企业官网建设流程全解析

• AI 技能
• AI 写作
• 人工智能
• 深度研究
• AI 应用

导读

本文围绕 PaperSpine 技能体系中一份重要的实验性参考文档 adaptive-shadow.md，系统讲解其设计为"自适应研究与义务影子层"（Adaptive Research and Obligation Shadow）的完整技术方案：它如何在不动摇 canonical 完成门的前提下，以领域中立的方式承载运行时学习、如何通过闭集义务 IR 与哈希绑定 receipt 完成单一 claim surface 的确定性审计，以及如何用 compare-and-swap 语义实现不可变修订。读完本文，你将掌握该层级的输入契约结构、CLI 调用方式、结果信号语义、激活条件及其在 adaptive_shadow.py 中的底层实现，能够独立构造并验证一份 shadow 请求。

一、定位：一个可选的迁移表面，而非新的完成门

原文档在开篇即给出明确边界：Adaptive Shadow 是可选的（opt-in）运行时学习迁移表面，它不是领域 profile，也不属于 interface version0.1-shadow中 canonical 完成门的一部分。

这一定位在源码中得到严格印证。adaptive_shadow.py 的模块 docstring 写道：

"Deterministic, domain-neutral adaptive audit shadow for one claim surface. This module deliberately cannot grant manuscript, delivery, submission, or external-action readiness."

也就是说，这个模块从设计上就不能授予稿件、交付、投稿或外部行为的就绪状态，它只做一件事：校验 receipt 与闭集义务 IR，然后输出CLAIM_SURFACE_AUDITED或BLOCKED两种结果。

同时，在 audit.md 的第 20 条清单中明确记录：如果可选的自适应影子运行了，它的 receipt只能证明一个哈希绑定的claim_surface_audited，不能替代任何 canonical 检查、整篇稿件完成、目标 bundle READY 或任何授权。这与当前方法路由 current-method-routing.json 中对references/adaptive-shadow.md的条目描述完全一致："只证明一个 surface，不签整篇 ready"。

二、边界（Boundary）：领域中立与运行时学习

2.1 为什么必须领域中立

原文档强调：PaperSpine不得把生物学、AI、医学、人文等任何领域的偏好编码为永久技能规则。方向性建议必须由 direction-research Agent 在运行时学习；venue 特定义务必须由 target-research Agent 从权威来源（authority-bearing sources）学习。影子层只存储通用证据（evidence）、权威（authority）、审阅（review）与状态转移（state-transition）合同。

从实现看，这种中立性体现在AUTHORITY_CLASSES等闭集词汇表中（adaptive_shadow.py）：official、qualified_human_or_institution、user_authority、peer_reviewed_primary、scholarly_exemplar——全部是通用权威类别，不涉及任何具体学科内容。

2.2 运行时上下文的四个必填字段

每个运行时上下文（runtime context）必须包含：

venue、year、track、article_type、workflow stage均为可选，直到它们真正适用为止。原文档特别告诫：不要为了满足表单而凭空编造这些字段。

这一约束在 adaptive-shadow-request.schema.json 的context定义中得到落实：required仅包含上述四项，venue/year/track/article_type/stage_id均是可选的 properties。同时，源码audit_request中的校验逻辑（adaptive_shadow.py）只对context_id、object_kind、destination_channel做非空检查，并对as_of做 ISO 时间戳合法性校验，而不会因为 venue 等字段缺失而报错。

三、输入（Inputs）：请求契约与十个组成要素

3.1 命令行入口与基本用法

按照原文档，构造一个符合references/contracts/adaptive-shadow-request.schema.json的请求后，用以下命令校验：

python scripts/adaptive_shadow.py adaptive_shadow_request.json \ --project-root paper_rewriting_output \ --output adaptive_shadow_result.json

其中各参数含义如下（对应 parse_args 的实现）：

需要注意的是，CLI 有两条互斥约束：提供--store而不提供--expected-current会被拒绝；提供--expected-current而没有--store同样被拒绝（adaptive_shadow.py）。

3.2 请求的十个组成要素

原文档列出请求必须包含的十类内容，下面逐条结合 schema 与源码展开：

1. 哈希绑定的 SourceReceipt 记录

每个来源收据包含source_id、authority_class、canonical_identity、locator、retrieved_at、as_of、content_sha256、extraction_verification。其中content_sha256必须是 64 位小写十六进制；authority_class只能取五个闭集值之一；source_id满足^[A-Za-z0-9][A-Za-z0-9._-]{0,127}$的 SAFE_ID 模式且不允许重复（adaptive_shadow.py）。

extraction_verification.kind有三个取值：machine_parsed_official_structure（官方机器解析结构）、independent_verifier_receipt（独立验证者收据）、same_model_context_separation（同模型上下文隔离）。其中前两种构成"硬验证"集合HARD_VERIFICATION_KINDS。

2. 独立覆盖收据（coverage receipts）

覆盖收据分target_policy（目标政策研究）与direction_search（方向研究）两个通道，各自要求：

• queries、source_classes、included_source_ids：非空字符串列表；
• stopping_reason：只能取frontier_saturated、authoritative_sources_exhausted、budget_exhausted、user_bounded之一；
• residual_risk：必须显式给出残余风险；
• coverage_challenger：确定性或独立的挑战者，包含independence_kind、producer_id、challenger_id、outcome（必须为PASS）、unresolved_gaps（必须为空列表）。

direction_search通道额外要求独立直接竞品遗漏挑战（direct_competitors_considered非空 +omission_challenge），且该挑战的independence_kind只能是independent_model_or_provider或qualified_human（不允许用确定性检查替代独立挑战）。源码中_coverage_findings对这两个通道做了逐字段校验（adaptive_shadow.py）。

3. 闭集、非图灵完备的义务 IR v0

Obligation IR v0只允许五种谓词算子：exists、absent、truthy、equals、in_set（adaptive_shadow.py）。每个 obligation 由obligation_id、source_id、normative_force、predicate组成；normative_force取值mandatory、prohibited、advisory、quality_hypothesis，其中mandatory/prohibited为硬性义务（HARD_FORCES）。谓词求值逻辑_predicate_satisfied（adaptive_shadow.py）通过点分路径在 facts 中取值后按算子判定，违反硬义务产生 findings，违反软义务仅进入 advisory。

4. 恰好一个 claim-bearing surface 及其当前构件哈希

claim_surface包含claim_id、surface_id、artifact（path+sha256）、support_source_ids、facts。源码会重新计算artifact 文件的 SHA-256，与请求中的声明值比对，不一致即报"stale or incorrect"；同时校验路径必须位于project_root内部且文件真实存在（adaptive_shadow.py）。

5. 原子级保留收据（retention receipt）

要求expected_atom_ids、retained_atom_ids、omitted_atoms三组原子标识：每个遗漏项必须带atom_id、reason、decision_owner；校验逻辑会检查"保留与遗漏重叠""存在未解释遗漏""引用预期外原子"三类异常（adaptive_shadow.py）。

6. 当前、哈希绑定的资产清单（asset inventory）

识别所选候选资产及其适用理由。源码中的关键约束（adaptive_shadow.py）明确：mtime 只能证明哪个文件被清点过，不能证明科学适用性——"recency alone must not override a valid user choice or a scientifically stronger existing figure"（仅凭新旧不能覆盖有效的用户选择或科学上更强的既有图）。每个被选中的候选必须通过identity_match科学身份门；explicit_user_selection_id即便是指定的用户选择，也不能覆盖科学身份门。

7. 绑定到同一哈希的零上下文主表面独立审阅

independent_review_receipt要求：review_mode必须为zero_context_primary_surface；independence_kind必须是independent_model_or_provider或qualified_human；reviewer_id与producer_id不得相同；input_sha256必须等于当前 claim surface 的哈希；outcome必须为PASS；major_restructure_required必须为false；unresolved_blockers必须为空（adaptive_shadow.py）。

8. v1 遗留收据（legacy receipt）

接口必须是v1，状态可取PASS/FAIL/BLOCKED/UNKNOWN/NOT_RUN。语义是：遗留FAIL/BLOCKED被保留（并作为 finding 报出，不能被 v2 shadow 覆盖），而遗留PASS虽然可见但被打上污染标记（tainted），并且没有通往新 READY 的边。结果中的legacy_pass_tainted字段即由此而来（adaptive_shadow.py）。

9. 有界的质量修订收据（quality revision receipt）

针对可选 shadow 实验，记录该实验配置的轮次上限。automatic_rounds在 alpha.1 中只能是 0 或 1；rounds==1时changes必须记录自动修订，rounds==0时changes必须为空（adaptive_shadow.py）。原文档特别澄清：历史上"一轮"的限制并不限制正常的宿主修正与论文重新审阅——它只约束 shadow 实验本身的自动修订次数。

10. 可选的图决策（figure decisions）

当 hero、mechanism、model 或 core 图的科学目的、证据、可读性与在论文中的角色均合格时，应keep（保留）；只有在论文确实做出并支持该比较时，才记录competitive_delta。源码用CORE_FIGURE_ROLES = {"hero", "mechanism", "model", "core"}（adaptive_shadow.py）定义核心图角色，并实施两条联动校验：保留核心图必须有applicable: true的资产清单；保留的核心图构件路径必须出现在所选资产中（adaptive_shadow.py）。

3.3 硬义务的升级来源限制

原文档明确规定：硬性 mandatory/prohibited 义务只能从官方机器解析结构或独立验证者收据中升级。同模型上下文隔离（same-model context separation）只能产生候选或咨询性假设，永远不能产生硬证明。法律、伦理、管辖权、临床与机构权威在适用时仍属于合格的人类或机构。

源码_obligation_findings落实了这一规则（adaptive_shadow.py）：对硬义务，其来源的extraction_verification.kind必须属于HARD_VERIFICATION_KINDS，且authority_class必须属于HARD_AUTHORITY_CLASSES；若声明"官方机器解析"但来源权威不是official，同样报错。

四、输出与权威（Outcome and Authority）：fail-closed 的信号设计

4.1 唯一绿色结果：CLAIM_SURFACE_AUDITED

唯一的绿色结果是CLAIM_SURFACE_AUDITED，含义是：一个被识别、被哈希绑定的 claim surface 通过了影子检查。它绝不意味着：

• 稿件已完成（manuscript is complete）；
• 交付或投稿 bundle 已 READY；
• 目标 venue 已接收该工作；
• 任何外部行为已被授权。

源码中，结果对象的signals将manuscript_ready、delivery_ready、submission_ready、external_action_authorized硬编码为 false（adaptive_shadow.py），同时shadow_only: true、legacy_authority_unchanged: true。这些约束同样被写进 adaptive-shadow-result.schema.json 的signals定义中（const: false/const: true）。canonical 的 PaperSpine 门（如 progress_check.py）始终保持权威。

4.2 非补偿向量（noncompensatory vector）

真相/权威/许可（truth/authority/permission）、流程保障（process assurance）、质量优化（quality optimization）构成一个非补偿向量：任何一个红色维度都不能被另一个绿色维度抵消。在实现中，audit_request分别计算三路 PASS/FAIL（adaptive_shadow.py）：

• truth_pass：来源收据无错误，且 claim surface / obligations 不涉及未知来源或权威问题；
• process_pass：基础字段、覆盖收据、claim surface 全部通过；
• quality_pass：义务、独立审阅、保留、资产、图、修订、遗留收据全部通过。

只要findings非空，ok即为 false，outcome 为BLOCKED——任何单一维度失败都会整体失败，这正是"不可补偿"的实现形式。

4.3 结果契约的完整字段

完整结果对象（见 adaptive-shadow-result.schema.json）包含：contract（固定paperspine.adaptive-shadow.result）、interface_version（固定0.1-shadow）、request_sha256、revision_id、ok、outcome（CLAIM_SURFACE_AUDITED/BLOCKED）、stage、claim_id、findings、advisory_findings、coverage_status（SUFFICIENT_FOR_SHADOW/INSUFFICIENT）、legacy_status_observed、legacy_pass_tainted、assurance_vector、signals、authority_boundary。其中authority_boundary固定输出一段边界声明：本收据只覆盖一个哈希绑定的 claim surface，绝不授予整篇稿件 READY、交付/投稿就绪或外部行为授权。

五、不可变修订（Immutable Revisions）：CAS 语义的存储层

5.1 命令用法

对于迁移实验，追加不可变修订并以 compare-and-swap（CAS）语义移动CURRENT指针：

python scripts/adaptive_shadow.py adaptive_shadow_request.json \ --project-root paper_rewriting_output \ --store adaptive_shadow_store \ --expected-current NONE

后续提交时，用前一个修订 ID替换NONE。三个关键保证（原文档 + 源码双重确认）：

1. 已存在的修订 ID 永不被覆盖——commit_revision中若revision_dir已存在，直接抛ValueError: immutable revision already exists（adaptive_shadow.py）；
2. 过期的预期父指针会被阻断——CURRENT文件中的实际值必须等于expected_current，否则抛 CAS 不匹配错误，绝不会静默改写CURRENT（adaptive_shadow.py）；
3. 存储必须位于 project_root 内部，否则被拒绝。

5.2 底层写入流程

commit_revision的写入是"先暂存、后原子替换"的两阶段过程（adaptive_shadow.py）：

1. 在revisions/下创建带 PID 后缀的临时暂存目录；
2. 依次原子写入request.json、result.json；
3. 生成receipt.json指针（记录revision_id与 request/result 的 SHA-256）；
4. 用os.replace把暂存目录整体改名为正式修订目录；
5. 同样用临时文件 +os.replace更新CURRENT指针。

这种设计保证了任一时刻存储层都处于一致状态，且修订历史不可变、可回放。结果对象中会附带revision_receipt字段记录本次提交的指针信息；若提交失败（OSError/ValueError），结果会被强制改写为BLOCKED并追加错误说明（adaptive_shadow.py）。

六、激活方式（Activation）：仅在显式开启时运行

原文档给出严格的激活边界：只有当用户明确请求自适应实验，或运行显式配置adaptive_shadow=on时才运行本层。在off或缺省模式下：

• 不要创建这些影子产物；
• 不要给正常流程增加官僚负担（bureaucracy）。

并且，在当前 shadow 版本中，其结果是观测性的：不能改变 progress_check.py 的完成判定，也不能改变 publication-cycle 的权威。这与 current-method-routing.json 对 adaptive-shadow 的"opt-in request/IR/coverage receipts/CAS store"定位一致——它是一套独立于 canonical 门的实验面。

七、最大许可声明（Maximum Licensed Claim）：保守的自我描述

原文档为当前实现划定了唯一允许的对外描述：

A deterministic, test-covered adaptive contract preview and shadow audit for one hash-bound claim surface, with domain-neutral source/authority receipts, closed obligation predicates, bounded revision, and fail-closed authority.

同时明确禁止以下表述：普遍性研究覆盖、优秀论文生成、直接投稿就绪、领域/期刊质量、录用率提升、整篇稿件自适应就绪。文档还特别指出：合成合同测试只是一致性证据（conformance evidence），不是研究或写作质量的行为证据（behavioral evidence）；在项目计划定义的 M4/M5 证据与人类/独立模型校准存在之前，这些声明始终被禁止。

这一"证据边界"哲学在 tests/test_skill_structure.py 中得到呼应——该测试套件只验证文件存在性与结构一致性（例如将src/skill/references/adaptive-shadow.md、两份 schema 与src/scripts/adaptive_shadow.py列为必备文件，见 test_skill_structure.py 与 test_skill_structure.py），并保证 dist 各宿主副本与源文件字节级一致，而不是声称任何行为质量。

八、请求→审计→修订的完整调用链

把上述内容串起来，一个完整的 shadow 实验流程如下：

1. 构造请求：按 adaptive-shadow-request.schema.json 组装十类要素（来源收据、双通道覆盖收据、闭集义务 IR、单一 claim surface、保留收据、资产清单、零上下文独立审阅、v1 遗留收据、有界修订收据、可选图决策）；
2. 纯审计：python scripts/adaptive_shadow.py request.json --project-root <root> --output result.json执行无副作用的audit_request（不会改动项目任何文件）；
3. 读取结果：ok/outcome/stage/assurance_vector/signals/findings决定实验观测结论；任何 findings 都导致BLOCKED；
4. 可选提交修订：追加--store <dir> --expected-current NONE（或前一修订 ID），生成不可变修订并移动CURRENT；
5. 隔离解读：无论结果如何，shadow 信号均不得外溢到 canonical 门、交付或投稿判定。

从源码结构看，audit_request是一个纯函数式校验器（输入 request + project_root，输出结果对象），commit_revision是独立的存储层，main负责 CLI 装配与 JSON 读写——三者职责分离，这也解释了为什么它可以"deterministic"（确定性）：对同一请求与同一项目根，审计结果完全可复现。

结语

PaperSpine 的 Adaptive Shadow 层展示了一种克制而严谨的"实验性运行时学习"设计思路：它以领域中立的合同集、闭集义务 IR、哈希绑定收据与 fail-closed 权威边界，把"自适应学习实验"和"正式质量门"彻底隔离。对希望理解该技能体系内部契约设计的开发者而言，adaptive-shadow.md 是入口文档，adaptive_shadow.py 是可读的确定性实现，两份 请求 schema 与 结果 schema 则是机器可校验的契约真相源。

• AI 技能
• AI 写作
• 人工智能
• 深度研究
• AI 应用