Distill Concept Books

概念图书蒸馏

把来源限定的图书知识编译为可审核、来源中性的任务能力，不把全书压缩成摘要，也不把 来源身份复制到候选 Skill。私有治理记录保留追溯所需身份和 locator；候选 tree、评测输入 和运行输出只保留重新表达的方法、边界与停止条件。始终保持：

evidence → claim → relation / capability rule → candidate specification
→ Gate 3 approved-for-eval → materialization → eval run → Gate 4 decision

不得先写候选结论再反向挑选证据，也不得把结构验证当作真实性或行为效果验证。

运行前检查

1. 判断请求是新建、恢复、候选维护、物化、评测还是已接受候选的安全移交。

2. 目标目录存在时先只读恢复，不复制模板、不清空数组、不改稳定 ID、不覆盖人工记录。 新会话、checkpoint、上下文压缩/裁剪、阶段切换、后台任务返回或他人接手后，先重新读取 current Gate 1 绑定的 task contract、task-coverage.yml、candidate stable_task_ids 和 Gate 3/materialization；阶段目标和临时限制不能取代产品合同。

3. 执行任何规则前先证明当前 Skill tree 的 lifecycle 与来源。除非宿主权威记录以当前完整 tree hash 明确证明它已 accepted 或 deployed，否则一律按 review candidate 处理。必须唯一 定位 owning distillation、candidate ID/path 和 sources manifest；任一无法定位、冲突或不可读取 都视为 invalid，只允许审阅和修复，不得因为副本被移动或复制而跳过治理。

4. 对 review candidate 从 owning distillation 的权威 YAML 读取实时状态；不依赖正文中的历史 Gate、materialization ID、hash 或规则数量。运行：

   PYTHONDONTWRITEBYTECODE=1 python3 -B scripts/inspect_distillation_state.py \
     <owning-distillation-dir> --candidate-id <candidate-id> \
     --candidate-path <candidate-path> --sources-manifest <sources-manifest>

5. 按检查结果路由：

   • review-only：只审阅或在用户明确授权下维护候选；
   • materialization-required：只物化获准规则、quick validate 并记账；
   • gate4-eligible：只允许加载唯一匹配版本执行获准评测；
   • invalid：停止受影响动作并修复治理歧义或结构错误。

三种受控状态均不改变 lifecycle；approved-for-eval、目录存在和 quick validation 都不等于 Skill accepted。状态契约见 validation-contract.md。

按需加载

只加载当前判断需要的文件；YAML schema、长检查表和命令以 references 为准。

阶段协议

MRULE-001：恢复并冻结任务（Gate 1）

• 先审计已有 task contract、coverage、brief、核心/治理 YAML、Gate 链、overlay、eval runs、候选和 hash；默认恢复。
• 冻结受众、至少三个稳定任务、范围、语言、运行时、验收问题、阅读/留出计划和失败条件。
• 把稳定任务写入不可覆盖、可哈希的 task-contract.yml；brief 只引用合同。current 正向 Gate 1 必须绑定 gate1-task-contract-snapshot:v1。合同变化使用新版本文件和 superseding Gate 1 决定，不修改旧合同或历史决定。
• 分开主图书、补充来源、模型知识、用户新材料与项目政策；分别记录本地处理、上传、 公开引用和衍生发布权利。
• 冻结两层边界：书目身份、文件名和完整 locator 只进入私有 provenance；下游候选及其 用户可见输出不得出现书名、作者、出版社、ISBN、系列名或可识别的来源案例。
• 展示冻结项与未决项后暂停。只有用户明确决定后才追加 Gate 1 记录；无 current 正向 Gate 1 时不得规范化、扫描正文或提取知识。

MRULE-002：登记来源并扫描结构（Gate 2）

• Gate 1 正向通过后，在私有 manifest 中增量登记来源，校验合法本地处理边界、完整性与 原文件 checksum；优先使用不含书名或作者的 opaque source ID 和载体路径。不写原件， 派生产物仅进入私有忽略区，不把书目字段复制到候选或可发布审阅视图。
• DOCX adapter 先原样提取全部内嵌图像，再用本地 Tesseract 对全部图片执行 OCR；扫描 PDF 使用 Poppler 固定 300 DPI 渲染全部页面后逐页 OCR。语言必须显式声明；缺少本地引擎、 语言包、渲染器或任一未处理图片/页面时 fail closed；不得以“装饰图”为由静默跳过。 其他 PDF/EPUB 仅做有限 preflight。
• 区分出版内容质量与派生载体保真度；建立可实际重解的 locator，扫描全书结构并隔离留出。
• 展示 source map、精读/快读/未读/留出范围和质量缺口后暂停。Gate 2 未由用户写回前， 不进入 evidence/claim 提取。

MRULE-003：建立四层记录

• 在冻结范围内先采集带 locator、载体内容和质量限制的 evidence，再形成单判断 claim， 然后建立 relation 与 capability rule。
• 在私有治理层区分来源陈述、来源解释、教学类比、项目政策、蒸馏综合和任务迁移；不提升 原文确定性，也不把这些 provenance 标签直接写入候选运行输出。
• 对拟进入规则的内容先建立 T3 distiller-synthesis 第一性原理重构：写明任务问题、最小 前提、核心不变量、逐步推导、假设、边界、反例/证伪条件、停止条件和剩余不确定性。 具名案例、修辞顺序或独特表达不能直接支撑 T4；无法在不改变含义的情况下去身份时， 将其保留为私有 reference-only，不强制生成候选。
• 每个 rule 的 check、action、output、stop condition 都要有逐项 semantic support； T3/T4 和 inferred relation 必须保留显式人工决定。
• 缺字、OCR、转换、翻译或术语疑点进入 correction overlay，不改原值、不猜补；completed 决定必须显式来自 user | human-delegate，不得用 agent 或 reviewer 字符串冒充人工。
• 先写权威 YAML，再生成 Markdown 审阅视图；两者冲突时停止修复。

MRULE-004：拆分候选并取得 Gate 3 决定

• 按稳定任务而非书名/章节拆分；允许一本书产生零个、一个或多个候选。

• 先完成 task-coverage.yml；每个 active stable task 必须覆盖 candidate、rule、trigger、 nontrigger、task eval、holdout 和 rubric dimension，不能通过后续沉默省略任务。

• Gate 3 前生成最终但不可激活的 review-only candidate tree、candidate specification 和 review package。递归检查完整 rule → claim → evidence 闭包与逐项语义支持，排除 unresolved/needs-verification 上游。

• candidate name、description、references、examples、eval prompts 和输出契约必须由稳定任务 与 T3 重构原则生成，不得包含书名、作者、出版社、ISBN、系列/文件名、原书引语、来源归因 或可识别的具名案例。治理 guard 可以使用 opaque ID/hash，但不得向普通运行输出泄露它们。

• 先确认 sources manifest 将方法来源显式分类为 method-source/primary-book/supplementary-book 或 book 类型；分类缺失或冲突时阻断，不能把 target-material 或 project-policy 当成方法身份。

• 在形成 Gate 3 snapshot 前运行只读 disclosure lint。若存在译名、转写/romanization、旧名或 来源派生 slug、系列别名、特有术语或具名案例，必须把它们完整写入私有 extra-terms 文件并 在 Gate 3 与 Gate 5 使用同一禁词集合；缺失、不完整或无法确认时 fail closed。lint 报告不得 回显被拦截的身份值：

  PYTHONDONTWRITEBYTECODE=1 python3 -B scripts/audit_candidate_disclosure.py \
    <candidate-path> --sources-manifest <sources-manifest> \
    [--extra-terms-file <private-extra-terms-file>]

  任一 identity、归因短语、具名案例、缓存、symlink、非 UTF-8 或无法由该 lint 审计的二进制 artifact 都先修复。候选 tree 只接受已审核的 UTF-8 文本；运行时必需二进制在建立专用审计 路径前保持 Gate 3 blocked，不得静默跳过，也不得在批准后制作未被 snapshot 绑定的“清理版”。

• 展示触发、反触发、输入、输出、规则、推论、拒绝项、停止条件及 approval snapshot 后暂停； 新 snapshot 必须使用 gate3-approval-snapshot:v2，绑定最终候选 tree、三份权威知识 YAML、 current Gate 1、task contract、coverage 和 candidate stable task IDs。

• 只有用户写回 current approved-for-eval、逐条决定全部当前 rules 且 snapshot 仍精确匹配 时才可物化。物化不得改写候选 bytes；记录相同 path/hash/rules 及绑定该 hash 的 quick validation，lifecycle 仍为 review。任一漂移都要求新的 Gate 3 决定。