文件清理
比對原始 PDF、OCR／Markdown 轉換檔與實際頁碼定位，檢驗表格、公式或文字層是否存在失真或缺漏。
本週待完成事項
文獻矩陣
使用統一欄位結構，客觀比較各篇文獻的研究問題、理論視角、研究方法、主要主張、研究限制及其對本研究的具體作用。
文獻樹與知識庫
清楚標記核心節點、關聯類型、來源 ID 與研究者推論，進而建構具備可維護性的知識庫起始版本。
操作注意事項
先行確立證據邊界
請採用PDF 清理工作流程，原始 PDF 需維持完整原貌；關鍵引文一律回溯原始檔案或出版單位版本確認。
著重結構化比較而非逐篇摘要
請採用文獻樹工作流程，確保每個核心節點皆可精準對應至特定來源 ID。
最後階段再選定工具載體
無論選用 Obsidian／Wiki、純 Markdown 檔案或 RAG 架構皆可；首要之務是先將文件的詮釋資料（Metadata）與版本資訊建立完整。
預期產出
- PDF 清理測試報告與核心文獻 Markdown 套件。
- Literature Matrix、文獻樹／概念架構圖。
- Research Asset Manifest 與本地端知識庫起始版本。
細部操作：Wiki 與 RAG 實作
這一段是本週「文獻樹與知識庫」的細部操作。以清理成 Markdown 的研究方法書稿為例，示範兩條路：把文獻整理成可維護的 Wiki，以及一次做起來的 RAG，並實測不同切分方式對檢索結果的影響。完整步驟、程式碼與提示詞都在實作講義裡；練習用書稿放在 KMDB 練習資料（Google Drive），可以直接檢視與下載。
Wiki 化
依原始層、Wiki 層、規則檔三層，建立書目頁、概念頁與主題地圖；連線分為引用、概念相近、方法延伸、立場衝突、研究者推論五種。附 Obsidian 十二個操作步驟。
一次做起來的 RAG
在 Colab 逐步執行筆記本：讀檔、繁簡統一、切分、建立索引、檢索與生成，每一步都印出中間結果，也可以換成自己的書。
切分策略比較
7 種切分、3 種檢索、20 道題目的實測結果：中英文不一致是最主要的失分原因，「一頁一塊」表現最差，切塊重疊沒有幫助。
- Wiki 與 RAG 實作講義：含 Colab 實作單元、在 Claude Code／Codex 撰寫並驗證程式的流程、Obsidian 建 Wiki 步驟。
- 實作包下載（zip）：筆記本、檢索程式、四份提示詞、Wiki 起始結構與範例頁，不含書籍全文。
- KMDB 練習資料（Google Drive）：226 本書的清理稿與知識萃取；在 books 資料夾裡每本書一個資料夾，可以只下載需要的幾本。
- RAG 筆記本（.ipynb）：下載後在 Colab 選「檔案 → 上傳筆記本」開啟，或直接在 Colab 開啟課程版。
10/10｜國慶日放假：當週停課。請確實檢驗文獻架構與知識庫起始版本，為 10/17 Coding 課程做好準備。