三服务后端拆分

上级：key-designs

三个可以分别独立部署的服务，按职责和语言拆分：

auth（Go/echo，约 2.7k 行代码）——只管身份。 这是一个独立的微服务，包装了 Appwrite：POST /api/v1/auth/{login,register,logout,guest,recovery,recovery/reset}、GET/PUT/DELETE /me，以及一个清理游客账号的定时任务（/cron/cleanup-guests，清理超过 24 小时的游客）。会话用 HttpOnly cookie（internal/cookie）；编排逻辑把 Appwrite REST 调用和一次 MainBackend 用户清除调用组合在一起，所以删除账号会级联清除。它被刻意与领域 API 分开。

mainbackend（Go/echo + pgx + google/wire，约 12.6k 行代码）——领域 API 与持久化层。 15 个路由组：books、bookmarks、notes、vocabulary（外加处理全部词形的 PATCH /:id/forms）、reading_prefs、book_settings、catalog/catalog_bytes/covers、dictionary（L2 共享词条缓存）、review、client_logs、internal_purge、health。它是离线优先 outbox 的服务端对应物（offline-first-outbox）——对重复写入是幂等的，所以被重放的 outbox 条目是安全的——并且它拥有 SRS：SM-2 调度器就在这里（internal/domain/review/srs.go），而不在客户端，这样 web/desktop 之间的复习计划才能保持一致、无法被作弊（vocabulary-loop）。

nlp-api（Python/FastAPI + spaCy，约 3.6k 行代码）——确定性的语言学处理 + 重型摄取。 /tokenize、/lookup、/structure（依存句法分析语法）、/translate 引擎（linguistic-two-engines）——再加上处理客户端处理不了的扫描版书籍的 PDF/OCR 摄取路由（/parse-pdf、/ocr-images，用 Tesseract）（upload-ingestion）。

为什么这样拆分： 身份认证的安全性与生命周期需求和领域逻辑不同（所以独立成服务）；语言学处理需要 Python 的 NLP 生态（spaCy、Tesseract、NLLB），没法放进 Go 层；这样 Go 领域 API 就能保持是一个干净的、用 wire 做依赖注入的持久化层。@lucerna/core 中的依赖反转（cross-platform-seams）意味着各个 shell 只把这三者看成基于 HTTP 的仓储接口。

（i18n 说明：产品发布了 11 种语言—— en, de, es, fr, ja, ko, nl, pt, zh, zh-HK ——作为 core/src/i18n/ 中的完整翻译词典，通过 core 以 UI 无关的方式被使用；机制上很简单，但覆盖面很广。）