dsh-plugin-term-dictionary 0.0.0-stage → 1.0.0

package/cordis.patch.yml

@@ -0,0 +1,14 @@
+# Patch layer of the `dsh-plugin-term-dictionary` bundle.
+#
+# One row only: the package's own host half. The browser half is not a row —
+# `dsh.client` in package.json declares it, so the Client module system picks
+# the bundle up and loads `exports["./client"]` on the page.
+#
+# The host half owns the dictionary file and the HTTP surface the page reads.
+# `webServer` is optional in `inject`: in a deployment without the Web carrier
+# the host half stays dormant and the browser half keeps working from local
+# storage.
+
+- insert:
+    - id: term-dictionary
+      name: 'dsh-plugin-term-dictionary'

package/icon.svg

@@ -0,0 +1,13 @@
+<svg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 24 24" width="24" height="24" role="img" aria-label="术语词典">
+  <title>术语词典</title>
+  <circle cx="12" cy="12" r="9.25" fill="#4D6BFE"/>
+  <g fill="none" stroke="#FFFFFF" stroke-width="1.9" stroke-linecap="round" stroke-linejoin="round">
+    <path d="M12 7.1c-1.2-.9-2.7-1.3-4.6-1.3-.5 0-.8.3-.8.8v7.9c0 .5.3.8.8.8 1.9 0 3.4.4 4.6 1.3"/>
+    <path d="M12 7.1c1.2-.9 2.7-1.3 4.6-1.3.5 0 .8.3.8.8v7.9c0 .5-.3.8-.8.8-1.9 0-3.4.4-4.6 1.3"/>
+    <path d="M12 7.1v9.5"/>
+  </g>
+  <g fill="none" stroke="#FFFFFF" stroke-width="1.7" stroke-linecap="round">
+    <circle cx="15.6" cy="15.4" r="2.5" fill="#4D6BFE"/>
+    <path d="M17.5 17.3l2.1 2.1"/>
+  </g>
+</svg>

package/lib/ROADMAP-lexicon.md

@@ -0,0 +1,52 @@
+# 术语词典内置词库说明（lexicon / stopwords）
+
+## 这些文件是做什么的
+
+`lib/lexicon.en.js`、`lib/lexicon.zh.js`、`lib/stopwords.js` 是插件离线识别术语的**纯数据层**：
+不联网、不做任何逻辑，由浏览器打包表与 Node 测试共同加载。检测器命中词库即直接给出中文释义，
+未命中才走模型兜底；词库同时用于过滤，避免把日常词误判成专业术语。
+
+## 数据格式（三个文件都必须遵守）
+
+```js
+module.exports = {
+  "<键>": { zh: "中文译名", domain: "领域标签", gloss: "一句中文解释" },
+};
+```
+
+- `zh`：中文译名。英文词库要求 2–8 个汉字、不含英文数字；中文词库要求 3–8 个汉字的口语化改写。
+- `domain`：只能取 `计算机`、`软件工程`、`人工智能`、`数据`、`网络`、`安全`、`运维`、`数学`、`系统`、`产品`。
+- `gloss`：一句话讲清“它是什么”，面向不懂该术语的聪明读者；不解释词源，实测长度 15–31 汉字。
+- 英文键一律小写 ASCII，只允许单个空格、连字符、点；中文键为 2–6 个汉字。
+- 三个文件都必须是 CommonJS（`"use strict";` + `module.exports`），**不得出现** `import`/`export`/`require`，
+  也不得有任何副作用代码——浏览器打包表需要可直接取用的 `module.exports` 值。
+
+## 如何新增词条
+
+1. 在对应文件的对象里加一行，键按上文规则写，`zh`/`domain`/`gloss` 三个字段缺一不可。
+2. 放入文件时保持“一行一条”，便于 diff；大小写、错别字、重复键都会让检测静默失效，务必自查。
+3. 日常词、代词、介词、动词不要进 lexicon，应进 `stopwords.js` 的 `EN`/`ZH` 数组。
+4. 两个数组必须**去重并排序**（`EN` 按字典序，`ZH` 按码点序），新增后重新排序。
+5. 改完必须跑一遍校验：条目数、三字段非空、重复键、数组重复、键大小写。
+
+> 注意：`lib/package.json` 里的 `{"type":"commonjs"}` 是作用域标记，缺了它 Node 会按外层
+> `package.json` 的 `"type": "module"` 把这些 `.js` 当 ESM，`require` 将取不到词条。
+
+## 当前实际条目数（校验命令实测）
+
+| 文件 | 内容 | 条目数 | 备注 |
+| --- | --- | --- | --- |
+| `lexicon.en.js` | 英文技术术语 | **864** | 领域分布：人工智能 210、软件工程 193、数据 92、数学 76、安全 74、计算机 67、系统 64、运维 61、网络 20、产品 7 |
+| `lexicon.zh.js` | 中文行业黑话 | **241** | 领域分布：人工智能 63、系统 43、运维 41、数据 40、产品 30、软件工程 17、网络 3、安全 2、计算机 2 |
+| `stopwords.js` | 英文停用词 `EN` | **893** | 已排序去重；含常见虚词、动词、名词与 `data`/`code`/`user` 等日常技术词 |
+| `stopwords.js` | 中文停用词 `ZH` | **220** | 已排序去重；含常用单字与“我们/可以/通过/因为”等高频二字词 |
+
+## 明显偏薄、下一步应扩的区域
+
+- **英文**：网络（20）与产品（7）远低于其他板块，需要补 HTTP/TCP 细节、云网络、增长与商业化术语。
+- **英文缺口领域**：编译原理与链接细节、数据库存储引擎内部、计算机体系结构与指令集、图形学与音视频编解码、
+  量化金融、生物信息、硬件与嵌入式。这些目前基本没覆盖。
+- **中文**：网络（3）、安全（2）、计算机（2）几乎没有；另缺医疗、金融、法律、汽车制造、游戏、政务等行业黑话。
+- **中文缺口形态**：多为运维/架构/产品口径的互联网黑话，缺少传统行业术语与地方性缩写。
+- **停用词**：`EN` 尚未覆盖专有名词、人名地名与缩写黑名单；`ZH` 还缺大量常见二字词、姓氏与机构名，
+  后续应按真实语料高频词补齐，而不是凭印象堆量。