文笔层：AI 味机检、标点规范化、分块大量扩写（第 1 集成稿 10805 字）

- 修复上次提交把 dfannals/cli.py 写成 0 字节的问题（它是唯一入口，导致管道不可运行）
- 性别：解析 <caste>，人物表与写作素材带性别（Ral Fastenhatchets 实为女性）
- 新增 dfannals/deslop.py：AI 味机械诊断（硬伤词/句式/标点，按千字密度报告）
- 新增 dfannals/normalize.py：标点与结构清理（引号配对、重复段落与句子、模型自加的小节标记）
- 新增 dfannals/expand.py 与 prompts/literary-expander.md：按年份场景分块大量扩写
- 专名防幻觉：每块附史料专名白名单，事后按段自动修复可疑专名
- episode 命令并进文笔层（骨架稿另存 .skeleton.md），新增 expand 命令做 A/B 对照
- 新增 notes/switched-threads.md 与 test_deslop / test_normalize 回归测试
- 提交前拦截「已跟踪文件为空」，防止上述事故复发

dfannals/factcheck.py

@@ -97,14 +97,19 @@ def _is_candidate(name: str, known: set[str]) -> bool:
 def check(text: str, world: World) -> list[Suspicion]:
     """返回可疑专名列表（按出现次数降序）。"""
     known = known_names(world)
+    # 大小写不该决定是不是幻觉：史料里是 YETI/EAGLE_MAN，正文写成 Yeti/Eagle_man
+    # 是同一件事（模型从种族字段学来的），不能报成凭空编造。
+    folded = {k.casefold() for k in known}
     found: dict[str, list[str]] = {}
 
     for match in NAME_RE.finditer(text):
         raw = match.group(0)
+        if raw.casefold() in folded:
+            continue
         # 逐级回退：整串不认，就试着拆成更短的已知名字，减少误报
         if not _is_candidate(raw, known):
             continue
-        if any(part in known for part in raw.split()):
+        if any(part.casefold() in folded for part in raw.split()):
             # 名字里有一部分是史料已知的（例如 "Urist the Bold"），不当作凭空编造
             continue
         start = max(0, match.start() - 20)