Phase B 首批校准反向发现汇总（trademark + case-analysis）
校准时间: 2026-07-05 校准样本: 2 个真实法律 skill（trademark-assistant v1.5.4 / legal-case-analysis v0.2.6）共 6 份测试材料（每 skill × 三份测试法） 校准目的: 检验 legal-skill-evaluation v0.3.0 的维度集 / taste 项 / 流程方法是否够用，做功能提升 结论一句话: v0.3.0 三场景维度集（合同/诉讼/合规）在商标合规场景可用（需微调），在案件分析场景暴露覆盖盲区——应新增"案件分析型"为第四类场景（v0.4.0 提案）。流程方法（skill-lint-handoff / Hard Fail 红线 / 三份测试法 / 维度+taste 双层评分）实战可用，无需大改。
一、维度集够不够用？（核心问题）
1.1 合规型维度集（商标场景校准）
| 维度 | 商标场景可用性 | 发现 |
|---|---|---|
| 维度 1（监管依据精确度） | ✅ 可用 | 商标法层级（法律→实施条例→审查指南→尼斯分类）是合规型"效力层级"的合理具体化 |
| 维度 2（风险识别完整性） | ✅ 可用 | 商标合规天然是"绝对+相对+使用举证"三段式，与合规型"覆盖典型风险"契合 |
| 维度 3（风险等级判定合理性） | ✅ 可用 | output-contract 的"高/中/低/待补充"四级是合规型"区分必须整改 vs 建议改进"的优秀工程化 |
| 维度 4（整改路径可执行性） | ⚠️ 描述偏严 | rubric 要求"具体到动作、责任人、时限、分阶段"——这对企业合规整改（数据合规/反腐败）合理，但对商标申请这类一次性合规动作过度。小改：维度 4 描述补"对一次性合规动作（商标申请、备案登记、单次尽调），责任人/时限可降级为'动作完成节点'"。 |
| 维度 5（证据与事实对应） | ✅ 可用 | 完全契合 |
| 维度 6（交付物格式与可追溯性） | ✅ 可用 | 完全契合 |
结论：合规型 6 维度在商标场景5 个完全可用，1 个描述偏严需小改。
1.2 诉讼型维度集（案件分析场景校准——核心发现）
| 维度 | 案件分析场景可用性 | 发现 |
|---|---|---|
| 维度 1（请求权基础与定性） | ✅ 完全适配 | 案件分析报告天然要做请求权基础识别 |
| 维度 2（诉讼请求明确性） | ❌ 不适配 | 案件分析报告不产出诉请，只评估可行性——强行套用产生虚假低分 |
| 维度 3（事实与理由对应） | ✅ 完全适配 | 案件分析报告的核心就是"事实→证据→法律→主张"链条 |
| 维度 4（证据组织与证明力） | ⚠️ 颗粒度偏低 | 案件分析报告的"强/中/弱"证明力评估合理，但 rubric 要求"区分本证/反证、直接/间接"——这是证据目录制作 skill 的范畴，不应让 case-analysis 承担 |
| 维度 5（抗辩预判与争议焦点） | ✅ 完全适配 | 案件分析报告的最强维度 |
| 维度 6（文书格式与法庭语体） | ❌ 不适配 | 案件分析报告不是法庭文书，没有"首部/事实理由/请求/尾部"法定结构 |
结论：诉讼型 6 维度在案件分析场景3 个完全适配，1 个颗粒度偏低，2 个不适配——证明 v0.3.0 三场景维度集无法完全覆盖"案件分析型"。
1.3 核心结论：应新增"案件分析型"为第四类场景
v0.4.0 提案（待用户确认，不在本次小改范围）：
当时提案新增 references/case-analysis-scenario-rubric.md，维度集推导：
| 维度 | 来源 |
|---|---|
| 维度 1：请求权基础与法律关系定性 | 继承诉讼型维度 1 |
| 维度 2：法律问题树拆解完整性 | 新增——来自 legal-case-analysis 第五节 |
| 维度 3：事实理由对应（一请求一理由） | 继承诉讼型维度 3 |
| 维度 4：证据组织（降级颗粒度） | 继承诉讼型维度 4 + 显式声明"评到强/中/弱即可，不要求本证/反证/直接/间接" |
| 维度 5：抗辩预判与争议焦点把握 | 继承诉讼型维度 5 |
| 维度 6：法律检索吸收深度 | 新增——评是否把检索结果转化为"规则要点 + 适用条件 + 本案对应事实 + 支持方向"（来自 contest-sample-analysis 第六节） |
| 维度 7：策略路径切换（首选/备选/并行） | 新增——评是否给出首选/并行/不建议三档策略（来自 contest-sample-analysis 第九节） |
| 维度 8：风险等级判定标准 | 新增——评每条结论是否带"高/中/低 + 判定依据 + 补强建议" |
| 维度 9：行动清单可执行性 | 新增——评"立即行动清单"是否含动作 + 目的 + 优先级 |
二、taste 项要不要加？
2.1 合规型 taste 项（商标场景校准）
| taste | 商标场景命中情况 | 发现 |
|---|---|---|
| taste-1 ~ taste-7 | 全部通过 | output-contract 的强制结构天然防护 |
| taste-8（可追溯证据） | ❌ 命中 | 关键发现：trademark 当前流程是纸面推理，无截图存证/API 时间戳——这与制裁核查场景的"截图存证"要求不同。判定：taste-8 在商标场景下的强制等级待用户拍板——强制截图存证（升级）vs 仅建议（场景化降级）。 |
| taste-9（跨境数据更新频率） | N/A | trademark 仅适用中国商标，跨境场景不适用 |
| 新增 taste-10 提案 | 待新增 | 商标场景应补"商标在先权利状态会随时变化（每日新申请），初筛结论仅反映查询时点状态"——v0.4.0 待用户确认 |
2.2 诉讼型 taste 项（案件分析场景校准）
| taste | 案件分析场景命中情况 | 发现 |
|---|---|---|
| taste-1 ~ taste-9 | 全部通过 | legal-case-analysis 是 Phase B 最规范的 skill——9 项全过，主动拦截旧法是 taste-8 的优秀工程化 |
| 场景化微调提案 | 待 v0.4.0 | 案件分析型专属 taste-7 应场景化：从"草稿须经承办律师复核后定稿"（诉讼文书口径）改为"分析报告须用作律师工作底稿，不能直接交付客户或提交法院"（案件分析报告口径）。taste-1 应场景化为"避免万能分析结论"。 |
2.3 核心结论
- 现有 taste 项实战可用——9+9 项在两个场景中全部通过或软命中，无重大缺失；
- 不需要大改 taste 结构；
- 需要场景化微调：v0.4.0 案件分析型专属 rubric 中，taste-1/taste-7 语义需场景化；
- 可选新增：合规型 taste-10（在先权利状态动态性），优先级低。
三、三份测试法可操作吗？
3.1 实战表现
| 测试法 | trademark | case-analysis | 发现 |
|---|---|---|---|
| 熟悉材料 | ✅ 可操作 | ✅ 可操作（直接用现成 examples） | 评测人能识别"该场景的重点"——trademark 是核心/防御/储备分层 + 绝对/相对理由；case-analysis 是事实-证据-法律-策略链条 |
| 同类不熟悉材料 | ✅ 可操作 | ✅ 可操作 | 评测人能识别"输出结构稳定性"——trademark 跨业务领域仍按 output-contract 输出；case-analysis 跨案由仍按要件式九步法 |
| 故意缺失关键背景 | ✅ 可操作 | ✅ 可操作 | 评测人能识别"边界稳定性"——trademark 触发"待补充（暂不评级）"；case-analysis 触发"材料未提及→不得自行补全" |
3.2 实战卡点
熟悉材料档对"现成 examples"的依赖：trademark 没有 archive/examples，必须模拟产出；case-analysis 有现成 examples，评测更客观。这本身就是一个发现——本次评测把"被测 skill 是否自带 benchmark case"作为结构性缺口记录，未来应作为 skill-lint 可评估性基础五项的强化项（已记入 compliance rubric 维度 6 评分依据）。
同类不熟悉材料的"同类"边界：trademark 评测中，"同类不熟悉"指跨业务领域（智能厨电→SaaS）；case-analysis 中指跨案由（合同→侵权）。"同类"的语义在不同场景下不同——建议 test-trio-method.md v0.4.0 补充场景化的"同类"定义。
模拟产出的诚实标注：本次评测严格按"模拟产出顶部必须标注'非真实 skill 调用'"执行——实战证明这一规则可操作且必要，避免把模拟产出误当成真实 skill 行为。
3.3 核心结论
三份测试法实战可操作，无需大改。仅需在 test-trio-method.md 补充"同类"的场景化定义（v0.4.0 小改）。
四、skill-lint-handoff 边界实战是否清晰？
4.1 实战表现
| 对接项 | 实战表现 | 发现 |
|---|---|---|
| Hard Fail 清单复用为产出物红线 | ✅ 清晰 | 9 条红线在 trademark / case-analysis 上逐条核验可操作——产出物质量红线（编造事实/草稿当正式意见/未提示人工复核等）能在产出物层核验，不在文档层重复判 |
| 可评估性基础五项 | ✅ 清晰 | 五项核验可操作，发现 trademark 缺 benchmark case / case-analysis 软缺 Hard Fail 标签 |
| 业务流深度五层（Trigger/Intake/Reasoning/Output/Safety） | ✅ 边界清晰 | 本技能不在文档层重判这五层（skill-lint 的范畴），但产出物评测结果可反向印证——本次 case-analysis 的 Output 层验收标准（templates + 核心原则）实际有效 |
4.2 实战卡点
"Hard Fail 是否显式标签化"：trademark / case-analysis 都用"服务边界""核心原则"段落实质起 Hard Fail 作用，但未显式使用"Hard Fail"标签。skill-lint-handoff.md 第 1 节是否要求被测 skill 显式标签化？当前文档没明确——建议 v0.4.0 补一句："Hard Fail 清单可以在 SKILL.md 显式标签化（推荐），也可以由'服务边界 / 核心原则'段落实质承担（可接受）——判定标准是产出物层是否真的防护到位，不是文档层是否使用特定标签"。
降级模式（未调用 skill-lint）的标注：本次评测两次进入"降级模式"（未单独调用 skill-lint，仅按 handoff.md 的清单做纸面核验）。这一模式实战可操作，但应在 skill-lint-handoff.md 显式说明"降级模式"的合法性边界——建议 v0.4.0 补。
4.3 核心结论
skill-lint-handoff 边界实战清晰，无需大改。仅需 v0.4.0 补"Hard Fail 标签化"和"降级模式合法性"两句说明。
五、legal-case-analysis 暴露的"案件分析型"边界问题怎么处理？
5.1 问题定性
legal-case-analysis 的产出（法律分析报告）既不是合同审查意见、不是诉讼文书（起诉状/答辩状/代理词）、不是合规扫描报告——它是前置分析底稿，供律师团队内部研判 + 后续写作 skill 使用。
v0.3.0 三场景维度集（合同/诉讼/合规）是为"终端交付物"设计的，没有为"前置分析底稿"设计专属维度。
5.2 处理方案（本次小改 + v0.4.0 提案）
本次小改（v0.3.1）：
- 在 SKILL.md 步骤 1（识别场景）显式提及"案件分析型"作为潜在的第四类场景，降级套用诉讼型并标注不适配维度；
- 在 litigation / compliance rubric 顶部"待真实 skill 校准声明"段更新——诉讼型校准状态改为"已在案件分析场景降级套用，真实诉讼文书生成 skill（起诉状/答辩状）仍待 T-402 校准"。
v0.4.0 提案（待用户确认）：
- 当时提案新增
references/case-analysis-scenario-rubric.md（维度集推导见本文件第一节 1.3，现行版本改由通用六维度 + 场景微调处理）； - 新增
templates/skill-evaluation-report.md的"案件分析型"评分表分支； - 更新 SKILL.md 步骤 1 场景识别决策树。
5.3 为什么不在本次小改中直接补？
理由：
- 新增维度集是大改（新增 rubric 文件 + 9 个维度推导 + taste 场景化），按任务要求"大改标待用户确认"；
- 当前降级套用方案已可操作（本次评测证明），无阻塞；
- v0.4.0 应同时考虑其他未覆盖场景（法律检索/文书润色/尽调），统一规划维度集结构，不应单独为案件分析型加文件。
六、本次 legal-skill-evaluation 本体小改清单（v0.3.1）
基于以上发现，本次小改（直接动）的项：
| # | 改动 | 位置 | 依据 |
|---|---|---|---|
| 1 | compliance-rubric 维度 4 描述补"一次性合规动作豁免" | references/compliance-scenario-rubric.md 维度 4 |
trademark-case-01.md 维度 4 校准发现 |
| 2 | SKILL.md 步骤 1 补"案件分析型"为潜在第四类场景（降级套用诉讼型） | SKILL.md 步骤 1 | case-analysis-case-01.md 核心发现 |
| 3 | litigation-rubric 顶部声明更新（已在案件分析降级套用，真实诉讼文书仍待 T-402） | references/litigation-scenario-rubric.md 顶部 |
case-analysis-case-01.md |
| 4 | compliance-rubric 顶部声明更新（已在商标场景校准，可追溯证据 taste-8 强制等级待用户拍板） | references/compliance-scenario-rubric.md 顶部 |
trademark-case-01.md taste-8 发现 |
| 5 | CHANGELOG.md 新增 v0.3.1 段 | CHANGELOG.md | 本次小改记录 |
| 6 | TASKS.md 标 Phase B 首批完成 + 登记后续待办 | TASKS.md | 任务闭环 |
不动清单（标 v0.4.0 待用户确认）：
- 新增 case-analysis-scenario-rubric.md（案件分析型专属维度集）
- 新增合规型 taste-10（在先权利状态动态性）
- test-trio-method.md "同类"场景化定义
- skill-lint-handoff.md "Hard Fail 标签化"和"降级模式合法性"补强
- 法律检索/文书润色/尽调专属维度集
七、双门槛自检（本批校准自身）
这是对本批校准"是否引入新问题"的自检（PASS_TO_PASS 思想迁移）。
| 检查项 | 结果 |
|---|---|
| 是否编造评测样本？ | ✅ 未编造——trademark 模拟产出严格按 output-contract + references；case-analysis 直接用现成 examples |
| 是否给 skill 打总分排榜？ | ✅ 未排榜——两个 skill 各评各的，未做横向比较 |
| 是否动了被测 skill？ | ✅ 未动——trademark-assistant / legal-case-analysis 都是只读 |
| 是否动了其他 Skill 目录？ | ✅ 未动——提交前会 git status 自检 |
| 是否诚实标注模拟产出？ | ✅ 已标注——trademark 材料 1/2/3 顶部均有"非真实 skill 调用"声明 |
| 是否给"案件分析型"专属维度集直接动手？ | ✅ 未直接动手——已标 v0.4.0 待用户确认 |
| 是否把评测产出直接搬进 manuscript？ | ✅ 未搬——本评测产出仅留 evals/case-bundle-260705/，符合"评测产出不直接进正文"原则 |
八、给作者（杨卫薪律师）的待决项
下列决策需作者拍板后，v0.4.0 才能推进：
- "案件分析型"是否作为第四类场景独立成 rubric？ 还是在诉讼型内加"分析底稿分支"？
- trademark 场景的 taste-8（可追溯证据/截图存证）强制等级：强制（升级 trademark-assistant）vs 仅建议（场景化降级）？
- 合规型 taste-10（在先权利状态动态性）是否新增？
- test-trio-method.md 的"同类"是否需要场景化定义？
- skill-lint-handoff.md 的"Hard Fail 标签化"和"降级模式合法性"是否补强？
作者拍板前，v0.3.1 维持当前降级套用方案，无阻塞。