kba-cli 0.3.0rc4__tar.gz

kba_cli-0.3.0rc4/CHANGELOG.md

@@ -0,0 +1,92 @@
+# Changelog
+
+## 0.3.0rc4 — 2026-11-05（内部预发布，未上传平台/PyPI）
+
+- 新增 `kba scan-summary`：一次性扫描+分析，输出脱敏摘要（无正文/PII 原文）。
+- 新增免费连接器 `connector-local` v0.1.0（`kba-local`）：本地扫描、生成摘要，供付费专家读取。
+- 付费专家 `plugin-paid-expert` v0.1.0 声明依赖 `kba-local`，不再要求用户手动粘贴摘要；连接器不可用时可回退粘贴。
+- `tools/expert_check.py` 支持 `--pkg` 并校验 `dependencies`；免费专家回归 PASS。
+- 新增 `tests/test_paid_expert.py`、`tests/test_connector_local.py`、`tests/test_scan_summary.py`；测试增至 38 个。
+- 本地产物：CLI rc4 wheel/sdist、`kba-local-0.1.0.zip`、`kba-report-review-expert-0.1.0.zip`，均未提交平台。
+
+```bash
+pip install "dist/kba_cli-0.3.0rc4-py3-none-any.whl[extract]"
+```
+
+---
+
+## 0.3.0rc3 — 2026-11-05（内部预发布，未上传平台/PyPI）
+
+### 修复
+- 断链扫描跳过 URI scheme（`file:`/`javascript:` 等）与 `@ref` 占位符；真实语料误报从 113 降到 0。
+- `kba eval` 新增 `scope_files`，支持只评测标注样本；PII 示例带相对路径，解决同名文件歧义。
+- PII 预测不再把同名歧义当成 label 警告。
+- 测试增至 33 个。
+
+### 真实语料基线（内部，非外部验证）
+- `D:\content_hub\youdao_data` 只读跑通：215 文件 / 58.2MB；
+- 抽取 110/113，失败 0，no_text 3（无 OCR）；文本覆盖 97.4%，置信度 A；
+- 健康分 80/100（权重覆盖 80%）；重复 2 组（0.9%）；标签有效覆盖 75.8%、推断 88.4%；自检索命中 48%；owner 0%；PII 8 文件；
+- 54 文件 AI 辅助标注样本：抽取 97.35%；PII 8/8；近重复/同名/页级标签由预测簇反推，仅验证链路；标签 exact 0、Jaccard 0.13、P/R 0.13/0.28（粗标签+过标）；
+- 仍是一个内部语料，不等于 3 个外部语料，Gate 1 未通过；输出在 `D:\kba-real-youdao`，未改源目录。
+
+### 安装
+```bash
+pip install "dist/kba_cli-0.3.0rc3-py3-none-any.whl[extract]"
+```
+仅限内部/本地验证，不发布。本地产物校验和见 `dist/SHA256SUMS`（不随包分发）。
+
+---
+
+## 0.3.0rc2 — 2026-11-05（内部预发布，未上传平台/PyPI）
+
+**状态：Gate 1 仍未通过。** 新增 `kba eval` 标注评测，但当前只用合成语料验证回归；没有外部脱敏语料，不能宣称真实准确率。
+
+### 新增
+- `kba eval --root --labels [--extract-dir] [--json] [--out]`：输出近重复/同名/页级/版本/PII 的 P/R/F1、标签 exact/Jaccard、抽取成功率。
+- [docs/eval-labels.md](docs/eval-labels.md)：labels schema、指标口径、Gate 1 用法。
+- 合成回归测试：31 个 unittest。
+
+### 测试
+- 31 个 unittest 通过；pyflakes clean；3.10 grammar 通过。
+- 合成 5k 基准保持 ~scan 9.6s / analyze 1.9s。
+
+### 安装
+```bash
+pip install "dist/kba_cli-0.3.0rc2-py3-none-any.whl[extract]"
+```
+仅限内部/本地验证，不发布。本地产物校验和见 `dist/SHA256SUMS`（不随包分发）。
+
+### 已知限制
+- 合成评测不等于外部准确率；Gate 1 未过，不能对外承诺召回/准确率。
+- 其余限制同 rc1：版本差异非逐段语义 diff、标签规则、owner/断链范围有限、PII 正则初筛、Big5/OCR/旧版 Office 边界、Windows CI 未实跑、平台资产未动。
+
+---
+
+## 0.3.0rc1 — 2026-11-05（内部预发布，未上传平台/PyPI）
+
+**状态：Gate 1 未通过。** 已通过本地测试与合成基准，但尚未用 3 个外部语料验证抽取成功率、近重复召回和报告等级；不得对外宣称“完整审阅”或稳定版。
+
+### 新增
+- P0：`text_coverage` A/B/C、健康分按可用指标归一化/权重覆盖度、抽取三态、Office 计入盘点、`job/text` TTL + `--purge-text`、报告“数据覆盖与结论适用范围”。
+- P1 抽取：`kba extract`（pypdf/python-docx/python-pptx/openpyxl）、sidecar + `extract.json`、失败原因、Excel 结构指纹、旧版 Office unsupported。
+- P1 准确性：PDF 去页眉页脚、PDF/PPT 页级切分、跨文档页级重合（不自动合并）、终稿/底稿信号、字数/相似度/增删字符摘要、人工裁决队列、PII 正则初筛、标签/领域三层推断、负责人/断链。
+- 运维：`kba extract --workers` 并行、默认 7 天 sidecar TTL、`kba clean --purge-extract`、`tools/bench_scan.py`。
+
+### 测试
+- 29 个 unittest 通过；pyflakes clean；Python 3.10 grammar 校验通过。
+- 本机合成基准：5k 文本 scan 9.6s / analyze 1.9s。
+
+### 已知限制
+- 无外部语料/标注，Gate 1 未通过；不能承诺真实召回率/准确率。
+- 版本差异仅为摘要，不是逐段语义 diff。
+- 标签/领域为关键词规则；owner 仅 frontmatter；断链仅 Markdown 本地相对链接；PII 为正则初筛。
+- Big5/Shift-JIS 可能乱码；扫描件无 OCR；旧版 Office 不转换。
+- Windows CI 已配置但未实际跑过；50k 真实语料未测。
+- 平台资产（连接器/专家/技能/¥1）保持 0.1.x，未更新/未提交。
+
+### 安装
+```bash
+pip install "dist/kba_cli-0.3.0rc1-py3-none-any.whl[extract]"
+```
+仅限内部/本地验证，不发布。本地产物校验和见 `dist/SHA256SUMS`（不随包分发）。

kba_cli-0.3.0rc4/LICENSE

@@ -0,0 +1,21 @@
+MIT License
+
+Copyright (c) 2026 KBA
+
+Permission is hereby granted, free of charge, to any person obtaining a copy
+of this software and associated documentation files (the "Software"), to deal
+in the Software without restriction, including without limitation the rights
+to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
+copies of the Software, and to permit persons to whom the Software is
+furnished to do so, subject to the following conditions:
+
+The above copyright notice and this permission notice shall be included in all
+copies or substantial portions of the Software.
+
+THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
+IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
+FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
+AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
+LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
+OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
+SOFTWARE.

kba_cli-0.3.0rc4/MANIFEST.in

@@ -0,0 +1,5 @@
+include LICENSE
+include README.md
+include CHANGELOG.md
+recursive-include tests *.py
+recursive-include tests/fixtures *.pdf

kba_cli-0.3.0rc4/PKG-INFO

@@ -0,0 +1,135 @@
+Metadata-Version: 2.4
+Name: kba-cli
+Version: 0.3.0rc4
+Summary: KBA - read-only knowledge base auditor (local-first)
+Author: KBA
+License-Expression: MIT
+Requires-Python: >=3.10
+Description-Content-Type: text/markdown
+License-File: LICENSE
+Provides-Extra: extract
+Requires-Dist: pypdf>=4.0; extra == "extract"
+Requires-Dist: python-docx>=1.1; extra == "extract"
+Requires-Dist: python-pptx>=0.6.23; extra == "extract"
+Requires-Dist: openpyxl>=3.1; extra == "extract"
+Dynamic: license-file
+
+# 知库体检（KBA）
+
+> 只读体检本地知识库：健康分、重复裁决建议、治理计划；数据不出本机。
+> 独立项目，不修改 `D:\content_hub`；复用其算法与规则（独立实现）。
+
+## 状态（2026-11-05）
+
+**v0.3.0rc4（内部预发布）：P0 报告诚实层 + P1 抽取层 + P1 准确性前两批 + 抽取并行/TTL + 标注评测。**
+**Gate 1 外部语料验证未通过，不能对外称稳定版或“完整审阅”。**
+
+- 真实内部语料（215 文件 / 58.2MB）只读跑通：抽取 110/113（失败 0、no_text 3）、文本覆盖 97.4%、健康 80、重复 2 组、标签有效覆盖 75.8%、自检索 48%、owner 0%；仍是单个内部语料，不是 Gate 1
+- 真实语料 54 文件 AI 辅助标注样本：抽取 97.35%、PII 8/8；近重复/同名/页级标签由预测簇反推，仅验证链路；标签 exact 0、Jaccard 0.13，说明推断标签过标，需人工校准
+- P0：A/B/C 数据置信度、健康分按可用指标归一化并显示权重覆盖度、抽取三态、Office 计入盘点、正文缓存 TTL 与 `--purge-text`、报告“数据覆盖与结论适用范围”；C 级元数据报告不展示综合健康分
+- P1 抽取：`kba extract` 用 pypdf / python-docx / python-pptx / openpyxl 抽取 PDF、Word、PPT、Excel 正文；Excel 结构指纹（sheet/公式模式/named range）识别“同模型不同版本”；旧版 `.ppt/.xls/.doc` 显式标 unsupported
+- P1 准确性：PDF 去页眉页脚、PDF/PPT 页级切分、跨文档页级重合（不自动合并）、终稿/底稿信号 + 正文字数/相似度差异、人工裁决队列、PII 正则初筛（仅计数）、标签/领域三层推断（frontmatter + 路径/文件名 + 内容）、负责人覆盖与本地断链检测、`kba clean --purge-extract`
+- P1 运维：`kba extract --workers` 并行抽取、默认 7 天 sidecar TTL、`tools/bench_scan.py` 合成基准
+- 评测：`kba eval` 读取标注 JSON，输出近重复/同名/页级/版本/PII 的 P/R/F1、标签 exact/Jaccard、抽取成功率；合成语料只证明回归，不代表外部准确率
+- 本地连接器：免费 `connector-local`（kba-local）+ `kba scan-summary`；付费专家依赖它，连接器不可用才回退粘贴摘要
+- 产出：[demo/report.html](demo/report.html)、[demo/share.md](demo/share.md)（均为 P0 前版本，重新生成后含新章节）
+- 38 个测试通过（P0 验收 + 抽取/结构指纹/失败态/UTF-16/页级/版本/PII/标签/断链/purge/并行/TTL/评测）
+- **免费入口已上线**：专家 v0.1.4 审核通过、平台可召唤，prompt-only，不依赖 CLI；**付费未开通**，付费专家/连接器包已就绪但未提交平台
+
+## 快速开始
+
+```bash
+cd D:\kba
+pip install -e ".[extract]"       # 含 PDF/Office 抽取依赖；不装也能跑元数据模式
+# 或安装内部预发布 wheel（本地构建，不对外发布）：
+# python -m pip install "dist/kba_cli-0.3.0rc4-py3-none-any.whl[extract]"
+
+python -m kba doctor                # 环境自检
+python -m kba extract --root "D:\你的资料" --out "D:\kba-extract"
+python -m kba audit start --root "D:\你的资料" --extract-dir "D:\kba-extract" --foreground
+python -m kba audit analyze
+python -m kba audit report --out report.html
+python -m kba audit share  --out share.md
+python -m kba eval --root "D:\你的资料" --labels labels.json --json  # 标注语料评测
+python -m kba clean --purge-text    # 立即清理 job/text 正文缓存（默认 TTL 7 天）
+python -m kba clean --purge-extract --dir "D:\kba-extract"  # 清理抽取 sidecar
+```
+
+只做元数据盘点时可跳过 `kba extract` 与 `--extract-dir`；报告会标 C 级且不展示综合健康分。
+
+平台内使用（WorkBuddy）：
+
+```
+连接器：connector/（CLI + Skill 方案）
+技能：kb-audit / kb-clusters / kb-taxonomy
+```
+
+## 目录
+
+```
+kba/
+├── kba/                 # Python 包（cli/doctor/jobs/fingerprint/extract/tags/links/pii/analyze/report/telemetry）
+├── connector/           # WorkBuddy 发布包（meta / cli.json / 3 个 SKILL）
+├── plugin-free/         # 免费引导插件包（技能入口：.codebuddy-plugin + skills）
+├── plugin-free-expert/  # 免费引导专家包（专家入口：plugin.json + agents + avatar）
+├── plugin-paid-expert/  # 付费专家包 v0.1.0（报告解读；不读本地文件）
+├── plugin-paid/         # ¥1 付费试用插件包（旧方案）
+├── packs/generic/       # 通用行业包（taxonomy/tags/rules/report）
+├── tests/               # smoke tests
+├── tools/               # vendor 同步 / 插件打包 / 提审检查 / 合成基准
+├── demo/                # 真实语料报告（本地生成，不入库）
+└── docs/                # PRD、平台 6 问、访谈提纲、定价实验
+```
+
+## 文档
+
+| 文档 | 说明 |
+|---|---|
+| [CHANGELOG.md](CHANGELOG.md) | 版本变更与预发布说明（0.3.0rc4） |
+| [docs/eval-labels.md](docs/eval-labels.md) | `kba eval` 标注格式、指标口径与 Gate 1 用法 |
+| [docs/free-entry-runbook.md](docs/free-entry-runbook.md) | 免费专家 v0.1.4 召唤验收、冻结规则与反馈表 |
+| [plugin-paid-expert/README.md](plugin-paid-expert/README.md) | 付费专家包 v0.1.0：定位、发布字段与提审检查 |
+| [connector-local/README.md](connector-local/README.md) | 免费本地连接器 kba-local：结构、命令与包源前置 |
+| [docs/handoff.md](docs/handoff.md) | **新任务交接**：现状、决策、P0/P1 状态、验收与启动提示词 |
+| [docs/master-assessment-and-plan.md](docs/master-assessment-and-plan.md) | **单一事实源**：完整缺口、可信度分级、P0/P1/P2 计划与验收门 |
+| [docs/prd-conformance-review.md](docs/prd-conformance-review.md) | PRD 与 WorkBuddy 专家规范符合性评审、偏差与修正清单 |
+| [docs/PRD.md](docs/PRD.md) | PRD v1.8：需求、FR、接口、决策建议、v0.3.0rc4 实现状态 |
+| [docs/platform-questions.md](docs/platform-questions.md) | 平台 6 问调研答案、提审避坑清单与剩余 2 个待验证项 |
+| [docs/interview-guide.md](docs/interview-guide.md) | 10 人次访谈提纲与评分 |
+| [docs/interview-guide-investment-research.md](docs/interview-guide-investment-research.md) | 投研首站的 10 人次访谈提纲（卖方/买方/独立/IT） |
+| [docs/vertical-investment-research.md](docs/vertical-investment-research.md) | 投研垂直方案：ICP、痛点、体检产品、定价与 90 天验证 |
+| [docs/pricing-experiment.md](docs/pricing-experiment.md) | 免费/付费切分与 ¥99/199/299 实验 |
+| [docs/paid-trial-runbook.md](docs/paid-trial-runbook.md) | ¥1 付费试用技能的完整执行步骤、判据与分流 |
+| [docs/pre-submit-review.md](docs/pre-submit-review.md) | 提审前评审：自动化检查、逐项合规、修复项与剩余风险 |
+| [docs/submission-log.md](docs/submission-log.md) | 平台提交记录、审核状态与过审后的操作顺序 |
+| [docs/repo-setup.md](docs/repo-setup.md) | 远程仓库、CI、分支保护与公开前的拆分计划 |
+| [docs/developer-profile.md](docs/developer-profile.md) | 开发者主页：头像、昵称、简介与联系方式填写建议 |
+| [docs/product-gap-assessment.md](docs/product-gap-assessment.md) | 产品缺口深度评估：数据接入、分析准确性、报告可信度与优先级 |
+
+## 已知限制
+
+- **只读**：v0.3.0rc4 不提供 apply/undo，治理执行仍在服务侧。
+- **抽取是可选的**：不跑 `kba extract` 时仍是元数据模式，报告标 C 级、不展示综合健康分；`pip install -e ".[extract]"` 是抽取前置。
+- **旧版 Office 只计数**：`.ppt/.xls/.doc` 不做 LibreOffice 转换，显式标 unsupported；`.pptx/.xlsx` 已可抽取。
+- **Excel 结构指纹只识别有公式/named range 的模型**：纯数值工作簿即使 sheet 同名也不会被当作“同模型不同版本”，避免误报。
+- **页级重合不是整档裁决**：PDF/PPT 单页高重合会报告，但不进入重复簇、不自动折叠；版本差异目前是终稿/底稿信号 + 字数/相似度/增删字符摘要，未做逐段正文语义 diff。
+- **PII 是正则初筛**：只覆盖邮箱/手机号/身份证/银行卡/密钥/合同编号模式，可能误报/漏报；报告只显示计数与文件名，不展示原文。
+- **编码仍有边界**：UTF-8/GB18030/UTF-16(BOM) 可读；Big5/Shift-JIS 在 GB18030 可解码时仍可能是乱码（已报 `text_unreadable` 的只覆盖解码失败场景）。
+- **正文缓存有 TTL 但不加密**：`job/text/` 默认保留 7 天；`kba extract` 默认在抽取前清理超过 7 天的 sidecar（`--ttl-days -1` 关闭）；`kba clean --purge-text` / `--purge-extract` 可立即清理。金融/律所客户仍需显式说明缓存策略。
+- **标签/领域推断是关键词规则**：frontmatter + 路径/文件名 + 内容关键词，单篇最多 6 个标签；可能误标/漏标，未接入行业词表校验。
+- **负责人只读 frontmatter**：`owner/负责人` 字段；ACL、最后访问、文档系统 owner 未接。
+- **断链只查 Markdown 本地相对链接**：跳过 http/https、`file:`/`javascript:` 等 URI scheme 和 `@ref` 占位符；不查外链、仓库外目标、非 Markdown 引用。
+- **性能基线只是合成 5k**：`tools/bench_scan.py` 本机 5k 文本约 scan 9.6s / analyze 1.9s；50k 与真实 PDF/Office 语料未测。
+- **时效判断不可靠**：文件系统 mtime 在复制/迁移后会重置；报告会提示“仅供参考”，后续接入文档系统 `updated`。
+- **PDF/docx 标签不在文件内**：推断可补一部分，但二进制标签仍不如文本 frontmatter 可靠。
+- **行业包未加载**：`packs/generic` 目前是配置草案，v0.4 起生效。
+- **许可证暂用 MIT**：待 Q10 决策后可能切 Apache-2.0。
+
+## 下一步
+
+1. **P1 剩余准确性**：逐段正文语义 diff、ACL/文档系统 owner、标签误报治理与行业词表；用 3 个外部语料验收抽取 ≥90%、近重复召回 ≥80%。
+2. **报告可验收**：PDF 报告、报告哈希/签字页、执行摘要；默认脱敏分享。
+3. **工程门禁**：Windows CI 已在 `.gitcode/workflows/ci.yml` 增加；补 5 万文件性能基线、云占位/权限拒绝/Big5 fixtures。抽取并行与 sidecar TTL 已加。
+4. 按 [docs/paid-trial-runbook.md](docs/paid-trial-runbook.md) 走路径 B：免费包 → 过审 → 收入变现 → ¥1 付费技能验证。
+5. 按 [docs/interview-guide.md](docs/interview-guide.md) 约 10 人访谈；3 个外部语料跑通前不卖“完整审阅”。
+6. 连接器提审；根据 ¥1 验证结果决定付费报告形态。

kba_cli-0.3.0rc4/README.md

@@ -0,0 +1,119 @@
+# 知库体检（KBA）
+
+> 只读体检本地知识库：健康分、重复裁决建议、治理计划；数据不出本机。
+> 独立项目，不修改 `D:\content_hub`；复用其算法与规则（独立实现）。
+
+## 状态（2026-11-05）
+
+**v0.3.0rc4（内部预发布）：P0 报告诚实层 + P1 抽取层 + P1 准确性前两批 + 抽取并行/TTL + 标注评测。**
+**Gate 1 外部语料验证未通过，不能对外称稳定版或“完整审阅”。**
+
+- 真实内部语料（215 文件 / 58.2MB）只读跑通：抽取 110/113（失败 0、no_text 3）、文本覆盖 97.4%、健康 80、重复 2 组、标签有效覆盖 75.8%、自检索 48%、owner 0%；仍是单个内部语料，不是 Gate 1
+- 真实语料 54 文件 AI 辅助标注样本：抽取 97.35%、PII 8/8；近重复/同名/页级标签由预测簇反推，仅验证链路；标签 exact 0、Jaccard 0.13，说明推断标签过标，需人工校准
+- P0：A/B/C 数据置信度、健康分按可用指标归一化并显示权重覆盖度、抽取三态、Office 计入盘点、正文缓存 TTL 与 `--purge-text`、报告“数据覆盖与结论适用范围”；C 级元数据报告不展示综合健康分
+- P1 抽取：`kba extract` 用 pypdf / python-docx / python-pptx / openpyxl 抽取 PDF、Word、PPT、Excel 正文；Excel 结构指纹（sheet/公式模式/named range）识别“同模型不同版本”；旧版 `.ppt/.xls/.doc` 显式标 unsupported
+- P1 准确性：PDF 去页眉页脚、PDF/PPT 页级切分、跨文档页级重合（不自动合并）、终稿/底稿信号 + 正文字数/相似度差异、人工裁决队列、PII 正则初筛（仅计数）、标签/领域三层推断（frontmatter + 路径/文件名 + 内容）、负责人覆盖与本地断链检测、`kba clean --purge-extract`
+- P1 运维：`kba extract --workers` 并行抽取、默认 7 天 sidecar TTL、`tools/bench_scan.py` 合成基准
+- 评测：`kba eval` 读取标注 JSON，输出近重复/同名/页级/版本/PII 的 P/R/F1、标签 exact/Jaccard、抽取成功率；合成语料只证明回归，不代表外部准确率
+- 本地连接器：免费 `connector-local`（kba-local）+ `kba scan-summary`；付费专家依赖它，连接器不可用才回退粘贴摘要
+- 产出：[demo/report.html](demo/report.html)、[demo/share.md](demo/share.md)（均为 P0 前版本，重新生成后含新章节）
+- 38 个测试通过（P0 验收 + 抽取/结构指纹/失败态/UTF-16/页级/版本/PII/标签/断链/purge/并行/TTL/评测）
+- **免费入口已上线**：专家 v0.1.4 审核通过、平台可召唤，prompt-only，不依赖 CLI；**付费未开通**，付费专家/连接器包已就绪但未提交平台
+
+## 快速开始
+
+```bash
+cd D:\kba
+pip install -e ".[extract]"       # 含 PDF/Office 抽取依赖；不装也能跑元数据模式
+# 或安装内部预发布 wheel（本地构建，不对外发布）：
+# python -m pip install "dist/kba_cli-0.3.0rc4-py3-none-any.whl[extract]"
+
+python -m kba doctor                # 环境自检
+python -m kba extract --root "D:\你的资料" --out "D:\kba-extract"
+python -m kba audit start --root "D:\你的资料" --extract-dir "D:\kba-extract" --foreground
+python -m kba audit analyze
+python -m kba audit report --out report.html
+python -m kba audit share  --out share.md
+python -m kba eval --root "D:\你的资料" --labels labels.json --json  # 标注语料评测
+python -m kba clean --purge-text    # 立即清理 job/text 正文缓存（默认 TTL 7 天）
+python -m kba clean --purge-extract --dir "D:\kba-extract"  # 清理抽取 sidecar
+```
+
+只做元数据盘点时可跳过 `kba extract` 与 `--extract-dir`；报告会标 C 级且不展示综合健康分。
+
+平台内使用（WorkBuddy）：
+
+```
+连接器：connector/（CLI + Skill 方案）
+技能：kb-audit / kb-clusters / kb-taxonomy
+```
+
+## 目录
+
+```
+kba/
+├── kba/                 # Python 包（cli/doctor/jobs/fingerprint/extract/tags/links/pii/analyze/report/telemetry）
+├── connector/           # WorkBuddy 发布包（meta / cli.json / 3 个 SKILL）
+├── plugin-free/         # 免费引导插件包（技能入口：.codebuddy-plugin + skills）
+├── plugin-free-expert/  # 免费引导专家包（专家入口：plugin.json + agents + avatar）
+├── plugin-paid-expert/  # 付费专家包 v0.1.0（报告解读；不读本地文件）
+├── plugin-paid/         # ¥1 付费试用插件包（旧方案）
+├── packs/generic/       # 通用行业包（taxonomy/tags/rules/report）
+├── tests/               # smoke tests
+├── tools/               # vendor 同步 / 插件打包 / 提审检查 / 合成基准
+├── demo/                # 真实语料报告（本地生成，不入库）
+└── docs/                # PRD、平台 6 问、访谈提纲、定价实验
+```
+
+## 文档
+
+| 文档 | 说明 |
+|---|---|
+| [CHANGELOG.md](CHANGELOG.md) | 版本变更与预发布说明（0.3.0rc4） |
+| [docs/eval-labels.md](docs/eval-labels.md) | `kba eval` 标注格式、指标口径与 Gate 1 用法 |
+| [docs/free-entry-runbook.md](docs/free-entry-runbook.md) | 免费专家 v0.1.4 召唤验收、冻结规则与反馈表 |
+| [plugin-paid-expert/README.md](plugin-paid-expert/README.md) | 付费专家包 v0.1.0：定位、发布字段与提审检查 |
+| [connector-local/README.md](connector-local/README.md) | 免费本地连接器 kba-local：结构、命令与包源前置 |
+| [docs/handoff.md](docs/handoff.md) | **新任务交接**：现状、决策、P0/P1 状态、验收与启动提示词 |
+| [docs/master-assessment-and-plan.md](docs/master-assessment-and-plan.md) | **单一事实源**：完整缺口、可信度分级、P0/P1/P2 计划与验收门 |
+| [docs/prd-conformance-review.md](docs/prd-conformance-review.md) | PRD 与 WorkBuddy 专家规范符合性评审、偏差与修正清单 |
+| [docs/PRD.md](docs/PRD.md) | PRD v1.8：需求、FR、接口、决策建议、v0.3.0rc4 实现状态 |
+| [docs/platform-questions.md](docs/platform-questions.md) | 平台 6 问调研答案、提审避坑清单与剩余 2 个待验证项 |
+| [docs/interview-guide.md](docs/interview-guide.md) | 10 人次访谈提纲与评分 |
+| [docs/interview-guide-investment-research.md](docs/interview-guide-investment-research.md) | 投研首站的 10 人次访谈提纲（卖方/买方/独立/IT） |
+| [docs/vertical-investment-research.md](docs/vertical-investment-research.md) | 投研垂直方案：ICP、痛点、体检产品、定价与 90 天验证 |
+| [docs/pricing-experiment.md](docs/pricing-experiment.md) | 免费/付费切分与 ¥99/199/299 实验 |
+| [docs/paid-trial-runbook.md](docs/paid-trial-runbook.md) | ¥1 付费试用技能的完整执行步骤、判据与分流 |
+| [docs/pre-submit-review.md](docs/pre-submit-review.md) | 提审前评审：自动化检查、逐项合规、修复项与剩余风险 |
+| [docs/submission-log.md](docs/submission-log.md) | 平台提交记录、审核状态与过审后的操作顺序 |
+| [docs/repo-setup.md](docs/repo-setup.md) | 远程仓库、CI、分支保护与公开前的拆分计划 |
+| [docs/developer-profile.md](docs/developer-profile.md) | 开发者主页：头像、昵称、简介与联系方式填写建议 |
+| [docs/product-gap-assessment.md](docs/product-gap-assessment.md) | 产品缺口深度评估：数据接入、分析准确性、报告可信度与优先级 |
+
+## 已知限制
+
+- **只读**：v0.3.0rc4 不提供 apply/undo，治理执行仍在服务侧。
+- **抽取是可选的**：不跑 `kba extract` 时仍是元数据模式，报告标 C 级、不展示综合健康分；`pip install -e ".[extract]"` 是抽取前置。
+- **旧版 Office 只计数**：`.ppt/.xls/.doc` 不做 LibreOffice 转换，显式标 unsupported；`.pptx/.xlsx` 已可抽取。
+- **Excel 结构指纹只识别有公式/named range 的模型**：纯数值工作簿即使 sheet 同名也不会被当作“同模型不同版本”，避免误报。
+- **页级重合不是整档裁决**：PDF/PPT 单页高重合会报告，但不进入重复簇、不自动折叠；版本差异目前是终稿/底稿信号 + 字数/相似度/增删字符摘要，未做逐段正文语义 diff。
+- **PII 是正则初筛**：只覆盖邮箱/手机号/身份证/银行卡/密钥/合同编号模式，可能误报/漏报；报告只显示计数与文件名，不展示原文。
+- **编码仍有边界**：UTF-8/GB18030/UTF-16(BOM) 可读；Big5/Shift-JIS 在 GB18030 可解码时仍可能是乱码（已报 `text_unreadable` 的只覆盖解码失败场景）。
+- **正文缓存有 TTL 但不加密**：`job/text/` 默认保留 7 天；`kba extract` 默认在抽取前清理超过 7 天的 sidecar（`--ttl-days -1` 关闭）；`kba clean --purge-text` / `--purge-extract` 可立即清理。金融/律所客户仍需显式说明缓存策略。
+- **标签/领域推断是关键词规则**：frontmatter + 路径/文件名 + 内容关键词，单篇最多 6 个标签；可能误标/漏标，未接入行业词表校验。
+- **负责人只读 frontmatter**：`owner/负责人` 字段；ACL、最后访问、文档系统 owner 未接。
+- **断链只查 Markdown 本地相对链接**：跳过 http/https、`file:`/`javascript:` 等 URI scheme 和 `@ref` 占位符；不查外链、仓库外目标、非 Markdown 引用。
+- **性能基线只是合成 5k**：`tools/bench_scan.py` 本机 5k 文本约 scan 9.6s / analyze 1.9s；50k 与真实 PDF/Office 语料未测。
+- **时效判断不可靠**：文件系统 mtime 在复制/迁移后会重置；报告会提示“仅供参考”，后续接入文档系统 `updated`。
+- **PDF/docx 标签不在文件内**：推断可补一部分，但二进制标签仍不如文本 frontmatter 可靠。
+- **行业包未加载**：`packs/generic` 目前是配置草案，v0.4 起生效。
+- **许可证暂用 MIT**：待 Q10 决策后可能切 Apache-2.0。
+
+## 下一步
+
+1. **P1 剩余准确性**：逐段正文语义 diff、ACL/文档系统 owner、标签误报治理与行业词表；用 3 个外部语料验收抽取 ≥90%、近重复召回 ≥80%。
+2. **报告可验收**：PDF 报告、报告哈希/签字页、执行摘要；默认脱敏分享。
+3. **工程门禁**：Windows CI 已在 `.gitcode/workflows/ci.yml` 增加；补 5 万文件性能基线、云占位/权限拒绝/Big5 fixtures。抽取并行与 sidecar TTL 已加。
+4. 按 [docs/paid-trial-runbook.md](docs/paid-trial-runbook.md) 走路径 B：免费包 → 过审 → 收入变现 → ¥1 付费技能验证。
+5. 按 [docs/interview-guide.md](docs/interview-guide.md) 约 10 人访谈；3 个外部语料跑通前不卖“完整审阅”。
+6. 连接器提审；根据 ¥1 验证结果决定付费报告形态。

kba_cli-0.3.0rc4/kba/__init__.py

@@ -0,0 +1,3 @@
+"""KBA - read-only knowledge base auditor."""
+
+__version__ = "0.3.0rc4"

kba_cli-0.3.0rc4/kba/__main__.py

@@ -0,0 +1,6 @@
+import sys
+
+from .cli import main
+
+if __name__ == "__main__":
+    sys.exit(main())