patina-cli 3.11.0 → 4.0.0

package/tests/quality/ranking-metrics.mjs

@@ -0,0 +1,136 @@
+export function summarizeRanking(records = []) {
+  const normalized = records
+    .map((record) => ({
+      score: Number(record.score),
+      expected: Boolean(record.expected),
+    }))
+    .filter((record) => Number.isFinite(record.score));
+
+  const positives = normalized.filter((record) => record.expected).length;
+  const negatives = normalized.length - positives;
+  const sweep = thresholdSweep(normalized);
+  const best = bestF1Threshold(sweep);
+
+  return {
+    n: normalized.length,
+    positives,
+    negatives,
+    scoreRange: scoreRange(normalized),
+    roc_auc: round(rocAuc(normalized)),
+    pr_auc: round(averagePrecision(normalized)),
+    bestF1: best,
+    sweep,
+  };
+}
+
+export function thresholdSweep(records = []) {
+  const thresholds = thresholdCandidates(records);
+  return thresholds.map((threshold) => {
+    const metrics = emptyMetrics();
+    for (const record of records) {
+      updateMetrics(metrics, record.score >= threshold, record.expected);
+    }
+    return { threshold, ...summarize(metrics) };
+  });
+}
+
+export function bestF1Threshold(rows = []) {
+  if (!rows.length) return null;
+  return [...rows].sort((a, b) =>
+    b.f1 - a.f1 ||
+    b.recall - a.recall ||
+    b.precision - a.precision ||
+    b.accuracy - a.accuracy ||
+    a.threshold - b.threshold
+  )[0];
+}
+
+export function rocAuc(records = []) {
+  const positives = records.filter((record) => record.expected);
+  const negatives = records.filter((record) => !record.expected);
+  if (!positives.length || !negatives.length) return null;
+
+  let wins = 0;
+  for (const positive of positives) {
+    for (const negative of negatives) {
+      if (positive.score > negative.score) wins += 1;
+      else if (positive.score === negative.score) wins += 0.5;
+    }
+  }
+  return wins / (positives.length * negatives.length);
+}
+
+export function averagePrecision(records = []) {
+  const positives = records.filter((record) => record.expected).length;
+  if (!positives) return null;
+
+  const groups = scoreGroups(records);
+  let seen = 0;
+  let truePositives = 0;
+  let area = 0;
+
+  for (const group of groups) {
+    seen += group.total;
+    truePositives += group.positives;
+    if (group.positives) area += group.positives * (truePositives / seen);
+  }
+  return area / positives;
+}
+
+function thresholdCandidates(records) {
+  const uniqueScores = [...new Set(records.map((record) => record.score))]
+    .filter((score) => Number.isFinite(score))
+    .sort((a, b) => a - b);
+  return [...new Set([0, ...uniqueScores, 101])].sort((a, b) => a - b);
+}
+
+function scoreGroups(records) {
+  const map = new Map();
+  for (const record of records) {
+    const group = map.get(record.score) || { score: record.score, total: 0, positives: 0 };
+    group.total += 1;
+    if (record.expected) group.positives += 1;
+    map.set(record.score, group);
+  }
+  return [...map.values()].sort((a, b) => b.score - a.score);
+}
+
+function scoreRange(records) {
+  if (!records.length) return { min: 0, max: 0 };
+  const scores = records.map((record) => record.score);
+  return {
+    min: round(Math.min(...scores)),
+    max: round(Math.max(...scores)),
+  };
+}
+
+function emptyMetrics() {
+  return { tp: 0, fp: 0, fn: 0, tn: 0, total: 0 };
+}
+
+function updateMetrics(metrics, predicted, expected) {
+  metrics.total += 1;
+  if (predicted && expected) metrics.tp += 1;
+  else if (predicted && !expected) metrics.fp += 1;
+  else if (!predicted && expected) metrics.fn += 1;
+  else metrics.tn += 1;
+}
+
+function summarize(metrics) {
+  const accuracy = metrics.total ? (metrics.tp + metrics.tn) / metrics.total : 0;
+  const precision = metrics.tp + metrics.fp ? metrics.tp / (metrics.tp + metrics.fp) : 0;
+  const recall = metrics.tp + metrics.fn ? metrics.tp / (metrics.tp + metrics.fn) : 0;
+  const f1 = precision + recall ? (2 * precision * recall) / (precision + recall) : 0;
+  return {
+    ...metrics,
+    accuracy: round(accuracy),
+    precision: round(precision),
+    recall: round(recall),
+    f1: round(f1),
+  };
+}
+
+function round(value, digits = 3) {
+  if (value === null || value === undefined) return null;
+  return Math.round(value * 10 ** digits) / 10 ** digits;
+}

package/tests/quality/rebaseline-manifest.example.jsonl

@@ -0,0 +1,5 @@
+{"sample_id":"en-gpt-blog-ai-001","language":"en","class":"ai-like","register":"blog","model_family":"gpt-family","provider":"fixture","model":"fixture-gpt-family-2026-05","generated_at":"2026-05-21","prompt_id":"rb25-blog-launch-001","decoding":{"temperature":0.7,"top_p":0.9},"postprocess":{"editing_pass":"none"},"redistribution":"repo-ok","text":"This launch guide provides a seamless framework for teams that want to unlock clearer messaging across every touchpoint.","text_hash":"sha256:702cc81afca0e662268a2f4802622a707a2f1fddb10c5d61ef6af8159b0b26b3"}
+{"sample_id":"ko-human-productdoc-001","language":"ko","class":"natural-human","register":"product-doc","model_family":"human-reference","provider":"fixture","model":"maintainer-written-reference","generated_at":"2026-05-21","prompt_id":"rb25-product-doc-001","decoding":"not-applicable","postprocess":{"editing_pass":"maintainer copyedit"},"redistribution":"repo-ok","text":"설정 파일을 먼저 읽고, 값이 없을 때만 기본값을 사용한다. 그래서 팀별 예외를 문서에 남기기 쉽다.","text_hash":"sha256:7e7edd6e2cfab5a33c0f278ac24f121174d93a92211d150f659429bcba795ddf"}
+{"sample_id":"ja-gemini-technical-lightedit-001","language":"ja","class":"lightly-edited-ai","register":"technical-how-to","model_family":"gemini-family","provider":"manual-vendor-copy","model":"gemini-family-redacted","generated_at":"2026-05-21","prompt_id":"rb25-howto-cache-001","decoding":{"temperature":0.4},"postprocess":{"editing_pass":"light grammar pass"},"redistribution":"metadata-only","text_hash":"sha256:e6ac1a38435c63987b4ad2e15b6acd1e05c09408cb1ae4ec73d0a9bca2d02c6d"}
+{"sample_id":"zh-openweight-academic-heavyedit-001","language":"zh","class":"heavily-edited-ai","register":"academic-summary","model_family":"open-weight","provider":"local-fixture","model":"open-weight-redacted","generated_at":"2026-05-21","prompt_id":"rb25-academic-energy-001","decoding":{"temperature":0.2,"top_p":0.8},"postprocess":{"editing_pass":"heavy human edit"},"redistribution":"no-redistribution","text_hash":"sha256:22b2556861f48baf29f880ac04aedf885b862b5460ce4b24985413f7e94e94ed"}
+{"sample_id":"en-claude-chat-ai-001","language":"en","class":"ai-like","register":"chat-update","model_family":"claude-family","provider":"fixture","model":"fixture-claude-family-2026-05","generated_at":"2026-05-21","prompt_id":"rb25-chat-update-001","decoding":{"temperature":0.5},"postprocess":{"editing_pass":"none"},"redistribution":"repo-ok","text":"Here is a concise update on the initiative: the team aligned on priorities, improved execution, and created a scalable path forward.","text_hash":"sha256:df2076d0f8d458da8bc132ae1d9c86ddae9e92e2f3832a06d405d8dd0d219a4d"}

package/vercel.json

@@ -0,0 +1,53 @@
+{
+  "cleanUrls": true,
+  "trailingSlash": false,
+  "rewrites": [
+    {
+      "source": "/",
+      "destination": "/playground"
+    },
+    {
+      "source": "/app.js",
+      "destination": "/playground/app.js"
+    },
+    {
+      "source": "/analytics.js",
+      "destination": "/playground/analytics.js"
+    },
+    {
+      "source": "/analyzer.js",
+      "destination": "/playground/analyzer.js"
+    },
+    {
+      "source": "/styles.css",
+      "destination": "/playground/styles.css"
+    },
+    {
+      "source": "/data/:path*",
+      "destination": "/playground/data/:path*"
+    }
+  ],
+  "headers": [
+    {
+      "source": "/(.*)",
+      "headers": [
+        {
+          "key": "X-Content-Type-Options",
+          "value": "nosniff"
+        },
+        {
+          "key": "Referrer-Policy",
+          "value": "strict-origin-when-cross-origin"
+        },
+        {
+          "key": "Permissions-Policy",
+          "value": "clipboard-write=(self), camera=(), microphone=(), geolocation=()"
+        },
+        {
+          "key": "Content-Security-Policy",
+          "value": "default-src 'self'; script-src 'self'; style-src 'self' 'unsafe-inline'; img-src 'self' data:; connect-src 'self'; base-uri 'self'; form-action 'none'; frame-ancestors 'none'"
+        }
+      ]
+    }
+  ]
+}

package/SKILL-MAX.md

@@ -1,455 +0,0 @@
----
-name: patina-max
-version: 3.11.0
-description: |
-  Multi-model humanization. Runs the same humanization task on multiple
-  local model CLIs, scores each result, and selects the best
-  output by lowest AI score among candidates that pass the MPS
-  meaning-preservation floor. Uses `claude -p` / `gemini -p` for
-  Claude/Gemini and `codex exec` for Codex.
-allowed-tools:
-  - Read
-  - Write
-  - Edit
-  - Grep
-  - Glob
-  - Bash
-  - AskUserQuestion
----
-
-# patina MAX: 멀티모델 Best-of-N Rewriter
-
-당신은 여러 AI 모델을 동시에 사용하여 텍스트를 humanize하고, 가장 자연스러운 결과를 자동 선택하는 오케스트레이터입니다. 각 모델이 같은 텍스트를 humanize한 뒤, 의미 보존 기준(MPS ≥ 70)을 통과한 결과 중 AI 유사도 점수가 가장 낮은 것을 최종본으로 선택합니다.
-
-> **전제 조건:**
-> - **oh-my-claudecode (OMC)** 가 설치되어 있어야 합니다 (`dispatch: omc` 병렬 모드)
-> - **tmux** 세션 안에서 실행해야 합니다 (`dispatch: omc` 병렬 모드, `$TMUX` 환경변수 확인)
-> - 선택한 모델의 로컬 CLI가 설치되어 있어야 합니다 (`claude`, `gemini`, `codex`)
-> - `dispatch: direct` 모드에서는 OMC/tmux 없이도 동작합니다 (순차 실행, tmux fallback 경고 없음)
-
----
-
-## 1단계: 설정 로드
-
-`.patina.default.yaml`을 읽어 설정을 로드한다.
-
-```
-Glob .patina.default.yaml → Read
-```
-
-설정에서 다음을 확인:
-- `profile`: 사용할 프로필 (기본: `default`)
-- `patterns`: 로드할 패턴 팩 목록
-- `skip-patterns`: 건너뛸 패턴 팩
-- `blocklist`: 추가 감지 어휘
-- `allowlist`: 감지 제외 어휘
-- `max-models`: MAX 모드에서 사용할 모델 목록 (기본: `[claude, gemini]`)
-- `dispatch`: 디스패치 모드 (`omc` 또는 `direct`, 기본: `omc`)
-
-`$ARGUMENTS`에서 옵션을 파싱하여 설정을 오버라이드:
-- `--profile <name>`: 프로필 변경
-- `--lang <code>`: 처리 언어 변경 (ko, en, zh, ja)
-- `--models <list>`: 사용할 모델 변경 (쉼표 구분, 예: `claude,gemini,codex`)
-- `--dispatch <mode>`: 디스패치 모드 변경 (`omc` 또는 `direct`)
-
-모델 유효성 검사: 요청된 모든 모델이 지원 목록 (`claude`, `codex`, `gemini`) 안에 있는지 확인한다. 지원하지 않는 모델이 있으면 경고를 표시하고 해당 모델을 건너뛴다.
-
-### 설치 인터뷰 (최초 실행)
-
-`.patina.yaml` (사용자 설정 파일)이 프로젝트 루트에 없으면 최초 실행으로 간주하고 `AskUserQuestion`으로 인터뷰를 진행한다:
-
-1. **모델 선택**: "MAX mode에서 사용할 모델을 선택하세요 (쉼표 구분): claude, gemini, codex"
-   - 기본값: `claude, gemini`
-   - 응답을 `max-models` 목록으로 저장
-
-2. **디스패치 모드**: "디스패치 모드를 선택하세요:"
-   - `omc` — tmux pane 병렬 실행 (추천, OMC + tmux 필요)
-   - `direct` — stdin pipe 순차 실행 (의존성 없음)
-   - 기본값: `omc`
-
-3. **CLI 설치 확인**: 선택된 각 모델의 CLI를 `which` 명령으로 확인한다
-   - 미설치 모델이 있으면 설치 안내를 표시:
-     - `claude`: `npm install -g @anthropic-ai/claude-code`
-     - `gemini`: `npm install -g @google/gemini-cli`
-     - `codex`: `npm install -g @openai/codex`
-   - 미설치 모델이 있어도 설정은 저장한다 (나중에 설치 가능)
-
-4. **OMC/tmux 확인** (`dispatch: omc` 선택 시):
-   - `$TMUX` 환경변수로 tmux 세션 여부 확인
-   - tmux가 아니면 아래의 정확한 경고를 stderr에 출력하고 `dispatch: direct`로 자동 전환:
-     `[patina-max] tmux not detected. Falling back to sequential dispatch (expect ~Xmin instead of ~Ys). Pass --dispatch direct to silence.`
-   - 사용자가 명시적으로 `--dispatch direct`를 선택한 경우에는 경고를 출력하지 않는다
-
-인터뷰 결과를 `.patina.yaml`에 저장한다:
-
-```yaml
-# Generated by patina-max setup interview
-max-models:
-  - claude
-  - gemini
-dispatch: omc
-```
-
-이후 실행에서는 `.patina.yaml`이 존재하면 인터뷰를 건너뛰고 바로 설정을 로드한다. `.patina.default.yaml`보다 `.patina.yaml`의 값이 우선한다.
-
----
-
-## 2단계: 패턴 팩 로드
-
-1단계에서 결정된 언어 코드를 `{lang}`으로 사용하여 패턴 팩을 자동 탐색한다.
-
-```
-Glob patterns/{lang}-*.md → Read 각 파일
-Glob custom/patterns/{lang}-*.md → Read (사용자 커스텀 패턴 추가 로드)
-```
-
-`skip-patterns`에 해당하는 팩은 제외한다.
-
-모든 패턴 팩의 전체 내용을 메모리에 보관한다 — 4단계에서 워커 프롬프트에 인라인해야 한다.
-
----
-
-## 3단계: 프로필 + 목소리 지침 로드
-
-```
-Read profiles/{profile}.md
-Glob custom/profiles/{profile}.md → Read (커스텀 프로필 우선)
-Read core/voice.md
-```
-
-프로필과 voice.md의 전체 내용을 메모리에 보관한다 — 4단계에서 워커 프롬프트에 인라인해야 한다.
-
----
-
-## 4단계: 워커 프롬프트 구성
-
-모든 모델에 보낼 **하나의 자립형 프롬프트**를 구성한다. 이 프롬프트는 모델에 무관하게 동작해야 한다.
-
-프롬프트 구조:
-
-```
-당신은 AI가 생성한 텍스트에서 AI 특유의 패턴을 찾아 제거하여, 글을 자연스럽고 사람이 쓴 것처럼 만드는 편집자입니다.
-
-## 패턴 팩
-{2단계에서 로드한 모든 패턴 팩의 전체 내용을 여기에 인라인}
-
-## 프로필 지침
-{3단계에서 로드한 프로필 내용을 여기에 인라인}
-
-## 목소리 지침
-{3단계에서 로드한 voice.md 내용을 여기에 인라인}
-
-## 처리 지침
-1. 위의 패턴 팩에서 정의된 모든 AI 패턴을 입력 텍스트에서 스캔하라
-2. 발견된 AI 패턴을 자연스러운 대안으로 교체하라
-3. 핵심 메시지와 의미를 보존하라
-4. 프로필의 어조 지침에 따라 톤을 조절하라
-5. 목소리 지침에 따라 실제 사람의 개성을 불어넣어라
-
-## 입력 텍스트
-{사용자가 제공한 원문 텍스트}
-
-## 중요 제약
-Humanize this text by removing the AI patterns described above.
-Output ONLY the humanized text.
-Do not use any tools. Do not read or modify any files.
-Do not ask questions. Do not include explanations or metadata.
-```
-
-이 프롬프트를 실행마다 고유한 임시 디렉터리에 저장한다:
-
-```bash
-RUN_DIR="$(mktemp -d /tmp/patina-max.XXXXXX)"
-PROMPT_FILE="$RUN_DIR/prompt.txt"
-TIMEOUT_SECONDS=900
-```
-
-이후 예시의 `$RUN_DIR`/`$PROMPT_FILE`은 이 실행에서 생성한 경로를 뜻한다. 최종 출력이 끝날 때까지 이 디렉터리를 유지하고, 마지막에 정리한다.
-
-```
-Write tool → $PROMPT_FILE
-```
-
----
-
-## 5단계: 모델 디스패치 (dispatch-aware)
-
-프롬프트는 이미 `$PROMPT_FILE`에 저장되어 있다 (4단계).
-Claude/Codex는 **stdin pipe**, Gemini는 **`$(cat file)` 인자 치환**으로 프롬프트를 전달한다.
-프롬프트는 파일에서 읽으므로 셸 변수 확장 없이 안전하게 전달된다.
-
-- Claude: `claude -p`
-- Gemini: `gemini -p "$(cat $PROMPT_FILE)" --output-format text`
-- Codex: `codex exec --skip-git-repo-check --output-last-message <file>`
-
-고정 `/tmp/patina-max-*` 파일명은 사용하지 않는다. 모든 산출물은 `$RUN_DIR` 아래에 저장한다.
-
-### Dispatch preflight
-
-`DISPATCH_MODE`는 설정 파일과 `--dispatch` 플래그를 반영한 최종 dispatch 값이다. 사용자가 `--dispatch direct`를 명시했으면 이 preflight는 경고 없이 direct 모드를 유지한다.
-
-```bash
-if [ "$DISPATCH_MODE" = "omc" ] && [ -z "${TMUX:-}" ]; then
-  MODEL_COUNT=$(printf '%s\n' $SELECTED_MODELS | sed '/^$/d' | wc -l | tr -d ' ')
-  DIRECT_MIN=$(( (MODEL_COUNT * TIMEOUT_SECONDS + 59) / 60 ))
-  printf '[patina-max] tmux not detected. Falling back to sequential dispatch (expect ~%smin instead of ~%ss). Pass --dispatch direct to silence.\n' \
-    "$DIRECT_MIN" "$TIMEOUT_SECONDS" >&2
-  DISPATCH_MODE="direct"
-fi
-```
-
-### 모드 A: OMC dispatch (`dispatch: omc`)
-
-tmux pane을 사용하여 모든 모델을 **병렬** 실행한다. 각 pane에서 프롬프트 파일을 읽어 전달하고, 완료 시 sentinel 파일을 생성한다. wall-clock 상한은 가장 느린 모델 하나에 가깝다 (`TIMEOUT_SECONDS=900`이면 약 900초).
-
-```bash
-SELECTED_MODELS="claude gemini codex"   # 실제로는 설정/플래그에서 선택된 모델만 포함
-CLAUDE_PANE=""
-GEMINI_PANE=""
-CODEX_PANE=""
-
-# Claude
-CLAUDE_PANE=$(tmux split-window -d -P -F "#{pane_id}" -h \
-  "cat \"$PROMPT_FILE\" | claude -p > \"$RUN_DIR/claude-output.txt\" 2> \"$RUN_DIR/claude-log.txt\"; printf '%s' \$? > \"$RUN_DIR/claude.exit\"; touch \"$RUN_DIR/claude.done\"")
-
-# Gemini
-GEMINI_PANE=$(tmux split-window -d -P -F "#{pane_id}" -v \
-  "gemini -p \"\$(cat \\\"$PROMPT_FILE\\\")\" --output-format text > \"$RUN_DIR/gemini-output.txt\" 2> \"$RUN_DIR/gemini-log.txt\"; printf '%s' \$? > \"$RUN_DIR/gemini.exit\"; touch \"$RUN_DIR/gemini.done\"")
-
-# Codex
-CODEX_PANE=$(tmux split-window -d -P -F "#{pane_id}" -v \
-  "cat \"$PROMPT_FILE\" | codex exec --skip-git-repo-check --output-last-message \"$RUN_DIR/codex-output.txt\" > \"$RUN_DIR/codex-log.txt\" 2>&1; printf '%s' \$? > \"$RUN_DIR/codex.exit\"; touch \"$RUN_DIR/codex.done\"")
-```
-
-실제 실행은 `max-models`에 포함된 모델의 pane만 생성하고, pane id도 해당 모델에 대해서만 기록한다.
-
-**완료 대기**: Bash로 sentinel 파일을 폴링한다.
-
-```bash
-START_TIME=$(date +%s)
-
-# 선택된 모델들의 .done 파일만 기다린다
-while true; do
-  ALL_DONE=true
-  for model in $SELECTED_MODELS; do
-    [ -f "$RUN_DIR/$model.done" ] || ALL_DONE=false
-  done
-  $ALL_DONE && break
-
-  NOW=$(date +%s)
-  if [ $((NOW - START_TIME)) -ge $TIMEOUT_SECONDS ]; then
-    for model in $SELECTED_MODELS; do
-      if [ ! -f "$RUN_DIR/$model.done" ]; then
-        printf '124' > "$RUN_DIR/$model.exit"
-        printf 'timeout after %ss\n' "$TIMEOUT_SECONDS" > "$RUN_DIR/$model.log.txt"
-        touch "$RUN_DIR/$model.timeout" "$RUN_DIR/$model.done"
-      fi
-    done
-    [ -n "$CLAUDE_PANE" ] && tmux kill-pane -t "$CLAUDE_PANE" 2>/dev/null || true
-    [ -n "$GEMINI_PANE" ] && tmux kill-pane -t "$GEMINI_PANE" 2>/dev/null || true
-    [ -n "$CODEX_PANE" ] && tmux kill-pane -t "$CODEX_PANE" 2>/dev/null || true
-    break
-  fi
-
-  sleep 3
-done
-```
-
-> tmux pane은 실행 완료 후 자동으로 닫힌다. 진행 중에는 사용자가 pane을 전환하여 각 모델의 실행 상태를 시각적으로 확인할 수 있다. 타임아웃이 발생한 pane은 kill 후 `failed`로 표시한다.
-
-### 모드 B: Direct dispatch (`dispatch: direct`)
-
-tmux 없이 순차적으로 실행한다. OMC/tmux가 없는 환경에서의 fallback. wall-clock 상한은 선택한 모델 수에 비례한다 (`TIMEOUT_SECONDS=900`, 모델 3개면 약 45분까지 가능). 병렬 tmux 실행보다 느릴 수 있으므로, 의도적으로 direct를 쓰는 경우 `--dispatch direct`를 명시하면 fallback 경고를 끌 수 있다.
-
-```bash
-# Claude
-timeout "${TIMEOUT_SECONDS}s" sh -c 'cat "$1" | claude -p > "$2" 2> "$3"' sh \
-  "$PROMPT_FILE" "$RUN_DIR/claude-output.txt" "$RUN_DIR/claude-log.txt"
-printf '%s' $? > "$RUN_DIR/claude.exit"
-touch "$RUN_DIR/claude.done"
-
-# Gemini
-timeout "${TIMEOUT_SECONDS}s" sh -c 'gemini -p "$(cat "$1")" --output-format text > "$2" 2> "$3"' sh \
-  "$PROMPT_FILE" "$RUN_DIR/gemini-output.txt" "$RUN_DIR/gemini-log.txt"
-printf '%s' $? > "$RUN_DIR/gemini.exit"
-touch "$RUN_DIR/gemini.done"
-
-# Codex
-timeout "${TIMEOUT_SECONDS}s" sh -c 'cat "$1" | codex exec --skip-git-repo-check --output-last-message "$2" > "$3" 2>&1' sh \
-  "$PROMPT_FILE" "$RUN_DIR/codex-output.txt" "$RUN_DIR/codex-log.txt"
-printf '%s' $? > "$RUN_DIR/codex.exit"
-touch "$RUN_DIR/codex.done"
-```
-
-실제 실행은 `max-models`에 포함된 모델에만 적용한다. 각 명령은 `TIMEOUT_SECONDS` 상한을 두고, `timeout`이 없으면 동등한 타임아웃 래퍼(`gtimeout` 등)로 대체한다.
-
-### 결과 수집 (공통)
-
-- `claude`
-  1. `$RUN_DIR/claude-output.txt`를 Read한다
-  2. `$RUN_DIR/claude.exit`가 0이고 output이 비어 있지 않으면 결과 텍스트로 사용한다
-  3. 실패 또는 빈 출력이면 `$RUN_DIR/claude-log.txt`를 진단 정보로 Read한다
-
-- `gemini`
-  1. `$RUN_DIR/gemini-output.txt`를 Read한다
-  2. `$RUN_DIR/gemini.exit`가 0이고 output이 비어 있지 않으면 결과 텍스트로 사용한다
-  3. `$RUN_DIR/gemini-log.txt`에는 인증/확장/MCP 경고가 포함될 수 있으므로, 실패 진단용으로만 사용한다
-
-- `codex`
-  1. `$RUN_DIR/codex-output.txt`를 Read한다 (`--output-last-message`가 기록한 최종 텍스트)
-  2. `$RUN_DIR/codex.exit`가 0이고 output이 비어 있지 않으면 결과 텍스트로 사용한다
-  3. 실패 또는 빈 출력이면 `$RUN_DIR/codex-log.txt`를 진단 정보로 Read한다
-
-### 실패 처리
-
-- 특정 모델의 exit code가 0이 아니거나, output 파일이 비어 있거나, 파일이 없으면 → 해당 모델을 `failed`로 표시하고 나머지로 계속 진행
-- `.timeout` 파일이 있거나 exit code가 `124`이면 → `timed out`으로 기록하고 `failed`로 표시
-- `.done` 파일은 생겼지만 output 파일이 비어 있으면 → CLI가 빈 응답을 반환한 것이므로 `failed`로 표시
-- 모든 모델이 실패한 경우 → 에러 메시지와 함께 각 모델의 output/log 파일 내용을 진단 정보로 출력하고 종료
-- `dispatch: omc`에서 tmux가 없으면 (`$TMUX` 미설정) → `[patina-max] tmux not detected. Falling back to sequential dispatch (expect ~Xmin instead of ~Ys). Pass --dispatch direct to silence.` 형식의 경고 후 direct 모드로 자동 전환
-- `--dispatch direct`를 명시한 경우 → 이미 순차 실행을 선택한 것이므로 tmux fallback 경고를 출력하지 않음
-
----
-
-## 6단계: 결과 평가 (AI 유사도 점수)
-
-각 모델의 humanize 결과에 대해 `core/scoring.md`의 수식 기반 스코어링 알고리즘을 적용한다.
-
-2단계에서 로드한 모든 패턴 팩을 기준으로, 각 결과에 대해 SKILL.md의 `--score` 모드와 동일한 절차를 실행한다:
-
-1. **패턴 감지**: 모든 패턴을 스캔하고, 감지된 각 패턴에 severity를 부여한다 (`core/scoring.md`의 심각도 루브릭 참조)
-2. **프로필 오버라이드 적용**: pattern-overrides가 있으면 severity를 조정한다
-3. **카테고리 점수 계산**: `카테고리 점수 = (조정된 심각도 합계 / (패턴 수 × 3)) × 100`
-4. **전체 점수 계산**: 카테고리 점수의 가중 평균 (`ouroboros.category-weights.{lang}` 사용)
-
-이 절차는 각 모델의 결과에 대해 독립적으로 실행한다. 모든 모델이 동일한 수식으로 평가되므로 공정한 비교가 가능하다.
-
-각 결과에 대해 추가로 MPS(Meaning Preservation Score)를 산출한다. 원본 텍스트에서 의미 앵커를 추출하고, 각 모델의 humanize 결과가 앵커를 얼마나 보존했는지를 `core/scoring.md` §§ 14-17의 절차로 평가한다.
-
-> **참고:** 이전 버전에서는 MAX 모드가 주관적 평가를 사용했으나, v3.2.0부터 `core/scoring.md`의 수식 기반 알고리즘으로 통합되었다. 단일 모드(`--score`)와 MAX 모드가 동일한 스코어링을 사용한다.
-
----
-
-## 7단계: 비교 및 선택
-
-결과 비교 테이블을 구성하고 최종본을 선택한다.
-
-### 비교 테이블 형식
-
-```
-| Model   | AI Score | MPS  | Status  |
-|---------|----------|------|---------|
-| claude  | 23       | 92   | ✅       |
-| gemini  | 31       | 85   | ✅       |
-| codex   | --       | --   | failed  |
-
-Best: claude (AI Score: 23, MPS: 92)
-```
-
-- MPS ≥ 70인 후보 중 AI 점수가 가장 낮은 결과를 자동 선택한다
-- MPS < 70인 후보는 AI 점수와 관계없이 탈락한다
-- 모든 후보의 MPS < 70인 경우, MPS가 가장 높은 후보를 선택한다 (의미 보존 우선)
-- 동점이면 설정 파일의 모델 순서에서 먼저 오는 것을 우선한다
-
-### Composite 재선택 artifact (선택)
-
-`patina-max/composite.py`로 4축(AI, MPS, RSS, EditCons) 재선택을 실행하려면 `$RUN_DIR`에 아래 레이아웃을 생성한다. 기존 `*-output.txt`는 진단용으로 유지하고, 성공한 후보의 최종 텍스트를 모델별 Markdown 파일로도 저장한다.
-
-```text
-$RUN_DIR/
-  input.md
-  claude.md
-  gemini.md
-  codex.md
-  meta.md
-```
-
-- `input.md`: 사용자가 제공한 원문 텍스트
-- `{model}.md`: 해당 모델의 humanize 결과. 실패한 모델은 파일을 생략하거나 실패 메모만 둔다
-- `meta.md`: 후보별 `model`, `status`, `ai_score`, `mps` 값을 `candidates:` 목록으로 기록한다
-
-`meta.md` 예시:
-
-```yaml
-candidates:
-  - model: claude
-    status: success
-    ai_score: 23
-    mps: 92
-  - model: gemini
-    status: failed
-    ai_score: n/a
-    mps: n/a
-```
-
-실행:
-
-```bash
-python3 patina-max/composite.py "$RUN_DIR"
-```
-
-스크립트는 `$RUN_DIR/composite.md`와 `$RUN_DIR/winner.md`를 생성한다. `--weights ai=0.4,rss=0.3`처럼 가중치를 덮어쓸 수 있으며, 지정하지 않은 축은 기본값을 사용한 뒤 합계가 1이 되도록 정규화한다.
-
----
-
-## 8단계: 출력
-
-### 최종 출력 구성
-
-1. **비교 테이블** — 모든 모델의 AI 점수와 상태
-2. **최종본** — 가장 낮은 AI 점수를 받은 결과의 전체 텍스트
-3. **카테고리별 세부 점수** — 최종본의 패턴 카테고리별 점수
-4. **차점 결과 요약** — 다른 모델의 결과를 접힌 섹션으로 제공 (참고용)
-5. **실패 정보** — 실패한 모델이 있으면 사유 표시
-6. **임시 파일 정리** — 출력이 끝난 뒤 `rm -rf "$RUN_DIR"`로 정리
-
-### 출력 예시
-
-```
-## MAX Mode 결과
-
-### 비교 테이블
-| Model   | AI Score | Status  |
-|---------|----------|---------|
-| claude  | 23       | success |
-| gemini  | 31       | success |
-
-**Best: claude (AI Score: 23)**
-
-### 카테고리별 점수 (claude)
-| Category      | Score |
-|---------------|-------|
-| Structure     | 15    |
-| Content       | 20    |
-| Language       | 25    |
-| Style          | 30    |
-| Communication  | 25    |
-| Filler         | 20    |
-
-### 최종본
-{claude의 humanize 결과 전체 텍스트}
-
-<details>
-<summary>gemini 결과 (AI Score: 31)</summary>
-
-{gemini의 humanize 결과 전체 텍스트}
-</details>
-```
-
-단일 모델만 성공한 경우, 해당 결과를 최종본으로 제시하되 "단일 모델만 성공하여 비교 불가" 경고를 표시한다.
-
----
-
-## 참고
-
-- 이 스킬은 기존 `/patina` 스킬의 확장 버전으로, 동일한 패턴 팩과 프로필을 사용합니다
-- 모델 추가/제거는 `.patina.default.yaml`의 `max-models` 또는 `--models` 플래그로 설정합니다
-- 지원 모델: `claude`, `codex`, `gemini` (Claude/Codex는 stdin pipe, Gemini는 `$(cat file)` 인자 치환)
-- 디스패치 모드: `omc` (tmux pane 병렬, 기본) / `direct` (순차 실행, fallback)
-- 각 실행은 고유 temp dir를 사용하며, 선택된 모델만 기다리고, timeout 모델은 자동으로 `failed` 처리한다
-- 최초 실행 시 설치 인터뷰로 `.patina.yaml` 생성 (모델 선택, 디스패치 모드, CLI 설치 확인)
-- `--ouroboros`와 함께 사용 가능: 최고 점수가 target-score 이상이면 해당 모델 결과를 입력으로 재실행하여 점수를 수렴시킨다
-
-## 톤 전파 (v3.10)
-
-MAX mode에서 톤 해석은 SKILL.md 1단계/4.5b단계와 동일하게 처리된다. 1단계에서 resolved_tone, tone_source, tone_evidence, tone_confidence를 결정한 뒤, 워커 프롬프트(4단계에서 각 모델에 전달하는 인라인 프롬프트)에 `<tone-context>` 블록으로 포함한다. 모든 디스패치 모델(claude, gemini, codex)은 동일한 톤 컨텍스트를 받아 일관된 목소리로 humanize를 수행한다. 최종 선택된 결과의 YAML footer에는 SKILL.md 6단계 규칙과 동일하게 tone 메타데이터가 포함된다.

package/docs/internal/HARNESS.md

@@ -1,14 +0,0 @@
-# Harness Notes
-
-Status: internal maintainer note. This is not public installation guidance.
-
-## Current stance
-
-- Patina is primarily a Markdown skill plus a Node.js CLI.
-- Use specification-first review for changes that touch pattern definitions, scoring logic, or meaning-preservation behavior.
-- Keep the core skill pipeline stable unless the change explicitly targets pipeline behavior.
-- For docs-only waves, prefer `docs-review` evidence and the standard npm verification gates.
-
-## Historical context
-
-Older agent notes referenced an OMC/Ouroboros harness as the primary working lane. The current workspace uses the repo's active Codex/OMX runtime instructions from `AGENTS.md` and the bootstrap files instead. Treat older harness-specific routing as historical unless it is reintroduced in active automation.