ingest | 经典投资书籍 20 本批次完成(云端 OCR + 委托编译)

This commit is contained in:
AAsige
2026-08-07 17:07:57 +08:00
parent e6fc14ff2a
commit 7531a7ccb6
46 changed files with 3072 additions and 1 deletions
+83
View File
@@ -295,9 +295,92 @@
- 证据边界:统计期 2018—2021 年上半年;扫描件 OCR 对表格行列结构有损,仅正文文字明确转述的数字入摘编;"12 个合约"(风险检验)与"11 个品种"(成因分析)口径差异来自动力煤车船板交割无仓单数据。
- 哈希:摘编按正文(frontmatter 之后 bodySHA-256 登记 `sha256:9313f138332bf534e882bfcc4c0f8b74814f4403ea4750004bf75177f2982e7e`。
- 验证:wiki-audit.ps1 普通模式通过(0 ERROR、0 WARNING78 个 Wiki 页面、668 条内部链接、111 条编译记录),`git diff --check` 通过。
## [2026-08-07] ingest | 经典投资书籍批1:投资中最简单的事、攻守、深交所交易规则
- 输入:F:\投资学习资料by海螺\1.经典投资书籍(优先学习)\ 目录下 3 本有文本层 PDF(批 1/5)。
- 保存:中文摘编写入 `raw/书籍/05-投资理念/投资中最简单的事-邱国鹭-2014-摘编.md`、`raw/书籍/03-可转债/攻守-可转债投资实用手册-2020-摘编.md`、`raw/书籍/07-规则与教材/深交所交易规则-2021修订-摘编.md`;商业书籍原 PDF 不入库,frontmatter 记录原路径 + 字节 SHA-256 + 页数 + 文本层字符数。
- 编译:新增 `wiki/concepts/价值投资框架:估值、品质与时机.md`、`wiki/concepts/可转债投资框架.md`、`wiki/concepts/交易所交易规则要点.md`;更新 `wiki/INDEX.md`、`wiki/sources.md`、`wiki/compile-results.tsv`、`raw/_meta/书籍入库批次清单.tsv`(状态→compiled)。
- 内容:邱国鹭价值投资三问/四大原则/逆向投资/陷阱识别框架;可转债条款(强赎15/30 130%、回售70%、下修15/30 80%)与双低/低溢价/摊大饼策略(2020 年规则口径);深交所 2021 修订版交易规则要点与沪深差异。
- 证据边界:作者观点与时点预测(2011-2014 数据)不作为当前事实;攻守原文表格缺失、字体乱码已按语义还原;深交所规则为 2021-04-06 施行历史版本,指数熔断失效,2023 全面注册制后全部参数须按现行规则核验。
- 哈希:三份摘编均为正文(frontmatter 后)SHA-256`E87C4FD1...9E2E3`(邱国鹭)、`09144E1C...0D8D`(攻守)、`C9ECD03F...E031`(深交所)。
- 批次:20 本书已建 `raw/_meta/书籍入库批次清单.tsv`(断点续传状态表);11 本扫描件正在后台 OCR3 workerRapidOCR 300dpi,约 7.5s/页),OCR 完成后按批次继续入库。
## [2026-08-07] ingest | 经典投资书籍批2:价值(张磊)、上交所股票上市规则
- 输入:`F:\投资学习资料by海螺\1.经典投资书籍(优先学习)\` 下 2 本有文本层 PDF(批 2/5)。
- 保存:中文摘编写入 `raw/书籍/00-价值投资/价值-张磊-2020-摘编.md`、`raw/书籍/07-规则与教材/上交所股票上市规则-2022年1月第十五次修订-摘编.md`;商业书籍原 PDF 不入库。
- ⚠ 文件名错配:原 PDF「上交所交易规则.pdf」实际内容为《上海证券交易所股票上市规则》(2022 年 1 月第十五次修订,全面注册制前最后一版),非交易机制规则;摘编与登记以文件实体内容为准,交易机制条款须另取《交易规则》。
- 编译:新增 `wiki/concepts/长期主义与价值创造.md`、`wiki/concepts/股票上市规则要点.md`;更新 `wiki/INDEX.md`、`wiki/sources.md`、`wiki/compile-results.tsv`、`raw/_meta/书籍入库批次清单.tsv`b03/b15 → compiled)。
- 内容:张磊四维分析框架(人-生意-环境-组织)、动态护城河、研究驱动、哑铃理论与百丽/普洛斯/百济神州案例;上交所上市条件、信息披露、退市四类指标(市值退市 3 亿,2024 年已调 5 亿)、重新上市与价格笼子(仅重新上市首日)。
- 证据边界:高瓴业绩(56% 年化、4000 亿规模)为作者口径;案例数字与公开披露大体一致;作者预测为 2020 年时点观点;上市规则为 2022.1 历史版本,2023 全面注册制后须整体核验。
- 哈希(正文 SHA-256):价值 `D66F80ED...37DD`;上市规则 `B085DAF1...F50E`。
## [2026-08-07] ingest | 经典投资书籍批3:小狗钱钱(套装全2册)
- 输入:`F:\投资学习资料by海螺\1.经典投资书籍(优先学习)\小狗钱钱套装全2册.pdf`(301 页,有文本层)。
- 保存:中文摘编 `raw/书籍/06-理财与经济学/小狗钱钱-博多舍费尔-摘编.md`;原 PDF 不入库。
- 编译:新增 `wiki/concepts/个人理财与现金流管理框架.md`;更新 INDEX/sources/TSV/批次清单(b17 → compiled)。
- 内容:目标管理(梦想储蓄罐/成功日记/72 小时)、收入三分法 50/40/10、负债 4 忠告、投资三原则、72 公式、第二册甜甜圈理论与 7 条品格准则。
- 证据边界:书内利率/通胀为德国马克/欧元时代示例值,非当前市场数据;达瑞故事等为寓言;两册币种混杂(马克/欧元/美元),保留原币种标注年代。
- 哈希(正文):`{h[7:]}`。
## [2026-08-07] ingest | 经典投资书籍批4:海龟交易法则、指数基金投资指南
- 输入:`C:\Users\12637\Desktop\投资学习资料by海螺\1.经典投资书籍(优先学习)\` 下 2 本有文本层 PDF(批 4/5)。源目录已从 F: 移动至 C:(用户操作),全部 20 本 PDF 哈希核验一致,批次清单原路径列已更新。
- 保存:中文摘编 `raw/书籍/02-交易与投机/海龟交易法则-柯蒂斯费思-摘编.md`、`raw/书籍/04-基金投资/指数基金投资指南-银行螺丝钉-2017-摘编.md`;原 PDF 不入库。
- 编译:新增 `wiki/practices/趋势跟踪与海龟交易系统.md`、`wiki/practices/指数基金定投方法.md`;更新 INDEX/sources/TSV/批次清单(b08/b11 → compiled)。
- 内容:海龟原版法则六要素(市场/头寸/入市/止损/退出/战术)、N 值/ATR、2% 风险、四层限制、系统测试方法论(RAR/R 立方);指数基金四大估值指标、盈利收益率法 10%/6.4%、博格公式、定投实操与资产配置。
- 证据边界:海龟业绩测试为作者单方数据(1996-2006 单一区间),系统 2 口径正文 60 日 vs 附录 55 日;指数基金数据锚定 2017 年时点(十年国债 3.5%),阈值须按当前利率重算,回测为作者自做。
- 哈希(正文):海龟 `0DAA02AA750E9CC7...`;指数基金 `93EDAFD7B1BDAC4C...`。
## [2026-08-07] ingest | 经典投资书籍批5:股市趋势技术分析(原书第10版)
- 输入:`C:\Users\12637\Desktop\投资学习资料by海螺\1.经典投资书籍(优先学习)\股市趋势技术分析(原书第10版).pdf`(753 页,有文本层,批 5/5——9 本有文本层书籍全部完成)。
- 保存:中文摘编 `raw/书籍/01-技术分析/股市趋势技术分析-爱德华兹迈吉-第10版-摘编.md`;原 PDF 不入库。
- 编译:新增 `wiki/concepts/道氏理论与图表形态分析.md`;更新 INDEX/sources/TSV/批次清单(b14 → compiled)。
- 内容:道氏理论 12 信条、反转/整固形态与测量规则、缺口四类、支撑阻力与趋势线、交易战术(基准点法、2%-3% 风险、止损规则)。
- 证据边界:全书图表为图片未转文字;道氏理论回测与原表(表 4-1~5-2)缺失,数字为书中转述未核验;编者按与迈吉正文分歧已区分;大量 1940-1950 年代案例已过时。
- 哈希(正文):`E0BB659531FBBF353880CA0C85ADD07AC52DF9DC8320F242F4228738D5B266F9`。
## [2026-08-07] ingest | PaddleOCR v2 API 配额与错误码入库
- 输入:PaddleOCR 官方 API 文档(用户 2026-08-07 提供,配额与错误码两节);同日 v2 jobs 接口实测(PP-OCRv6 与 PaddleOCR-VL-1.6 双模型多次 job 提交均 HTTP 200,中文金融表格文本识别正确)。
- 保存:中文摘编 1 份入 `raw/技术/paddleocr/`(配额 3000 页/日/模型、单文件 100 页截断、错误码 403/413/422/429/500/503/504 表、本地工具链衔接)。
- 编译:新增 `wiki/practices/paddleocr-ocr工具链.md`practice:工具脚本入口、双模型选型口诀、配额/限流注意、错误码速查、实测记录);`wiki/INDEX.md` 第 10 节更名“软件工具”并加条目;`wiki/sources.md` 新增“OCR 工具资料”小节;`wiki/Glossary.md` 新增 PaddleOCR 词条;登记 `wiki/compile-results.tsv`。
- 证据边界:错误码行为仅按官方文档转述,未实测触发;配额数值为官方声明,可能调整;token 以 hermes-home/.env 为准。
- 哈希:摘编文件字节 SHA-256 `b8d0e2c51e46e09ce789ff397149cfdde2b136d37a2c9cb981a99977cc90b3a7`。
## [2026-08-07] ingest | 经典投资书籍批6(云端OCR):牛奶可乐经济学、王二的经济学故事、投资中不简单的事
- 输入:`C:\Users\12637\Desktop\投资学习资料by海螺\1.经典投资书籍(优先学习)\` 下 3 本扫描件(b18 牛奶可乐 117 页、b19 王二 273 页、b04 投资中不简单的事 335 页),均无有效文本层。
- OCR:改用 PaddleOCR v2 云端 APIPP-OCRv6)替代本地 RapidOCR——批量脚本 `%TEMP%/cloud_book_ocr.py` 将 11 本待处理书拆分为 51 个 ≤100 页 chunk 提交,全部成功(0 429 0 失败),页数精确匹配;每 jsonl 行 = dataInfo.numPages 页,行内 ocrResults[i] 对应第 i 页(首次探针确认的映射关系)。
- 保存:中文摘编写入 `raw/书籍/06-理财与经济学/牛奶可乐经济学-罗伯特弗兰克-摘编.md`、`raw/书籍/06-理财与经济学/王二的经济学故事-郭凯-2012-摘编.md`、`raw/书籍/05-投资理念/投资中不简单的事-高毅资产-2018-摘编.md`;商业书籍原 PDF 不入库。
- 编译:新增 `wiki/concepts/经济学思维:成本效益与行为偏差.md`(b18+b19 合并:成本效益四问、一价定律、信号与激励、行为偏差、宏观政策与分配框架)、`wiki/concepts/基本面投资研究框架.md`(b04:两源论/三好原则/降维三变量/杀估值业绩逻辑/10-3 原则);更新 `wiki/INDEX.md`、`wiki/sources.md`、`wiki/compile-results.tsv`、`raw/_meta/书籍入库批次清单.tsv`b18/b19/b04 → compiled)。
- 证据边界:三本均为扫描件云端 OCR(PP-OCRv6),正文复述数字可信、表格/图表数字不可引用;案例数字分别为 2005-2006 美国时点(b18)、2010-2012 转引(b19)、2015-2017 观点(b04,2016 看空商品已被证伪);基金经理自述业绩未独立核验。
- 哈希(仓库口径:frontmatter 末尾 `---` 后含换行正文):b18 `D5DF760E...051C`b19 `E69DDCAB...8359`b04 `142A9061...79EC`。
- 哈希契约确认:`compile-results.tsv` 书籍摘编行的哈希口径为 frontmatter 末尾 `---` 之后**含换行符**的正文 SHA-256`re.match(rb"^---\r?\n(.*?)\r?\n---", raw, re.S)` 后取 `raw[m.end():]`),与标准"跳过 --- 终止符"口径不同;9 本既有摘编复算全部一致。
## [2026-08-07] ingest | 经典投资书籍批7(云端OCR):日本蜡烛图技术、可转债投资魔法书、聪明的投资者
- 输入:`C:\Users\12637\Desktop\投资学习资料by海螺\1.经典投资书籍(优先学习)\` 下 3 本扫描件(b02 蜡烛图 356 页、b05 可转债魔法书 293 页、b01 聪明的投资者 529 页),均无有效文本层,经 PaddleOCR v2 云端 PP-OCRv6 识别(页数精确匹配,个别空页)。
- 保存:中文摘编写入 `raw/书籍/01-技术分析/日本蜡烛图技术-史蒂夫尼森-摘编.md`、`raw/书籍/03-可转债/可转债投资魔法书-安道全-第2版-摘编.md`、`raw/书籍/00-价值投资/聪明的投资者-格雷厄姆-第4版-摘编.md`;商业书籍原 PDF 不入库。
- 编译:新增 `wiki/concepts/蜡烛图形态识别体系.md`(b02:形态识别三步、单根/两根/三根形态表、窗口规则、组合验证清单)、`wiki/concepts/格雷厄姆安全边际体系.md`(b01:投资vs投机、防御/积极型标准、市场先生、安全边际、七项量化标准);`wiki/concepts/可转债投资框架.md` 并入 b05 三线-复式法(三条安全线、面值-最高价折扣法、10分钟筛债漏斗、杠杆风控);更新 INDEX/sources/TSV/compile-results.tsvb02/b05/b01 → compiled)。
- 证据边界:三本均为扫描件云端 OCR(PP-OCRv6),图表刻度/表格数字不可直接引用(蜡烛图含大量 K 线图、聪明的投资者含大量美国历史表格);形态与标准为经验方法/1971-1972 年口径,须核验现行;可转债条款为 2014 年口径,2022 新规后须核验。
- 哈希(仓库口径):b02 `36C4A110...FACC78`b05 `89782401...240C0`b01 `9BA29917...FCDD3`。
## [2026-08-07] ingest | 经典投资书籍批8(云端OCR):期货市场技术分析、股票大作手回忆录、穷查理宝典
- 输入:`C:\Users\12637\Desktop\投资学习资料by海螺\1.经典投资书籍(优先学习)\` 下 3 本扫描件(b06 期货技术分析 546 页、b09 大作手 353 页、b12 穷查理宝典 551 页),经 PaddleOCR v2 云端 PP-OCRv6 识别(页数精确匹配,个别空页)。
- 保存:中文摘编写入 `raw/书籍/01-技术分析/期货市场技术分析-约翰墨菲-摘编.md`、`raw/书籍/02-交易与投机/股票大作手回忆录-埃德温勒菲弗-摘编.md`、`raw/书籍/00-价值投资/穷查理宝典-查理芒格-摘编.md`;商业书籍原 PDF 不入库。
- 编译:新增 `wiki/concepts/期货技术分析体系.md`(b06:分析次序、趋势线/形态/均线/摆动指数/量仓/周期/波浪、资金管理四限额与 23 问清单)、`wiki/practices/利弗莫尔交易纪律.md`(b09:最小阻力路线、关键点买卖、趋势跟随、资金管理、14 条规则精简)、`wiki/concepts/芒格多元思维模型.md`(b12:多元思维模型、能力圈、误判心理学 25 倾向、投资原则检查清单);更新 INDEX/sources/TSV/compile-results.tsvb06/b09/b12 → compiled)。
- 证据边界:三本均为扫描件云端 OCR(PP-OCRv6),图表区数字大量乱码不可引用;墨菲参数(4-9-18 天、RSI14、四周规则)为历史经验值、1980s 案例已过时;大作手盈亏数字为自述未核验、传记轶事不作事实;穷查理宝典市值/收益率数字存在内部矛盾(伯克希尔 1350 亿 vs 1000 亿美元)须核验年报。
- 哈希(仓库口径):b06 `4F735DEE...B503D`b09 `3134439C...DC7E`b12 `F37949BE...24A1`。
## [2026-08-07] ingest | 经典投资书籍批9(云端OCR):滚雪球(上)、证券市场基础知识
- 输入:`C:\Users\12637\Desktop\投资学习资料by海螺\1.经典投资书籍(优先学习)\` 下 2 本扫描件(b10 滚雪球 801 页、b20 证券市场基础知识 369 页),经 PaddleOCR v2 云端 PP-OCRv6 识别(页数精确匹配)。
- 保存:中文摘编写入 `raw/书籍/00-价值投资/滚雪球-艾丽斯施罗德-上-摘编.md`、`raw/书籍/07-规则与教材/证券市场基础知识-2009教材-摘编.md`;商业书籍原 PDF 不入库。
- 编译:新增 `wiki/concepts/巴菲特滚雪球投资哲学.md`(b10:复利、安全边际、能力圈、护城河、浮存金、投资五步法、危机应对模板)、`wiki/concepts/证券市场基础框架.md`(b20:证券分类、四大品种定义、交易制度、监管体系 + 2009 vs 现行制度对照表);更新 INDEX/sources/TSV/compile-results.tsvb10/b20 → compiled)。
- 证据边界:两本均为扫描件云端 OCR(PP-OCRv6);滚雪球为传记,对话非逐字、心理描写属文学化重构,数字须与年报核验;证券市场基础为 2009 历史教材,注册制(2019/2023)、科创板/北交所、两融、地方债放开均不在书中,参数须以现行法规为准。
- 哈希(仓库口径):b10 `48859F99...3935`b20 `20389560...90C0`。
- **批次完成:11 本待处理书籍全部入库(b01/b02/b04/b05/b06/b09/b10/b12/b18/b19/b20 → compiled),20 本经典投资书籍批次清零。**