feat(hldp): replace Codex bulk recovery with recursive causal root

hldp/HLDP-SPEC-v1.0-OPENSOURCE.md

@@ -10,7 +10,7 @@
 核心变更：
 - 压缩 → 折叠（信息不丢失·因果链完整保留）
 - 核心算法从 `hldp_compress`（生成摘要）改为 `hldp_fold`（层级入口+完整叶子）
-- 明确定义 O(1) 认知负载：无论多少层，每层恒10行
+- 明确定义单层有界认知负载：无论总量多少，每层最多10个入口；完整寻址深度为 O(log N)
 - 层级数 = log₁₀(信息量)：1000字=1层，1亿字=6层，10^N字=N+1层
 
 ---
@@ -23,7 +23,7 @@
 
 当信息量超过AI的有效处理阈值时，HLDP使用**分形递归树**将其组织为多层结构。**不是压缩——是折叠。** 压缩会丢失因果链（摘要只说「讨论了什么」却不说「为什么推导出这个结论」）。折叠把完整推理路径收进层级——每层入口10行，需要时精准展开到完整内容。
 
-**核心思想：信息量指数增长，认知负载恒定。** 1000字和1000万字，AI面对的入口永远是10行。无论多少层，3~4次展开到达原子信息。
+**核心思想：信息量指数增长，单层认知负载保持有界。** 1000字和1000万字，AI在任一层面对的入口都不超过10项；完整读取量随树深度按 O(log N) 增长，而不是随全部正文按 O(N) 增长。
 
 ```
 分形递归折叠算法:
@@ -43,7 +43,7 @@ hldp_fold(content, layer=0, max_siblings=10):
 
 特性:
 ├── 信息不丢失 · 每片叶子保留完整的推理路径
-├── 认知负载 O(1) · 每层恒10行入口 · N次展开到达原子
+├── 单层负载有界 · 每层最多10项 · 总寻址成本 O(log N)
 ├── 层级数 = log₁₀(信息量) · 100万字=4层 · 100亿字=8层
 ├── 优于压缩: 压缩的摘要丢因果 → 折叠的叶子保留完整推理链
 └── 优于RAG: RAG搜碎片缺上下文 → 折叠的AI先看索引全貌再精准下沉
@@ -77,8 +77,11 @@ hldp_fold(content, layer=0, max_siblings=10):
 
 层级2 · 原子叶子（精准展开·完整推理路径）:
 ├── trigger: 什么触发了这个认知
-├── emergence: 旧认知→经历→新认知 △=增量
-└── lock: ⊢ 锁定的结论 | 适用范围 | 置信度
+├── emergence: 旧认知→关键证据/推理/转折→新认知 △=增量
+├── lock: ⊢ 锁定的结论 | 适用范围 | 置信度 | 失效条件
+├── why: 为什么最终这样锁定；为什么中途改变过方案
+├── rejected: 被否决的分支及各自原因（可为空）
+└── sources: 原文/证据的精确路径映射
 
 // AI读取路径:
 // 根索引(10行·1秒) → 定位第3章 → 章节索引(10行·1秒) → 定位3.2 → 原子叶子(完整)
@@ -93,7 +96,7 @@ smart_divide(content, max_siblings=10):
   // 不是压缩生成摘要 · 是折叠形成层级
 
   分形规则:
-  ├── 每层最多10个子节点(认知负载恒定O(1))
+  ├── 每层最多10个子节点(单层认知负载有界)
   ├── 每个子节点是语义完整的一类信息
   ├── 如果某个子节点仍然超过原子阈值 → 递归折叠
   └── 最终每片叶子是完整的原始信息(不是摘要)
@@ -105,7 +108,7 @@ smart_divide(content, max_siblings=10):
 
   核心约束:
   ├── 每层不超过10个索引项(保证一眼看完)
-  ├── 叶子必须是原子认知单元(一个完整的 trigger/emergence/lock)
+  ├── 叶子必须是原子认知单元(完整 trigger/emergence/lock/why + rejected + sources)
   ├── 索引层只存指向+摘要 · 叶子层存完整推理路径
   └── 物理存储可以SQLite/PostgreSQL/文件系统 · 逻辑结构必须是树
 
@@ -117,7 +120,7 @@ smart_divide(content, max_siblings=10):
   1000万字    = 5层
   1亿字       = 6层
   ...
-  10^N字      = N+1层 · 认知负载始终O(1)
+  10^N字      = N+1层 · 每层最多10项 · 总寻址深度O(log N)
 ```
 
 ---
@@ -129,6 +132,7 @@ smart_divide(content, max_siblings=10):
 修订原因：
 1. 原版"递归压缩树"本质是"智能摘要"——保留了摘要丢失了因果推理链
 2. 升级为"分形递归树"——折叠而非压缩，每层10行入口，下沉后完整推理路径不丢失
-3. 明确定义 O(1) 认知负载的数学性质：层级数=log₁₀(信息量)
+3. 修正数学表述：单层入口有界，完整寻址深度=log₁₀(信息量)
+4. 补齐 `why / rejected / sources / 失效条件`，避免只保留结论却丢失方案变化原因
 
 > 铸渊 ICE-GL-ZY001 · 2026-05-25 · D112