先找证据再回答：做一个本地检索器

下载并解压后，确认 search.py、verify.py、notes.json 和 README.md 位于同一文件夹。打开 Windows PowerShell，从它的上一级运行 Set-Location .\workshop-retrieval，再运行 python --version，确认使用 Python 3.10 或更高版本；不需要安装第三方库。

先不要急着打开结果。写下三个预测：搜索“借阅期限”会返回哪份材料，搜索“借书”能否找到同义内容，搜索“允许携带饮料”会不会排除否定句。然后运行 python .\search.py "借阅期限"，把引号里的文字替换成另外两个查询，逐一对照自己的判断。

程序给查询和正文使用同一套切分规则：英文按连续字母或数字组成的整词，中文按相邻两个基本汉字组成词项。例如“借阅期限”得到“借阅”“阅期”“期限”。这里的词项只是这个检索器的单位，不是某个语言模型的 Token，也不表示它懂中文分词。

匹配前，程序在文字副本上统一兼容字符与大小写，因此全角大写的 LIBRARY 可以找到原文中的 Library。原文没有被改写。孤立的一个汉字无法组成二元组，会提示补充查询；英文单复数、带重音字母和其他文字也没有完整的语言处理。

正文按少量标点切成片段，命中一种不同查询词项记一分，重复输入同一个词不会多得分。每份文档只保留最高分的一段，同分保留先出现的片段；文档之间同分按编号排。因此三分只表示命中三种词项，不是三成概率或可靠程度。

每条结果显示文档编号、标题、日期、原始片段和命中的词项。JSON 还记录片段在正文中的起止位置。验证程序会回到相同编号的正文，检查相应位置是否恰好等于返回片段，避免出现引用编号与文字各自看似合理、实际却没有对应的情况。

这项检查证明的是“摘录来自哪里”，还没有证明“这句话支持什么结论”。只截取一段可能漏掉后面的条件，所以要打开完整正文继续读。日期也只是材料字段；新版是否适用、旧版是否废止，需要修订记录等依据，不能由排序程序擅自决定。

“借书”和“借阅”在日常交流中接近，但这里没有相同二元组就可能查不到。反过来，“允许携带饮料”与“不允许携带饮料”含有同样的查询词项，会得到相同分数。两个例子说明，字面重合与语义一致没有必然对应关系，得分高也可能把否定含义带进来。

查“火星气候”时，材料没有匹配项，程序明确返回未找到和空结果，不补出一个听起来合理的答案。空查询也有单独提示。没有结果不证明现实中不存在答案，只表示当前材料与当前规则没有找到匹配；此时应记录缺口，再决定是否补材料或改查询。

运行 python .\verify.py，十四项检查覆盖中英文、空输入、无匹配、稳定排序、引用对应、日期和否定等边界。本次已在 Python 3.14.0 运行通过，所用语法和接口兼容 Python 3.10；这不等于已经在所有版本实测。看到 OK，也只说明这些既定检查通过。

继续练习时，可以只增加一组近义词映射，先预测哪些结果会改变，再运行旧测试并补充新检查。这个项目没有语义向量、复杂排序或生成步骤，也没有实现完整 RAG。它的用途是把“先找资料”拆成能解释、能核对的小过程，为以后学习更复杂系统保留比较起点。