更名 mdpolish 并补充清洗流水线设计与调研记录

- 仓库由 govdoc-md-cleaner 更名为 mdpolish，更新 README、AGENTS、CLAUDE
  及 reference 中的仓库名；冻结的 design 与带日期 scratch 保留旧名
- 冻结 0002：可组合清洗组件与流水线（check/transform、单轮修改加最终复查）
- 新增 0003 草稿：第一版可执行核心架构，待评审
- 新增 HTML 表格清洗专题调研（2026-08-21）

README.md

@@ -1,10 +1,9 @@
-# govdoc-md-cleaner
+# mdpolish
 
-实验室共用的 Markdown 清洗研究与基础工具库。仓库名沿用了最初的 GovDoc 场景，但项目不属于 GovDoc
-专用组件，也不只服务政务文档。
+实验室共用的 Markdown 清洗研究与基础工具库。项目不属于 GovDoc 专用组件，也不只服务政务文档。
 
 本仓库面向实验室内不同项目复用，用于清洗 PDF、DOCX、OCR、网页等上游管线生成的 Markdown，统一解决
-格式噪声、结构损坏、内容异常、来源追踪和多用途派生问题。各项目共享通用清洗能力，再通过独立配置或
+格式噪声、结构损坏、内容异常、修改追踪和多用途派生问题。各项目共享通用清洗能力，再通过独立配置或
 profile 表达论文、政务文档、RAG、文档对比等不同需求。
 
 仓库当前仍处于研究和方案设计阶段：用于澄清问题、记录设计选择、积累可复核证据，并在方案获得确认后
@@ -24,9 +23,19 @@ profile 表达论文、政务文档、RAG、文档对比等不同需求。
   （`research-wiki/scratch/data-5papers-cleaning-audit-2026-08-21.md`），并确定其第一版清洗范围
   （`research-wiki/reference/CLINDB_REVIEWBENCH_CLEANING_SCOPE.md`，9 类确定性规则）。
 - 2026-08-21 明确本项目定位为实验室共用库；GovDoc 和论文清洗都是使用场景，不是核心边界。
+- 2026-08-21 批准并冻结 `research-wiki/design/0002-composable-cleaning-pipeline.md`，确定只接收 Markdown、
+  项目显式组装组件、单轮修改加最终只读复查的总体组织方式。
+- 2026-08-21 建立 `research-wiki/design/0003-first-executable-core-architecture.md` 草稿，等待评审第一版
+  Python 内存核心、精确修改协议、错误语义和测试边界。
+- 2026-08-21 完成 HTML 表格清洗专题调研
+  （`research-wiki/scratch/html-table-cleaning-ecosystem-research-2026-08-21.md`）：核实 Pandoc 表格
+  方言能力边界、Turndown 不处理合并单元格、Docling Markdown 导出重复合并单元格内容、MinerU 全
+  HTML 输出，印证审计 T001 的分流方向。
+- 2026-08-21 仓库由 `govdoc-md-cleaner` 更名为 `mdpolish`，GitHub 远程仓库与本地目录同步改名；
+  冻结的 design 记录和带日期的 scratch 笔记保留当时的旧名。
 
-当前没有清洗算法、可执行命令、运行依赖、测试套件或已批准的输入输出契约。调研报告中的技术组合、
-内部 IR、profiles 和实施路线均是候选方案，尚未批准。
+当前没有清洗算法、可执行命令、运行依赖、测试套件或函数级输入输出契约。`0002` 只批准了总体组织方式；
+调研报告中的解析器、内部 IR、具体 profile 和实施路线仍是候选方案，尚未批准。
 目录存在只代表文档落点已经建立，不代表相应能力已经完成。
 
 ## 服务对象与复用目标
@@ -42,12 +51,12 @@ GovDoc 目录、具体客户名称或某一转换器的固定输出路径。
 
 ## 面向复用的设计原则
 
-- **通用核心**：编码检查、Markdown/HTML 结构解析、异常检测、可审计变换、资产校验和来源追踪；
-- **输入适配器**：不同 PDF/OCR/DOCX/HTML 转换器通过 adapter 接入，不把某个上游工具写死；
+- **通用核心**：只接收 Markdown，提供结构检查、异常检测和可审计变换，不读取 PDF、图片或转换器 JSON；
+- **输入边界**：PDF/OCR/DOCX/HTML 转换和外部材料核验由使用项目或上游流程负责，不写入共用组件契约；
 - **项目 profile**：论文、GovDoc、对比、RAG、公开脱敏等规则独立组合，不互相污染默认行为；
 - **保真优先**：不确定内容默认保留或进入人工确认，不能为了格式整齐改写业务或学术内容；
 - **可复现**：规则、配置、输入哈希、输出和每次变更都可以追踪；
-- **可扩展**：新增项目应主要增加 adapter、detector、transformer 或 profile，而不是复制一套清洗器。
+- **可扩展**：新增项目在自身边界处理上游适配，并主要组合或补充组件和 profile，而不是复制一套清洗器。
 
 ## `data/` 的职责
 
@@ -69,7 +78,7 @@ GovDoc 目录、具体客户名称或某一转换器的固定输出路径。
 ## 目录结构
 
 ```text
-govdoc-md-cleaner/
+mdpolish/
 ├── AGENTS.md
 ├── CLAUDE.md
 ├── README.md
@@ -92,8 +101,8 @@ govdoc-md-cleaner/
 3. `research-wiki/README.md`，确认文档应放在哪里；
 4. 与任务直接相关的 `research-wiki/design/` 记录。
 
-下一项实质工作开始前，应以现有论文数据、GovDoc 审计和生态调研为输入新增下一编号的 design，明确
-通用核心与项目 profile 的边界、第一阶段范围、技术选型、输入输出、验证方法和非目标，并等待批准。
+下一项实质工作开始前，应评审并批准 `research-wiki/design/0003-first-executable-core-architecture.md`；
+草稿尚不授权创建源码、测试、依赖或公共接口。
 
 ## 当前可用检查