eduevidence 5.2.0 → 6.2.0

package/skill/sub-skills/methodology-audit/SKILL.md

@@ -1,20 +1,37 @@
 ---
 name: methodology-audit
 description: "Audits empirical studies against WWC 5.0, GRADE risk-of-bias frameworks, and social science pitfalls."
+capability: methodology_appraisal
 ---
+
 # Methodology Audit Skill (Methodology Tribunal)
 
-## 1. When to Use
+## When to Use
 Trigger before claim synthesis to evaluate threats to internal and external validity, applying methodological confidence scoring.
 
-## 2. Audit Frameworks
-1. **WWC 5.0 Rating**:
-   - Tier 1: Meets WWC Standards Without Reservations (clean RCT, low attrition).
-   - Tier 2: Meets WWC Standards With Reservations (QED with baseline equivalence).
-   - Tier 3: Correlational / Promising.
-2. **Social Science 4 Critical Pitfalls**:
-   - Task Performance != Genuine Learning.
-   - Short-Term Score != Long-Term Retention (4+ weeks).
-   - AI-Assisted Performance != Independent Transfer.
-   - Correlation != Causation.
-3. **GRADE Certainty Rating**: High, Moderate, Low, Very Low.
+## Inputs
+- `evidence.jsonl` + `fetch/` 原文
+- `references/wwc_standards.md`、`references/grade_framework.md`、`references/social_science_pitfalls.md`
+
+## Process
+1. **WWC 5.0 Rating**: Tier 1 (meets standards without reservations — clean RCT, low attrition), Tier 2 (with reservations — QED with baseline equivalence), Tier 3 (correlational / promising).
+2. **Social Science Pitfalls**: task performance ≠ genuine learning; short-term score ≠ retention (4+ weeks); AI-assisted performance ≠ independent transfer; correlation ≠ causation.
+3. **GRADE Certainty**: High / Moderate / Low / Very Low at the body-of-evidence level.
+4. **15-item checklist** in fixed order (control_group … dropout), each `met|partial|missing|not_applicable`.
+
+## Output Contract
+`methodology.json` per `schemas/methodology.schema.json`, including `task_vs_learning_guard.equates_task_with_learning`.
+
+## Quality Gates
+- [ ] 15 项齐全且仅用四值枚举。
+- [ ] guard 结论明确。
+- [ ] 审计只判"证据是否成立"，不判"证据说什么"。
+
+## Anti-Patterns
+- 用样本量大掩盖无对照；把相关性研究列入因果结论；缺项直接记 `met`。
+
+## Worked Example
+某准实验无前测等价性 → Tier 2 (with reservations) + `pre_test: missing`；其结论只可用于"提示可能"，不进强支持列。
+
+## References
+- `references/methodology-audit.md`、`references/tribunal-policy.md`、`skill/agents/method-reviewer.md`、`skill/task-briefs/audit.md`

package/skill/sub-skills/report-generation/SKILL.md

@@ -1,29 +1,36 @@
 ---
 name: report-generation
 description: "Renders 5 baked-theme single-file bilingual HTML reports, executive Visual Briefs, and Markdown reports, powered by Lieflat Charts editorial visualization standards and AI-composed, data-driven chart galleries."
+capability: report_projection + report_rendering
 ---
 # Report Generation Skill
 
 ## 1. When to Use
 Trigger at the completion of a research cycle (Step 9: Present stage) to deliver visual dossiers, decision briefs, and publication-grade reports.
 
-## 2. Lieflat Charts Editorial Standards Integration
-All statistical figures, evidence matrices, and causal trajectories follow the **Lieflat Charts Editorial Codex** (`visualization/lieflat-charts/`). Chart galleries are **AI-composed but data-driven**: the upstream AI writes a chart plan (`visual_layout`), and the deterministic renderer extracts every number from `result.json` via `scripts/charts_data.py`. **The AI never writes numeric values into the layout** — values are un-tamperable and always traceable.
+## 2. AI-Composed Data Visualization
+Use the self-contained selection catalog at `visualization/eduevidence-report/references/chart-selection-catalog.md` together with the executable registry in `references/lieflat-composition.md`. Chart galleries are **AI-composed but data-driven**: the upstream AI writes a chart plan (`visual_layout`), and the deterministic renderer extracts every number from `result.json` via `scripts/charts_data.py`. **The AI never writes numeric values into the layout** — values are traceable and cannot be replaced by invented chart data.
 
 ### 2.1 Six-Step Chart Composition Workflow
 1. **判数据形状。** 看 `result.json` 的数据长什么样（效应量 g+CI / 年份×维度 / 方向计数 / 阶段周区间 / 置信度单值 / 审计状态……），形状是选图的主键。
-2. **按 catalog 审计候选。** 在 `visualization/lieflat-charts/catalog.md` 按数据形状召回候选，至少比较 3 个并写下淘汰理由（语义契合、单位诚实、标签容纳、阅读速度、本批次是否重复）。Glance 系只在 Lupi/Basics 不适配或用户明确要求快读时进入候选。
+2. **按自包含 catalog 审计候选。** 在 `visualization/eduevidence-report/references/chart-selection-catalog.md` 按数据形状召回候选；通常比较至少 3 个可行图型并写下淘汰理由（语义契合、单位诚实、标签容纳、阅读速度、移动端适配、本批次是否重复）。如果数据形状只有 1–2 个有效候选，不得为了凑满 3 个选择语义错误的图。
 3. **锁定注册表 `type`。** 只能选 `visualization/eduevidence-report/references/lieflat-composition.md` 注册表内的图型（type ↔ 目录编号 ↔ 数据形状 ↔ 提取器）；**未注册 type 会显式报错并被丢弃，不存在静默回退**。
 4. **写 `report_outline` + `visual_layout`。** 每张图承担一个独立结论；总数 ≤6 张；同一批形状不重复（不堆同类环/条/点阵）；每张图写清 `type / catalog_ref / title_zh+en / subtitle_zh+en / caption_zh+en / source / params`，副标题写清图例与单位；主题色系由烘焙主题锁定，布局不得换色。
 5. **渲染。** 运行 `build_report.py`（或 `scripts/rebake_all_5themes.py`）——渲染器对每个条目走注册表提取器：数据不足 → 该图抑制并记录原因（镜像 Meaningful Visualization Gate）；全部无效 → 确定性安全组合（forest_plot + dot_cascade + bubble_almanac + tick_rows）。
-6. **按 Lieflat skill 第八节自检**（面积 sqrt、最小字号 6.5/5.5px、数值 800、reveal 滚入播放 + 点击重播 + reduced-motion、卡片四件套齐全、数值与视觉成正比）。
+6. **按本地 catalog + 渲染不变量自检**（面积 sqrt、最小字号 6.5/5.5px、数值 800、reveal 滚入播放 + 点击重播 + reduced-motion、卡片四件套齐全、数值与视觉成正比）。
 
 ### 2.2 数据契约：AI 写计划，渲染器出数
 - `visual_layout` 条目 = 图型 + 目录编号 + 双语文案 + 数据源参数。**数值一律由 `scripts/charts_data.py` 的提取器从 `result.json` 读出**，渲染器只接收提取器 bundle——被篡改的数值天然不被采用，完整性门 `lieflat_data_bound` 逐值核对溯源。
 - 50 篇级大样本 → 提取器 top-N 截断 + SVG `<title>` 悬停读数，不加欺骗性交互。
 - 中文长类目 → 按决策树选横排图（F5/F1/F6 系），L2 cascade 类目名 ≤4 字约束保留。
 
-### 2.3 5 Theme Palettes Adaptive Binding (Zero-CDN Guarantee)
+### 2.3 Tables are audit surfaces, not failed visualizations
+- Keep `EvidenceMatrix`, `SourceList`, methodology details, and `ClaimTrace` for exact row-level verification and provenance.
+- Use charts for patterns, comparisons, distributions, composition, time/phase structure, and decision summaries.
+- Never replace a provenance table merely to make the report look more visual. A chart may summarize a table, but the auditable rows remain reachable.
+- If no chart adds information without inventing missing values or mixing incompatible outcomes, suppress the visualization and explain why.
+
+### 2.4 5 Theme Palettes Adaptive Binding (Zero-CDN Guarantee)
 Every chart is rendered as **pure self-contained inline SVG** following the baked report theme's color system:
 - **`claude` (智库典雅)** ➔ **Lieflat Palm (暖棕)**: `#FAF7F2` paper base, `#B8694A` terracotta, `#5E8A6A` forest green, `#C99A4A` amber.
 - **`academic` (学术顶刊)** ➔ **Lieflat Mono / Nature (学术黑白灰)**: `#FFFFFF` paper base, `#0F172A` ink black, Okabe-Ito colorblind-safe accents.
@@ -33,7 +40,7 @@ Every chart is rendered as **pure self-contained inline SVG** following the bake
 
 Dark themes draw on the theme's `card_bg`; text contrast is checked against the theme palette (≥4.5:1 for body/labels). The chart structure is identical across light/dark — only colors change.
 
-### 2.4 排版守则（五主题统一约束）
+### 2.5 排版守则（五主题统一约束）
 五个烘焙主题的排版必须通过 `scripts/lint_report_layout.py`（静态不变量 + 浏览器级
 390/768/1280 × brief/full 实测）：轨道 `minmax(0,1fr)` / `minmax(min(Npx,100%),1fr)`、
 主题自带移动端媒体覆写、禁止裸 `1fr` 与固定 px 最小值 auto-fit、表格外包 `overflow-x:auto`。
@@ -49,3 +56,30 @@ Dark themes draw on the theme's `card_bg`; text contrast is checked against the
 
 ## 4. Web Studio Sync
 The Local Web Studio (`scripts/dashboard_server.py`) serves the baked HTML reports and Lieflat figures directly.
+
+## Inputs
+- `result.json` / `result.zh.json`（叙述字段先过语言门禁 `check_language_parallel`）
+- 当前 Graph Revision 与 decision snapshot 标识
+
+## Quality Gates
+- [ ] 双语语义对齐（数字 / ID / 枚举 / URL 不变）。
+- [ ] 渲染完整性门通过：显示数值可回溯到 `result.json`，探针无 `REPORT_INVALID`。
+- [ ] 布局不变量通过 `scripts/lint_report_layout.py`（390 / 768 / 1280 × brief/full）。
+- [ ] 溯源表格保留（来源表 / 证据矩阵 / Claim Trace），图表只作补充。
+- [ ] `artifact_manifest.json` 记录来源 revision 与各产物哈希。
+
+## Anti-Patterns
+- 由模型写入图表数值（数值必须来自 `scripts/charts_data.py` 提取器）。
+- 为了"更可视化"而删除可核验表格；用占位或虚构数据补齐缺失图表。
+- 报告与快照不一致时改报告不改结论；在 HTML 内提供运行时换肤。
+
+## Failure Handling
+| 失败 | 处理 |
+|---|---|
+| `REPORT_INVALID` | 阻断发布并重跑渲染，不带缺陷投放。 |
+| 双语不对齐 | 修复 `result.zh.json` 后重新烘焙。 |
+| 数据不足以支撑某图 | 抑制该图并记录原因，不补造数据。 |
+| 快照缺失 | 回到上游科学阶段补齐；禁止用默认值生成报告。 |
+
+## References
+- `skill/task-briefs/present.md`、`skill/task-briefs/projection.md`、`visualization/eduevidence-report/references/layout-constraints.md`

package/skill/sub-skills/research-planning/SKILL.md

@@ -1,21 +1,48 @@
 ---
 name: research-planning
-description: "Extracts the structured Education Research Frame (PICO + decision target) from user natural language and determines execution mode (S/M/L) via the Complexity Gate."
+description: "Extracts the structured Research Frame (PICO + decision target, in the selected domain's vocabulary) from user natural language and determines execution mode (S/M/L) via the Complexity Gate."
+capability: research_framing
 ---
+
 # Research Planning Skill
 
-## 1. When to Use
-Trigger this skill when the user initiates a new empirical educational or social science inquiry or updates the research scope. This is the **Frame** stage of the Canonical Protocol (docs/architecture.md).
+## When to Use
+Trigger this skill when the user initiates a new empirical inquiry — education, policy, organisational practice, or any other registered domain — or updates the research scope. This is the **Frame** stage of the Canonical Protocol (`docs/architecture.md`).
+
+## Inputs
+- 用户原始问题（自然语言，可能含隐含假设）
+- 可选结构化线索：population / intervention / comparison / outcomes / constraints / depth
+- 领域（决定 frame 词汇）：education（learner/course）/ policy（decision_object/population/stakeholders），或其他注册在 `domains/` 下的领域
 
-## 2. Process
-1. **Frame Formulation (Education Research Frame)**:
-   - **Population (P)**: Target learner/cohort demographics, grade level, domain.
-   - **Intervention (I)**: Specific pedagogical technique, tool, AI system, or curriculum change.
+## Process
+1. **Frame Formulation (Research Frame，字段随领域而定)**
+   - **Population (P)**: Who or what the decision acts on — learners and courses in education, affected groups and stakeholders in policy, customers or staff in organisations. Use the field vocabulary of the selected domain.
+   - **Intervention (I)**: The specific practice under decision — a teaching method, tool, AI system, curriculum change, regulation, process or programme.
    - **Comparison (C)**: Active control, business-as-usual, or non-intervention baseline.
-   - **Outcomes (O)**: Primary and secondary outcome metrics (task performance vs delayed transfer must be separated).
-   - **decision_target + scope + inclusion/exclusion criteria**: required by education-frame.schema.json.
-2. **Complexity Gating (S/M/L)** (scripts/complexity_gate.py, 全程唯一权威分级):
-   - S (Quick Fact): Fact-checking single claim (k=3-5).
-   - M (Standard Review): Full multi-source evidence review (k=8-15).
-   - L (Deep Causal Cycle): Synthesis + Trial Design + Empirical DID Regression.
-3. **Output Contract**: Frame 本体按 schemas/education-frame.schema.json（V1）校验；研究意图投影用 schemas/v2/research-intent.schema.json（V2 契约）。框架完整前禁止任何教学建议（领域层第一道闸门）。
+   - **Outcomes (O)**: Primary and secondary outcome metrics; task performance and delayed transfer must stay separate.
+   - **decision target + scope + inclusion/exclusion criteria**: required by the selected domain's frame schema.
+2. **Complexity Gating (S/M/L)** — `scripts/complexity_gate.py` is the single authority:
+   - S (Quick Fact): fact-check a single claim (k=3–5).
+   - M (Standard Review): full multi-source evidence review (k=8–15).
+   - L (Deep Causal Cycle): synthesis + trial design + empirical DID regression.
+3. **Missing inputs**: ask the user (`NEEDS_USER_CONTEXT`); never invent a default population, comparator, or outcome.
+
+## Output Contract
+- Frame body validates against the selected domain's frame schema (`domains/<id>/manifest.json` → `frame_schema`): `schemas/education-frame.schema.json` for education, `domains/policy/frame.schema.json` for policy.
+- Research-intent projection uses `schemas/v2/research-intent.schema.json` (V2 contract).
+- **No intervention advice may be produced before framing completes** — the domain layer's first gate.
+
+## Quality Gates
+- [ ] PICO 五要素齐全，comparator 明确，且字段词汇与所选领域一致。
+- [ ] primary outcome 与 secondary/risk outcome 分离。
+- [ ] scope 与纳排标准可操作，非"相关研究"式表述。
+- [ ] 随 frame 输出 S/M/L 等级建议。
+
+## Anti-Patterns
+- 把"相关研究"当作 scope；把任务完成速度当作学习效果；为缺失人群编造默认值；frame 未完成即给干预建议；把某个领域的字段强制套到另一个领域。
+
+## Worked Example
+输入"大一 C 语言课程要不要允许用 AI 编程助手？" → education 域：population=CS1 学生；intervention=生成式 AI 编程助手（含护栏）；comparison=无 AI 常规教学；primary outcome=独立考试成绩（learning）；decision_target=teaching_decision。同一协议在 policy 域写成：population=客服团队与受影响客户；intervention=带人工审核的 AI 助手；decision_object=adopt。
+
+## References
+- `schemas/education-frame.schema.json`、`references/education-framing.md`、`references/outcome-taxonomy.md`、`skill/task-briefs/frame.md`

package/skill/sub-skills/study-design/SKILL.md

@@ -1,16 +1,37 @@
 ---
 name: study-design
 description: "Generates pre-registered quasi-experimental DID and RCT trial designs to fill identified knowledge gaps."
+capability: study_design + measurement_design
 ---
+
 # Study Design Skill
 
-## 1. When to Use
-Trigger automatically when Evidence Graph yields MIXED, UNCERTAIN, or INSUFFICIENT verdicts, converting knowledge gaps into actionable empirical protocols.
+## When to Use
+Trigger when the Evidence Graph yields MIXED, UNCERTAIN, or INSUFFICIENT outcomes — converting knowledge gaps into actionable empirical protocols. **A new design requires an explicit evidence-grounded KnowledgeGap ID.**
+
+## Inputs
+- `GapNode`（`GAP-*`）+ claim 状态
+- 目标人群、可用课时、伦理审查结论
+
+## Process
+1. **Trial Specification**: sampling frame; cluster randomization or matched control classes; 4-phase rollout — baseline pre-test (W1), treatment exposure (W2–W9), immediate post-test (W10), 4-week delayed transfer test (W14).
+2. **Pre-Registration Manifest**: power calculation (e.g. N > 120 for power ≥ 0.80 at g = 0.35); primary/secondary instruments; stopping rules; pre-specified regression model.
+3. **Measurement plan**: hand over to evaluation design so thresholds are fixed before enrolment.
+
+## Output Contract
+StudyDesign + measurement plan validated against the grounded-study gate (`scripts/complexity_gate.py` + engine study-design checks). "Few papers found" alone never authorises a pilot.
+
+## Quality Gates
+- [ ] 设计引用显式 KnowledgeGap ID。
+- [ ] 功效计算与停止规则齐备。
+- [ ] 包含无 AI 的延迟迁移测量。
+- [ ] 伦理审查已通过。
+
+## Anti-Patterns
+- 因"文献少"直接开研究；事后补功效计算；把即测当作迁移。
+
+## Worked Example
+GAP-RETENTION-001 → 12 周集群随机设计：W1 前测 / W10 即测 / W14 无 AI 迁移测，N≈160，预先注册分析模型。
 
-## 2. Process
-1. **12-Week Trial Specification**:
-   - Sampling frame, cluster randomization / matched control classrooms.
-   - 4-phase rollout: Baseline pre-test (W1), Treatment exposure (W2-W9), Immediate post-test (W10), 4-week delayed transfer test (W14).
-2. **Pre-Registration Manifest**:
-   - Statistical power calculation (N > 120 for power >= 0.80 at effect size g = 0.35).
-   - Primary/secondary outcome instruments, stopping rules, and pre-specified regression model.
+## References
+- `engine/study_design.py`、`references/intervention-design.md`、`skill/sub-skills/ethics-review/SKILL.md`

package/skill/task-briefs/adjudicate.md

@@ -4,14 +4,39 @@
 整合 Frame + Evidence Matrix + Skeptic Findings + Method Reviews，产出四态裁决
 （ADOPT/PILOT/REJECT/INSUFFICIENT EVIDENCE）+ Can/Cannot Claim + 证据边界。
 
-## 输入
-- frame.json、evidence.jsonl、skeptic.json、methodology.json
+## 前置输入
+- `frame.json`、`evidence.jsonl`、`skeptic.json`、`methodology.json`
+- 确定性置信度脚本 `scripts/compute_confidence.py` 与裁决前闸门 `scripts/pre_verdict_gate.py`
 
 ## 产出
-- raw_verdict.json（模型裁决）→ orchestrator 跑 Pre-Verdict Gate + 确定性置信度
-  → final_verdict.json（schemas/verdict.schema.json）。
+- `raw_verdict.json`（模型裁决）→ orchestrator 跑 Pre-Verdict Gate + 确定性置信度
+  → `final_verdict.json`（`schemas/verdict.schema.json`）。
 
-## 规则（人话化硬标准，第一页决策语言）
-- decision_rationale 必须为 ≤4 句面向读者的流畅散文（en/zh 分写）；
+## 执行规则（人话化硬标准，第一页决策语言）
+- `decision_rationale` 必须为 ≤4 句面向读者的流畅散文（en/zh 分写）；
 - 禁证据 ID 列表（E-xxx/EV-xxx）、禁 schema 键（overall_risk= 等）、禁截断残留（null）；
-- what_can/cannot_be_claimed 等列表同样人话化；统计数字可保留但以自然表达呈现。
+- what_can/cannot_be_claimed 等列表同样人话化；统计数字可保留但以自然表达呈现。
+- **先过 Pre-Verdict Gate 再定稿**：critical 失败会封顶置信度并禁止高置信 ADOPT。
+- 置信度由规则化公式给出（0.30 质量 + 0.25 一致性 + 0.20 直接性 + 0.25 独立研究数 − 双罚分），不由模型自评。
+- 证据不足时输出 INSUFFICIENT EVIDENCE，并写明"什么证据会改变这个决定"。
+- 语言人话化规则见 `references/scientific-invariants.md` 与角色提示词。
+
+## 质量门
+- [ ] `final_verdict.json` 通过 verdict schema，action 取自四态枚举。
+- [ ] Pre-Verdict Gate 已执行并留痕（`gate_report.json`）。
+- [ ] 置信度可复算，分解项可审计。
+- [ ] 反证与 threats_to_validity 均被显式回应（采纳、限定或驳回并说明理由）。
+
+## 失败模式与回退
+| 失败 | 处理 |
+|---|---|
+| `PRE_VERDICT_FAILED` | 修复前置产物（schema / 交叉评审 / 方法学）后重跑闸门。 |
+| `GATE_CRITICAL_FAILURE` | 封顶置信度，强制降至 PILOT 或 INSUFFICIENT EVIDENCE。 |
+| `CONFLICT_UNRESOLVED` | 保持不确定，不强行裁决。 |
+| 证据仅支持任务表现 | 不得据以产出学习效果类结论。 |
+
+## 语言与呈现契约
+面向决策者的第一页语言；ID、枚举、URL 保留可追溯性，但不出现在叙述句中。
+
+## 交接说明
+`final_verdict.json` 是 Applicability / Intervene / Evaluate 与一切投影的唯一依据。

package/skill/task-briefs/applicability.md

@@ -0,0 +1,38 @@
+# Task Brief — stage: applicability（角色：evidence-judge）
+
+## 目标
+判定证据可迁移到目标人群与场景的程度：明确支持人群、实施条件、被排除人群、结局边界与不确定性。
+
+## 前置输入
+- `evidence.jsonl`（含人群、场景、剂量与结局信息）
+- `final_verdict.json`（裁决与边界）
+- `references/applicability-policy.md`
+
+## 产出
+- `applicability.json`：supported / unsupported populations、conditions、outcome limits、
+  boundary of transfer、uncertainty statement；供 Intervene 判断试点人群是否落在支持范围内。
+
+## 执行规则
+- **阳性结果不自动迁移**：不能因为"研究有效"就推定目标人群同样有效。
+- 逐条对齐：目标人群 vs 研究人群、目标场景 vs 研究场景、目标 outcome vs 已测量 outcome。
+- 明确写出被排除人群（例如被排除的补习班学生、特殊需求学习者）与理由。
+- 剂量与实施条件（师资培训、课时、工具版本、护栏）必须显式列出——这些常常是效果成立的前提。
+- 不确定之处如实标注为不确定，不用"一般来说"这类泛化措辞掩盖缺口。
+
+## 质量门
+- [ ] 支持人群、条件、结局边界、排除人群四类信息齐全。
+- [ ] 每条边界都追溯到具体证据，而非泛泛陈述。
+- [ ] 不确定性显式声明，且与裁决置信度一致。
+
+## 失败模式与回退
+| 失败 | 处理 |
+|---|---|
+| `SCOPE_MISMATCH` | 缩小结论范围而非放宽适用条件。 |
+| 关键人群信息缺失 | 记入不确定项；不得默认"与目标人群相同"。 |
+| 边界与裁决口径冲突 | 以证据为准修正边界，并回退到 Adjudicate 复核。 |
+
+## 语言与呈现契约
+面向决策者的人话表述：谁适用、在什么条件下、对哪些结果、到什么程度为止。
+
+## 交接说明
+`applicability.json` 约束 Intervene 的试点人群；越界设计必须被拒绝或缩回支持范围。

package/skill/task-briefs/audit.md

@@ -3,13 +3,38 @@
 ## 目标
 按审计清单审查每个研究的方法学质量，强制执行"任务完成表现 ≠ 学习效果"最高优先级规则。
 
-## 输入
-- evidence.jsonl + 来源 fetch 内容
+## 前置输入
+- `evidence.jsonl` + 来源 fetch 内容
+- 审计框架：`references/wwc_standards.md`、`references/grade_framework.md`、`references/methodology-audit.md`
 
 ## 产出
-- methodology.json：audit_items（含 task_vs_learning_guard）+ 每条 PASS/CONCERN/FAIL verdict
-  （显示层经 zh_labels 映射中文）。
+- `methodology.json`：15 项 `audit_items`（control_group / randomization / pre_test / post_test /
+  retention_test / transfer_test / sample_bias / self_selection / measurement_validity / confounders /
+  instructor_effect / novelty_effect / tool_version_effect / ai_usage_policy / dropout，每项 status:
+  met|partial|missing|not_applicable）+ 每条 PASS/CONCERN/FAIL verdict + `task_vs_learning_guard`
+  （显示层经 zh_labels 映射中文），须通过 `schemas/methodology.schema.json`。
 
-## 规则
-- 只审"证据站不站得住"，不审"证据说什么"；审计说明（note/summary）为人话叙述，
-  枚举/代号（PASS/CONCERN/FAIL）只作标签。
+## 执行规则
+- 只审"证据站不站得住"，不审"证据说什么"——审计结论不得夹带对效果的判断。
+- `task_vs_learning_guard.equates_task_with_learning` 必须显式给出；为 true 时该研究不得支撑任何学习效果声明。
+- 审计说明（note/summary）为人话叙述，枚举/代号（PASS/CONCERN/FAIL）只作标签。
+- 独立性：Method Reviewer 与内容判断角色分离（`independence_required: true`），且需强上下文能力。
+
+## 质量门
+- [ ] 15 项审计项齐全，无缺项、无自造项。
+- [ ] 每项状态取自四值枚举，`not_applicable` 必须说明为何不适用。
+- [ ] `task_vs_learning_guard` 存在且结论明确。
+- [ ] 每条 PASS/CONCERN/FAIL 有可核验依据（对应原文特征）。
+
+## 失败模式与回退
+| 失败 | 处理 |
+|---|---|
+| 关键信息缺失（如未报告随机化） | 记 `missing` 并在说明中写清缺什么，不猜测。 |
+| 结论依赖任务表现 | 触发 guard，剥夺其学习效果支撑资格。 |
+| schema 校验失败 | 修复后重跑审计。 |
+
+## 语言与呈现契约
+审计叙述为人话；状态枚举只作标签显示。
+
+## 交接说明
+`methodology.json` 直接决定每条证据能否支持 claim；Adjudicate 必须读取 `task_vs_learning_guard` 与各条 verdict。

package/skill/task-briefs/challenge.md

@@ -5,11 +5,40 @@
 novelty effect、alternative explanation；禁止虚构反方证据；没有反方证据时输出
 NO CONTRADICTORY EVIDENCE FOUND。
 
-## 输入
-- evidence.jsonl
+## 前置输入
+- `evidence.jsonl`
+- `frame.json`（用于判断结论是否超出研究范围）
 
 ## 产出
-- skeptic.json：search_performed=true；findings（counter_evidence/null_results/confounders）。
+- `skeptic.json`：`search_performed=true`；`skeptic_findings[]`（九项检查，字段名稳定：
+  `check` / `status`（found|not_found）/ `detail` / `related_evidence_ids`）；
+  `contradictory_evidence_found`；`no_contradictory_evidence_statement`；`threats_to_validity`。
+- 作为独立交叉审核角色时的输出须符合 `schemas/cross-model-review.schema.json`
+  （必需字段 `agreement`、`final_recommendation`）。
 
-## 规则（人话化硬标准）
-- 叙述字段为面向研究者的流畅中文；禁证据 ID 堆砌（用"作者-年份 + 人话描述"替代）。
+## 执行规则（固定 9 项检查，缺一不可）
+1. null result　2. negative result　3. contradictory evidence　4. alternative explanation
+5. measurement mismatch（测的是任务完成还是学习）　6. sampling bias
+7. novelty effect　8. AI dependency / over-reliance　9. scope overreach
+
+- 反方检索必须独立构造查询，不复用支持证据的检索式。
+- 找不到反证就是 "not_found"，并输出标准语句；**不得为了凑数虚构反方文献**。
+- 独立性：Skeptic 不得与主分析使用同一模型家族（`independence_required: true`）。
+
+## 质量门
+- [ ] 九项检查全部有 `status`，无遗漏项。
+- [ ] 每条 `found` 的 finding 都绑定 `related_evidence_ids` 或明确来源。
+- [ ] `no_contradictory_evidence_statement` 与 `contradictory_evidence_found` 语义一致。
+
+## 失败模式与回退
+| 失败 | 处理 |
+|---|---|
+| 反证检索为空 | 记录 negative-search record；输出标准语句，不填充虚构来源。 |
+| 反证与支持证据冲突 | 保留双方，交 Adjudicate 处理；不在此阶段裁决。 |
+| 交叉审核不可用（无独立模型） | 降级为原生自审并显式标注，不得伪装为独立审核。 |
+
+## 语言与呈现契约（人话化硬标准）
+叙述字段为面向研究者的流畅中文；禁证据 ID 堆砌（用"作者-年份 + 人话描述"替代）。
+
+## 交接说明
+`skeptic.json` 是 Adjudicate 的必读输入；其 `threats_to_validity` 必须被裁决明确回应或采纳。

package/skill/task-briefs/evaluate.md

@@ -3,11 +3,36 @@
 ## 目标
 为 PILOT/ADOPT 配套评价方案：基线/后测/保持/迁移 + 过程/学习/风险指标 + 成功阈值与停止条件。
 
-## 输入
-- intervention.json + final_verdict.json
+## 前置输入
+- `intervention.json` + `final_verdict.json`
+- 评价框架：`references/evaluation-design.md`、`references/evaluation-policy.md`、`references/outcome-taxonomy.md`
 
 ## 产出
-- evaluation.json（schemas/evaluation.schema.json）。
+- `evaluation.json`（`schemas/evaluation.schema.json`）：baseline / post / retention / transfer 测量点，
+  过程与风险指标，成功与失败阈值，分析计划（可被 `scripts/did_regression.py` 直接执行）。
 
-## 规则
-- 分离 Task Performance 与 Learning Effect；叙述为人话。
+## 执行规则
+- 分离 Task Performance 与 Learning Effect；两者指标不得合并成一个"效果"。
+- 保持（retention）与迁移（transfer）必须单独设计测量点，不能只做即测。
+- 阈值在数据到达前固定；事后改阈值属协议偏离，须记录而非吸收。
+- 分析计划要具体到可执行（设计类型、比较组、协变量、缺失处理），使 DID/效应量脚本无需再做决定。
+- 叙述为人话。
+
+## 质量门
+- [ ] `evaluation.json` 通过 evaluation schema。
+- [ ] 基线、即测、保持、迁移四类测量点齐全。
+- [ ] 成功、失败、停止阈值三者都在，且先于数据固定。
+- [ ] 分析计划可被确定性脚本执行（无残留人工决策）。
+
+## 失败模式与回退
+| 失败 | 处理 |
+|---|---|
+| 无法做对照 | 改为单组前后测并显式标注设计局限，不得仍按因果口径表述。 |
+| 阈值事后调整 | 记录为协议偏离并降级结论强度。 |
+| 样本量不足 | 报告功效局限；不得以不显著当作"无效果"。 |
+
+## 语言与呈现契约
+人话评价方案；统计符号与阈值数字保留原样以便复算。
+
+## 交接说明
+试用数据回收后由 `evaluate-and-update` 工作流重新注入证据图谱并再裁决。

package/skill/task-briefs/extract.md

@@ -3,14 +3,37 @@
 ## 目标
 从校验通过的来源中抽取 Claim 级证据对象，执行 Outcome Separation；只结构化，不裁决。
 
-## 输入
-- sources.jsonl + fetch/ 全文内容
+## 前置输入
+- `sources.jsonl`（全部为 FETCH_VALID / 规则确认的 FETCH_PARTIAL）
+- `fetch/` 全文内容（raw + clean + provenance）
 
 ## 产出
-- evidence.jsonl：每行一个 Evidence Object（evidence_id/source_id/claim/outcome_type/
-  effect_direction/relation_to_claim/source_location/quality_score），须通过
-  schemas/evidence.schema.json 校验。
+- `evidence.jsonl`：每行一个 Evidence Object（evidence_id / source_id / study_id / sample_id / claim_id / claim /
+  outcome_type / relation_to_claim / effect_direction / effect size 与 CI / sample size / source_location / quality_score），
+  须通过 `schemas/evidence.schema.json` 校验（V1 顶层契约，修订 1.1）。
 
-## 规则
-- 任务表现 ≠ 学习效果：outcome 分类不得混用。
-- claim 文本用可读人话，禁止把内部字段名写进叙述。
+## 执行规则
+- **任务表现 ≠ 学习效果**：outcome 分类不得混用；两者的取值一律分离记录。
+- `relation_to_claim` 属于链接（EvidenceLink）而非研究本身——支持/反驳/中性三列严格分离，不静默合并。
+- 未报告的统计量保持缺失（未知就是未知），禁止由显著性反推效应量或补造 CI。
+- 数字与单位从原文抽取，保留页码/章节等 `source_location`，使每条发现可回查。
+- claim 文本用可读人话，禁止把内部字段名写进叙述。
+
+## 质量门
+- [ ] 每行通过 evidence schema；枚举值合法（outcome_type / relation_to_claim / effect_direction）。
+- [ ] 每条证据都能定位到 `fetch/` 中的具体内容。
+- [ ] 任务表现与学习效果的记录互不混用。
+- [ ] 缺失的效应量如实留空，未出现推断值。
+
+## 失败模式与回退
+| 失败 | 处理 |
+|---|---|
+| `UNSUPPORTED_CLAIM` | 该 claim 无法绑定可核验来源时降级或丢弃，不得保留。 |
+| 表格/正文含混 | 回退读 `/content` 或原文相邻段落，必要时标 `FETCH_PARTIAL` 走人工确认。 |
+| schema 校验失败 | 修复后重跑抽取。 |
+
+## 语言与呈现契约
+claim 与说明为人话；ID、枚举、统计符号保留原样以便追溯。
+
+## 交接说明
+`evidence.jsonl` 同时供 Challenge、Audit 与 Adjudicate 使用；三者都不得修改该文件，只新增各自产物。

package/skill/task-briefs/frame.md

@@ -1,17 +1,46 @@
-# Task Brief — stage: frame（角色：education-planner）
+# Task Brief — stage: frame（角色：research-planner）
 
 ## 目标
-把原始教育问题结构化为主 Question / Learner / Intervention / Comparison / Outcome / Context 的完整
-Education Research Frame；框架完整前禁止生成任何教学建议。
+把原始决策问题结构化为主 Question / Population / Intervention / Comparison / Outcome / Context 的完整
+Research Frame；框架完整前禁止生成任何干预建议。领域决定字段词汇：education 用 learner/course，
+policy 用 decision_object/population/stakeholders，其他领域见 `domains/<id>/` 自带的 frame 契约。
 
-## 输入
-- 用户原始问题（run manifest → question）
+## 前置输入
+- 用户原始问题（`run manifest → question`）
+- 已知的结构化线索：population / intervention / comparison / outcomes / constraints / depth / target
+- 目标领域（`eduevidence domain list`）
+- 复杂度等级建议（S/M/L，由 `scripts/complexity_gate.py` 复核）
 
 ## 产出（写入本 run workspace）
-- frame.json，须通过 schemas/education-frame.schema.json 校验
-- 字段：question / decision_target / learner / course / intervention / comparison /
-  outcomes（primary/secondary）/ context / scope / inclusion_criteria / exclusion_criteria / success_condition
+- `frame.json`，须通过所选领域的 frame schema 校验（`domains/<id>/manifest.json` → `frame_schema`；education 为
+  `schemas/education-frame.schema.json`，policy 为 `domains/policy/frame.schema.json`）
+- 字段：question / decision_target（或 decision_object）/ population 语境 / intervention / comparison /
+  outcomes（primary/secondary/risk）/ context / scope / inclusion_criteria / exclusion_criteria / success_condition
 
-## 规则
+## 执行规则
+- **Framing 完成前不得输出任何干预建议**——这是第一道科学闸门。
+- 缺失的目标人群、干预变体、对照条件、主 outcome 只能向用户询问（`NEEDS_USER_CONTEXT`），禁止编造默认值。
+- 决策枚举必须取自所选领域的 schema：education 用 `decision_target`（evidence_review / teaching_decision /
+  pilot_design / evaluation_design），policy 用 `decision_object`（adopt / modify / terminate / maintain /
+  evaluate_impact）；不得跨领域混用。
+- Scope（时间范围、地域、研究类型）与纳排标准必须可判定，不能写成"相关研究"这类不可操作表述。
 - 语言：面向"阅读证据档案的人"（研究者/决策者），中文叙述通顺，禁内部字段名碎语。
-- 复杂度门：随 frame 输出建议 S/M/L（由 scripts/complexity_gate.py 复核）。
+
+## 质量门
+- [ ] `frame.json` 通过所选领域的 frame schema。
+- [ ] PICO 五要素齐全，`comparison` 明确（含 "business as usual" 这类显式对照）。
+- [ ] primary outcome 与 secondary/risk outcome 分离，且未把任务表现写成学习效果。
+- [ ] `success_condition` 可被后续 Evaluate 阶段度量。
+
+## 失败模式与回退
+| 失败 | 处理 |
+|---|---|
+| 缺少关键输入 | `NEEDS_USER_CONTEXT`：向用户提问，不猜测、不继续。 |
+| 问题跨多个决策 | 拆分为多个 frame，各自独立成 run；不要在一个 frame 里塞两个决策。 |
+| schema 校验失败 | 修复后重跑该阶段，不得带缺陷推进。 |
+
+## 语言与呈现契约
+叙述字段为流畅人话；枚举、代号、schema 键只作标签，不进正文。
+
+## 交接说明
+`frame.json` 是 Retrieve 的唯一检索边界来源；下游角色只读该文件，不读原始对话。

package/skill/task-briefs/intervene.md

@@ -2,13 +2,39 @@
 
 ## 目标
 把 Verdict 转化为最小可验证试点（阶段化使用规则、护栏、停止条件、证据对齐）；禁止直接推荐全面部署。
+干预对象随领域而定：教学干预、政策工具、组织流程或产品策略都属于同一协议。
 
-## 输入
-- final_verdict.json + frame.json
+## 前置输入
+- `final_verdict.json` + `frame.json`（+ `applicability.json`）
+- 存在经验缺口时：显式、有证据奠基的 KnowledgeGap ID
 
 ## 产出
-- intervention.json（schemas/intervention.schema.json）：phases/ai_usage_policy/
-  stop_conditions/evidence_alignment。
+- `intervention.json`（`schemas/intervention.schema.json`）：phases / ai_usage_policy /
+  stop_conditions / evidence_alignment / owner / population，须通过 schema 校验。
 
-## 规则
-- 叙述为人话；枚举/代号只作标签。
+## 执行规则
+- **无证据奠基不得设计新研究**：设计必须引用显式 KnowledgeGap ID（冻结科学规则）。
+- 每个阶段含：时长、参与人群、使用规则与护栏、责任人、停止条件、决策点。
+- 停止条件必须包含风险/损害停止，不只是效果不达标停止。
+- 叙述为人话；枚举/代号只作标签。
+- 伦理与合规先过 `skill/sub-skills/ethics-review/SKILL.md`（涉及学生数据与对照分组时）。
+
+## 质量门
+- [ ] `intervention.json` 通过 intervention schema。
+- [ ] 每个阶段都有停止条件与决策点，且可在数周内判定。
+- [ ] 证据对齐字段把每条设计选择映射到具体证据或 KnowledgeGap。
+- [ ] 全文未出现"推荐全面部署/正式采用"这类超范围表述。
+
+## 失败模式与回退
+| 失败 | 处理 |
+|---|---|
+| `INSUFFICIENT_EVIDENCE` | 停在评审：安全或损害证据缺失时不得启动试点。 |
+| 无 KnowledgeGap | 不设计研究，改为报告"还需要什么证据"。 |
+| 伦理审查未通过 | 阻断试点，先行修正设计。 |
+| 人群越出适用边界 | 缩小试点人群至支持范围内。 |
+
+## 语言与呈现契约
+面向决策责任人的方案：谁、何时、做什么、什么条件下停。
+
+## 交接说明
+`intervention.json` 是 Evaluate 的输入；评价方案必须能判定该试点的成功、失败与停止。