 Bepr4
|
ac798a2610
|
实现本地 Markdown 清洗评审器
|
2026-08-24 01:02:16 +08:00 |
|
|
Bepr4
|
80001a8ab9
|
实现 ClinDB 第一批清洗组件
|
2026-08-23 20:56:36 +08:00 |
|
|
Bepr4
|
6fcc7d5736
|
实现本地清洗实验与产物保存
|
2026-08-22 17:25:44 +08:00 |
|
 Bepr4
|
eed2119016
|
Merge pull request #2 from Bepr4/design/architecture-foundation
建立第一版清洗核心与 arXiv 戳组件
|
2026-08-22 16:00:42 +08:00 |
|
|
Bepr4
|
6548f0f486
|
精简 README 当前阶段为能力清单并同步协作规则
README 把逐条流水账式进度改为当前能力与边界概述：已实现内存核心、
唯一组件 paper.arxiv_submission_stamp 和 87 项测试；进度细节交由
design 与带日期的 scratch 记录。补充测试数据来源说明和展开的目录
结构。AGENTS/CLAUDE 同步：阶段描述改为指向 README 唯一权威，定位
改为实验室共用库；正文镜像保持一致。gitignore 忽略 .claude/scratch。
|
2026-08-22 15:59:30 +08:00 |
|
|
Bepr4
|
48dd02ce1d
|
记录 45 份 GovDoc 测试 Markdown 的 HTML 表格只读结构分析
新增 research-wiki/scratch/html-table-real-data-analysis-2026-08-21.md：
按展开 span 后行列一致性给 2474+356+1879 个顶层表格分类（剔除空 tr 后
简单表 53% / 合并合并表 8% / 损坏表 40%），定位标签不闭合、丢失
colspan 标注、无表头三类主因。README 当前阶段补对应条目。
|
2026-08-22 15:05:35 +08:00 |
|
|
Bepr4
|
8c23ac5521
|
实现 arXiv 提交边栏戳清洗组件
冻结 0004，新增严格整行删除组件和测试，并记录 5 份论文的只读验证结果。同步 ClinDB 清洗范围，并忽略本地 reference 调研副本。
|
2026-08-22 15:02:21 +08:00 |
|
|
Bepr4
|
3edeeaf30e
|
实现第一版内存清洗核心
落实不可变数据契约、组件基类、原子修改执行器与顺序流水线。补充稳定性复查、审计记录、测试和当前机制文档。
|
2026-08-22 01:03:03 +08:00 |
|
|
Bepr4
|
8ac4f1dd12
|
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）
|
2026-08-21 22:49:03 +08:00 |
|
|
Bepr4
|
b6e310f0a9
|
Merge pull request #1 from Bepr4/docs/research-foundation
Docs/research foundation
|
2026-08-21 17:49:43 +08:00 |
|
|
Bepr4
|
951fba150b
|
精简 GovDoc 审计范围：移除敏感信息章节与占位 .gitkeep
- 删除 GOVDOC_SAAS_CLEANING_SCOPE.md 的 4.11 S001（敏感信息）整节，
及结论摘要中对应的第 7 条合规风险要点；
- reference/ 与 scratch/ 已有实际内容，移除占位 .gitkeep。
|
2026-08-21 17:47:34 +08:00 |
|
|
Bepr4
|
977bfb832b
|
建立实验室共用库定位并完成论文/GovDoc 两批数据的问题审计
- README 更新项目定位为实验室共用清洗库，明确 data/ 职责与 profile 复用原则；
- 新增 ClinDB-ReviewBench（论文清洗）5 份 Markdown 问题审计（scratch），
并确定第一版清洗范围：9 类确定性规则（reference/CLINDB_REVIEWBENCH_CLEANING_SCOPE.md）；
- 45 份政务文档审计重命名为 GOVDOC_SAAS_CLEANING_SCOPE.md，截去第 6 节起的
实施建议，只保留问题报告（396 行）；
- 收录 2026-08-20 生态调研草稿（scratch）。
|
2026-08-21 17:44:23 +08:00 |
|
|
Bepr4
|
be1a600fdc
|
重置项目并建立文档治理基础架构
- 移除旧清洗器、规则、测试和打包配置
- 增加 AGENTS.md 与 CLAUDE.md 同步协作规范
- 建立 research-wiki 文档生命周期和首个设计记录
|
2026-08-20 17:20:53 +08:00 |
|
|
Bepr4
|
c19e9fcebf
|
govdoc-md-cleaner v0.1.0: 政务文档 Markdown 清洗工具（规则引擎 + CLI + 测试）
- 8 条 YAML 声明规则：页码/页眉页脚/目录点线/图片/HTML表格/散落标签/行尾空白/空行
- 防误伤设计：protect 正则 + 内容形态豁免 + OCR burst 检测
- md-clean single/batch CLI，JSON 清洗报告
- 18 个单元测试
Co-Authored-By: Claude <noreply@anthropic.com>
|
2026-08-20 17:04:10 +08:00 |
|