把学习材料转化为可溯源、可审核的 Anki 卡片。项目实现的是设计书 v3.0 的首个可运行产品内核：解析文档、全文/分卷路由、DeepSeek Pro/Flash 流水线、程序强制溯源、质量分级、人工审核与 .apkg 导出。

• 模型输出的 span_id 只被视为声明；程序会使用逐字 source_quote 在解析文本中重新定位。
• core_answer 参与溯源评分；analogy 被明确标注为教学辅助，不伪装成源文事实。
• synthesis 和 inference 无法自动发布，必须进入深度审核。
• 离线模式用于本地验证流程，最高只进入 Tier B，不能冒充真实三重模型验证。
• Prompt 要求短的可审计决策摘要，不保存或暴露模型内部推理链。

有关设计书中已核验和已修正的技术假设，见 docs/architecture-review.md。

uv sync --extra dev
uv run anki-star gui

桌面窗口中可以在同一个入口完成以下步骤：

• 选择 PDF、Markdown、TXT、HTML 或 EPUB 学习材料。
• 选择 offline 本地预览或 deepseek 真实模型生成卡片。
• 浏览来源证据并接受或拒绝候选卡片。
• 将已接受的卡片导出为 .apkg 文件。

长教材会自动拆为适合知识抽取的分析块，遇到输出饱和的高密度章节会继续细化后统一审核；运行摘要会显示分析块数量与成功溯源的知识原子数量。模型成功响应会缓存在本地 artifacts/model_cache，中断后重新运行可复用已完成请求。

窗口中选择 deepseek 前，先配置 API Key；也可在启动时加载配置文件：

$env:DEEPSEEK_API_KEY="..."
Copy-Item config.example.yaml config.yaml
uv run anki-star gui --config config.yaml

原命令行和 Web 审核台仍可用于自动化或远程操作：

uv run anki-star run examples/tcp_handshake.md --provider offline
uv run anki-star serve
uv run anki-star export runs/<run_id> --output tcp.apkg --deck-name "TCP Foundations"

runs/run_YYYYMMDD_HHMMSS/
  audit.json
  document.json
  concept_index.json
  atoms.json
  cards.json
  validation.json
  reviews.json
  audit.jsonl

uv run pytest
uv run ruff check .