用途：为 AI 评估构建高质量的黄金数据集，提供向其中加入新文档的模式与工作流，并对内容做全面质量分析。它与负责备份/恢复的 golden-dataset-management 互补。
适用时机：向黄金数据集添加新文档；对内容类型与难度分级；为新文档生成测试查询；运行多智能体质量分析。
内容类型：article（技术文章、博客，关注深度、准确性、可操作）、tutorial（分步指南，关注完整性、清晰度、代码质量）、research_paper（学术论文，关注严谨、引用、方法论）、documentation（API 文档、参考材料，关注准确、完整、示例）、video_transcript（视频转写，关注结构、连贯、要点）、code_repository（README 与代码分析，关注代码质量与文档）。
难度等级：trivial（直接关键词匹配，期望分 >0.85）、easy（常见同义词，>0.70）、medium（改写意图，>0.55）、hard（多跳推理，>0.40）、adversarial（边界情况，需优雅降级、鲁棒性测试）。
质量维度与权重：准确性 0.25（技术正确、代码有效、信息最新）、连贯性 0.20（结构逻辑、术语一致）、深度 0.25（覆盖全面、含边界情况）、相关性 0.30（贴合 AI/ML、后端、前端、DevOps 领域）。
多智能体流水线：输入 URL/内容 → 抓取智能体（提取结构、检测类型）→ 并行分析智能体（质量、难度、领域、查询生成）→ 共识聚合器（加权得分 + 置信度，输出 include/review/exclude）→ 用户确认 → 输出策划后的文档条目。
决策阈值：质量分 >=0.75 且置信度 >=0.70 则 include；>=0.55 则 review；<0.55 则 exclude。建议阈值：minimum_quality_score: 0.70、minimum_confidence: 0.65、required_tags: 2、required_queries: 3。
覆盖平衡：内容类型、难度等级、领域均需均衡，不要过度偏向文章类型。去重清单：加入前比对 source_url_map.json 中的已有 URL，对已有文档嵌入做语义相似度检查，相似度超过 80% 时告警。
溯源记录：规范来源 URL、策划日期、各智能体得分（审计线索）、Langfuse trace ID。Langfuse 集成可用 trace 记录各维度分数与最终聚合分，并记录 curation_decision 事件。托管提示词包括 golden-content-classifier、golden-difficulty-classifier、golden-domain-tagger、golden-query-generator。详细实现参见 references/selection-criteria.md 与 references/annotation-patterns.md。相关技能：golden-dataset-management、golden-dataset-validation、langfuse-observability、pgvector-search。版本 1.0.0（2025 年 12 月），Issue #599。
限制：暂未提供关于收费、价格、平台支持范围及具体安装步骤的资料。