任务：解析失败的原因传到调用方，收下合法编码，中文换行处的引文比对

依据：

  • xlsx-parser 的交接（hub/refs/README.md 的 “Needs from other packages” 一节，在 xlsx-parser 分支上）：
    • 所有解析器都拒收一份上传时，recognize() 把原因丢了，上传和开跑的回答里看不到确定的原因；
    • 中文手册在两个字中间硬换行时，现在的引文比对要求模型在那里写一个空格，否则对不上。
  • 未知普查 docs/hub-r4-research/unknown-sweep.md 第 2 节的潜伏缺陷：合法的 GB18030、GBK、Big5、UTF-16 编码和不带实体的 DOCTYPE 被拒，recognize() 吞掉原因（hub/refs/text-decoding.ts:99-104、parsers/xml.ts:358、parser.ts:266-280）。

  • 进度页决定 37。

  • 分支和工作树：refs-diagnostics，目录 circle-hub-refs-diagnostics（从 hub-redesign 开出，依赖已装好）
  • 可以改的路径：
    • hub/refs/**（parser.ts 的 recognize()、text-decoding.ts、parsers/xml.ts、quote.ts）和测试；
    • hub/rules/quote-vectors.json 里受第 3 条影响的两条向量；
    • hub/server/upload.ts、hub/server/tools.ts 里上传回答的那一段，hub/runs/engine/inputs.ts 里绑定被拒的那一段；
    • contracts/model.json：只加一个协议码，照第 1 条写，照生成器重新生成，--check 要过。

    别的路径不动。K2 和 kb-links 也改 tools.ts、inputs.ts，只动必要的几行，合并时集成者对齐。

  • 规则：同前（不推送、不建 PR、不发布、不部署；不碰 7420、钥匙串、环境配置文件和任何真实系统；测试只用合成数据；git commit -s）。所有者的规矩：未知只能是过渡状态，写明缺的事实和下一步动作；枚举只来自生成的词表。
  • 验证：npx tsc --noEmit；node tools/gen-contracts.ts --check；node --test --test-concurrency=1 对 hub/refs/**、hub/rules/**、hub/server/**、hub/runs/**、contracts/**。

要做的

  1. 解析失败的原因传到调用方：
    • recognize() 保留最后一个拒收的解析器给的 ParseError（规则名和说明，不回显原文）；
    • 上传和开跑绑定被拒时，回答写出这个确定的原因和改法；
    • 协议码加 SOURCE_UNPARSEABLE，修正说明写“上传能按声明格式解析的文件，或换用对应的解析器”；
    • 测试：xlsx、xml、json 各一份解析不了的上传，回答里有那条原因。
  2. 收下合法编码：
    • 带 BOM 的 UTF-16 LE 和 BE、GB18030、GBK、Big5，按声明或 BOM 解码，Node 自带的 TextDecoder 就够；
    • 不带实体声明的 DOCTYPE 照常解析，带实体的照旧拒绝；
    • 解不出来的写明是哪种编码、在第几个字节。
    • 测试：每种编码一份合成文件，正反例各一。
  3. 中文换行处的引文比对：
    • 规则：一段空白两侧任意一边是东亚宽字符或全角字符时，比对时去掉这段空白；两边都是拉丁字母、数字或符号时，照旧折成一个空格（set 10 0 和 set 100 仍然不同）；
    • 改 hub/rules/quote-vectors.json 里“空白折叠不删除”“引文多一个空格就不同”两条向量，各加中文的正例和拉丁的反例；
    • 规则写进 hub/refs/README.md，判定和诊断用同一个函数。

完成后在终端里回报：提交号、测试数量、没做完或拿不准的地方。