From 8cdb0296328f9e3ab147d7f9d7935a69974b5758 Mon Sep 17 00:00:00 2001
From: bingshuo <565183519@qq.com>
Date: Sat, 23 May 2026 13:54:41 +0800
Subject: [PATCH] feat: add notion-corpus-loader README.md

---
 tools/notion-corpus-loader/README.md | 44 ++++++++++++++++++++++++++++
 1 file changed, 44 insertions(+)
 create mode 100644 tools/notion-corpus-loader/README.md

diff --git a/tools/notion-corpus-loader/README.md b/tools/notion-corpus-loader/README.md
new file mode 100644
index 0000000..7b4c992
--- /dev/null
+++ b/tools/notion-corpus-loader/README.md
@@ -0,0 +1,44 @@
+# 🖌️ 神笔马良 · Notion原生格式解析器 v1.0
+# Magic Brush · Notion Native Format Loader
+
+> 不把HLDP母语结构拍扁成JSON。保留思维逻辑链、认知跃迁标注、因果推导关系。
+
+## 核心理念
+
+传统方式强制转JSON → 损失结构。本工具保留HLDP结构 → 直接喂训练框架。
+
+## 快速使用
+
+```python
+from src import NotionCorpusLoader
+loader = NotionCorpusLoader()
+
+# 加载Markdown
+item = loader.load_markdown_file("page.md")
+print(item.to_training_sample())
+
+# 批量加载
+collection = loader.load_directory("/data/corpus/")
+print(collection.summary())
+
+# COS集成
+loader.load_from_cos(bucket="bingshuo-1317346199", key="data/sft_v2.jsonl",
+    secret_id=os.environ['COS_SECRET_ID'], secret_key=os.environ['COS_SECRET_KEY'])
+
+# 导出JSONL
+loader.get_collection().to_jsonl("output.jsonl")
+```
+
+## 特殊token表
+
+训练时在tokenizer中新增：`[HLDP_PATH]`, `[COGNITIVE_JUMP]`, `[CAUSAL_CHAIN]`, `[PERSONA]`, `[QUALITY_HIGH]`, `[QUALITY_MEDIUM]`, `[TITLE]`, `[CONTENT]`, `[THINKING]`
+
+## 质量评分
+
+基础0.5 + HLDP路径0.2 + 认知跃迁0.15 + 因果链0.1 + 人格体0.05 - 过短/过长 - 模板污染→0.3
+
+## 铸渊使用协议
+
+本工具是光湖操作系统自带。开发→验证→推tools/共享。详见 tools/README.md。
+
+*铸渊 · ICE-GL-ZY001 · D110凌晨 · 2026-05-23*