Principle Synthesizer 综合评估
核心用法
Principle Synthesizer 是一款专注于多源知识蒸馏的方法论工具，核心功能是从3个及以上独立来源中提取并验证"不变原则"（Invariant Principles），最终输出可作为单一可信来源的 Golden Master 候选。
标准工作流程（Bootstrap → Learn → Enforce）：
1. Bootstrap：归一化收集所有来源的原则陈述
2. Learn：跨来源匹配归一化形式，识别共享模式
3. Enforce：对N≥3的原则进行语义对齐验证
用户输入支持三种形式：3+条提取输出（来自pbe-extractor等工具）、3+段原始文本、或混合输入。系统会自动处理不同归一化状态的输入，确保N计数准确。
显著优点
- 方法论严谨：明确的N-Count进阶体系（N=1观察→N=2验证模式→N≥3不变阈值→N≥4强不变），提供可量化的置信度评估
- 输出结构化：完整的JSON Schema输出，包含来源哈希、置信度、原始变体、证据引用等审计字段，支持可追溯的知识管理
- 质量控制机制：内置压缩率计算（72%典型值）、Golden Master候选评估矩阵、以及
requires_review.md漂移检测机制 - 术语规范严格：区分"Invariant"（N≥3验证）与"Golden Master"（候选状态），避免过度承诺
潜在缺点与局限性
- 硬性门槛：必须提供≥3来源，1-2来源直接报错（需转用principle-comparator），灵活性受限
- 语义对齐依赖启发式："确认语义对齐（非仅关键词）"的判断标准未完全透明，存在主观解释空间
- 领域兼容性限制：明确声明无法合成不兼容领域的内容，但未提供领域检测的详细机制
- 压缩必然损失：72%压缩率意味着28%信息被过滤，可能丢失上下文细微差别
适合人群
- 构建个人/组织知识库的技术写作者、方法论研究者
- 需要从多份访谈、文献或代码库中提取共识模式的UX研究员、系统架构师
- 追求"单一可信来源"文档管理的知识工程师
- 不适合：仅有两份来源需对比的用户，或追求绝对真理验证的场景
常规风险
- 伪共识风险：N≥3仅证明模式一致性，非真理正确性——文档明确强调此为"候选"而非"验证"
- 归一化漂移：不同版本归一化规则可能导致历史数据不一致，需关注
normalization_version字段 - 过度压缩：高压缩场景（>60%噪声过滤）可能误删边缘但重要的原则