v0.9: parallelize phase4 and add model/search playbooks

.opencode/commands/dr-finalize.md

@@ -62,13 +62,15 @@ uv run python scripts/build_glossary.py <slug> --workers 4
 
 ```bash
 # 先预览
-uv run python scripts/apply_glossary.py <slug> --dry-run
+uv run python scripts/apply_glossary.py <slug> --input phase4/final_zh.md --dry-run
 
 # 确认无误后应用
-uv run python scripts/apply_glossary.py <slug>
+uv run python scripts/apply_glossary.py <slug> --input phase4/final_zh.md
 ```
 
 这会把 glossary 中发现的拼写错误 / 错译直接替换进 `final_zh.md`。
+如润色后仍需二次复核，可手动对 `final_zh_polished.md` 再运行一次：
+`uv run python scripts/apply_glossary.py <slug> --input phase4/final_zh_polished.md --dry-run`。
 
 ## Step 6: 润色（Python 脚本）
 

PLAN.md

@@ -1,8 +1,8 @@
 # Deep Research 系统方案（OpenCode 实现）
 
 > 本文件是整套方案的**单一真实源**，中断后续接时从此文件恢复上下文。
-> 最后更新：2026-04-20
+> 最后更新：2026-04-24
-> 实施阶段：路径 2 — 最小可用先行（MVP）
+> 实施阶段：v0.9 — OpenCode 全流程 + Phase 4 并发化 + Codex 第一阶段兼容
 
 ---
 
@@ -492,3 +492,32 @@ OpenCode 的坑：如果只是在主会话里装样子地写"让 X agent 做"，
   - 反驳证据段标题规范化（建议从"反方证据/Counter-Evidence"改为观点化标题如"另一种声音"）
   - build_glossary 默认放到 Phase 2 阶段运行，在源头拦截错误
   - 提示 dr-analyst 加强对公司名/机构名的搜索验证流程
+
+- 2026-04-24 v0.9：**Phase 4 并发提速 + 模型/搜索攻略本 + Codex 兼容**
+
+  **目标**：在不破坏 OpenCode 主流程的前提下，把 v0.6 Python 化 Phase 4 进一步提速，并补齐跨平台使用说明。OpenCode 仍是主适配器；Codex 第一阶段只复用 `AGENTS.md` 与 Python 脚本，不复刻 OpenCode subagent。
+
+  **Phase 4 并发化**：
+  - `scripts/translate.py` 新增 `--workers`，默认 4；设为 1 时回退串行。
+  - 翻译阶段改为"稳定术语表快照 + 并发 chunk 翻译 + 事后统一合并 glossary patch"，避免多线程同时写 `glossary.json`。
+  - `scripts/polish.py` 新增 `--workers`，默认 4；润色块彼此独立，按完成顺序写 chunk，最终按原始 order 合并。
+  - `scripts/lib/zenmux_client.py` 增加日志与 usage 聚合锁，避免并发 JSONL 日志交错或 token 统计竞争。
+
+  **流程修正**：
+  - 修正 `apply_glossary.py` 默认输入，从 `phase4/final_zh_polished.md` 改为 `phase4/final_zh.md`。
+  - `/dr-finalize` 明确默认顺序：`translate.py → build_glossary.py → apply_glossary.py --input phase4/final_zh.md → polish.py → build_report.py`。
+  - 保留二次修正选项：润色后可手动对 `final_zh_polished.md` 再跑一次 `apply_glossary.py --input phase4/final_zh_polished.md --dry-run`。
+
+  **模型与搜索攻略本**：
+  - 新增 `docs/model-playbook.md`：定义 premium / balanced / budget / cn-heavy / verifier 五套模型策略。
+  - 新增 `docs/search-playbook.md`：说明 Tavily / Exa / Brave / Serper / PubMed / ClinicalTrials / FDA/EMA/NMPA / Patents 的使用边界。
+  - 新增 `configs/model_profiles.yaml` 与 `configs/search_profiles.yaml`，作为跨平台、人类和 agent 共用的策略配置参考；当前不强制重构 `.opencode/agents` 自动读取。
+
+  **Codex 兼容**：
+  - 新增 `docs/codex-usage.md`，说明 Codex 下如何遵循 `AGENTS.md`、运行 Phase 4 Python 流水线、检查 git staging，避免误提交 `projects/**` 研究产物。
+  - Codex v1 定位为"审阅/规划/修补/执行脚本"；确定性编排继续放在 Python 脚本，OpenCode subagent 调度暂不移植。
+
+  **Git 管理要求**：
+  - 本轮迭代应在独立分支推送到 Gitea。
+  - 提交范围仅限系统文件和文档：`README.md`、`PLAN.md`、`scripts/**`、`docs/**`、`configs/**`、必要的 `.opencode/commands/**`。
+  - 不提交 `projects/**`、生成的 PDF/DOCX/TXT、一次性研究产物或本地临时脚本。

README.md

@@ -2,8 +2,8 @@
 
 > 生物医药行业的 AI 驱动深度研究流水线。基于 OpenCode 多 agent 协作，以麦肯锡/德勤式方法论产出专业级研究报告（PDF + DOCX）。
 
-**当前状态**：MVP（路径 2 — 最小可用先行），仅实现 Phase 1 能力。
+**当前状态**：v0.9 核心迭代。OpenCode 全流程可用（Phase 1-4），Phase 4 已切换为 Python 脚本化流水线，并新增 Codex 第一阶段兼容说明。
-详见 `PLAN.md` 了解完整方案与迭代路径。
+详见 `PLAN.md` 了解完整方案、版本记录与迭代路径。
 
 ---
 
@@ -108,22 +108,23 @@ source scripts/activate.sh
 
 ---
 
-## MVP 可用命令
+## 可用命令
 
 | 命令 | 功能 | 状态 |
 |---|---|---|
-| `/dr-init <主题>` | 初始化新研究，启动访谈 | ✅ MVP |
+| `/dr-init <主题>` | 初始化新研究，启动访谈 | ✅ 可用 |
-| `/dr-frame [slug]` | Phase 1：生成 8-15 章研究框架 | ✅ MVP |
+| `/dr-frame [slug]` | Phase 1：生成 8-15 章双语研究框架 | ✅ 可用 |
-| `/dr-research` | Phase 2：深度研究（并行） | ⏳ 下一阶段 |
+| `/dr-research [slug]` | Phase 2：并行深度研究 | ✅ 可用 |
-| `/dr-review` | Phase 3：总编审校 | ⏳ 下一阶段 |
+| `/dr-review [slug]` | Phase 3：总编审校 | ✅ 可用 |
-| `/dr-finalize` | Phase 4：成稿 PDF+DOCX | ⏳ 下一阶段 |
+| `/dr-finalize [slug]` | Phase 4：英文合稿 → 中文翻译/术语核查/润色 → PDF+DOCX | ✅ 可用 |
-| `/dr-status` | 查看进度 | ⏳ 下一阶段 |
+| `/dr-glossary [slug]` | 术语表事实核查 | ✅ 可用 |
+| `/dr-status [slug]` | 查看进度 | ✅ 可用 |
 
-### 典型 MVP 流程
+### 典型流程
 
 ```
 1. /dr-init GLP-1 减重药物市场
-   → dr-plan 向你提 6-8 个访谈问题（研究类型、受众、时间范围等）
+   → dr-plan 向你提 8 个访谈问题（研究类型、受众、时间范围等）
    → 你回答后，生成 projects/glp1-obesity-market-2026/manifest.json
 
 2. /dr-frame
@@ -135,9 +136,45 @@ source scripts/activate.sh
 3. 你审核框架，或提修改意见，或直接确认
    → 确认后，manifest.phase1.approved = true
 
-4. （后续）/dr-research 触发 Phase 2 深研 — 目前未实现
+4. /dr-research
+   → dr-pm 分批并行调度 dr-analyst 深研
+   → dr-verifier 做反方验证
+   → 产出 phase2/drafts、evidence、sources.jsonl
+
+5. /dr-review
+   → dr-chief-editor 通读审校，产出 phase3/critique.md
+
+6. /dr-finalize
+   → dr-editor-in-chief 合并英文终稿
+   → Python 脚本执行 translate → glossary → apply_glossary → polish → build_report
+   → 产出 final_zh_polished.md、PDF、DOCX
 ```
 
+### Phase 4 Python 流水线
+
+Phase 4 已不再依赖单个 LLM agent 一次性翻译整篇报告，而是由 Python 控制切块、并发、重试与断点续传：
+
+```bash
+uv run python scripts/translate.py <slug> --workers 4
+uv run python scripts/build_glossary.py <slug> --workers 4
+uv run python scripts/apply_glossary.py <slug> --input phase4/final_zh.md --dry-run
+uv run python scripts/apply_glossary.py <slug> --input phase4/final_zh.md
+uv run python scripts/polish.py <slug> --workers 4
+uv run python scripts/build_report.py <slug>
+```
+
+网络不稳或 API 限流时，把 `--workers` 降到 `3` 或 `1` 即可断点续跑。
+
+### 多平台兼容
+
+- OpenCode：主适配器，使用 `.opencode/agents` 与 `.opencode/commands`。
+- Codex：第一阶段兼容，使用 `AGENTS.md` + Python 脚本链路，详见 `docs/codex-usage.md`。
+- Gemini CLI / Claude Code：暂不做强适配，后续以同一套脚本与配置为基础扩展。
+
+模型与搜索 API 选择见：
+- `docs/model-playbook.md`
+- `docs/search-playbook.md`
+
 ---
 
 ## 项目结构

configs/model_profiles.yaml

@@ -0,0 +1,62 @@
+profiles:
+  premium:
+    description: "Highest quality for formal deliverables."
+    roles:
+      dr_plan: "zenmux-anthropic/claude-opus-4-7"
+      dr_pm: "zenmux-anthropic/claude-sonnet-4-6"
+      dr_analyst: "zenmux-anthropic/claude-sonnet-4-6"
+      dr_chief_editor: "zenmux/google/gemini-3.1-pro-preview"
+      dr_editor_in_chief: "zenmux-anthropic/claude-opus-4-7"
+      dr_verifier: "zenmux/openai/gpt-5.4"
+      translate: "anthropic/claude-sonnet-4.6"
+      polish: "anthropic/claude-sonnet-4.6"
+      glossary: "anthropic/claude-haiku-4.5"
+  balanced:
+    description: "Default profile for most reports."
+    roles:
+      dr_plan: "zenmux-anthropic/claude-opus-4-7"
+      dr_pm: "zenmux-anthropic/claude-sonnet-4-6"
+      dr_analyst: "zenmux-anthropic/claude-sonnet-4-6"
+      dr_chief_editor: "zenmux/google/gemini-3.1-pro-preview"
+      dr_editor_in_chief: "zenmux-anthropic/claude-opus-4-7"
+      dr_verifier: "zenmux/qwen/qwen3.6-plus"
+      translate: "anthropic/claude-sonnet-4.6"
+      polish: "anthropic/claude-sonnet-4.6"
+      glossary: "anthropic/claude-haiku-4.5"
+  budget:
+    description: "Lower-cost exploratory profile; requires stronger review."
+    roles:
+      dr_plan: "zenmux/qwen/qwen3.6-plus"
+      dr_pm: "zenmux/qwen/qwen3.6-plus"
+      dr_analyst: "zenmux/deepseek/deepseek-v3.2"
+      dr_chief_editor: "zenmux/google/gemini-2.5-pro"
+      dr_editor_in_chief: "zenmux-anthropic/claude-sonnet-4-6"
+      dr_verifier: "zenmux/minimax/minimax-m2.7"
+      translate: "anthropic/claude-haiku-4.5"
+      polish: "anthropic/claude-haiku-4.5"
+      glossary: "anthropic/claude-haiku-4.5"
+  cn_heavy:
+    description: "China-market-heavy research with more Chinese-source verification."
+    roles:
+      dr_plan: "zenmux-anthropic/claude-opus-4-7"
+      dr_pm: "zenmux-anthropic/claude-sonnet-4-6"
+      dr_analyst: "zenmux-anthropic/claude-sonnet-4-6"
+      dr_chief_editor: "zenmux/google/gemini-3.1-pro-preview"
+      dr_editor_in_chief: "zenmux-anthropic/claude-opus-4-7"
+      dr_verifier: "zenmux/qwen/qwen3.6-plus"
+      translate: "anthropic/claude-sonnet-4.6"
+      polish: "anthropic/claude-sonnet-4.6"
+      glossary: "anthropic/claude-haiku-4.5"
+  verifier:
+    description: "Cross-model verification profile; avoid Claude for verifier."
+    roles:
+      dr_verifier_primary: "zenmux/openai/gpt-5.4"
+      dr_verifier_backup_a: "zenmux/qwen/qwen3.6-plus"
+      dr_verifier_backup_b: "zenmux/minimax/minimax-m2.7"
+      dr_verifier_backup_c: "zenmux/moonshotai/kimi-k2.5"
+
+defaults:
+  profile: "balanced"
+  translate_workers: 4
+  polish_workers: 4
+  glossary_workers: 4

configs/search_profiles.yaml

@@ -0,0 +1,60 @@
+profiles:
+  biomed_literature:
+    description: "Mechanism, clinical, systematic review, and biomedical evidence."
+    order:
+      - "pubmed_ncbi"
+      - "clinicaltrials"
+      - "fda_ema_nmpa"
+      - "serper_scholar"
+      - "tavily_exa_gap_fill"
+  patent_heavy:
+    description: "IP landscape, freedom-to-operate, and process-route research."
+    order:
+      - "google_patents_via_serper"
+      - "uspto_epo_cnipa"
+      - "company_disclosures"
+      - "exa_tavily_family_discovery"
+  china_market:
+    description: "China regulatory, company, supply-chain, and market research."
+    order:
+      - "nmpa_cde"
+      - "exchange_disclosures"
+      - "serper_brave_chinese"
+      - "exa_company_pages"
+      - "tavily_gap_fill"
+  investment:
+    description: "Public-company, market-size, and transaction-oriented research."
+    order:
+      - "sec_exchange_filings"
+      - "consulting_and_database_reports"
+      - "company_announcements"
+      - "serper_news"
+      - "tavily_gap_fill"
+
+apis:
+  tavily:
+    best_for: ["initial_scan", "gap_fill", "llm_friendly_snippets"]
+    evidence_role: "discovery_only_unless_original_source"
+  exa:
+    best_for: ["company_pages", "terminology_check", "long_tail_professional_pages"]
+    evidence_role: "discovery_or_secondary"
+  brave:
+    best_for: ["cross_check", "counter_evidence", "mixed_language_search"]
+    evidence_role: "discovery_only_unless_original_source"
+  serper:
+    best_for: ["google_scholar", "google_patents", "news"]
+    evidence_role: "discovery_or_secondary"
+  pubmed_ncbi:
+    best_for: ["tier1_literature", "systematic_reviews", "meta_analysis"]
+    evidence_role: "tier1_or_tier2"
+  clinicaltrials:
+    best_for: ["trial_registration", "pipeline_status", "endpoint_design"]
+    evidence_role: "tier1"
+  regulatory:
+    best_for: ["approval_status", "label", "safety", "review_documents"]
+    evidence_role: "tier1"
+
+defaults:
+  glossary_workers: 4
+  unstable_network_workers: 3
+  trace_back_to_tier_1_2: true

docs/codex-usage.md

@@ -0,0 +1,85 @@
+# Codex Usage
+
+> v0.9 的 Codex 兼容是第一阶段：不复刻 OpenCode subagent，而是沿用 AGENTS.md 的研究规则和 Python 脚本流水线。Codex 负责规划、审阅、修补、执行脚本；确定性编排交给脚本。
+
+## Setup
+
+```bash
+cd /Users/tankai/Documents/Projects/deep_research
+source scripts/activate.sh
+```
+
+Codex 会读取项目根目录的 `AGENTS.md`，研究方法、信源分级、输出规范仍与 OpenCode 一致。
+
+## Recommended Codex Workflow
+
+### Phase 1-3
+
+OpenCode 仍是主入口，因为 `.opencode/commands` 与 subagent 调度已经稳定：
+
+```bash
+opencode
+/dr-init <topic>
+/dr-frame <slug>
+/dr-research <slug>
+/dr-review <slug>
+```
+
+Codex 可用于：
+
+- 审阅 `framework.md` 和 `critique.md`
+- 修正文档、脚本和配置
+- 运行静态检查、引用检查和出稿脚本
+- 对某个章节做人工式复核建议
+
+### Phase 4
+
+Codex 可直接运行 Python 化流水线：
+
+```bash
+uv run python scripts/translate.py <slug> --workers 4
+uv run python scripts/build_glossary.py <slug> --workers 4
+uv run python scripts/apply_glossary.py <slug> --input phase4/final_zh.md --dry-run
+uv run python scripts/apply_glossary.py <slug> --input phase4/final_zh.md
+uv run python scripts/polish.py <slug> --workers 4
+uv run python scripts/build_report.py <slug>
+```
+
+网络不稳时：
+
+```bash
+uv run python scripts/translate.py <slug> --workers 1
+uv run python scripts/polish.py <slug> --workers 1
+uv run python scripts/build_glossary.py <slug> --workers 3
+```
+
+## Git Hygiene
+
+本仓库常有大量 `projects/**` 研究产物处于修改状态。Codex 提交系统迭代时必须只 stage 相关系统文件：
+
+```bash
+git add README.md PLAN.md docs configs scripts .opencode/commands/dr-finalize.md
+git diff --staged --name-only
+```
+
+提交前确认 staged 列表不包含：
+
+- `projects/**`
+- 已生成 PDF/DOCX/TXT
+- 临时检查脚本或一次性研究产物
+
+## What Codex Should Not Do Yet
+
+- 不直接替代 OpenCode 的 `/dr-research` 多 agent 调度。
+- 不在 Codex 内复刻 dr-analyst/dr-verifier 的长流程并行。
+- 不把普通网页当作 Tier 1-2 证据。
+- 不在未检查 staged 列表前 commit。
+
+## Future Platform Adapters
+
+后续 Gemini CLI / Claude Code 兼容应沿用同一原则：
+
+1. 共享 `AGENTS.md` 方法论。
+2. 共享 `scripts/` 的确定性流水线。
+3. 平台只提供交互、审阅、调度或修补能力。
+4. 不为每个平台复制一套研究逻辑。

docs/model-playbook.md

@@ -0,0 +1,80 @@
+# Model Playbook
+
+> v0.9 起，本文件作为模型选择攻略本。`.opencode/opencode.json` 仍是 OpenCode 的模型白名单，`configs/model_profiles.yaml` 是跨平台策略参考。
+
+## Profiles
+
+### premium
+
+用于高价值、长上下文、强叙事任务。成本最高，但最稳。
+
+- dr-plan：Claude Opus 4.7（cache）
+- dr-editor-in-chief：Claude Opus 4.7（cache）
+- dr-pm / dr-analyst：Claude Sonnet 4.6（cache）
+- dr-chief-editor：Gemini 3.1 Pro Preview
+- dr-verifier：GPT-5.4
+- translate / polish：Claude Sonnet 4.6
+
+适用：投资报告、管理层决策报告、需要交付 PDF/DOCX 的正式项目。
+
+### balanced
+
+默认推荐。保留关键环节的强模型，把机械任务交给更便宜模型。
+
+- dr-plan：Claude Opus 4.7（cache）
+- dr-editor-in-chief：Claude Opus 4.7（cache）
+- dr-pm / dr-analyst：Claude Sonnet 4.6（cache）
+- dr-searcher：Claude Haiku 4.5
+- dr-verifier：Qwen3.6 Plus 或 GPT-5.4
+- translate / polish：Claude Sonnet 4.6，`--workers 4`
+
+适用：大多数 10,000-35,000 中文字报告。
+
+### budget
+
+用于探索性研究或内部草稿。牺牲部分风格和深度，换取成本控制。
+
+- dr-plan：Claude Sonnet 4.6 或 Qwen3.6 Plus
+- dr-editor-in-chief：Claude Sonnet 4.6
+- dr-analyst：Qwen3.6 Plus / DeepSeek V3.2
+- dr-verifier：MiniMax M2.7 / Kimi K2.5
+- translate / polish：Qwen3.6 Plus 或 Claude Haiku 4.5（需要人工抽检）
+
+适用：快速扫盘、预研、内部初稿。不建议直接用于最终交付。
+
+### cn-heavy
+
+用于中国市场、NMPA、企业工商/中文媒体密集场景。
+
+- dr-analyst：Claude Sonnet 4.6 + Qwen3.6 Plus 交叉
+- dr-verifier：Qwen3.6 Plus
+- dr-searcher：Haiku + Serper/Brave 中文关键词
+- translate / polish：Claude Sonnet 4.6
+
+适用：中国药企、国产替代、供应链、政策环境、中文专有名词较多的研究。
+
+### verifier
+
+用于交叉模型验证，避免同模型同偏差。
+
+- 首选：GPT-5.4
+- 备用：Qwen3.6 Plus
+- 低成本：MiniMax M2.7 / Kimi K2.5
+
+规则：dr-verifier 不使用 Claude 家族，除非用户明确接受同源偏差风险。
+
+## Switching Rules
+
+- 高层结构、最终合稿、Executive Summary：优先 Opus。
+- 章节深研：Sonnet 是默认；预算敏感时用 Qwen/DeepSeek，但必须加强 verifier。
+- 事实核查与术语核查：优先 Haiku + 搜索 API；低置信度条目人工复核。
+- 翻译与润色：默认 Sonnet；并发提速优先调 `--workers`，不要盲目换便宜模型。
+- 限流时：先降并发，再换模型。
+
+## Operational Defaults
+
+```bash
+uv run python scripts/translate.py <slug> --workers 4 --model anthropic/claude-sonnet-4.6
+uv run python scripts/polish.py <slug> --workers 4 --model anthropic/claude-sonnet-4.6
+uv run python scripts/build_glossary.py <slug> --workers 4 --model anthropic/claude-haiku-4.5
+```

docs/search-playbook.md

@@ -0,0 +1,78 @@
+# Search API Playbook
+
+> v0.9 起，本文件作为搜索 API 选择攻略本。搜索返回本身多为发现入口，结论支撑仍以 AGENTS.md 的 Tier 1-2 信源为准。
+
+## Search Sources
+
+### Tavily
+
+- 优点：LLM 友好，摘要质量稳定，适合快速发现方向。
+- 用法：初扫、普通网页、报告线索、交叉补漏。
+- 风险：不能把普通网页当结论支撑，必须追溯原始来源。
+
+### Exa
+
+- 优点：neural search，对官网、公司页、长尾专业内容召回好。
+- 用法：术语核查、公司/产品名纠错、专业网页发现。
+- 风险：macOS 代理环境容易 TLS EOF，项目内 `SearchClient` 已使用 `trust_env=False` 绕开系统代理。
+
+### Brave
+
+- 优点：独立搜索引擎，适合与 Tavily/Exa 交叉验证。
+- 用法：Phase 1 初扫、反方证据、中文/英文混合搜索。
+- 风险：结果质量波动，需要人工筛 Tier。
+
+### Serper
+
+- 优点：Google Search / Scholar / News 代理，免费额度较高。
+- 用法：Google Scholar、Google Patents、新闻时效检索。
+- 风险：专利是 `site:patents.google.com` 技巧，不等同官方专利库。
+
+### PubMed / NCBI
+
+- 优点：生物医药论文的一手入口。
+- 用法：机制、临床、系统综述、meta 分析。
+- 风险：无 API key 限流较低；摘要不足以替代全文判断。
+
+### ClinicalTrials.gov / ChiCTR
+
+- 优点：临床试验注册的一手来源。
+- 用法：管线、适应症、试验阶段、终点设计、入组状态。
+- 风险：注册信息不等于结果；需要结合论文、公司披露、监管文件。
+
+### openFDA / FDA / EMA / NMPA
+
+- 优点：监管公告与标签信息，Tier 1。
+- 用法：批准状态、安全性、适应症、审评文件。
+- 风险：不同监管地区口径不同，必须注明地区与日期。
+
+### Patents
+
+- 优点：IP 与工艺路线研究的核心证据。
+- 用法：Google Patents、USPTO、EPO、CNIPA。
+- 风险：专利文本难读，权利要求和实施例要分开判断。
+
+## Recommended Profiles
+
+### biomed_literature
+
+PubMed / NCBI → ClinicalTrials → FDA/EMA/NMPA → Serper Scholar → Tavily/Exa 补漏。
+
+### patent_heavy
+
+Google Patents/Serper → USPTO/EPO/CNIPA → 公司年报/招股书 → Tavily/Exa 补同族专利线索。
+
+### china_market
+
+NMPA/CDE → 港交所/上交所/深交所披露 → 中文专业数据库/媒体 → Brave/Serper 中文搜索。
+
+### investment
+
+SEC/交易所披露 → Evaluate/IQVIA/咨询报告 → 公司公告 → 新闻仅作时效入口。
+
+## Failure Handling
+
+- 大量 SSL/TLS 错误：先把 workers 降到 3，再重跑。
+- API 限流：保留缓存结果，断点续跑，不要强制 `--force`。
+- 搜索返回普通网页：只做线索，继续追原始论文、监管、专利或公司披露。
+- 中英文译名冲突：写入 glossary，标 medium/low confidence，交人工复核。

scripts/apply_glossary.py

@@ -1,5 +1,5 @@
 #!/usr/bin/env python3
-"""根据 glossary 的核查结果，在 final_zh_polished.md 上做精确的文本替换。
+"""根据 glossary 的核查结果，在 final_zh.md 上做精确的文本替换。
 
 原理：
 - build_glossary.py 会给每条术语标 `zh`（正确中文）和 `issue`（有发现问题）
@@ -178,7 +178,7 @@ def main() -> int:
     parser = argparse.ArgumentParser(description="用 glossary 修正正文术语")
     parser.add_argument("project", help="项目 slug 或路径")
     parser.add_argument(
-        "--input", default="phase4/final_zh_polished.md",
+        "--input", default="phase4/final_zh.md",
         help="待修正的 Markdown",
     )
     parser.add_argument(

scripts/build_glossary.py

@@ -22,7 +22,7 @@
 
 用法：
     uv run python scripts/build_glossary.py <project_slug>
-    uv run python scripts/build_glossary.py <project_slug> --workers 6
+    uv run python scripts/build_glossary.py <project_slug> --workers 4
     uv run python scripts/build_glossary.py <project_slug> --only "Mabwell,Maywavee"
     uv run python scripts/build_glossary.py <project_slug> --force
 
@@ -184,7 +184,7 @@ def main() -> int:
     )
     parser.add_argument("--model", default=DEFAULT_MODEL, help="LLM 模型")
     parser.add_argument(
-        "--workers", type=int, default=6, help="并发度（默认 6，Exa 限速 5 QPS）"
+        "--workers", type=int, default=4, help="并发度（默认 4；网络不稳时建议降到 3）"
     )
     parser.add_argument(
         "--force", action="store_true",

scripts/lib/zenmux_client.py

@@ -15,6 +15,7 @@ from __future__ import annotations
 import json
 import os
 import sys
+import threading
 import time
 from dataclasses import dataclass, field
 from pathlib import Path
@@ -111,6 +112,8 @@ class ZenMuxClient:
         self.log_file = log_file
         self.usage = UsageStats()
         self._client = httpx.Client(timeout=timeout)
+        self._log_lock = threading.Lock()
+        self._usage_lock = threading.Lock()
 
     def close(self) -> None:
         self._client.close()
@@ -125,6 +128,7 @@ class ZenMuxClient:
         if not self.log_file:
             return
         self.log_file.parent.mkdir(parents=True, exist_ok=True)
+        with self._log_lock:
             with self.log_file.open("a", encoding="utf-8") as f:
                 f.write(json.dumps(payload, ensure_ascii=False) + "\n")
 
@@ -191,6 +195,7 @@ class ZenMuxClient:
                 except Exception as e:
                     raise ZenMuxError(f"invalid JSON from zenmux: {e}; body={resp.text[:500]}")
                 usage = data.get("usage", {}) or {}
+                with self._usage_lock:
                     self.usage.add(model, usage)
                 content = ""
                 choices = data.get("choices") or []

scripts/polish.py

@@ -19,6 +19,7 @@
 from __future__ import annotations
 
 import argparse
+import concurrent.futures
 import json
 import sys
 import time
@@ -141,6 +142,12 @@ def main() -> int:
         default=None,
         help="最多润色前 N 个未缓存的块（调试用）",
     )
+    parser.add_argument(
+        "--workers",
+        type=int,
+        default=4,
+        help="并发润色 worker 数（默认 4；设为 1 回退串行）",
+    )
     args = parser.parse_args()
 
     load_secrets()
@@ -167,27 +174,34 @@ def main() -> int:
     total_cn = sum(count_chinese_chars(b.content) for b in blocks)
     print(f"Source: {src_path.relative_to(project_root)}")
     print(f"Blocks: {len(blocks)}  | total Chinese chars: {total_cn:,}")
-    print(f"Model: {args.model}  | temperature: {args.temperature}")
+    workers = max(1, args.workers)
+    print(f"Model: {args.model}  | temperature: {args.temperature}  | workers: {workers}")
     print()
 
     start = time.time()
-    translated_this_run = 0
+    todo: list[MarkdownBlock] = []
+    cached_count = 0
     notes_records: list[dict] = []
-    with ZenMuxClient(log_file=log_file) as client:
     for b in blocks:
         chunk_path = chunks_dir / f"{b.order:03d}-{b.anchor}.md"
         if only_orders is not None and b.order not in only_orders:
             continue
         if chunk_path.exists() and not args.force:
+            cached_count += 1
             print(f"  [ok  ] #{b.order:03d} {b.short_title}  (cached)")
             continue
-            if args.limit is not None and translated_this_run >= args.limit:
+        if args.limit is not None and len(todo) >= args.limit:
             continue
+        todo.append(b)
 
-            label = f"#{b.order:03d} L{b.level} {count_chinese_chars(b.content):>4}字 {b.short_title}"
+    if todo:
-            print(f"  [... ] {label}  ", end="", flush=True)
+        print(f"To polish this run: {len(todo)} blocks  | cached: {cached_count}")
+        print()
+
+    with ZenMuxClient(log_file=log_file) as client:
+        def run_one(b: MarkdownBlock) -> tuple[MarkdownBlock, str, str, float]:
+            chunk_path = chunks_dir / f"{b.order:03d}-{b.anchor}.md"
             t0 = time.time()
-            try:
             polished, notes = polish_block(
                 client,
                 b,
@@ -195,22 +209,47 @@ def main() -> int:
                 system_prompt=system_prompt,
                 temperature=args.temperature,
             )
+            chunk_path.write_text(polished + "\n", encoding="utf-8")
+            return b, polished, notes, time.time() - t0
+
+        if workers == 1:
+            for b in todo:
+                label = f"#{b.order:03d} L{b.level} {count_chinese_chars(b.content):>4}字 {b.short_title}"
+                print(f"  [... ] {label}  ", end="", flush=True)
+                try:
+                    block, polished, notes, elapsed = run_one(b)
                 except (ZenMuxError, RuntimeError) as e:
                     print(f"\n  [FAIL] {label}\n         {e}")
                     continue
-            elapsed = time.time() - t0
-
-            chunk_path.write_text(polished + "\n", encoding="utf-8")
                 cn = count_chinese_chars(polished)
-            before_cn = count_chinese_chars(b.content)
+                before_cn = count_chinese_chars(block.content)
                 delta = cn - before_cn
                 sign = "+" if delta >= 0 else ""
-            translated_this_run += 1
                 if notes:
                     notes_records.append(
-                    {"order": b.order, "anchor": b.anchor, "title": b.short_title, "notes": notes}
+                        {"order": block.order, "anchor": block.anchor, "title": block.short_title, "notes": notes}
                     )
                 print(f"\r  [done] {label}  → {cn}字 ({sign}{delta}, {elapsed:4.1f}s)")
+        else:
+            with concurrent.futures.ThreadPoolExecutor(max_workers=workers) as pool:
+                futures = {pool.submit(run_one, b): b for b in todo}
+                for fut in concurrent.futures.as_completed(futures):
+                    b = futures[fut]
+                    label = f"#{b.order:03d} L{b.level} {count_chinese_chars(b.content):>4}字 {b.short_title}"
+                    try:
+                        block, polished, notes, elapsed = fut.result()
+                    except (ZenMuxError, RuntimeError) as e:
+                        print(f"  [FAIL] {label}\n         {e}")
+                        continue
+                    cn = count_chinese_chars(polished)
+                    before_cn = count_chinese_chars(block.content)
+                    delta = cn - before_cn
+                    sign = "+" if delta >= 0 else ""
+                    if notes:
+                        notes_records.append(
+                            {"order": block.order, "anchor": block.anchor, "title": block.short_title, "notes": notes}
+                        )
+                    print(f"  [done] {label}  → {cn}字 ({sign}{delta}, {elapsed:4.1f}s)")
 
     # 汇总
     merged: list[str] = []

scripts/translate.py

@@ -6,12 +6,12 @@
     # 或：
     uv run python scripts/translate.py projects/dual-target-rnai-pipeline-2026
 
-断点续传：每块翻译完立即写入 `phase4/zh_chunks/<anchor>.md` 和术语表 patch。
+断点续传：每块翻译完立即写入 `phase4/zh_chunks/<anchor>.md`，术语表 patch 在本轮结束后统一合并。
 重跑时已存在的块直接跳过，只译缺的。
 
 设计要点：
 1. 切块按 H2 粒度，单块一般 <600 英文词，单次 API 调用远低于 Sonnet output token 上限
-2. 术语表累积式更新：每块调用传入当前已知术语，译完回写 patch，保证全文一致
+2. 并发翻译使用稳定术语表快照，译完后统一合并 glossary patch，避免多线程写冲突
 3. 失败不会污染最终产物：块级文件独立，可重跑；汇总步骤独立
 4. 日志完整：每次 API 调用写 `phase4/logs/translate.jsonl`
 """
@@ -19,6 +19,7 @@
 from __future__ import annotations
 
 import argparse
+import concurrent.futures
 import json
 import sys
 import time
@@ -29,7 +30,6 @@ sys.path.insert(0, str(Path(__file__).resolve().parent.parent))
 from scripts.lib.markdown_chunker import (
     MarkdownBlock,
     count_chinese_chars,
-    merge_blocks,
     split_by_headers,
 )
 from scripts.lib.zenmux_client import ZenMuxClient, ZenMuxError, load_secrets
@@ -112,12 +112,19 @@ def save_glossary(path: Path, glossary: dict[str, str]) -> None:
     )
 
 
+def _glossary_value(value) -> str:
+    if isinstance(value, dict):
+        return str(value.get("zh") or value.get("中文") or "")
+    return str(value)
+
+
 def build_user_prompt(block: MarkdownBlock, glossary: dict[str, str]) -> str:
-    glossary_hint = (
+    glossary_lines = (
-        "\n".join(f"{en} || {zh}" for en, zh in sorted(glossary.items()))
+        f"{en} || {_glossary_value(zh)}"
-        if glossary
+        for en, zh in sorted(glossary.items())
-        else "(none yet)"
+        if _glossary_value(zh)
     )
+    glossary_hint = "\n".join(glossary_lines) or "(none yet)"
     level_hint = (
         f"H{block.level}" if block.level >= 1 else "frontmatter (no heading)"
     )
@@ -195,6 +202,12 @@ def main() -> int:
         default=None,
         help="最多翻译前 N 个未缓存的块（调试用）",
     )
+    parser.add_argument(
+        "--workers",
+        type=int,
+        default=4,
+        help="并发翻译 worker 数（默认 4；设为 1 回退串行）",
+    )
     args = parser.parse_args()
 
     load_secrets()
@@ -223,26 +236,34 @@ def main() -> int:
     print(f"Source: {src_path.relative_to(project_root)}")
     print(f"Blocks: {len(blocks)}  | total English words: {total_en_words:,}")
     print(f"Glossary loaded: {len(glossary)} terms")
-    print(f"Model: {args.model}  | temperature: {args.temperature}")
+    workers = max(1, args.workers)
+    print(f"Model: {args.model}  | temperature: {args.temperature}  | workers: {workers}")
     print()
 
     start = time.time()
-    translated_this_run = 0
+    todo: list[MarkdownBlock] = []
-    with ZenMuxClient(log_file=log_file) as client:
+    cached_count = 0
     for b in blocks:
         chunk_path = chunks_dir / f"{b.order:03d}-{b.anchor}.md"
         if only_orders is not None and b.order not in only_orders:
             continue
         if chunk_path.exists() and not args.force:
+            cached_count += 1
             print(f"  [ok  ] #{b.order:03d} {b.short_title}  (cached)")
             continue
-            if args.limit is not None and translated_this_run >= args.limit:
+        if args.limit is not None and len(todo) >= args.limit:
             continue
+        todo.append(b)
 
-            label = f"#{b.order:03d} L{b.level} {b.word_count:>4}w  {b.short_title}"
+    if todo:
-            print(f"  [... ] {label}  ", end="", flush=True)
+        print(f"To translate this run: {len(todo)} blocks  | cached: {cached_count}")
+        print()
+
+    successful_patches: list[dict[str, str]] = []
+    with ZenMuxClient(log_file=log_file) as client:
+        def run_one(b: MarkdownBlock) -> tuple[MarkdownBlock, str, dict[str, str], float]:
+            chunk_path = chunks_dir / f"{b.order:03d}-{b.anchor}.md"
             t0 = time.time()
-            try:
             translation, patch = translate_block(
                 client,
                 b,
@@ -251,19 +272,47 @@ def main() -> int:
                 system_prompt=system_prompt,
                 temperature=args.temperature,
             )
+            chunk_path.write_text(translation + "\n", encoding="utf-8")
+            return b, translation, patch, time.time() - t0
+
+        if workers == 1:
+            for b in todo:
+                label = f"#{b.order:03d} L{b.level} {b.word_count:>4}w  {b.short_title}"
+                print(f"  [... ] {label}  ", end="", flush=True)
+                try:
+                    _block, translation, patch, elapsed = run_one(b)
                 except (ZenMuxError, RuntimeError) as e:
                     print(f"\n  [FAIL] {label}\n         {e}")
                     continue
-            elapsed = time.time() - t0
+                successful_patches.append(patch)
-
-            chunk_path.write_text(translation + "\n", encoding="utf-8")
-            if patch:
-                for k, v in patch.items():
-                    glossary.setdefault(k, v)
-                save_glossary(glossary_path, glossary)
                 cn = count_chinese_chars(translation)
-            translated_this_run += 1
                 print(f"\r  [done] {label}  → {cn:>4}字  ({elapsed:4.1f}s, +{len(patch)} terms)")
+        else:
+            with concurrent.futures.ThreadPoolExecutor(max_workers=workers) as pool:
+                futures = {pool.submit(run_one, b): b for b in todo}
+                for fut in concurrent.futures.as_completed(futures):
+                    b = futures[fut]
+                    label = f"#{b.order:03d} L{b.level} {b.word_count:>4}w  {b.short_title}"
+                    try:
+                        _block, translation, patch, elapsed = fut.result()
+                    except (ZenMuxError, RuntimeError) as e:
+                        print(f"  [FAIL] {label}\n         {e}")
+                        continue
+                    successful_patches.append(patch)
+                    cn = count_chinese_chars(translation)
+                    print(f"  [done] {label}  → {cn:>4}字  ({elapsed:4.1f}s, +{len(patch)} terms)")
+
+        glossary_conflicts: list[tuple[str, str, str]] = []
+        for patch in successful_patches:
+            for k, v in patch.items():
+                if k not in glossary:
+                    glossary[k] = v
+                elif _glossary_value(glossary[k]) != v:
+                    glossary_conflicts.append((k, _glossary_value(glossary[k]), v))
+        if successful_patches:
+            save_glossary(glossary_path, glossary)
+        if glossary_conflicts:
+            print(f"  [WARN] glossary patch 冲突 {len(glossary_conflicts)} 条，保留既有译法")
 
     # 汇总：按 order 拼接所有 chunk
     merged: list[str] = []