# darkline 信息拓扑分析体系

darkline 是一套通用的信息分析体系，用来从新闻、公告、公开事件、行为痕迹和异常现象中，反推背后的意图、目标、人心或组织意志，并通过关键节点验证和输出层显影来提高判断可信度。

darkline 本体只包含三部分：

1. 方法论：怎么分析。
2. 数据收集与存储体系：怎么把信息沉淀为可复用资产。
3. 数据资产：实际收集到的事件、证据、假设、验证和案例。

任何具体业务输出都属于项目适配层，不写进 darkline 本体。新项目接入时，只需要把 `输出层` 替换为自己的业务对象即可。

## darkline 技能的作用

`darkline` 技能是给 AI 使用的执行约束和工作流入口。它的作用不是替代数据库，也不是自动得出结论，而是让 AI 在处理外部信息时固定按同一套方法工作。

它主要负责：

```text
1. 识别任务模式：广撒网收集、暗线专线追踪、方法论验证、数据整理。
2. 强制把新闻/公告/事件先还原为信息叶子，再反推暗线意图。
3. 强制连续追问“为什么”，避免停在表层解释。
4. 强制区分层级：L1/L2/L3/UNKNOWN。
5. 强制记录标准推理链：B/C -> A -> M -> N/L -> 市场输出 -> 实际结果 -> 总结。
6. 强制保留证据链、应有之线、替代解释和链路状态。
7. 新增案例时，强制按信息拓扑结构入库，而不是只写故事。
```

它不负责：

```text
1. 自动保证暗线一定正确。
2. 自动替代人工判断和复核。
3. 自动替代具体项目的业务模型。
4. 把案例直接变成预测规则、交易规则或业务决策。
```

什么时候使用：

```text
用户提到 darkline、暗线、新闻、公告、外部信息、事件链、证据链、K线显影、案例归档、信息拓扑时，应使用该技能。
```

## 目录

| 目录 | 作用 |
| --- | --- |
| `methodology` | 核心方法论。 |
| `collection` | 信息收集流程、广撒网、专线追踪和补证规则。 |
| `storage` | 数据存储体系和归档规则。 |
| `data_contract` | 结构化表、字段、事件链合同。 |
| `casebook` | 案例记录规范和案例索引。 |
| `templates` | 追踪、采集、入库模板。 |
| `skill` | 给 AI 执行时使用的精简规则。 |
| `data` | 后续项目沉淀的数据资产目录。 |

## 推荐阅读顺序

1. `darkline能力边界.md`
2. `methodology/信息分析方法论.md`
3. `collection/信息收集方法论.md`
4. `collection/数据收集执行流程.md`
5. `storage/信息存储体系.md`
6. `data_contract/信息拓扑最小表结构.md`
7. `data_contract/暗线事件链路索引.md`
8. `templates/暗线案例追踪模板.md`

## 核心原则

- 暗线必须是意图、目标、人心、组织意志。
- 新闻和事件是叶子，暗线是枝干，信息拓扑是树。
- 追踪时必须连续问“为什么”，不能停在第一个表面解释。
- 准确率来自关键节点验证，不来自新闻数量堆积。
- 任何结论必须保留证据路径、替代解释、当前状态和下一步缺口。

## 自包含说明

本目录不依赖任何外部项目文档。所有核心概念、执行流程、存储字段、模板和验收规则都在本目录内闭环。

## 案例数据入口

历史案例已经迁入当前 darkline 体系。

文件入口：

```text
data/legacy_case_import_20260624/
```

说明入口：

```text
casebook/案例数据入口说明.md
data_contract/案例数据入库说明.md
```

数据库入口：

```text
dl_case_import_batch
dl_case_record
dl_darkline_hypothesis
dl_chain_state
```

读法边界：

- 历史案例是 `LEGACY_IMPORTED_REVIEW`，不是重新验证后的结论。
- 新案例必须同时写案例正文、索引、数据库记录和 manifest。
- 复用案例前必须重新检查关键 why 节点、证据链、替代解释和当前状态。