docs: make research domains actionable

- add research transfer synthesis with full 17-domain migration matrix
- upgrade all research domain analysis files to actionable benchmark/iteration/validation structure
- update research governance, README indexes, metadata, llms, and AI citation entries

Validation:
- make sync-doc-toc
- make test
- git diff --check
- section coverage check for all 17 docs/research/*/analysis.md files

Note:
- welcome workflow failed because its action input names are stale; core content CI passed.

docs/research/luzhenqian-ai-coding-lab/analysis.md

@@ -2,43 +2,62 @@
 
 ## 本轮结论
 
-- 这是项目实验室型仓库，用多个小项目覆盖 AI 编程、agent、chatbot、RAG、creative、skills 等方向。
-- 它的价值在“项目矩阵”而不是单一工具深挖，适合研究如何用案例组织 AI Coding 学习。
-- 本仓可借鉴它的 lab 分类，把教程从概念进一步落到项目样例。
+`luzhenqian/ai-coding-lab` 的核心价值是项目实验室。它用 agent、chatbot、creative、RAG、skills、
+vibe-coding 等目录组织实践项目，适合研究如何把 AI Coding 从概念推进到可运行案例。
+
+本仓最应该迁移的是“实践项目作为概念验收层”：概念和方法论如果没有项目验证，很容易变成空话。
 
 ## 本地证据
 
 - 研究对象：`luzhenqian/ai-coding-lab`
 - 当前研究角色：AI Coding 项目实验室
-- 本轮成熟度：L1 初步理解
 - 原始仓库：`raw/repository/`
 - 原始来源清单：`raw/sources.yml`
 - 事实摘要：`domain.yml`
+- 深度证据：`deep-dive.md`
 
-## 结构观察
+## 对标拆解
 
-- 根目录包含 `agent/`、`chatbot/`、`creative/`、`rag/`、`skills/`、`vibe-coding/`。
-- README 以项目列表、适合谁、如何使用、推荐工具组织。
-- 目录名直接对应实验方向，便于读者按兴趣进入。
+| 项 | 内容 |
+|:---|:---|
+| 参考对象 | `luzhenqian/ai-coding-lab` |
+| 它解决的核心问题 | 用多个小项目覆盖 AI Coding 的主要实践方向 |
+| 核心机制 | `agent/`、`chatbot/`、`creative/`、`rag/`、`skills/`、`vibe-coding/` 项目矩阵 |
+| 真正带来结果的动作 | 用项目目录让学习者按方向进入实践 |
+| 可迁移做法 | practice/example 层、项目模板、概念到项目的映射 |
+| 不可迁移条件 | 不直接采用未验证项目，不把目录名当质量 |
+| 下一步试用动作 | 为本仓设计“最小实践项目模板” |
 
-## 可借鉴点
+## 改良迭代
 
-- 项目实验室可以作为 concepts/references 的验证层。
-- 按 agent、RAG、chatbot、skills、vibe-coding 分组，适合做学习路径分支。
-- 小项目比长文更容易形成可运行反馈。
+| 改良目标 | 原模式 | 本仓版本 | 验证指标 |
+|:---|:---|:---|:---|
+| 实践矩阵 | 多方向项目目录 | workflow/practice 中按目标组织项目 | 每个项目有目标、运行命令、验收命令 |
+| 概念验收 | 项目承接学习 | concepts 后接最小实践 | 概念能被运行或检查 |
+| Skill 实验 | `skills/` 目录 | 本仓 skill 有评测和示例 | skill 不只停在说明 |
 
-## 风险和边界
+## 可迁移清单
 
-- 项目粒度可能不均，不能只看目录名判断质量。
-- 实验室型仓库通常缺少统一质量门禁。
-- 需要逐项目验证是否能运行。
+- 建立最小实践项目模板。
+- 让 agent、RAG、chatbot、skills 等方向对应学习分支。
+- 每个项目必须有前置条件、运行命令、验收命令和常见失败。
+- 将项目作为 L3 沉淀产物的一部分。
 
-## 下一轮研究任务
+## 不可迁移清单
 
-- 挑选 `agent/`、`skills/`、`vibe-coding/` 三个方向做二轮源码阅读。
-- 评估哪些项目可转化为本仓实战示例。
+- 不复制项目代码。
+- 不把实验室当作生产模板。
+- 不新增 practice 层前先无限扩张目录；先用最小模板验证。
+
+## 验证动作
+
+| 动作 | 成功信号 | 失败信号 |
+|:---|:---|:---|
+| 设计一个最小实践项目模板 | 模板能指导新项目落地 | 只有项目标题无运行命令 |
+| 抽样一个概念映射到练习 | 用户能通过练习验证概念 | 概念仍只能阅读 |
+| 抽样一个 skill 增加示例 | 示例能复现 skill 行为 | skill 无法验证 |
 
 ## 沉淀判断
 
-- 本轮只完成 L1 理解，不直接迁入 concepts、references、workflow 或 skills。
-- 只有经过 L2 源码阅读、实验验证或交叉对照后的结论，才进入稳定层。
+- 稳定结论进入 `docs/workflow/`，后续可引出独立 practice/examples 层。
+- 本研究域保持 P2 实践项目对标对象。