prpm-dbp 0.15.0 → 0.16.0

package/SKILL.md

@@ -30,6 +30,23 @@ Model boleh hasilkan Jawi yang nampak betul tetapi salah, dan pembaca tidak dapa
 
    Bilangan rujukan itu datang daripada panel korpus DBP sendiri, bukan anggaran. Ia **mengisih** calon supaya yang lazim dilihat dahulu; ia **tidak memilih**. Perkataan jarang tetap betul apabila ayat menghendakinya.
 
+0e. **Pembahagian kerja: alat mengemukakan, ANDA memutuskan.** CLI tidak boleh membaca konteks; anda boleh. Jangan sesekali menghantar `mengikut|mengekot` sebagai hasil akhir kepada pengguna.
+
+   Aliran yang betul:
+
+   ```bash
+   npx prpm-dbp rumi teks.txt --pilih --konteks
+   ```
+
+   `--pilih` menghasilkan teks bersih dengan memilih calon paling lazim, dan menyenaraikan setiap pilihan itu:
+
+   ```
+   itu mengikut sukatan pelajaran.
+   dipilih ikut kekerapan (SEMAK konteks): مڠيکوت -> mengikut  [lain: mengekot]
+   ```
+
+   Setiap baris `dipilih` ialah tekaan berasaskan kekerapan, **bukan pemahaman konteks**. Baca ayatnya. Dalam contoh di atas `mengikut sukatan pelajaran` jelas betul dan `mengekot` mustahil. Tetapi dalam ayat tentang orang kesejukan merapatkan tangan ke badan, `mengekot` yang betul walaupun kekerapannya 6 berbanding 2439. Kekerapan ialah tekaan terbaik tanpa konteks; ia kalah kepada konteks setiap kali.
+
 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).

package/bin/cli.js

@@ -38,6 +38,8 @@ Pilihan: --refresh  --had <n>  --delay <ms>  --json  --cepat
          --luar-talian   jangan sentuh rangkaian langsung (wajib untuk laluan permintaan app)
          --homograf      tandakan perkataan yang ejaan Jawinya dikongsi perkataan lain
          --konteks       papar ayat dan makna setiap calon bagi kekaburan (rumi)
+         --pilih         pilih calon paling lazim supaya teks boleh terus dibaca;
+                         setiap pilihan disenaraikan untuk disemak ikut konteks
 
 Cache: ${CACHE_PATH}
 `
@@ -55,6 +57,7 @@ function huraiArgs(argv) {
     else if (a === '--luar-talian') pilihan.luarTalian = true
     else if (a === '--homograf') pilihan.homograf = true
     else if (a === '--konteks') pilihan.konteks = true
+    else if (a === '--pilih') pilihan.pilih = true
     else if (a === '--jenis') pilihan.jenis = argv[++i]
     else if (a === '--had') pilihan.had = Number(argv[++i])
     else if (a === '--delay') pilihan.delay = Number(argv[++i])
@@ -220,7 +223,10 @@ async function main() {
 
     case 'rumi': {
       const teks = await readFile(baki[0], 'utf8')
-      const h = keRumi(teks, cache, { dataset: await muatDataset() })
+      const h = keRumi(teks, cache, {
+        dataset: await muatDataset(),
+        pilihLazim: pilihan.pilih,
+      })
       if (pilihan.json) { keluar(h); break }
       console.log(h.teks)
       console.error(`\npeta songsang: ${h.saizPeta} ejaan`)
@@ -250,7 +256,13 @@ async function main() {
         }
       }
       if (h.arab.length) console.error(`teks Arab dibiarkan (${h.arab.length}): ${h.arab.join(' ')}`)
-      for (const k of h.kabur) console.error(`kabur: ${k.jawi} -> ${k.calon.join(', ')}`)
+      for (const k of h.kabur) {
+        console.error(
+          k.dipilih
+            ? `dipilih ikut kekerapan (SEMAK konteks): ${k.jawi} -> ${k.dipilih}  [lain: ${k.calon.slice(1).join(', ')}]`
+            : `kabur: ${k.jawi} -> ${k.calon.join(', ')}`,
+        )
+      }
       break
     }
 

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "prpm-dbp",
-  "version": "0.15.0",
+  "version": "0.16.0",
   "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

@@ -425,7 +425,11 @@ export async function keJawi(teks, cache, opts = {}) {
  * menggugurkannya. Kerana itu perlanggaran jauh lebih jarang daripada yang
  * disangka. Bila ia berlaku, SEMUA calon dilaporkan, bukan dipilih satu.
  */
-export function keRumi(teksJawi, cache, { penanda = ['«', '»'], dataset = null } = {}) {
+export function keRumi(
+  teksJawi,
+  cache,
+  { penanda = ['«', '»'], dataset = null, pilihLazim = false } = {},
+) {
   const peta = petaSongsang(cache, dataset)
   const tidakDikenali = []
   const kabur = []
@@ -494,8 +498,19 @@ export function keRumi(teksJawi, cache, { penanda = ['«', '»'], dataset = null
 
     if (padanan.length === 1) keluar.push(padanan[0])
     else {
-      kabur.push({ jawi: bahagian.slice(i, hujung + 1).join(''), calon: padanan })
-      keluar.push(padanan.join('|'))
+      const rekod = { jawi: bahagian.slice(i, hujung + 1).join(''), calon: padanan }
+      kabur.push(rekod)
+      // pilihLazim menghasilkan teks yang boleh terus dibaca dengan memilih
+      // calon paling lazim dalam korpus DBP. Ia BUKAN pemahaman konteks:
+      // setiap pilihan direkod dalam medan `kabur` supaya agen atau manusia
+      // yang membaca ayat boleh menggantikannya. Kekerapan ialah tekaan
+      // terbaik tanpa konteks, bukan jawapan.
+      if (pilihLazim) {
+        rekod.dipilih = padanan[0]
+        keluar.push(padanan[0])
+      } else {
+        keluar.push(padanan.join('|'))
+      }
     }
     i = hujung
   }