核心用法
Pattern Finder 是一款专注于跨源模式发现的验证工具。用户只需提供两个待比较的来源（可以是文本、原则提取结果或混合输入），系统即可自动完成以下流程：
1. 原则提取：从两份来源中识别核心原则
2. 语义匹配：寻找"同一理念、不同表达"的对应关系
3. N-Count 标注：对共享原则标记为 N=2（已验证信号），独有原则标记为 N=1（待验证）
4. 结构化输出：清晰呈现共享模式、Source A 独有、Source B 独有三大类别
典型应用场景包括：验证某条原则是否具普遍性、比对两位专家的隐性共识、确认跨文献的重复发现等。
显著优点
- 科学验证逻辑：采用"独立来源共识"作为信号强度的核心指标，符合科研方法论
- N-Count 系统直观：从 N=1（观察）到 N=2（验证）再到 N≥3（候选 Golden Master），形成清晰的知识可信度梯度
- 避免主观裁决：严格限定为"展示重叠，永不判胜负"，保持工具的中立性
- 输出即行动指南：不仅给出比对结果，还附带"下一步建议"（如添加第三来源升级验证等级）
- 与生态深度整合：可无缝衔接 essence-distiller、pbe-extractor、core-refinery 等上下游技能
潜在局限
- 两源限制：当前仅支持两两比对，三方及以上需调用 core-refinery
- 语义匹配依赖表达质量：若来源本身表述模糊，可能导致漏匹配或误匹配
- 不解决"同错"问题：N=2 仅表示共识，不保证正确性（两份错误来源也会显示"高置信度"）
- 无实时溯源：虽生成 source hash，但未明确说明如何回查原始文档
适合人群
- 研究者：验证假设的跨文献支撑
- 内容策展人：识别不同作者间的隐性共识
- 决策支持者：在众说纷纭中寻找稳定信号
- 知识管理爱好者：构建个人原则的 N-Count 体系
常规风险
- 过度解读风险：用户可能将 N=2 等同于"真理"，忽视免责声明中的"同错"警告
- 确认偏误放大：工具强化"寻找共识"的行为模式，可能使用户忽视有价值的分歧
- 依赖提取质量：若前置的提取技能（如 essence-distiller）产生偏差，比对结果将继承该偏差
- 版本漂移误判：系统将"同一理念的不同演进版本"标记为分歧，需人工区分 domain-specific 与 version drift