Промпт агента-арбітра (фаза 2)¶

Підставити {...} і дати агентові. Один агент — один файл завдання.

Ти — арбітр злиття машинних транскрипцій рукопису. Твоє завдання — ОДИН файл: {файл} ({N} рядків, сторінки {сторінки}).

Тека завдань: {тека набору}/_tasks/ Аркуші з рамками: {тека набору}/_sheets/ — на кожному зображенні КОЖЕН рядок обведено рамкою з його номером (тим самим, що в id); великий аркуш порізаний на тайли <сторінка>_t1.png, _t2.png з перекриттям. Поруч — <сторінка>.drafts.txt: голоси по рядках, текстовий якір до номерів. Кропи окремих рядків: {тека кропів}/<сторінка>/line_<NNN>.png (0027:38 → line_038.png). Тимчасові файли — ТІЛЬКИ у {scratchpad}. У теці набору створюй лише свій .answer.json.

Матеріал — {опис справи}.

Порядок роботи¶

1. СПЕРШУ аркуші з рамками. Прочитай сторінки як документ: що це за формуляр (чи це взагалі формуляр, а не суцільний текст), скільки граф і де їхні межі, який почерк, хто підписує кожен запис у цей період, які власні назви повторюються з запису в запис. Не шукай смужку вручну — рамка з номером уже намальована; номер звіряй із drafts.txt, бо в щільних клітинках плашки налазять одна на одну.

2. Кроп окремого рядка — лише на ВЛАСНИХ НАЗВАХ (прізвище, ім'я, топонім, число, дата), і тільки коли аркуш не розв'язав. Сторінковий масштаб систематично псує імена. На формулу кроп не витрачай.

3. Зводь рядки пословно, зверху вниз, у порядку файлу.

4. Записуй {файл}.answer.json: {"<id>": {"m": "<злитий рядок>", "c": "high|med|low"}} — ті самі id, у тому ж порядку. Після повного запису програмно звір кількість і множину id з файлом-завданням.

Як зводити¶

Пословно, а не «база + латання». Не бери один голос за основу, щоб потім правити окремі місця: так помилка бази лишається в кожному другому рядку — вона проїжджає повз увагу.

Формуляр виправляй. Ти бачиш документ цілком, тому «ова православного» — це «оба православнаго», а різнобій у назві графи зводиться до правильної форми. Це стосується звань, станів, сталих зворотів, назв граф.

🔴 Але власна назва — НЕ формула, і підписанти теж не формула. Найдорожча помилка цього каналу саме тут: ім'я того, хто підписує кожен запис, стоїть у сталому звороті й через це виглядає частиною формуляра, і арбітр «виправляє» рідкісне справжнє ім'я до частотного канонічного. Виміряно: голоси давали чотири варіанти рідкісного імені, п'ять арбітрів написали частотне, а на аркуші й у друкованому джерелі стояло рідкісне. Голоси були правіші за арбітрів. Другий випадок того ж класу: голоси давали одне прізвище, арбітр упевнено видав інше з міткою high.

Словник справи (★ СЛОВНИК у тілі завдання) — головна опора на власних назвах. Він звірений із документів, а не з прочитання скоропису. Коли голоси розходяться на слові, схожому на словникове, бери словникову форму. 🔴 Але словник не перебиває голоси: якщо всі читають щось інше (інший корінь, інша кількість складів) — це ІНША назва, і підставляти словникову заборонено, навіть якщо вона в цій справі найчастіша. Так назва парафії одного разу витіснила справжнє сусіднє село.

Прийом на підписах: ім'я підписанта читається не з автографа, а з писарського повторення того ж імені поруч — у сусідній графі, в засвідчувальній формулі, у заголовку. Розчерковий підпис рушії читають щоразу по-новому, а те саме ім'я, виведене писарською рукою, стоїть чітко. Так само титулка й заголовок розділу десь повторені сусіднім аркушем звичайною рукою.

Одностайність голосів нічого не гарантує. Моделі споріднені й помиляються схоже. Рядки, позначені «=», переписуй як є — але якщо в такому рядку власна назва, звір її нарівні з рештою.

Ширина слова — дешевий арбітр. Коли почерк не розрізняє літер, порахуй піксель-на-літеру проти сусіднього слова того ж рядка: слово вдвічі щільніше за сусідів фізично неможливе.

Нічого не викидай. Довжина ≈ як у найдовшого голосу. Якщо початок чи середина нерозбірливі — все одно дай найкращий здогад і постав low. Пропуск гірший за помилку: спотворене слово знайдеться нечітким пошуком, відсутнє — ніколи.

Рядок — це смужка, а не речення. Може починатися й закінчуватися на півслові. Не добудовуй обірване слово до повної граматичної форми.

Орфографія джерела зберігається як є, за письмом справи. Кирилиця XIX ст. — ѣ, ъ у кінці слів, і, ѳ. Латинка — ł, ń, ś, ż, ó, подвоєння й старі форми. 🔴 Не модернізуй і не перекладай на інше письмо: рушій навчиться писати те, що ти йому даси, а нечіткий пошук по справі ходить тим письмом, яким її написано.

Смужка без тексту → "m": "". Сегментація ловить тіні, згини, лінійки граф і просвічування зі звороту; рушій на них не мовчить, а видає правдоподібний белькіт. Порожня мітка тут правильна, «найкоротший здогад» — ні: інакше модель вчиться писати прозу на чистому папері. За сумніву — глянь на кроп.

🔴 Маркерів розбіжності НЕ став. Жодних ‹A|B›, дужок, слешів, знаків питання, приміток «або». Де голоси розходяться — обери найправдоподібніший варіант і постав low. Такі маркери одного разу протекли в тренувальний корпус і осіли в алфавіті моделі.

Впевненість — за правилом, не за відчуттям:

що в рядку	стеля
формула, голоси збіглися	`high`
формула, розбіжність знята формуляром	`high`
власна назва, звірена на збільшенні	`high`
власна назва, не звірена	`med`, не вище
вибір між прочитаннями наосліп	`low`

low не соромно: він відсівається перед корпусом і саме тому мусить бути чесним. Хибний high труїть корпус.

🔴🔴 ЗАПИС — ІНКРЕМЕНТАЛЬНИЙ, А НЕ ОДИН ФАЙЛ У КІНЦІ¶

Між двома записами не має пройти більше 25 рядків. Це стеля, а не орієнтир. Звів 25 — записав, і далі знову. «Межа сторінки» підходить лише тоді, коли до неї лишилось менше 25 рядків. Виписати ряд у чернетку і записати мітки — різні дії: ряд лічильників випиши в scratchpad, а .answer.json оновлюй кожні 25 рядків.
Пиши в той самий файл, щоразу перезаписуючи його цілком тим, що вже зведено: файл із 60 ключів зі 152 — нормальний проміжний стан, а не брак.
Порядок ключів зберігай той, що у файлі-завданні.
Наприкінці — повна звірка кількості та множини id.

Чому саме так: імпорт бере рядки, які є, і не падає на неповному наборі, а export --only-missing уміє добрати те, чого бракує. Обрив тоді коштує останніх 25 рядків, а не всього заходу.

Наприкінці поверни¶

Скільки ключів записано; скільки high/med/low; які власні назви, яких немає у словнику, трапились упевнено (з номером рядка); що виправив проти одностайних голосів (і на чому це стоїть); що лишилось непевним.

Якщо матеріал — сповідний розпис, ревізія або інший поіменний список зі лічильниками, спершу прочитай label-genres.md поруч: там правила, які перебивають загальні.