / 富文本标题

常见形态：## **标题**、标题被拆成多段 **、H1 包一层分区名（「冰学讨论：文本」）而真正内容在 H2。markdownlint 的 MD041 看的是「正文第一个标题是不是 #」，不是「看起来像标题的粗体」。

4. YAML title 与 MD025

给每篇加 title: 之后，默认 markdownlint 会把 YAML title 也当成 H1，于是和正文 # 冲突（MD025）。必须在 .markdownlint.json 里把 front_matter_title 关掉，同时保留正文 #。

5. 标题升级会跳级

把唯一的 ## 升成 # 后，原来的 ### 会悬空。升一级时要把下级一起升（### → ##）。

6. 编号列表被段落切断

原文「1. 2. 3. 4.」提纲后面又出现孤立的 4.，markdownlint MD029 会报。这种「第 4 点」改成 （4） 正文，不要当新的有序列表。

7. 检索重复

_source 与子笔记正文重复。RAG 只索引子笔记；dump 标 rag: skip。提取出的理论笔记也要链回源笔记，不要再贴一整段源文。

8. 控制台编码

Windows PowerShell 默认 GBK，中文路径/emoji 标题打印会炸。脚本输出用 PYTHONIOENCODING=utf-8。

QQ JSONL 主源（摘要）

完整字段见 NOTE-QQChat-JSONL。clip 抽样结论（2026-08-22）：

• 支持回复。 elements[].replyElement（elementType: 7），本 clip 5942/38418。连边用 replayMsgSeq → msgSeq，断链用本条 records[] + sourceMsgTextElems。不要用几乎总是 "0" 的 replayMsgId 对顶层 msgId。
• 人的主键是 senderUid（u_…）和 senderUin（QQ 号），基本 1:1。群名片/昵称会变，不当 id。replyElement.senderUid 实际是 QQ 号，NT uid 在 senderUidStr。
• 消息主键 msgId；时间 msgTime（Unix 秒）。系统灰条可能空 uid。

源文件在 e:\Library\Documents\QQChatExporter\exports\ 的 spool jsonl，不进 git。

下一步：理论分析提取

目标：从「讨论/长文」里抽出可单独检索、可单独引用的论点，供 Agent 回答常见问题。

建议约定：

1. 源笔记只读。 提取结果写成新文件，不覆盖 核心/ 冰学讨论/ 里的原文切片。
2. 落点。 稳定、群内引用多的具名理论 → 核心/ 或 冰学独立理论与分析/；从辩论里抽的单点结论 → 冰学独立理论与分析/，并在文内链回讨论页。
3. 一则一义。 一篇提取笔记只陈述一个命题（例如「第五灵是职位不是物种」「莎雕是 Athl 考验」），开头用一段话写清主张、提出者、与哪些笔记冲突。
4. 必填。 YAML source 指向原切片；related 指向 FAQ / 双桥 / 对立观点。正文用引述 + 出处，不整篇复制群聊。
5. 立场分开。 FH 永生论与游鱼反驳不要捏成一篇「综合结论」，除非明确写「争议地图」。
6. 过 lint。 新笔记同样遵守上文 Markdown 规范后再收进 MOC。

优先提取候选（已在库中、引用密度高）：

• 双桥理论（人与自然之桥 / Elsa 人性与魔法之桥）
• Ahtohallan 的定义与是否「神」
• 第五灵：职位 vs 成仙；考核 vs 引导 vs gift
• 莎雕：考验论 / 不可接受论 / 解冻空白
• PN 对 F2 离开与 True Love 的补全
• F2 刻画缺失（ITU 前探索欲望被吞）

提取完成后：更新 饮茶室QA/MOC-饮茶室QA 增加「理论提取」节，并给 MOC-Frozen 的 updated 打日期。