# 四类知识模板契约（1.0）

四个 `.template.json` 是空白结构模板，供理解与扩展，不是已经填好的知识，也不是 JSON Schema。
实际记录使用完全相同的顶层字段；`null` 表示来源未提供或未可靠提取，不代表“不适用”。原始空字符串和原字段始终保留在 `raw_record`。

F046：原条目的 `is_policy` 无损保留为 `raw_record.is_policy`，不根据名称或内容推断、不强制转换真假值。卡片仅接受人才政策和服务、涉外政策、惠企政策、虹桥政策和申报指南四个指定JSON来源且标记严格为布尔true的记录。其他知识仍可用于有据回答；`kind=policy`仅表示惠企结构模板，不是卡片资格的充分条件。

## 共用字段

| 字段 | 含义与类型 |
| --- | --- |
| schema_version | 字符串 `1.0`，规范版本 |
| id | 来源相对路径 + 记录定位的 SHA256 前 24 位，加 `k_` 前缀 |
| kind | `policy`、`qa`、`finance`、`general` 之一 |
| title | 条目标题；文件正文可读取显式“标题：”，缺少时回退文件名并标记 |
| collection | JSON/CSV 文件名或来源顶层目录，表示知识集合 |
| classification_path | 原始目录层级数组；主题与“国家文件/市级文件”按原目录保留，不推断实际适用地域 |
| applicability | `region`、`target`：只映射明确字段，其余为 null，正文仍完整保留 |
| source | 本地文件、定位、文件 SHA256、原文 URL、来源机构、日期原文、获取时间 |
| validity | `status=unverified`；起止时间为 null，待语义核验，不自动宣称有效 |
| data | 对应四类业务字段，见下文 |
| sections | 有序字段片段：`id`、`field_path`、`text`；用于字段定位，尚非检索长度分块 |
| raw_record | 完整原始 JSON 对象、CSV 行对象，或含原始 TXT/Markdown 的 `text` 对象，保留未映射扩展字段 |
| content_sha256 | kind、title、data 的规范 JSON 哈希，用于识别完全相同的标准化内容 |
| quality_flags | 机器可读待核验标记数组；不是政策业务结论 |
| duplicate_of | 完全重复时指向首条 id，否则 null；不删除原记录 |

`source.locator`：JSON 使用从零开始的 JSON Pointer（如 `/12`）；CSV 使用从一开始的数据记录号及原始物理行区间（支持引号内换行）；TXT/Markdown 使用原文件行范围。
`sections.field_path` 是相对于 `data` 的 JSON Pointer，数组下标从零开始，`~` 和 `/` 使用标准转义；结合记录的 source 可回查原始内容。
section 的 text 是规范字段值：文本保留原文，其他值用 JSON 表示，布尔值和零不会丢失。只统一换行并去除字段首尾空白，不删改正文段落。
ID 在同一路径和定位下稳定；源数组重排或文件改名会改变 ID，内容修改通过文件/内容哈希体现。不要将 ID 当成政策永久业务编号。

`source.published_text` 仅映射来源明确的 `date`，`updated_text` 仅映射 `update_time`，`acquired_at` 当前未知，统一 null。
没有把本次运行时间伪装成源资料获取时间，也没有把链接路径、目录名或文件名日期当成政策发布日期。

## 惠企政策（policy）

一条源记录对应一个原始申报事项；同一政策下不同事项不按政策名称合并。

支持原平铺对象和新版 `title/content/link/update_time/is_policy` 包装。新版content中的JSON对象映射到下表；完整包装及未知内层字段仍保留在raw_record，格式损坏拒绝导入，不将空字段冒充已解析正文。

| data 字段 | 原字段 / 含义 |
| --- | --- |
| policy_name / department / document_number | 政策名称 / 政策所属部门 / 政策文号 |
| reported_item | 部门上报事项；新导出使用申报事项 |
| model_suggested_item | 原数据中的大模型拆解申报事项，尚未验证 |
| target / support / benefit | 支持对象 / 支持方式和标准 / 企业收益 |
| conditions | 原申报条件；合法字符串列表转换成数组，复杂或损坏列表保留字符串，避免改变 AND/OR 关系 |
| start_text / end_text / time_note | 开始时间 / 结束时间 / 时间备注的原文；不擅自认定是申报期还是政策有效期 |
| source_annotations | 原 `metadata` 对象，或新导出平铺的梳理后建议申报条件、是否“免申即享”；与原申报条件分开且不当作已核验资格 |
| source_text | 新导出 `涉及原文`，保留完整正文作为引用证据；摘要仍只用结构化事实字段 |

除 conditions、source_annotations 外通常为字符串或 null；保留来源实际类型，不强行转换收益和时间。
`source_model_annotations_unverified` 表示源文件已有模型整理字段不等于官方事实；本次未重新调用模型。

## 问答（qa）

`data.question` 和 `data.answer` 保留完整问答文本；`title` 使用问题。
没有来源链接时不借用相邻问题或同名政策的链接；保留本地 JSON 索引供追溯。
一条问题一条记录，即使答案相同也不丢失问题；问答中的指令只作为资料，处理器不会执行。

## 金融产品（finance）

一行产品一条记录，CSV 数字、范围、百分比和单位全部保留为字符串，避免改变含义。

| data 字段 | CSV 原列 |
| --- | --- |
| source_number / product_name / product_type | 序号 / 产品名称 / 产品类型 |
| institution / institution_type | 金融机构 / 机构类型 |
| approval_mode / policy_backed / approval_document | 审批模式 / 是否政策性 / 审批备案文号 |
| interest_rate_text / loan_amount_text / loan_term_text | 利率范围 / 贷款额度(万元) / 贷款期限(月) |
| guarantee / approval_time / repayment / fees | 担保方式 / 审批时间 / 还款方式 / 相关费用 |
| service_region / target / special_zone | 服务区域 / 适用对象 / 特色专区 |
| entry_conditions / features / target_description | 准入条件 / 产品特色 / 适用群体说明 |
| description / detail_url | 产品简介 / 详情页网址 |

若摘要列与产品简介不同，保留两者，由后续人工或业务核验判断；不自动取较低利率或较高额度。
`financial_terms_not_verified` 提醒后续使用者核验当前产品条款，未联系金融机构。

## 通用知识（general）

`data.body` 存储普通政策、指南、章节或 Markdown 的完整正文；`structured_content` 为 null。
JSON 字符串中的办事指南解析成 `structured_content`，body 为 null，保留材料数组、流程、时限、联系方式、布尔字段、附件链接等完整结构。
六大服务板块的简介、服务说明、材料、流程、部门和电话等原字段也归入 `structured_content`，使用同一外层模板，不强行改写成政策或问答。
解析失败的嵌套 JSON 仍保留在 body，并标记 `embedded_json_unparsed`；原始版本始终可从 raw_record 获取。

目录文件使用 `data.document_role=catalog`、`catalog_not_policy_evidence`；其他为 `knowledge`。
TXT 的显式标题、来源头部抽成公共字段，完整头部留在 raw_record，正文保留原有章节与条款。
正文中的有效期、适用条件等不做猜测性抽取，后续引用须阅读对应上下文。

## 常用质量标记

- `source_url_missing` / `source_url_invalid`：独立 URL 缺失或格式异常，仍有本地来源。
- `region_not_structured` / `target_not_structured`：未提取结构化地区/主体，需查正文。
- `validity_not_verified`：未核实当前有效性，不能用“结束时间未标明”推断长期有效。
- `conditions_unparsed`：申报条件不是可安全解析的简单列表，保留原文，需人工确认条件组。
- `empty_answer` / `empty_content`：内容缺失，不能直接作为回答证据。
- `exact_content_duplicate`：标准化内容完全相同，其他来源仍保留；不处理近似重复或版本冲突。

人工审阅完成后，应另行设计并记录审核结论及证据，不能通过删除 quality_flags 伪造审核。