Pass the coding keywords as input instead of baking them into the prompt

Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>

docs/methodology.md

@@ -47,16 +47,23 @@ LLM。設計原則見 `research-plan.md`；本檔記載可重現的
   實作本步，四種模型六次執行全部無法維持完整分割，
   已棄用（詳見 `decision-log.md` 2026-08-05；棄用的
   定義檔止於 git 歷史，見 `git log -- prompts/`）。
+- **產物**：分群明細 CSV（欄位 Group、Keyword，一列一個
+  成員，依兩欄排序）記錄機器算出的分割；定案碼表 JSON
+  （`{"keywords": [...]}`）記錄實際交給模型的碼，即組名
+  加上先驗主題詞。兩者分開，因為前者是分群結果、後者
+  含研究者的介入。
 - **可重現性**：同一輸入、同一釘定模型、同一參數逐次
   重現。不同 CPU／BLAS 實作的浮點尾數差異可能使邊界
-  詞的歸屬翻動，屬已揭露的限制；論文所用詞彙表逐字
+  詞的歸屬翻動，屬已揭露的限制；論文所用碼表逐字
   commit，引用單位為該份定案檔案。
 
 ### women-power 的注入
 
 定案詞彙表為 50 個分群組名再加上 `women-power` 一詞，共
 51 個碼。`women-power` 是研究者任意決定的先驗主題（即本
-論文的主題本身），不由資料產生，屬揭露的儀器介入。
+論文的主題本身），不由資料產生，屬揭露的儀器介入。該詞
+以常數寫在分群子命令內、隨定案碼表一併輸出，不經人手
+編輯；分群明細 CSV 不含它，兩份產物因此各自誠實。
 
 注入而非另設篩選軌的理由：讓研究者的主題詞與模型自己
 收斂出的類別（分群已自行長出 `female-empowerment` 等組）
@@ -97,23 +104,24 @@ LLM。設計原則見 `research-plan.md`；本檔記載可重現的
 每一步的輸出如何變成下一步的輸入，皆為確定性程序，規則
 明定如下：
 
-- **歌詞輸入檔（步驟 1、3 共用）**：`export-llm-input` 自
-  工作儲存產出，每筆 `{"id": "song-<ID>", "content":
-  <歌詞>}`，依歌曲 ID 升序。兩個讀歌詞的步驟共用同一
-  檔，SHA-256 記入各步 meta。
+- **歌詞輸入檔（步驟 1）**：`export-llm-input` 自工作
+  儲存產出，每筆 `{"id": "song-<ID>", "content": <歌詞>}`，
+  依歌曲 ID 升序。步驟 3 的輸入由同一子命令、同一工作
+  儲存產出（見下），兩步的語料同一性由此成立；各步
+  輸入檔的 SHA-256 記入該步 meta。
 - **步驟 1 → 2-1**：`pool-keywords` 讀兩份執行歸檔的
   `output.jsonl`（一律以換行字元 `\n` 切行——歌詞含
   U+0085 等控制字元時，`str.splitlines()` 類的通用切行
   會截斷 JSON 字串，實測踩中），輸出關鍵字純文字檔與
   出處 CSV。
-- **步驟 2-1 → 2-2**：`cluster-keywords` 讀關鍵字純文字檔，
-  輸出具名分組（組名 → 成員詞，組名與成員皆字典序）
-  與記錄嵌入模型、revision、演算法參數、輸入 SHA-256 的
-  meta。
-- **步驟 2-2 → 3 定義檔**：50 個組名與 `women-power` 合併
-  後以字典序逐行填入 `prompts/03-01-code.md` 的詞彙表節
-  （逐字），檔案隨 git commit 後方可執行——步驟 3 的
-  定義檔因此自我完備，論文附錄可直接引用。
+- **步驟 2-1 → 2-2**：`cluster-keywords` 讀關鍵字純文字
+  檔，輸出分群明細 CSV 與定案碼表 JSON。
+- **步驟 2-2 → 3 輸入檔**：`export-llm-input --extras
+  <定案碼表>` 自工作儲存產出步驟 3 的輸入，每筆
+  `{"id": "song-<ID>", "content": <字串>}`，`content` 為
+  固定鍵序序列化的 `{"lyrics": …, "keywords": [...]}`，
+  依歌曲 ID 升序。碼表以參數傳入而非填進定義檔——定義
+  檔只規定任務形狀，換詞彙表、換演算法都不必改它。
 - **步驟 3-1 兩次執行 → 3-2**：逐首比對標籤集合（鍵
   集合，引述不參與比對）；僅有分歧的歌入仲裁輸入
   JSONL，依歌曲 ID 升序，每筆 `id` 沿用 `song-<ID>`、