修復中文路徑 preflight 與 BM25 核心詞落空，測資改照現實建

兩個 bug 同源於自檢測資「照能過建、不照現實建」：

- ingest preflight：git status --porcelain 預設會把含中文或空格的路徑加引號
  轉義，raw/ 白名單比對因此失效，中文檔名的 convert 產出被誤判為 raw/ 以外的
  未提交變更而中止攝入。舊測資用 ASCII 檔名，整條路徑從未被走過。

- search：BM25Okapi 的 idf 在 df >= N/2 時 <= 0（rank_bm25 對負 idf 的替代值
  epsilon x average_idf 在 average_idf 為負時同樣為負），與 search() 的 s > 0
  過濾相乘，會讓「每頁都提到的核心詞」查詢全數落空——知識庫愈小、詞愈核心
  愈嚴重，MCP 的 search_wiki 一併受害。改用 Lucene 式恆正 idf。
  舊測資每個查詢詞都只出現在一頁（df=1），恰好避開此配置。

變更：
- tools/ingest.py：preflight 比對前剝除 git 的轉義引號
- tools/search.py：_BM25 子類覆寫 _calc_idf 為 log(1 + (N-df+0.5)/(df+0.5))
- tools/selfcheck_ingest.py：新增 preflight 中文檔名放行 / 非 raw 擋下的檢查
- tools/selfcheck_search.py：新增與既有頁共用核心詞的測資，鎖住 idf 退化
- tools/convert/selfcheck.py、tools/selfcheck_lint.py：測資檔名改中文＋空格
- AGENTS.md §13.4：新增「測資照現實建，不是照能過建」規則
- README.md §3.2：補 convert 產出應保持未提交、由 ingest 一併 commit 的流程

驗證：四個自檢全數通過；分別移除兩個修法後對應檢查會失敗。

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

tools/search.py

@@ -5,6 +5,7 @@
 """
 import argparse
 import json
+import math
 import pathlib
 import re
 import sys
@@ -27,6 +28,20 @@ def tokenize(text):
     return tokens
 
 
+class _BM25(BM25Okapi):
+    """改用 Lucene 式 idf：log(1 + (N-df+0.5)/(df+0.5))，恆為正。
+
+    BM25Okapi 原式在 df >= N/2 時 idf <= 0（rank_bm25 對負 idf 的替代值
+    epsilon × average_idf 在 average_idf 為負時同樣是負的），與 search() 的
+    `s > 0` 過濾相乘，會讓「每頁都提到的核心詞」查詢全數落空——知識庫愈小、
+    詞愈核心愈嚴重。恆正 idf 讓常見詞只是權重低，而不是被整批濾掉。
+    """
+
+    def _calc_idf(self, nd):
+        for word, freq in nd.items():
+            self.idf[word] = math.log(1 + (self.corpus_size - freq + 0.5) / (freq + 0.5))
+
+
 def build_corpus(root):
     docs = []
     for p in kb.iter_pages(root):
@@ -47,7 +62,7 @@ def search(root, query, k=10):
     docs = build_corpus(pathlib.Path(root))
     if not docs:
         return []
-    bm = BM25Okapi([d["tokens"] for d in docs])
+    bm = _BM25([d["tokens"] for d in docs])
     scores = bm.get_scores(tokenize(query))
     ranked = sorted(zip(docs, scores), key=lambda x: -x[1])[:k]
     return [{"path": d["path"], "title": d["title"], "description": d["description"],