拉康研讨语料库 YanKaFei/Lacan-Knowledge-OS-corpus

Lacan Knowledge OS — 语料库

Lacan Knowledge OS 的语料库部分。
拉康研讨班文本、由这些文本构建的段落存储，以及证明你所下载的内容与所发布内容一致的完整性清单。

引擎代码（公开，Apache-2.0） ·语料包（发布版） ·权利与允许的使用

公开仓库，第三方文本

⚠️ 本仓库是公开的。其中的文本并非可自由复用。

公开可见不等于许可。本仓库之所以发布，是为了让研究者能够获取引擎所需的语料库——仅此而已。此处的每一份文本都属于他人，其中的任何权利均未转让给本项目。

| ✅ 研究与学习 | 阅读、研究、注明出处地引用、构建本地索引、离线保存 |
| ❌ 商业使用 | 任何基于此文本的付费产品、交付物、服务或咨询产出 |
| ❌ 再分发 | 将语料包重新上传、镜像、重新打包、捆绑，或发布到任何地方 |
| ❌ 再服务 | 通过网站、API、应用或数据集将文本暴露给第三方 |
| ❌ 模型训练 | 将其用作你所分发或公开部署的模型的训练数据 |

你的使用是否合法，需由你自己判定。 本项目之所以声明这一边界，是因为声明边界是诚实的做法；它不提供法律建议，也无法替你做出决定。
完整分析：RIGHTS.md。

如果你对这里的任何内容持有权利，并希望其被更改或移除，请告知——参见报告权利问题。有充分依据的请求将得到处理。

本仓库是什么

| 部分 | 所在位置 | 包含内容 |
| 引擎 | YanKaFei/Lacan-Knowledge-OS | 代码：冻结的学术核心、MCP 服务器、Web UI、帮助中心、构建器、校验器、测试。Apache-2.0。不含源文本。 |
| 语料库（此处） | YanKaFei/Lacan-Knowledge-OS-corpus | 文本及由其衍生的一切：研讨班文件、段落存储、见证、本体、书目登记表、可直接运行的索引 |

两者被刻意分开。正是这种分离使得代码可以采用 Apache-2.0，而文本仍属第三方——也正是因此，引擎仓库可以被验证为完全不包含语料库文本。

语料包内有什么

corpus-pack-v1.tar.gz — 2,078 个文件 · 解压后 1,427 MB · 压缩后 215.7 MB

| 内容 | 详情 |
| 02_Lacan_Seminars/* | 1,979 个研讨班文件（法语 + 中文），带有来源前置元数据：ids、witness、authority level、review status |
| _data/passage_store/.jsonl | 249,105 个段落，包含 raw_text / normalized_text，以及 witnesses、realizations、sessions、concepts、corpus sources |
| _data/ontology/、_data/entities/、_data/bibliography/* | 规范本体、人物/案例登记表、参考文献登记表 |
| _data/eval/ | 人工评审、gold-v2 和 frozen-identity 产物——学术冻结会验证这些内容 |
| _data/corpus_inventory.json、索引清单 | core_freeze.py --verify 读取的数据版本输入 |
| _data/index/lexical.sqlite、_index/passage_store.sqlite | 可直接运行——无需重建步骤 |

不包含任何私密内容：没有研究工作区、没有导出、没有缓存、没有凭据。
向量索引主体（.npy，+365 MB）是可选的，不属于此包的一部分；词法检索开箱即用，界面会报告当前激活的是哪种检索模式。

三个来源，以及谁持有权利

记录在语料库本身中（_data/passage_store/corpus_sources.jsonl）：

| 来源 | 它是什么 | 权利立场 |
| corpus-source.staferla | 研讨班（S1–S27）的公开可读法语工作转录 | 可在线阅读 ≠ 获许可重用。该转录网站自身的法律立场未在此记录，本项目也不主张任何立场。 |
| corpus-source.seuil-print | 从 Seuil 印刷版（S1–S5）提取的文本，带页码 | 受版权保护的商业版本：适用出版商和作者继承人的权利 |
| corpus-source.zh-translation-project | 一个社区中文翻译项目（现存副本） | 翻译是衍生作品：适用译者的权利以及底层作者的权利 |

拉康于 1981 年去世；在法国和欧盟，权利在死后持续 70 年，因此底层文本在数十年内仍受版权保护。各司法管辖区的分析有所不同——在美国，问题取决于出版日期、续展和合理使用——并且本项目中的任何内容都不主张此语料库的任何部分在任何地方都可自由重用。

将其安装到引擎中

1) the engine (public, Apache-2.0)
git clone https://github.com/YanKaFei/Lacan-Knowledge-OS.git
cd Lacan-Knowledge-OS

2) the corpus pack (this repository — public, so a plain download works)
curl -sLO https://github.com/YanKaFei/Lacan-Knowledge-OS-corpus/releases/download/corpus-v1/corpus-pack-v1.tar.gz
curl -sLO https://raw.githubusercontent.com/YanKaFei/Lacan-Knowledge-OS-corpus/main/corpus-pack-v1.manifest.json

3) verify and install (refuses on any hash mismatch — partial or altered downloads cannot pass)
python3 tools/fetch-corpus.py --pack corpus-pack-v1.tar.gz \
--manifest corpus-pack-v1.manifest.json --into .

4) confirm the scholarly freeze, then run
python3 -m workspace_ui.server.cli --port 3090 # → http://127.0.0.1:3090/help

如果你更希望由引擎为你获取，只需一条命令：

python3 tools/ensure_corpus.py --install --pack corpus-pack-v1.tar.gz \
--manifest corpus-pack-v1.manifest.json
python3 tools/ensure_corpus.py --status # exit 0 = ready

在全新安装上已验证： 8/8 系统层 READY · 一次 Seminar XI 研究运行返回 VALIDATED_WITH_QUALIFICATIONS，包含 3 条论断 / 3 条引用 · 被引段落可在 Evidence Inspector 中阅读（passage.S10.unknown.P8724）· 249,105 个段落和 62 个概念可在 Explore 中浏览 · 13 页的 Help Centre。

完整性

| 检查项 | 方式 |
| 包哈希 | sha256(corpus-pack-v1.tar.gz) 记录为 corpus-pack-v1.manifest.json 中的 pack.sha256 |
| 每个文件 | 同一清单中有 2,078 条逐文件 sha256 条目，在安装期间验证 |
| 失败模式 | fetch-corpus.py 拒绝安装并删除任何不匹配的文件——被截断的下载或被篡改的包无法悄无声息地损坏语料库 |
| 路径安全 | 提取器仅接受 02_Lacan_Seminars/、_data/、_index/ 下的成员；绝对路径和 .. 遍历会被拒绝 |

负责任地使用它

1. 将其保留在你自己的机器上。 引擎在本地读取语料库；不会上传任何内容，也不需要暴露任何内容。
2. 引用来源，而非本仓库。 当你引用时，请按照 corpus_sources.jsonl 中记录的方式注明转录、版本或译文——段落 id 和见证记录使这成为可能；这正是溯源层的用途。
3. 不要将其变成一项服务。 在此文本之上发布搜索界面、API 或应用属于再分发，无论你自己项目的许可证如何规定。
4. 不要转手传播这个包。 如果同事需要它，请让他们来这里——他们可以自行决定自己的使用是否合法。
5. 将弃权视为信息。 当语料库无法支持某个问题时，引擎会拒绝回答。这不是需要绕开的缺陷。

报告权利方面的关切

如果你对这里发布的材料拥有权利，并希望将其移除、澄清、以不同方式署名或替换，请在引擎仓库上开一个 issue （不要粘贴语料库文本），或通过仓库个人资料联系维护者。我们将对有依据的请求采取行动。
应请求移除材料并不构成对任何事情的承认——这是唯一负责任的默认做法。

重建或扩展此包

in a clone of the engine, with the corpus installed
python3 tools/pack-corpus.py --out /tmp/corpus-pack # ~215 MB
python3 tools/pack-corpus.py --out /tmp/corpus-pack --with-vectorsh
python3 tools/fetch-corpus.py --pack … --manifest … --check # 验证而不安装

打包工具从引擎自身的代码引用中推导出文件列表，因此缺失的检索输入不可能被漏掉——这一行为源于端到端运行一次全新安装并发现失败（CORE_EXECUTION_FAILED: … alias_index.jsonl，随后是数据版本输入上的冻结漂移）。参见 docs/CORPUS_PACK.md。

本仓库中的第二个包：corpus-demo-v1（公有领域）

本仓库还托管了第二个完全独立的包——公有领域的演示语料库——以便那些想在接触研讨班文本之前试用引擎的人有一个合法、可再分发的选择。

| | corpus-v1（拉康语料库） | corpus-demo-v1（演示） |
| 内容 | 法语工作转写 · Seuil 提取 · 社区中文翻译 | Falret 1890 · Binet 1892 · Janet 1909（fr.wikisource，真实出版数据） |
| 大小 | 约 215 MB，2,078 个文件 | 约 0.3 MB，42 个文件 |
| 权利 | 第三方，仅限研究访问 | 公有领域——可自由再分发 |
| 冻结状态 | SCHOLARLY_CORE_READY（经人工审核） | CORPUS_HUMAN_REVIEW_NOT_AVAILABLE（不存在针对它的人工验收证据） |
| 它为你提供什么 | 冻结核心所针对构建的参考语料库 | 一次完整的研究运行：183 个段落、一个 15 实体的本体层、检索 → 证据 → 主张 → 引用 → 检查器 |
sh
安装演示包而非研讨班语料库
curl -sLO https://github.com/YanKaFei/Lacan-Knowledge-OS-corpus/releases/download/corpus-demo-v1/corpus-demo-v1.tar.gz
curl -sLO https://raw.githubusercontent.com/YanKaFei/Lacan-Knowledge-OS-corpus/main/corpus-demo-v1.manifest.json
python3 tools/fetch-corpus.py --pack corpus-demo-v1.tar.gz \
--manifest corpus-demo-v1.manifest.json --into . --force
python3 tools/ensure_corpus.py --status # ready · corpus_profile=unreviewed-corpus

需要 --force，因为全新的引擎克隆已经带有参考元数据（_data/index/INDEX_MANIFEST.json、_build_meta.json、_concept_meta.json、随附的冻结）；安装程序拒绝混合两个语料库。

在产物本身中印出的两个诚实的限制： 演示没有人工验收证据（因此它从未被描述为已审核），并且冻结核心的来源归属措辞——在合成主张文本中命名的说话者——是为拉康语料库编写的，不适用于它。因此，演示承诺的是检索 / 证据 / 引用 / 检查器 / 本体链，而非可引用的学术主张。完整声明： docs/DEMO_CORPUS.md。

如果你需要可以发布或出售的文本

将引擎与你拥有权利的语料库一起使用——即上面的公有领域演示语料库，你自己的文本，或授权版本。该引擎与语料库无关：构建器、验证器、检索、证据契约和弃权纪律在你提供的任何语料库上均以相同方式运作。

仅供研究与学习。 不得用于商业用途。不得再分发。不得再提供服务。

代码：Apache-2.0 ·文本：第三方，保留所有权利 · RIGHTS.md

该引擎的存在是为了让一次解读能够对照段落编号进行核查。正是语料库使这成为可能——请将其视为借来的材料，因为它本就如此。*