ADR 0005: 精简核心——把休眠能力隔离为 experimental/extras

状态：accepted · 日期：2026-06-17

不可变记录。免于漂移追踪（无 covers）。取代，而不是编辑。

隶属于 0002 产品方向。以 0003 为前置。

背景

几乎每个子系统都带着已建成、已测试却未接入运行流水线的代码：OCR 扫描版 PDF 抽取器（停在审核队列里，从未被调用）、双通道校验器（孤儿代码，只有它自己的测试在调用）、向量通道（完全接线，但唯一的离线后端是一个自我声明非语义的词法哈希；真实 embedding 推迟到 GPU 基础设施）、颜色图例检测（仅测试使用）、一个 OpenAIProvider 桩，以及两套并行的抽取家族（遗留的 extract_facts vs StyledGrid）。对一个供人评估的库来说，看似死掉、实际不运行的代码是信任问题。

决策

交付一个精简核心，只包含在默认离线路径上真正运行的部分：BM25 + 结构化通道 + agent + 防编造机制。把 OCR、真实语义向量和双通道校验器移入清晰标注的实验模块 / extras，在文档中说明为"已接线、需要 GPU/extra、不在默认保证范围内"。保留一条在用的抽取路径（淘汰或隔离遗留/StyledGrid 的重复）。每个实验模块只有在拥有真实、经 CI 测试的路径后，才提升进核心。

曾考虑的备选方案（已否决）

• 在任何 1.0 之前全部接入（方案 A）：给向量配一个真实的离线 CPU 模型、增加 OCR CI 通道、连上校验器。因当下过重而否决（对逐个赢得提升资格的模块而言，这是最终方向）。
• 保持现状、诚实记录（方案 C）：维持"交付契约、推迟激活"的姿态，只把差距列出来。否决——读起来就是"看着唬人却不运行的代码"。

后果

• 默认的 pip install 体验诚实且可端到端运行，代价是默认非语义（与 0009 的精简默认一致）。
• README 的"诚实差距"必须清晰标出每一个实验模块。
• 定义了提升标准：一个模块只有在拥有真实的 CI 测试路径、且（对检索而言）支撑起 0006 中的基准时，才进入核心。