book.json
元数据与解析后的结构：章、节、插图、脚注。
为何选择图书语料
公开网络的语料已被反复抓取，去重至饱和。对模型仍有提升作用的边际 token，是它从未见过的。
经专业编辑的长篇叙述性文本是密度最高的此类来源——而仍被封存在纸质书中的那部分，是任何爬虫从未触及的。我们提供的正是如此：我们实体持有的图书，转化为整洁的文本与结构，可逐一与我们的库存核验。
交付内容
每本书都是一个独立的数据包——端到端可解析，各书格式统一。
pages.jsonl
逐页文本，并附质量评分与逐页语言检测结果。
封面图像
封面、封底、书脊，以及（如有）勒口。