struct-concept 是什么（人格锚：无，纯专业结构化域）
struct-concept 是 struct-* 知识结构化系列的第四个成员，定位「概念卡片」。它读取一段关于某个概念的材料（教材段落 / 百科条目 / 读书笔记 / 讲义片段），抽成「定义 / 例子 / 反例 / 关联」四要素卡片，输出一份可以直接拿去建知识网络、或交给大模型讲透的结构化产物。
它不是语义级「概念讲解器」（那是大模型的事），而是更日常的「概念收口」——一个概念只在你能说出「它是什么、长什么样、不是什么、跟谁挨着」时才算立住。本引擎在你读完一段材料时，替你把这四个格子填上，并标出最稀缺、最该补的那一格。
能做什么 / 不能做什么
能做的：
- 把材料切成「一、定义 / 二、例子 / 三、反例 / 四、关联」四要素卡片。
- 定义抽取（是指 / 称为 / 本质是 / 所谓 X…）+ 例子抽取（例如 / 比如 / 应用场景…）。
- 反例与边界抽取（不是…而是 / 误区 / 不等于 / 陷阱…）+ 关联抽取并自动归类（上位 / 下位 / 对比 / 因果 / 相关）。
- 识别概念名（标题 > 定义句被定义项 > 文件名，单字也采信）；算卡片完整度与结构化增益；产物末尾附
STRUCT_RESULT尾块供程序消费。
不能做的（诚实边界）：
- 不做语义级「真正讲懂一个概念」——深度讲解由调用方大模型完成，本引擎只做结构化抽取与重组。
- 不生成新表述、不改写、不跨材料联想；产出的每一句都来自原文，可一键回原文核对。
- 不保证命中所有写法；定义与关联抽取是启发式，覆盖常见中文写法，偶有不中。
边界说明
- 输入应为一段连贯的概念材料，建议 200 字以上、至少两段；极短或纯定义片段增益偏低属正常，非缺陷。
- 与 struct-summary（长文摘要）、struct-meeting（会议派活）、struct-note（零散笔记）、struct-map（关系图谱）分工明确：concept 处理「一个概念的解释性材料」，不处理多概念全网或长文压缩。
怎么用
python scripts/struct_concept.py build --input 概念材料.md --output 卡片.md
python scripts/struct_concept.py build --input 概念材料.md --name 概念名 --output 卡片.md
python scripts/struct_concept.py rules # 查看量化阈值
python scripts/struct_concept.py ledger # 归集历史产物的 card_completeness
python scripts/struct_concept.py version # 打印版本
卡片生成后会输出四要素与 card_completeness，并在产物末尾附上机器可读的 STRUCT_RESULT {...} 判定块，供流水线程序化消费。
量化模型（原创点）
卡片完整度 card_completeness（0-1，结构化增益 = ×100）：以定义为主（权 0.35）、例子（权 0.25）、反例（权 0.20）、关联（权 0.20）。其中定义权重最高——一张没有定义的卡片等于没立住；反例权重高于关联——因为它是最稀缺、最容易被忽略的一格，多数材料只讲「是」不讲「不是」。struct-concept 的本职，就是帮你发现并补上这一格。阈值见 resources/thresholds.json。退出码 0/1/2/3/4（struct 非阻断型，4 保留）。
理论底座
- 专家与新手的差异：Bransford 等人的研究显示，专家的知识不是更多事实，而是更稠密、更有结构的「概念网络」——每个概念都连着例子、反例与相邻概念。卡片化就是织这张网的动作。
- 四要素立住一个概念：它是什么（定义）、长什么样（例子）、不是什么（反例）、跟谁挨着（关联）。四格齐全才算真正理解。
- 抽取式 vs 生成式：抽取式（extractive）按启发式挑句重组，稳定、可重跑、不幻觉；生成式（abstractive）交给大模型。本引擎走抽取式。
与其他成员的关系
struct-concept 常接在读书 / 听课之后，是知识链里「把输入变成概念资产」的一环；上游可接 struct-note（从笔记里抽概念），下游可接 struct-map（多个概念织成图谱）/ explain（把概念讲透）/ review（概念进复习排程）。与 guard / check 不重叠（那是防护 / 验证，这是整理）。
