prpm-dbp 0.13.1 → 0.13.2

package/SKILL.md

@@ -11,6 +11,8 @@ Model boleh hasilkan Jawi yang nampak betul tetapi salah, dan pembaca tidak dapa
 
 ## Peraturan
 
+0. **Semak ejaan ikut DBP, bukan ikut ingatan.** Ini peraturan pertama kerana ia yang paling kerap dilanggar. Perkataan yang anda "tahu" ejaannya masih perlu disemak. Contoh sebenar daripada penggunaan: `sunah` ialah `سنة` tetapi `sunat` ialah `سونت`; `bena` langsung tiada ejaan Jawi dalam PRPM walaupun ia perkataan yang sah; `salat` hanyalah rujukan silang kepada `solat`. Tiada satu pun daripada perbezaan ini boleh diteka daripada bentuk Rumi. Jalankan `lookup` atau `jawi`, jangan tulis daripada ingatan.
+
 1. **Jangan hantar Jawi yang belum disemak.** Setiap perkataan Jawi dalam output mesti datang dari PRPM atau ditanda belum disahkan.
 2. **Tanda, jangan sekat.** Kalau satu perkataan tiada dalam PRPM, hantar kerja itu dan senaraikan perkataan berkenaan di hujung. Jangan tahan seluruh dokumen sebab satu nama khas.
 3. **Sebut sumber.** PRPM ada beberapa kamus. Bila petik definisi, sebut kamus mana (Kamus Dewan Edisi Keempat, Kamus Pelajar Edisi Kedua, dan lain-lain).
@@ -67,6 +69,10 @@ Tanda baca, baris baru dan jarak dikekalkan, jadi susun atur dokumen tidak rosak
 
 Contoh kedua: `dipelajari` ialah terbitan sah daripada `ajar`. Alat ini **tidak** akan menulis Jawi bagi `ajar` di tempatnya. Itu perkataan lain, dan ejaannya berbeza.
 
+**Calon pembacaan songsang diisih ikut rantai kepercayaan.** Perkataan hanya layak menjadi pembacaan bagi sesuatu ejaan Jawi jika PRPM memberikannya ejaan Jawi **sendiri**. Kata yang PRPM catatkan tanpa ejaan Jawi (`bena`), atau yang definisinya rujukan silang (`salat` → `® solat`), dibuang daripada senarai calon walaupun dataset komuniti memetakannya kepada ejaan yang sama.
+
+Perkataan yang **belum diketahui** statusnya, iaitu tiada dalam cache, tidak pernah dibuang. Ketiadaan bukan bukti kegagalan. Ia kekal sebagai calon dan sumbernya dilabel `dataset`. Kerana itu memanaskan cache mengurangkan kekaburan: bukan kerana peraturan berubah, tetapi kerana bukti bertambah.
+
 **Bila `rumi` jumpa kekaburan**, satu ejaan Jawi memetakan kepada beberapa perkataan Rumi. Semua calon dipaparkan dipisah `|`. Pilih ikut konteks ayat, jangan ambil yang pertama secara membuta.
 
 Sebahagian kekaburan itu palsu dan diselesaikan sendiri. DBP menandakan bentuk varian dengan **rujukan silang**: definisi `kalkalah` ialah `®qalqalah.`, bukan definisi sebenar. Varian begitu dinyahutamakan, jadi `قلقله` dibaca `qalqalah` terus.

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "prpm-dbp",
-  "version": "0.13.1",
+  "version": "0.13.2",
   "description": "Semak ejaan Bahasa Melayu dan Jawi terhadap PRPM Dewan Bahasa dan Pustaka. CLI dan skill untuk AI agent.",
   "keywords": [
     "bahasa-melayu",

package/src/tukar.js

@@ -172,10 +172,26 @@ export function petaSongsang(cache, dataset = null) {
   // Isyaratnya mestilah tanda ® itu, BUKAN kehadiran ejaan Jawi. `pada`
   // tiada Jawi dalam PRPM manakala `pad` (pinjaman Inggeris) ada, jadi
   // mengutamakan "yang ada Jawi" akan menukar setiap `pada` menjadi `pad`.
-  const rujukanSilang = new Set()
-  for (const [kata, rec] of Object.entries(cache)) {
-    const def = rec?.entri?.[0]?.definisi ?? ''
-    if (/^®/.test(def.trim())) rujukanSilang.add(kata)
+  // Calon dikelaskan kepada TIGA peringkat, bukan dua.
+  //
+  //   layak  : PRPM ada entri DAN ada ejaan Jawi sendiri. Ini lapisan 1.
+  //   tolak  : PRPM ada entri tetapi TIADA ejaan Jawi, atau definisinya
+  //            rujukan silang (®). Kata begini tidak boleh menjadi
+  //            pembacaan bagi mana-mana ejaan Jawi.
+  //   entah  : tiada dalam cache langsung. Ketiadaan BUKAN bukti kegagalan,
+  //            jadi ia tidak boleh dibuang. Ia kekal sebagai calon lapisan 3.
+  //
+  // Perbezaan antara `tolak` dan `entah` itulah pembetulannya. Versi lama
+  // hanya memeriksa rujukan silang, dan hanya bagi calon yang datang dari
+  // cache, jadi calon dataset seperti salat dan bena lolos sepenuhnya.
+  const darjat = (rumi) => {
+    const rec = cache[rumi]
+    if (!rec) return 'entah'
+    const def = (rec.entri?.[0]?.definisi ?? '').trim()
+    if (/^®/.test(def)) return 'tolak'
+    if (rec.dijumpai && !rec.jawi) return 'tolak'
+    if (rec.jawi) return 'layak'
+    return 'entah'
   }
 
   const tambah = (jawi, rumi, sumber) => {
@@ -183,9 +199,8 @@ export function petaSongsang(cache, dataset = null) {
     if (!kunci) return
     const bilangan = kunci.split(/\s+/).length
     if (bilangan > maxKata) maxKata = bilangan
-    if (!peta.has(kunci)) peta.set(kunci, { utama: [], rujukan: [] })
-    const jenis = rujukanSilang.has(rumi) ? 'rujukan' : 'utama'
-    const slot = peta.get(kunci)[jenis]
+    if (!peta.has(kunci)) peta.set(kunci, { layak: [], entah: [], tolak: [] })
+    const slot = peta.get(kunci)[darjat(rumi)]
     if (!slot.includes(rumi)) slot.push(rumi)
   }
 
@@ -201,15 +216,21 @@ export function petaSongsang(cache, dataset = null) {
 }
 
 /**
- * Pilih calon songsang. Bentuk yang DBP sendiri tandakan sebagai rujukan
- * silang (®) hanya digunakan apabila tiada bentuk utama. Selain itu semua
- * calon dilayan sama rata, dan kekaburan sebenar dilaporkan sepenuhnya.
+ * Pilih calon songsang mengikut rantai kepercayaan.
+ *
+ * Calon lapisan 1 (ada entri PRPM dengan ejaan Jawi sendiri) menang mutlak.
+ * Kekaburan dilaporkan HANYA apabila dua calon lapisan 1 berkongsi ejaan,
+ * iaitu homograf tulen seperti sunah dan sanat yang kedua-duanya سنة.
+ *
+ * Apabila tiada calon lapisan 1, calon yang belum diketahui digunakan dan
+ * sumbernya dilabel, tidak dipulangkan secara senyap.
  */
 export function pilihCalon(masuk) {
   if (!masuk) return null
   if (Array.isArray(masuk)) return { calon: masuk, sumber: 'campur' }
-  if (masuk.utama.length) return { calon: masuk.utama, sumber: 'utama' }
-  if (masuk.rujukan.length) return { calon: masuk.rujukan, sumber: 'rujukan' }
+  if (masuk.layak?.length) return { calon: masuk.layak, sumber: 'dbp' }
+  if (masuk.entah?.length) return { calon: masuk.entah, sumber: 'dataset' }
+  if (masuk.tolak?.length) return { calon: masuk.tolak, sumber: 'rujukan' }
   return null
 }