math-reforged 是 Derivon 的真实学习图实验工作区。它不是把一本教材转换成
思维导图，也不以复刻教材目录或批量生成长篇文档为主要目标。
这个案例要验证的是：同一学科中的知识能否被组织为一张长期生长的加权有向 B-超图，让统一的概念身份、多种教学路线和跨课程导航同时存在。
不同教材可能使用不同术语、例子、章节顺序和定义范围，但“向量空间”“线性映射” 等概念不应因为来源不同而被机械复制成多套节点。
导入新来源时，需要判断它描述的是：
- 已有概念的同一身份；
- 带有不同 scope 或约定的变体；
- 还是确实应当独立建模的新概念。
来源差异应通过出处、别名、scope 和推导路线表达，而不是依靠无条件复制节点。
教材之间最有价值的差异通常不在定义本身，而在于怎样到达一个概念或结论。 同一 head 可以由不同 tails、不同中间步骤或不同证明方法支持，这些路线应保留为 独立超边，而不是被压成一条折中的教材目录。
当前工作区以 Sheldon Axler《线性代数应该这样学（第四版）》为第一条来源路线。 下一阶段将导入教学顺序明显不同的线性代数教材，用来观察：
- 有多少概念能够与当前节点合并；
- 会增加多少平行超边和替代前提集合；
- 单独启用某个来源时，能否还原其大致教学路线；
- 同时启用多个来源时，能否产生合理的新组合路线。
超边权重表示：假设所有 tails 已经掌握后，理解并验证当前步骤所需的边际认知成本。 它是允许一位小数的连续 float，而不是重要性分数或整数难度枚举。
这个案例需要检验的不只是权重能否被录入，而是：
- 不同路线的累计成本是否符合教学直觉；
- 改变已掌握概念集合后，推荐路线是否合理变化；
- 来源过滤、scope 和替代路线是否能与权重共同参与查询；
- 权重相同时，拓扑和步骤数量是否仍能正确区分路线。
权重分布集中不是自动错误。粒度一致的原子学习步骤可能具有相近成本；这只说明该 数据集对“变权重改变路线”的测试覆盖有限，不应为了制造区分度而篡改权重。
随着来源和课程增加，把所有节点永久铺在一张画布上不会形成可用的学习界面。 这个工作区将用于推动并验证：
- 按教材、课程和来源过滤；
- 从已掌握集合到目标概念的路线查询与高亮；
- 两种教学路线的对比；
- 超边的展开、折叠和联合前提表达；
- 从学科骨架到具体推导的语义缩放；
- 跨课程共享概念和连接的导航。
在线性代数的多教材合并验证后，工作区将逐步连接数值线性代数、常微分方程、 概率统计或抽象代数等相邻课程。
跨课程实验关注的是概念复用和真实学习依赖。例如，线性映射、特征值和对角化应当 能够成为进入线性微分方程组的共同先备知识，而不是在每门课程中重新创建一套副本。
历史影响、主题相似、引用和时间顺序并不天然构成 Derivon 推导超边。未来扩展到 哲学史等学科时，需要继续区分学习依赖、论证依赖与其他关系，不能把所有关系都解释 为 tails 联合推出 head。
当前基线包含：
- 293 个概念点；
- 340 条推导超边；
- Axler 第四版与 Strang 第五版两条可组合的来源路线；
- 633 个图对象各自独占的 Markdown 源文档和同步 HTML 发布入口；
- 面向多种 Agent 的分层 Skills；
- workspace、学习图、文档和临时制品审计脚本。
现有文档质量并不均匀，也不代表这个案例已经成为完整教材。快速导入阶段优先保证 概念身份、超边边界、来源和权重准确；详细教学文档只在明确的小范围 authoring 任务中 完善。
mindmap-demo 是当前作者工具，负责
工作区创建、图编辑、文档编辑、HTML 预览和 Agent Skill 分发。
math-reforged 则是用于检验模型和产品交互的真实数据集。后续本地化应用重构的核心
目标，是接入 Rust 实现的 Derivon 推导内核，让这份工作区能够执行真实的加权超图
推导、候选路线比较和依赖闭包查询，而不只是显示和编辑图结构。
.derivon/workspace.json 图、文档所有权和视图数据
docs/ 概念与推导文档
.agents/skills/ 通用 Agent Skills
.claude/skills/ Claude 兼容分发
.github/skills/ GitHub Agent 兼容分发
.derivon/agent/ 模型参考、bundle 与校验器
本地教材源文件由 .gitignore 排除，不属于发布工作区。
当前多来源导入采用以下共同受众：掌握高中代数、首次系统学习线性代数的本科生。 对象文档使用中文讲解，并保留英文术语、公式和精确章节页码。
axler-4e：Sheldon Axler《线性代数应该这样学（第四版）》，现有基线来源。strang-ila-5e：Gilbert Strang, Introduction to Linear Algebra, Fifth Edition, Wellesley-Cambridge Press, 2016, ISBN 978-0-9802327-7-6。经用户确认，本地 PDF 已获准用于本知识图谱；导入范围为全部正文，前言、索引和纯习题答案不单独建模。 本地文件 SHA-256 为41c76c777a619da120962dee26e6d61cc4169cd26f5f6d4daf35f49d4a556bb1。
章节只作为来源定位，不作为图边。跨教材的同义概念复用同一节点；范围不同的具体 运算或对象保留独立节点；不同教材给出的真实论证保留为平行超边。
在仓库根目录运行：
node .derivon/agent/validate-workspace.mjs .
node .agents/skills/derivon-learning-graph/scripts/audit-learning-graph.mjs .
node .agents/skills/derivon-workspace/scripts/audit-workspace-artifacts.mjs .验证通过只表示结构和托管制品满足当前协议，不代表所有概念划分、推导关系和权重已经 获得最终教学判断。语义不确定性应当被记录和复核，而不是被统计脚本自动修正。