struct-map 是什么（人格锚：无，纯专业结构化域）
struct-map 是 struct-* 知识结构化系列的第五个成员，定位「知识图谱」。它读取一份涵盖多个概念 / 实体的材料（教材章节 / 百科词条群 / 读书笔记串 / 讲义），抽成「节点 + 关系边 + 簇」三要素知识图谱，并量化图谱密度。
它不是语义级「图谱引擎」（那是大模型或专业图谱工具的事），而是更日常的「图谱收口」——一份材料里讲了一堆概念，你读完却说不清谁包含谁、谁区别于谁、谁导致谁。本引擎在你读完时，替你把这张网的点、线、团都抽出来，并标出最该补全关系的入口（孤立节点）。
能做什么 / 不能做什么
能做的：
- 把材料切成「一、节点 / 二、关系边 / 三、簇」三要素图谱。
- 节点识别（显式定义标记 是指/所谓/「」/冒号标题 ∪ 名词性短语推断）。
- 关系边抽取并自动归类（上位 / 下位 / 对比 / 因果 / 相关），做谓语 / 连词感知解析。
- 簇划分（无向并查集，连通分量），标出自然聚成的主题群。
- 算图谱密度与结构化增益；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「真正织懂一张网」——深度消歧、跨材料融合、可视化布局由调用方大模型或图谱工具完成，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；节点与关系抽取是启发式，覆盖常见中文写法，偶有不中。
边界说明
- 输入应为一份涵盖多个概念 / 实体的材料，建议 200 字以上、至少三段、含若干关系句；极短或纯列举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-concept（单概念卡片）分工明确：map 处理「多概念织网」，不处理长文压缩或单概念讲解。
怎么用
python scripts/struct_map.py build --input 多概念材料.md --output 图谱.md
python scripts/struct_map.py rules # 查看量化阈值
python scripts/struct_map.py ledger # 归集历史产物的 graph_density
python scripts/struct_map.py version # 打印版本
图谱生成后会输出三要素与 graph_density，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）
图谱密度 graph_density（0-1，结构化增益 = ×100）：节点得分（权 0.30）+ 边得分（权 0.30）+ 关系类型得分（权 0.25）+ 连通度得分（权 0.15）。其中节点与边权重并列最高——网的「点」和「线」是基础；关系类型权重高于连通度——类型越多样（同时有上位 / 下位 / 对比 / 因果 / 相关），网的语义越丰富，比单纯的「连起来了」更有信息量。struct-map 的本职，就是帮你发现并补上最稀疏的那几条边。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——每个概念都连着上下位、对比、因果。织网就是织这张网的动作。
- 三要素立住一张网：有哪些点（节点）、点之间什么线（边）、自然缠成哪些团（簇）。三样齐全才算真正结构化。
- 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-map 常接在读书 / 听课 / 读百科之后，是知识链里「把多概念输入变成图谱资产」的一环；上游可接 struct-note（从笔记里抽概念）、struct-concept（单概念建卡片），下游可接 struct-explain（把节点讲透）/ review（进复习排程）/ 大模型可视化。与 guard / check 不重叠（那是防护 / 验证，这是整理）。
