变更日志
[0.17.0] - 2026-11-21
变更
- 明确新材料统一由本 Skill 接收入库;单个可读文件、目录、压缩包、聊天导出件和外链均不再分流给其他入口。
- 新增案件结构适配规则:整理前读取当前案件目录的既有结构、材料清单和编号上限,现有结构优先,不因识别到 new-case 预设而重建目录。
- new-case 目录和个人规范仅作为可识别结构合同;运行时不强制调用或交接 new-case。
- 交付边界调整为整理后的可读材料、材料清单和路径映射;证据标签、证明力评分和风险判断交给法律分析 Skill。
- 所有外链下载统一要求用户确认、公网解析、固定连接 IP、逐跳重定向复核、大小与落盘边界及失败留痕;能力不满足时导出人工复核任务。
- chat-html 下载的重定向目标不得离开用户已确认的原始主机或其子域,跨域跳转永久拒绝。
- 新增边界合同测试,锁定单个可读文件统一入库和既有案件结构优先两项路由规则。
[0.16.1] - 2026-11-19
修复
- chat-html 下载改为固定连接到已校验的公网 IP(TLS SNI 与 Host 保留原主机名),请求期不再重新解析 DNS,堵住 DNS rebinding 把已放行主机改写到内网的绕过路径。
- DNS 解析同时覆盖 IPv4 与 IPv6,并显式拒绝链路本地、ULA、站点本地和 6to4/Teredo 映射到非公网的地址。
- 重定向目标按新解析结果重新建立固定连接;错误分级明确为 URL 形式非法、非公网地址和响应超限永久拒绝,DNS 暂时失败与网络超时才重试。
data:image限定 png/jpeg/gif/webp/bmp 并校验内容签名。
技术优化
- 新增测试覆盖私网解析、IPv6 ULA 与链路本地、混合公网私网、解析失败、公网解析、连接目标固定、连接期不再解析、重定向拦截、data:image 类型与签名、错误分级共十三类场景。
文档完善
- 在
SKILL.md权限边界和references/chat-html-extract.md中写明 DNS 校验、固定连接、重定向复核与错误分级规则,并把 Python 要求同步为 3.10+。
[0.16.0] - 2026-11-19
新增
- 从私有候选清洁导出为公仓正式源码,并加入「法律材料与证据处理」专家套件。
- 新增匿名混合材料示例,演示目录扫描、manifest 生成和处理任务导出。
改进
- 将公开维护文档压缩为任务状态、长期方向和核心设计决策,不再分发内部执行流水。
- 明确公仓源码为权威实现;真实材料、运行归档、候选外评测和个人配置保留在私有层或仓外证据目录。
- 根 README 与套件索引同步标注源码版本和尚无公开 ZIP 的发布状态。
技术优化
- 发布校验不再要求本地维护文档,并增加邮箱、电话、证件号、案号、聊天账号、机构名和内部编号的确定性隐私锚点检查;文本扫描范围覆盖
.url等常见配置与网页文件。
验证边界
- 0.16.0 仍为
0.x公开候选,不声明 1.0 稳定版。 - 候选外独立 requirements baseline、held-out cases、producer logs 和签名回执继续标记
NOT_VERIFIED。
[0.15.0] - 2026-08-01
新增
- 新增
scripts/material_processing_handoff.py,以工具中立方式导出待处理任务,并统一回写成功、失败和部分可读结果。 - 新增
PROCESSING-CLOSURE硬约束,检查材料、预处理候选、处理运行、输出变体和主可读变体是否闭合。 - 新增成功闭环与“候选已完成但缺少结果”的匿名稳定性夹具。
修复
- 修复外部处理完成后只能手工修改 manifest、容易漏写
variants、processing_runs或primary_readable_variant_id的稳定性缺口。 - 修复失败处理可能没有错误原因或人工复核入口、却被误标为完成的问题。
- 移除处理清单中对具体 OCR 工具的优先绑定,改为由运行环境选择合适的可用能力。
技术优化
- 结果回写改为先完整校验、再同目录原子替换;拒绝不存在、越出
work_dir或使用符号链接的输出文件。 - 结果合同改为字段白名单,限制
extra_json大小并拒绝正文类字段,防止提取全文或转写稿回流到元数据 archive。 - 使用结果字段和输出指纹生成稳定运行 ID 与变体 ID;重复回写同一结果不新增重复记录。
- 增加工具中立任务导出、成功回写、部分可读、失败转人工复核、越界阻断、缺失输出、错误关联和幂等回写测试。
文档完善
- 在
SKILL.md、字段字典和处理清单中明确:PDF 文字层判断及各种内容识别由外部可用能力负责,本 Skill 只处理路由、交接和结果登记。 - 将 Skill、脚本、机器合同和参考模板版本同步至 v0.15.0。
[0.14.0] - 2026-07-30
新增
- 新增
config/instruction-stability-contract.json,把存储分离、引用完整性和不确定性路由三项硬约束映射到最终 manifest、active checker、正反例、measurement 和 observable。 - 新增
scripts/check_material_manifest.py,独立检查真实材料是否误入 archive、材料/变体/材料组引用是否闭合,以及不可读材料是否进入后续处理或人工复核。 - 新增 1 个匿名合法正例、3 个最小变异反例和 1 个历史 archive 膨胀回归;夹具只含合成 JSON,不含真实案件材料。
改进
- 为三项硬约束增加稳定锚点,降低自然语言规则与验证器之间的映射漂移。
- 把零散规范性措辞收口到权威锚点,references 保留操作说明而不重复声明同一硬约束。
- 将脚本、模板、字段字典和 Skill 元数据版本同步至 v0.14.0。
技术优化
- 新增 checker 正向、最小违规、历史回归及真实 scanner 输出测试;失败时精确返回目标 constraint ID、artifact SHA-256 和逐约束 measurement。
- 明确候选内 checker 只能形成领域不变量证据;没有候选外 evaluator 签名和三轮回执时继续标记
NOT_VERIFIED。
[0.13.0] - 2026-07-30
改进
- 将运行时元数据 archive 与真实材料 work 目录分离;默认写入源材料旁的
.legal-material-organizer/<名称>/,不再向 Skill 包写入运行记录或解压材料。 - 每次扫描前重建受控
work/extracted_containers/,避免解压副本跨运行累计膨胀。 - 重写
SKILL.md和输出模板,收口为材料清点、理解、整理与交接,不把材料关联说明扩张为法律结论。 - chat-html 下载器改用解析后的主机名匹配,拒绝伪造白名单域名、
file://、localhost、私网字面地址和危险重定向;增加 100MB 单文件上限与同名避让。
修复
- 同步 frontmatter、脚本和模板版本,修复
SKILL.md仍停留在 v0.11.0 的版本漂移。 - 将许可证从 CC BY-NC-SA 调整为项目规定的 CC BY-NC,并同步完整许可证文本。
- 修正文档中把 chat-html 资源候选误写成独立
materials记录的问题,使说明与当前实现一致。
技术优化
- 新增
scripts/validate_release.py和对应单测,阻止真实 archive、开发目录、缓存、私有绝对路径、断链引用、版本或许可证漂移进入发布候选。 - 增加默认运行目录、元数据 archive 纯净性、URL 欺骗、私网 URL、禁止覆盖等回归用例。
- 将版本、作者和主页收进标准
metadata字段,兼容严格的 Codex Skill frontmatter 校验器。 - 发布检查区分工作区噪声与实际发布物:Git 已忽略的
.DS_Store不阻断仓库候选,非 Git 打包目录仍会拒绝该文件。
文档完善
- 删除已完成的
docs/plans/、具名 benchmark 占位、重复设计稿和缓存目录。 - 清空 Skill 内运行材料 archive,只保留
.gitignore与.gitkeep;目录层级与存储边界改由SKILL.md和references/output-template.md维护。 - 对
SKILL.md、references、TASKS、DECISIONS、CHANGELOG 和测试样例执行去具体化处理。
[0.12.0] - 2026-07-12 - chat-html 抽取子路径
新增
scripts/chat_html_extract.py:识别 chat-html(Cubox/微信/企微导出件)+ 抽取外链下载/图片/视频三类资源 + 下载器(白名单 + 重试 + 失败不阻断)。scripts/scan_materials.py接入 chat-html 子路径:识别 → 抽取 → dry-run → 可选真下载。references/chat-html-extract.md:抽取规则与白名单。references/field-dictionary.md:新增extra_json.chat_html段。- 增加匿名化合成用例,覆盖三类资源抽取、上下文识别和下载失败路径。
行为
- 默认不下载;使用
--chat-html-dry-run生成独立核对清单,使用--chat-html-download才会真下载。 - 单条下载失败/拒绝记录到 manifest(
download_status在extra_json.chat_html.downloads)。 - chat-html 识别成功但未抽取到资源时标记
needs_human_review,除非显式使用--chat-html-no-fail。 - 材料清单末尾自动追加「外部资源抽取对账」小节。
SKILL_VERSION同步从 0.11.0 → 0.12.0。
[0.11.0] - 2026-05-20
新增
- 局部 registry 数据层:
materials_manifest.json新增material_sets、variants、processing_runs、follow_up_candidates,形成案件材料包内的局部事实源。 - 材料组模型:初次扫描按通用材料类型初始化材料组,支持后续综合分析按组理解,而不是只按物理文件夹汇总。
- 变体与处理过程记录:为原始文件自动生成
originalvariant;解压等处理写入processing_runs,后续 OCR/ASR/视觉理解可追加对应变体和运行记录。 - 后续候选动作:对需要 OCR、ASR、文本提取、网页留痕或人工复核的材料生成
follow_up_candidates。 - 字段字典:新增
references/field-dictionary.md,固定核心字段和受控值,避免字段语义漂移。
改进
材料清单.md新增“所属材料组 / 可读性 / 待处理动作”列,仍只展示display_code,不展示后台material_id。filing_plan.json和renaming_map.json增加材料组字段,统一记录展示编号、参照度和整理路径。- 旧 manifest 缺失新结构时自动补齐默认数组,继续兼容既有增量扫描。
修复
- 修复旧 manifest 缺少可读性字段时,文本材料无法自动恢复
primary_readable_variant_id的问题。 - 修复二次扫描会重置
follow_up_candidates.status和extra_json的问题。 - 修复源文件缺失后旧 variant 仍显示为
asset_status: available的问题。 - 对齐字段字典与实际
processing_runs输出字段,统一使用input_path、output_path、error_message。
文档完善
- 更新
SKILL.md、输出模板、综合分析模板、处理清单和命名规则,统一“archive JSON 是事实源,源目录 Markdown 是阅读投影”的描述。 - 记录本次不整合
content-registry、不引入 SQLite 的局部 registry 决策。
[0.10.0] - 2026-05-20
新增
- 入库身份与展示编号分离:
material_id改为后台稳定主键(M-000001),律师可见交付物统一展示display_code(如A001、B003、D005)。 - 参照度排序模型:新增
reference_level、reference_score、reference_basis,展示编号按 A→B→C→D、评分降序、扫描顺序生成,全局递增不按等级重置。 - 整理计划记录:archive 新增
filing_plan.json与renaming_map.json,记录material_id -> display_code -> current_path的映射。 - content-registry 投影字段:manifest 增加
material_key、variant_kind、readability_status、processing_need,用于表达轻量入库、变体和预处理状态。
改进
- 源目录
材料清单.md不再暴露后台material_id,只展示前台display_code。 - 兼容旧 manifest 中的
M-XXX、D-XXX、A-XXX编号,迁移为稳定material_id并写入legacy_ids。 - 更新
scan_materials.py测试,覆盖展示编号重排、后台 ID 稳定、旧编号迁移和 Markdown 隐藏后台 ID。
文档完善
- 更新
SKILL.md、输出模板、综合分析模板、处理清单和命名规则,统一“后台入库身份 + 前台展示编号”的表述。 - 记录本次后台身份与展示编号分离的架构决策。
[0.9.0] - 2026-05-18
新增
- 统一整理流程:删除"副本模式"和"原地模式"的二分法,Step 6 统一为"理解 → 规划 → 执行 → 回更新引用"单一流程
- 原件快照策略:Step 1 新增原件保留策略——压缩包来源保留原包不动、文件夹来源先压缩一份快照,压缩包作为不可变溯源锚点
- 整理后路径回更新:Step 6 新增整理后必须回更新所有材料说明、材料清单和 manifest 的路径引用
- manifest 双路径记录:
original_display_path保留整理前路径,display_path/organized_path记录整理后路径 - 数据架构明确:manifest 为真相源(M-XXX 主键,与路径解耦),材料说明为当前状态的视图,材料清单是索引
- 清单表格新增整理前路径列:同时展示原始路径和整理后路径,通过编号桥接
改进
- 文件命名规则:从
{编号}_{类型}_{关键词}_{日期}改为M-XXX {描述} - {补充}.{扩展名} - 文件夹命名规则:新增
NN - {描述性名称}格式(NN 为两位序号) - 删除
organized/副本目录:不再创建整理副本,直接在源材料目录上执行整理 - 输出质量要求:更新"不破坏原件"条款,改为通过原件快照策略保障
- 版本号:统一更新为 v0.9.0
文档完善
- 重写
SKILL.mdStep 1(原件快照策略)、Step 6(统一整理流程) - 重写
references/organization-and-naming-rules.md:新增文件夹命名规则,删除 organized/ 相关内容 - 更新
references/output-template.md:整理后目录结构、清单模板(含整理前/后路径)、manifest 新增original_display_path - 更新
references/material-processing-checklist.md:新增整理回更新、原件快照、编号前缀检查项
[0.8.1] - 2026-05-18
实践发现
在一批匿名化后的程序性材料样例上完整执行 v0.8.0 后发现以下改进点:
- 材料编号前缀应写入文件名:
M-011 商品发货地 - 城市名.png而非仅在清单中编号,让文件脱离清单也能识别 - 文件夹应加序号前缀:
01 - 聊天记录/、02 - 支付记录/等,让目录浏览时有序 - 根目录散落材料应归入分类子文件夹:理解完成后,根目录只保留分析性文档(材料清单、材料说明、综合分析),原始材料按类型/主题归入子文件夹
- 整理后必须回更新引用:文件移动/重命名后,材料说明和清单中的路径引用必须同步更新
- 综合分析可转为 Word 交付:律师交付时 Word 格式更实用
文档更新
- 记录 v0.9.0 整理流程设计决策
- 更新工作日志
[0.8.0] - 2026-05-18
新增
- 材料综合分析:新增 Step 5.5,在所有文件夹材料说明完成后,自动生成
{源目录名称} - 材料综合分析.md,包含材料概况、案件上下文关联、证据链分析、材料完整性评估和补充建议 - 材料完整性评估:支持比对需求方材料清单与实际收到材料,评估材料质量,输出完整性结论(完整 / 部分缺失 / 需要客户补充)
- 案件上下文分析段落:当用户提供了案件上下文时,每个文件夹的
材料说明末尾追加## 案件上下文段落,解释材料在案件中的整体角色和获取目的 - 需求方材料清单作为上下文来源:上下文读取策略新增第5优先级——用户提供的需求方材料清单,用于完整性比对
- 综合分析模板:新建
references/comprehensive-analysis-template.md
改进
- 材料说明文件命名:从
材料说明.md改为{文件夹名称} - 材料说明.md,确保文件被复制到其他位置后仍可识别来源 - 标准输出表格:新增
{源目录名称} - 材料综合分析.md作为标准输出之一 - 步骤控制表格:更新为包含 Step 5.5 的步骤范围
- 交付前检查:新增文件命名前缀检查、综合分析完整性检查、案件上下文检查项
- 版本号:统一更新为 v0.8.0
文档完善
- 更新
SKILL.md:新增 Step 5.5、案件上下文分析段落、文件命名规则、上下文读取策略第5优先级 - 更新
references/output-template.md:新命名规则、综合分析文件、更新版本号 - 更新
references/material-processing-checklist.md:新增综合分析和完整性评估检查项 - 新建
references/comprehensive-analysis-template.md
[0.7.0] - 2026-05-18
改进
- 明确
legal-material-organizer是内容理解和材料治理层,不承担长期任务事实源。 - 新增与
content-registry的交接说明:原始材料、OCR/转写/清洗变体、材料说明、标签和任务候选分别写入对应表。 - 明确从材料中发现的后续动作只生成
TaskCandidate,后续交给task-policy决定是否进入 Discord 或 Git。
[0.6.0] - 2026-05-17
新增
- 新增“双层输出”机制:源材料目录保留
材料清单.md和按需材料说明.md,机器记录和过程文件统一进入 Skillarchive/。 scan_materials.py新增--archive-dir、--no-write-md、--fresh参数。materials_manifest.json扩展为核心机器记录,新增文件指纹、生命周期状态、通用分类、处理字段、整理字段和复核字段。- 新增增量扫描能力:二次扫描同一源目录时复用未变化文件编号,新增文件顺延编号,缺失文件标记为
missing。 - 新增
run_meta.json保存运行参数、Skill 版本、源路径和 archive 路径。 - 新增
scripts/test_scan_materials.py覆盖双层输出、增量编号、压缩包解压位置和恶意 tar 路径拒绝。
改进
- 压缩包解压结果改为写入本次 archive 的
processed/extracted_containers/,不再写入源材料目录。 archive/增加本地忽略规则,只保留.gitkeep和.gitignore,避免运行记录进入 Git。- 加固 zip/tar 解压安全,拒绝绝对路径、
..路径、符号链接、硬链接和设备文件。 - 文档中的 OCR/视觉理解调用改为松耦合能力描述,不再直接绑定其他 Skill 的内部脚本路径或特定 MCP 工具名。
- 将
材料说明.md的“案件价值”表述调整为“可能关联(待人工确认)”,避免越界输出法律结论。
文档完善
- 更新
SKILL.md、references/output-template.md、references/material-processing-checklist.md、references/organization-and-naming-rules.md。 - 记录双层输出与 archive 主记录决策。
[0.5.0] - 2026-05-15
新增
- "理解驱动"核心理念:整理的前提是理解,先 OCR + 注解,再归类命名
- 7 步工作流:扫描 → 编号 → 内容提取 → 材料说明 → 文件夹摘要 → 归类整理 → 输出交付
- OCR + 视觉理解双通道:图片/截图/扫描件同时走环境可用 OCR 能力和视觉理解,合并结果生成更完整的注解
- 每个文件夹一个
材料说明.md:一个文件覆盖该文件夹所有材料,包含 AI 生成声明 - 按需注解机制:自解释文件(证书、合同、判决书)只 OCR,需上下文文件(投诉截图、聊天记录)追加解释性注解
- 上下文读取策略:处理文件夹前读取父级和关联兄弟文件夹的
材料说明.md,提升注解质量 - 并行处理策略:按文件夹分组启动多个 agent 并行处理,加速批量材料处理
- 步骤控制:用户可通过自然语言控制执行哪些步骤("不用整理"、"只要 OCR"等)
- 案件上下文注入:可选的案件类型、当事人、核心争议、材料角色输入
scan_materials.py新增字段:MaterialRecord增加ocr_output_path、ocr_status、annotation_summary、annotation_keywords、annotation_case_relevance
改进
- 输出自包含:所有输出文件直接放在源材料目录内部,不再创建
整理输出/子目录 - 文件名中文化:
00-材料清单.md→材料清单.md,_文件夹注解.md→材料说明.md - OCR 路由统一:所有图片/PDF/Word/PPT 统一交给环境可用 OCR 能力,视频使用 ASR 能力
- 可用能力表更新:视觉理解从"OCR 失败时回退"升级为与 OCR 并行的正式通道
文档更新
- 重写
SKILL.md,从 5 步扩展到 7 步工作流 - 重写
references/output-template.md,新增材料说明.md模板和 v0.5.0 manifest 结构 - 重写
references/material-processing-checklist.md,新增双通道路由表、注解判断表、上下文读取检查项 - 记录 v0.5.0 升级决策
[0.4.1] - 2026-04-23
改进
- 将“重命名计划”从标准留存输出调整为 AI 执行整理时的内部命名工作表。
- 标准整理包不再默认保留
01-重命名计划.md,改为通过materials_manifest.json和01-整理目录结构.md记录实际整理结果。 - 明确不得用 Agent 的 Plan 模式替代材料整理交付物,Plan 模式仅用于代理自身执行管理。
文档完善
- 更新
SKILL.md、references/output-template.md、references/organization-and-naming-rules.md、references/material-processing-checklist.md和references/material-source-matrix.md。
待办事项
- 为
scan_materials.py增加基于内部命名工作表创建organized/整理副本的能力。 - 在 manifest 中补充整理后路径、最终文件名、命名依据、识别方式和确认状态字段。
[0.4.0] - 2026-04-22
新增
- 新增
references/organization-and-naming-rules.md,定义材料识别、命名、重命名计划和整理目录规则 - 标准输出新增
01-重命名计划.md、02-整理目录结构.md、03-预处理记录.md
改进
- 收口
SKILL.md职责边界:本技能聚焦材料清洗、识别、命名和归类,不承担案件事实分析 - 将图片、截图、扫描件、PDF 的处理目标调整为“识别内容并用于命名 / 归类”
- 将工具调用写成抽象能力选择,不绑定具体视觉识别、OCR 或转写工具
技术优化
- 默认采用先生成重命名计划、再确认执行的安全流程
- 默认创建
organized/整理副本目录,不覆盖原始文件
待办事项
- 为
scan_materials.py增加01-重命名计划.md初始生成能力 - 支持按重命名计划创建
organized/副本目录
[0.3.0] - 2026-04-10
新增
- 新增
scripts/scan_materials.py,支持目录扫描、初始编目和双格式输出 - 新增
materials_manifest.json作为机器可读的材料清单
改进
- 自动记录压缩包拆包后的父子来源关系
- 支持对目录、单文件、常见压缩包进行统一扫描入口
- 为
rar/7z增加可选系统解压支持说明
技术优化
- 首版脚本仅依赖 Python 标准库,降低环境门槛
- 增强输出模板,使 Markdown 清单与 JSON manifest 保持一致
待办事项
- 增加内容级摘要而不只是文件级编目
- 将 OCR / 转录 / 网页正文读取接入下一层自动编排
[0.2.0] - 2026-04-09
新增
- 新增
references/material-source-matrix.md,系统梳理容器类与文件类材料来源 - 在
references/output-template.md中新增“父级材料 / 容器来源关系”模板
改进
- 扩展
SKILL.md,显式纳入案件目录、压缩包、导出包、视频、邮件、表格、演示文稿、结构化导出等材料来源 - 将材料输入模型升级为“容器 + 文件”双层结构
- 扩展
references/material-processing-checklist.md,新增容器类材料处理表与更多文件类型
技术优化
- 强化“解压 / 拆包后保留父子来源关系”的要求
- 将录屏、邮件附件、Excel 多工作表、JSON / XML 导出纳入整理边界
待办事项
- 增加自动拆包与来源关系建档脚本
- 用脱敏混合材料包验证新增输入类型的整理效果
[0.1.0] - 2026-03-26
新增
- 建立技能级
CHANGELOG.md、DECISIONS.md、TASKS.md、LICENSE.txt - 新增
references/output-template.md,定义标准整理包输出结构 - 新增
references/material-processing-checklist.md,统一多类型材料处理清单 - 新增
archive/.gitkeep,预留集中归档目录
改进
- 重写
SKILL.md,明确技能定位、适用边界、标准输出和质量要求 - 将固定桌面路径改为“源目录优先、
archive/回退”的输出策略 - 将硬编码的外部脚本调用改为“按环境调用现有 skill / 工具”的协作说明
技术优化
- 标准化输出为
00-材料清单到04-案件材料梳理报告的整理包 - 统一缺失信息标记规则:
未提及、待补充、需人工核验 - 强化来源追溯要求,要求关键事实尽量附材料编号
待办事项
- 增加自动生成材料清单的脚本
- 增加匿名混合材料样例整理包
- 在复杂混合材料上做回归验证