脂批基因库

把《红楼梦》脂批做成可计算的数据集，难点不是“收集不够”，而是三件事长期纠缠在一起：伪批混入真批、不同版本批注位置口径不一、证据链散落在文献考据里无法机器复核。脂批基因库 技能就是为这两难问题准备的操作手册。

解决什么问题

• 真伪不分：后人托名或篡改的批语常与原生脂批混排，仅凭语感很难识别。
• 结构不一致：眉批、行批、夹批等位置缺少统一本体，跨版本对齐无从下手。
• 证据孤立：断代依赖专家记忆，模型一换结论就漂移，无法复现。

技能如何工作

技能拆成三大模式，其中模式 C（位置分类与版本断代引擎）是主力：

• 位置本体与代码化：先把批注位置映射到七类——眉批 / 行批 / 夹批 / 侧批 / 回首批 / 总批 / 回末批，再解析为 ⟨位置, 文本, 版本⟩ 三元组并输出 JSON-LD。
• 跨版本提取：按版本集合分池处理——NATIVE_EARLY 抽取原生脂本，RECONSTRUCTED 单列余西盐课司本与库伦本，FORGED_QUARANTINE 将靖藏本 150 条整批隔离，WHITE_TEXT 仅作背景，POST_LIPING 排除后世评点。
• 两道过滤闸门：先用五轴对齐（版本轴、作者生卒、批注者生卒、脂批首末条、清代历史背景）卡住年代违例；再跑三向一致性校验，位置/文本/归属任一不自洽即打上 FORGED、LATER_ADDITION 等阻断标签。
• 版本断代与分层输出：以位置分布、关键批语有无、版本独有标记作为指纹，映射年代区间；authentic_set 与 reconstructed_set 强制分列，互不混计。

适用边界

• 代码化结果只是“高概率归因区间”，批注者身份的最终裁定仍要版本学、物证与笔迹三系互证。
• 五轴对齐是年粒度判断，日粒度裁定需另引日期字段，且靖藏本判伪理由固定在文献溯源层，不可退回小说文本层。
• 建设基因库时必须同时报告技术贡献与质感盲区，避免循环论证。