Ime Lexicon

ime-lexicon

主技能管合同和写回。归档的 industry-dict 整块在 build 子技能里，不单独恢复顶层。

| 干什么 | 读哪个 | | --- | --- | | 搜行业术语、造行业/专业/定制词库 | sub-skills/build/SKILL.md（原 industry-dict） | | 合并、明显拼写/拼音更正、剔噪声 | sub-skills/optimize/SKILL.md | | 素材库 ↔ 创作词库 ↔ 画像 | sub-skills/bridge/SKILL.md | | 导入导出、备份、apply | 本文件 |

不要再写一套爬虫。有 argo 技能/CLI 就用 argo；没有就用宿主通用搜索（web_search / ddgs）。不要把 industry-dict 拆成第三个顶层技能。

命令

脚本：$HOME/.agents/skills/ime-lexicon/scripts/ime_lexicon.py

python3 .../ime_lexicon.py detect
python3 .../ime_lexicon.py export --engine all
python3 .../ime_lexicon.py backup
python3 .../ime_lexicon.py search --topic 锂电池
python3 .../ime_lexicon.py search --topic 锂电池 --run --out /tmp/术语.txt
python3 .../ime_lexicon.py search --topic 锂电池 --engine generic --run
python3 .../ime_lexicon.py build --topic 锂电池 --from /tmp/术语.txt --term 材料:磷酸铁锂
python3 .../ime_lexicon.py build --topic 投资理财 --seed thuocl:财经 --out 行业词库_投资理财.tsv
python3 .../ime_lexicon.py optimize --from a.tsv --from b.tsv --profile personal --out DIR
python3 .../ime_lexicon.py optimize --from 行业.tsv --profile industry --budget  --out DIR
python3 .../ime_lexicon.py harvest
python3 .../ime_lexicon.py harvest --speech
python3 .../ime_lexicon.py harvest --sessions
python3 .../ime_lexicon.py guide --topic 投资理财
python3 .../ime_lexicon.py acquire --topic 投资理财
python3 .../ime_lexicon.py import --engine doubao --from 词表.tsv --budget 
python3 .../ime_lexicon.py import --engine doubao --from 优化表.tsv --replace --staging /tmp/ime-lexicon-staging/doubao_XXX
python3 .../ime_lexicon.py apply  --engine doubao --staging /tmp/ime-lexicon-staging/doubao_XXX
python3 .../ime_lexicon.py dedup                      # 豆包重复槽一键去重（原位裁剪，默认只到 staging）
python3 .../ime_lexicon.py dedup --apply              # 输入法已退出时直接写入 live

中间表：word \t pinyin \t freq \t source \t syll \t note

纪律

1. 先拷后读后写。 不改正在用的 .dat / LevelDB。
2. import 只写 staging。 apply 才覆盖 live，输入法必须已退出。
3. apply 先备份。
4. 豆包禁止手改密文 hex。 只走 rebuild。
5. 不要灌细胞词库。 豆包个人库槽数随版本变（5000→7500→10000；一条词一槽，不是字数），槽数/已用/剩余以 detect 实读 header 为准，不要背数字。系统词、短语库、侧车另算。先小批量。第三方全量词库（含 THUOCL 全量）都当细胞源，不作 apply 源。
6. 分层。 核心必须有拼音；多音进扩展；无拼音进大词库，禁止 apply。
7. 写豆包先裁预算。 --budget N：个人库先锁，重复键留个人那条，剩余按频次补。
8. 输出里不要贴账号哈希、token、绝对用户名路径。
9. 搜索：有 argo 用 argo，没有用通用搜索。search 默认只打计划；--run 才真搜（argo 抽到 0 词再降 ddgs）。
10. 公开研究副本在 微信输入法词库/研究/，只读对照，不整包写回。
11. 创作打通走 harvest/guide/acquire，不 apply。 harvest 用去 AI 味筛子抽金句/洞见；--speech 走语音转写/纠错；--sessions 联动 session-digger 的会话索引（只读 SESSION_DIGGER_DATA_DIR/~/.claude/.session-digger 的 USER 正文，中文走同一套质量闸，技术词要跨会话广度），产 450 条候选短名单；guide 出用词包；acquire 按画像缺口出搜索计划（--run 才搜，不覆盖行业表）。四者都不写 usr.dat / WeType，候选表过目后再 optimize/import。
12. 消错替换用 import --replace。 默认 import 是并入 live（保留旧词）；--replace 让优化表整表替换，剔除 optimize 已改写/删除的旧词（如错误 agnet、噪声词）。流程：export 全量 → optimize 修正 → import --replace → apply（输入法退出）。--replace 后无拼音词仍禁止 apply。
13. 重复槽体检用 dedup，不用 import --replace。 豆包引擎重学/同步会按次追加新槽（重复率会持续回涨，实测账号同步在登录时每轮重同步都会追加副本）。dedup 走原位裁剪：保留词条字节与槽位不动、只清零重复槽，对引擎扰动最小；整表 rebuild 只留给需要改词内容的 import 流程。detect 的 doubao_dup_slots 超 15% 就跑一次。

代理步骤

1. detect，报两边是否在跑、已用槽。
2. 导出 / 备份 → 只回条数和相对路径。
3. 造行业词 → 读 build，先 search 再 build；纠错合并 → 读 optimize。
4. 注入先 import 到 staging，回读条数，问一句要不要 apply。
5. 未确认或 IME 仍在跑 → 不准 apply。

细节：references/formats.md。

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: taxueseek
• Source: taxueseek/ime-lexicon
• License: MIT

Install and usage instructions live in the source repository linked above.