用途：把原始导出转成 corpus.jsonl，每行一条用户本人写过的消息，供下游 profile、write、check、calibrate 读取。它解决的问题是：Sent 导出常混入他人文本（引用线程、签名、日历邮件、转发内容）和 AI 辅助草稿，直接测量会得到错误画像。
主要能力：支持 .mbox、.eml（文件或文件夹）、Slack 导出文件夹（users.json + 频道文件夹）、WhatsApp .txt、.txt/.md（每条一个样本，可带 register:/date: 头）、含 text 字段的 .jsonl。用 --me 指定地址或显示名（可重复），地址精确匹配、姓名按整词匹配；--internal-domain 默认取 --me 地址的域名。默认将收件人显示名和称呼名替换为 [name]，邮箱、URL、电话、长数字串和指定姓名也会脱敏。
使用方式：先干跑查看计数与丢弃原因：python3 "${CLAUDE_SKILL_DIR}/scripts/build_corpus.py" <inputs...> --me dom@example.com --me "Dom" --internal-domain example.com --dry-run。常用开关：--since/--until、--min-words、--max-words、--drop-flagged、--date-order、--include-undated、--redact-names、--register、--home。去掉 --dry-run 正式运行。退出码 2 表示没有匹配 --me，退出码 1 表示清洗后无样本。输出 <home>/corpus.jsonl（0600）和 corpus-report.md，home 目录 0700 并带 .gitignore。
适用场景：整理 Takeout mbox、Sent.mbox、.eml 文件；导入 WhatsApp/Slack 导出并只保留本人消息；为语音画像准备邮件并脱敏姓名。
限制：交错回复（无 > 的逐行回答）无法检测，只有顶置回复能被干净切除；AI 辅助残留会被标记 ai_leftover 而非删除；去重为精确匹配；过短消息被丢弃；Slack 免费/Pro 导出仅含公开频道，DM 需 Business+；WhatsApp 需“不含媒体”导出；符号链接的 home 目录会被拒绝。这是尽力而为的假名化而非匿名化，组织、地址和机密内容仍会保留。语料留在本地，脚本不联网，但代理读入上下文的内容会发送给模型提供商，切勿 cat corpus.jsonl 到聊天中。下一步是 voice-profile，不要未经要求运行。