用途
这是「五阶段结构改造协议（pentaphase structural-overhaul protocol）」的第 4 阶段。目标是把遗留实体（legacy entities）迁移进已配置好的目标环境：在不损坏两侧数据的前提下，清洗、规范化并加载既有数据基底（substrate）。阶段 3 的环境规格文件描述目的地；本阶段负责把现有基底清洗、规范化并载入其中。
前置条件
开始前需读取全部四个文件：
<working-dir>/substrate-context.md存在。<working-dir>/phase-1-landscape-report.md存在（用于源侧资产清单）。<working-dir>/phase-2-taxonomy-model.md存在（用于目标 schema）。<working-dir>/phase-3-environment-spec.md存在且已通过第 3 阶段关卡。- 阶段 3 描述的环境已实际实例化且可达。若不可达，停止并告知用户——对不存在的环境执行摄入不符合该协议。
四条工作流
工作流 1 — 清除冗余
从遗留基底中过滤掉重复、过时或非标准的系统输入。每轮记录：按名称说明过滤对象（精确重复 / 模糊重复 / 过时 / 非标准 / 损坏）、检测方法（哈希相等、带阈值的模糊匹配、超过 N 天、schema 一致性检查、人工复核）、动作（删除 / 归档 / 隔离 / 合并 / 保留并标记）、计数（检查数、命中数、处理数）、以及 3–5 个被处理样本供抽查。必须保留清除记录：仅追加的清除日志可避免不可恢复的错误；未归档不得硬删除。
工作流 2 — 补齐与对齐
迁移前对所有遗留实体应用强制属性。每轮补齐记录：目标属性（对应阶段 2 的哪个属性）、来源（遗留字段、派生、查表、默认值、人工）、覆盖率（可自动补齐的比例）、人工队列（需人工输入的比例及其呈现方式）。几乎总需要处理的补齐包括：阶段 2 新加的通用 schema 属性（如遗留基底未记录归属则为 owner）、状态规范化（遗留自由文本状态 → 新枚举）、标识符对齐（遗留 ID → 新 ID 空间，并保留映射表）、关系重建（遗留隐式链接 → 显式关系）。每个触及数据的补齐都保留「变更前后」记录，以便审计确认没有值被静默修改。
工作流 3 — 执行摄入
以结构化、分批的方式把条目传入新环境，明确划分阶段：
- 阶段 4a — 试点批次：小规模代表性切片（1–5% 条目），跑完整验证流水线，检查错误，必要时调整补齐/验证规则。
- 阶段 4b — 批量批次：处理剩余部分，批次大小需适配内存并支持逐批回滚。记录批次大小与并发度。
- 阶段 4c — 尾部/边缘情况：此前批次失败、被提出需人工处理的条目。
每批记录：批次 ID、尝试条目数、成功条目数、被拒条目数（含拒绝原因类别）、墙钟耗时、任何回滚或补救措施。摄入运行必须幂等——若某批中途失败，重跑不得重复已摄入条目。
工作流 4 — 审计完整性
运行自动化与人工检查，确保零数据损坏。
自动化检查：
- 计数校验——范围内的遗留条目数 vs. 新环境中存在的条目数（扣除清除数）
- 标识符映射完整性——每个遗留 ID 都映射到新 ID（或被记录为有意丢弃）
- Schema 一致性——每个新实体都通过阶段 3 验证规则
- 关系完整性——每个关系两端都存在，无孤立项
- 样本保真度——随机抽取 N 个条目，在遗留与新环境间深度比对
人工检查：
- 利益相关方抽查——由 substrate-context.md 中指定的运营角色复核小样本并确认保真度
- 边缘情况复核——补齐过程中需特殊处理的任何条目由人工复核
完整性审计必须给出结论：PASS / PASS-WITH-CAVEATS / FAIL。FAIL 意味着摄入回滚到摄入前快照。
编写阶段 4 摄入报告
把四条工作流合并为单个文件 <working-dir>/phase-4-ingestion-report.md，结构为：标题「Phase 4 — Ingestion Report」，含 Substrate、Date range、Preconditions、Postconditions（准备好进入第 5 阶段 governance-evolution-protocol）；第 1 节清除轮次（逐轮摘要与计数）；第 2 节补齐轮次（逐轮摘要与覆盖率）；第 3 节摄入批次（3.1 试点、3.2 批量、3.3 尾部/边缘情况）；第 4 节完整性审计（4.1 自动化检查结果表、4.2 人工检查、4.3 结论 PASS | PASS-WITH-CAVEATS | FAIL 及理由）；第 5 节留给第 5 阶段的开放问题（摄入中浮现的运营顾虑或治理缺口的明确清单）。
关卡标准（审计员将检查）
当且仅当满足以下条件，报告通过第 4 阶段关卡：至少记录了一轮清除（即使零命中，该轮也证明问题被提出）；已摄入实体 100% 补齐了通用 schema 属性，无实体缺必需字段；试点批次先于批量批次运行，顺序明确，且试点错误在批量前触发补齐/验证调整；计数校验成立——legacy_in_scope − purged = new_present（在记录的容差内，理想为 0）；完整性审计结论存在且为 PASS 或 PASS-WITH-CAVEATS——FAIL 表示摄入未完成，报告不应以最终形态存在；第 5 阶段开放问题一节存在。
反模式
- 不要跳过试点批次。不经试点的批量加载会让静默损坏大规模进入新环境。
- 不要破坏性补齐。每次补齐必须能从审计日志逆转；不可逆转就无法安全重跑。
- 不要静默丢弃验证失败的条目。它们进入带原因码的隔离队列，而非 /dev/null。
- 不要在利益相关方抽查前宣布 PASS。自动化检查验证 schema 一致性，人验证语义保真度，两者都必需。
另见
references/deduplication-strategies.md——精确、模糊与语义重复检测references/integrity-audits.md——计数校验、映射完整性、样本保真度模式