/moot-court

任务与后续升级

本文件是 moot-court 开发任务的权威入口，与源码一并版本化。DEFERRED 表示用户明确暂缓；DRAFT 表示升级方向，输入与范围确认后转为 READY；执行时标记 IN_PROGRESS，以实际验收证据闭环。用户当前明确指令优先于队列。

当前迭代

Task-018 · 固定通用民事闭环，转入 Runtime 验证

• 状态：DONE；日期：2026-09-19。
• 来源：用户明确先跑通原告、被告、法官与书记员的普通民事流程，暂不展开证人、鉴定人等角色，再验证不同Runtime。
• 目标：以固定的民事流程作为跨Runtime共同基准，书记员继续由主控承担；不把新增参与人或专门案件规则作为前置条件。
• 范围：默认入口、民事流程、结束标准、已有实际记录的环节覆盖复核、Runtime复现任务与后续队列；不修改CLI协议或重跑无关回归。
• 验收：默认流程具有明确的输入、角色、过程和三项交付；已有证据逐环节对应并注明缺项；其他Runtime使用同一输入与检查标准，能力预检和真实庭审运行分开记录。
• 固定通用民事主线与书记员职责。
• 核对已有10次真实发言的流程覆盖与剩余验证范围。
• 准备跨Runtime统一任务，调整后续顺序并记录本机入口能力。

覆盖复核与交接（2026-09-19）

本轮是流程规范、关闭语义及任务顺序调整；复核Task-016实际运行，未新做一次庭审或声称最终候选已重新前向验收。证据沿用其本机archive目录，不修改旧笔录与历史状态。

• 结论：已有实际记录支持单争点通用民事训练闭环，不证明整案全部请求、法定环节或多Runtime运行。可用同一材料进入Task-011；无需先扩展参与人。
• 关闭澄清：旧记录依旧规则使用incomplete，历史不改写；当前文档明确按约定环节是否完成选择close，不能仅因证据缺口或恰好用满预算判流程没跑通。脚本与字段未改。
• Runtime入口预检：Claude Code 2.1.237的--version及--help正常返回，确认有非交互入口和子任务相关选项；未执行该宿主庭审。Gemini CLI安装包版本0.29.0（package.json），本机--version长时间未返回，已中止（退出130），后续帮助未取得；原因未确认，未把包版本当可运行证明。没有修改平台配置或安装软件。
• 下一执行项：Task-011，优先Claude Code，再定位Gemini入口问题；成功标准是实际子任务与庭审产物，不是模型读完Skill后自报可用。见references/runtime-validation.md的同一输入、预算及复核标准。
• 验证：复核10个speech事件和庭前／庭后产物存在；相对引用、末尾换行、git diff --check通过。本轮未改CLI，未重复17项协议回归；Task-016的候选签名不覆盖本轮新文档，跨Runtime实测和稳定性仍NOT_VERIFIED。
• 本地Git归档：用户随后明确要求先本地提交。范围为Task-016／018的v1.2.0技能文件与README对应索引，提交标识由Git历史提供；本机archive及其他技能工作区改动不纳入，不执行远端推送或发布。提交前重新检查差异、引用、格式及敏感关键词，未发现凭证。

Task-016 · 中外模拟法庭研究与跨 Runtime 庭审方法

• 状态：DONE；日期：2026-09-19。
• 来源：用户要求全面研究国内外模拟法庭，围绕真实控辩、轮次衔接、差异化信息和不同 Runtime 完善技能。
• 目标：区分竞赛论辩、证据审理与真实案件预演；把有来源的方法落实为程序选择、发言闭环、角色认知边界及能力适配规范。
• 范围：官方规则与宿主文档研究、技能主流程与 references、任务／决策／变更及 README 必要索引；根据已验证缺口决定是否调整工具。
• 非目标：声称复现所有法域程序、混用各赛事证据规则、虚构跨 Runtime 动态测试、自动安装运行平台或发布。
• 验收：来源与适用范围可回查；有限会话也能形成顺序回应；已公开材料与私有策略分开；有现实请求的独立前向测试并检查产物；未支持的角色及未实测 Runtime 明示。
• 完成中外方法与 Runtime 能力研究，定位当前缺口。
• 沉淀流程、通信与信息规则，更新角色模板与复核标准。
• 完成静态检查与有界前向测试，记录剩余验证范围。

验收记录（2026-09-19）

• 方法来源：研究报告保留13项官方规则、诉讼程序、宿主文档及研究论文来源和适用范围；国内完整流程以可读取的高校规则原文为历史方法参照，不用验证码附件摘要或失效链接补推规则。
• 协议回归：python3 -B skills/moot-court/scripts/test_clerk.py，17/17通过；新增历史争点／阶段、恢复等值、笔录展示及私有调度提示不传播的真实CLI检查。没有变更原speech字段或事件版本。
• 前向执行：当前Codex宿主、macOS、合成民事案卷；独立主控无旧上下文读取技能，双方准备后，每次正式发言新建角色实例。10次正式发言、10个不同实例，两轮交流；speech为seq3至21的奇数，关闭seq22、active=null。按预算和材料范围使用close --incomplete：专项演练完成，未声称完整庭审或交付验收事实已证明。
• 父Agent独立检查：逐份核对全部packet、submission、正式事件和调用索引；公开历史及必答事件完整，角色材料范围正确，历史context对应原派发，提交正文未被主控改写。亲读笔录、复盘、补强清单，未见私有拟取证线索变成公开证言或法官问题。共享磁盘仅逻辑隔离，未据此证明工具权限封锁。
• 连续讨论证据：seq7被告提出“相容不等于对应”，seq9原告回答，seq11法官处理并追问，seq13被告认可有限线索价值，seq15原告自行收窄对象联系措辞；双方总结后seq21归纳未决材料问题。没有把收到问题后的承认缺口误作角色超时或漏答。
• 观察与修订：首次init把已存输入的根目录作为运行目录，退出2拒绝覆盖；改用全新hearing子目录后正常执行。测试结束后在clerk-protocol补充空目录及前置材料位置说明，属于入口文档澄清。角色输入包含整份公开职责模板，已披露；本次未证明按角色裁剪到最小上下文。
• 候选边界：实际正文读取／执行文件在前向开始和结束时摘要相同；研究报告和evaluation只做摘要覆盖、未读正文，其间有编辑。上述init说明与本任务验收记录在前向结束后更新，不把该次演练描述成最终全部文件的多轮验收。最终协议候选另由harness快照及verify输出绑定。
• 静态检查：Python／JSON解析、相对链接、单换行、许可证联系信息、版本与README索引、差异检查通过。安全扫描0 critical/high；测试subprocess及临时文件清理提示已审查。harness静态审查零finding。官方quick_validate仍不接受项目要求的author/homepage/version，保留原字段；临时去三字段投影通过，不称原文件直接通过。
• 稳定性assess退出2，NOT_VERIFIED：缺机器约束合同及至少三轮绑定证据（ISG-001/003/004/005）；ISG-002把“render/正文”等触发成视觉约束，不能据此断言法律技能有图面错误。真实案卷、刑事多Agent、其他Runtime／系统、异常恢复的本轮动态路径、完整参与人、强隔离与多轮稳定性仍待分别验证。
• 本机完整证据保存在技能忽略目录archive/2026-09-19-v1.2.0-validation/：forward含原始输入输出及起终摘要，review含父Agent核对与门禁实际输出；仅合成材料，不随公开Skill分发。归档保留原运行绝对路径，复查时按归档forward目录映射。后续任务见Task-017、011、010、005等，不将方向性文档当实测完成。

Task-009 · 开发文档整理与本地提交

• 状态：DONE；日期：2026-09-18。
• 来源：用户要求提交本次迭代，保留技能内部决策、任务、变更记录及未来升级方向。
• 范围：本技能源码、开发文档、README 对应索引与 .gitignore 精确例外；其他技能改动保留在工作区。
• 非目标：远端推送、发布渠道同步、执行下方升级队列。
• 将任务与决策文档纳入版本管理；本机验证流水保留在本地忽略目录。
• 明确历史决策替代关系和未来任务依赖、验收、优先级。
• 检查差异、公开文件与回归结果；以本次聚焦的本地提交归档（提交标识见 Git 历史）。
• 验收：提交前重新运行 16 项 CLI 回归全部通过；暂存范围、三份文档纳入、相对引用、解析、换行、README 最近 8 条及敏感内容检查通过。仅包含本技能与必要索引／忽略例外；无远端推送或渠道发布。

Task-008 · v1.1.0 自动模拟庭审与书记员协议

• 状态：DONE；日期：2026-09-18。
• 主结果：默认自动分派法官与双方角色，以书记员文件协议交换发言，不依赖 Subagent 直接通信。
• 范围：主文档、角色与民刑流程、标准库记录工具、合成案卷、CLI 回归和交付模板。
• 非目标：常驻服务、宿主 Agent 启动器、跨机器自动同步、裁判预测或未经验证的跨平台兼容承诺。
• 定义角色职责与公开／私有材料范围，撤销故意弱化角色。
• 实现单写者事件、版本化派发、提交校验、去重、取消重派、派生状态恢复及笔录生成。
• 完成协议回归和一次无旧上下文的民事多 Agent 前向演练，亲自核对产物。
• 更新技能文档、版本与 README；后续提交按 Task-009 的新授权处理。

验收记录（2026-09-18）

• 环境：macOS、Python 3.14.6。复现命令（仓库根目录）：python3 -B skills/moot-court/scripts/test_clerk.py，16/16 通过。覆盖民刑角色、身份及版本、同稿重试、冲突稿、私有材料过滤与引用拒绝、半写稿、取消重派、并发互斥、事件损坏、状态重建和关闭预算。
• 独立协议审查：真实 CLI 探针覆盖锁竞争、持锁进程退出恢复、材料更新／新回合／关闭后重试旧稿、布尔版本拒绝及缓存重建；主控读取并亲自重跑通过。确认 hash 链不能独立发现完整尾部丢失或目录回滚，文档已限制恢复承诺。
• 前向演练：合成民事案卷，三个无旧上下文的独立角色 Agent，另设独立复核；8 次正式发言，关闭事件 seq18。主控检查 closed、active=null，逐份核对 packet—submission—event，并阅读笔录、复盘和补强清单。私有材料仅进入指定角色包，未见拟取证事项升级为既成事实。
• 观察到的失败及修订：法官 citations 首次返回对象数组而被拒收，原角色改为字符串数组后入卷；角色模板明确格式并补回归。未将技术失败计作律师补证事项。
• 静态检查：Python／JSON 解析、相对引用、文件末尾换行、版本／许可证和主文长度通过；安全扫描无 critical/high，本地测试 subprocess 与临时文件清理提示已人工复核；harness 静态检查零 finding。
• 官方 quick_validate 不接受项目扩展字段 author/homepage/version；保留项目规定字段。去掉三字段的临时投影通过，不等同原始文件直接通过。
• 实现候选的协议绑定门禁已通过，覆盖 16 项 CLI 回归、源码树运行目录拒绝及零预算拒绝。该证据绑定当时文件内容；后续文档整理不能沿用该签名声称最终候选全部验收。
• 验证边界：前向演练期间按观察修订了角色模板和协议说明，未对最终全部文档重做多轮前向测试。真实案卷、刑事多 Agent、其他 Runtime／操作系统、用户停等与多轮稳定性均为 NOT_VERIFIED。不声称 DOMAIN_VERIFIED 或 INSTRUCTION_STABILITY_VERIFIED。
• 稳定性 assess 退出码 2：缺少机器约束合同与多轮签名证据（ISG-001/003/004/005）；ISG-002 将正文等措辞触发为视觉规则，需按适用范围处理，不通过改写业务表述规避。

后续升级队列

当前主线：Task-018 固定通用民事基准 → Task-011 在不同真实Runtime复现。真实案卷、刑事、证人／鉴定人和其他专门扩展不是跨Runtime验证的前置条件；除READY项外，均须按完整任务卡确定输入后再执行。

Task-001 · 真实脱敏案卷全流程验证

• 目标：验证材料整理、自动攻防、庭后复盘能否形成可执行的庭前准备。
• 输入／依赖：获准用于测试的脱敏案卷、明确请求与我方身份、可回查材料及专业复核人；不把案卷提交到源码库。
• 验收：主要争点覆盖有据，发言和补强动作回指真实材料与事件；逐项复核事实／主张／假设区分、依据适用和行动可执行性，记录遗漏与修订后的重跑。
• 非目标：用一案推断普遍法律正确性或真实胜诉概率。

Task-003 · 应诉方向与单方材料验证

• 目标：检验仅有被告材料时，对方主张假设、反向要件审查与质证是否保持边界。
• 输入／依赖：脱敏应诉材料及已知起诉请求；优先复用 Task-001 的验证框架。
• 验收：未知对方事实明确标记；质证落到具体材料，未提供反证不自动判失败；新增对方材料后重开受影响争点并保留旧版本。
• 非目标：为缺失的对方卷宗编造证据。

Task-010 · 刑事多角色前向验证

• 目标：让法官、控方和辩方真实完成有界攻防，补足本版仅有刑事配置回归的缺口。
• 输入／依赖：先用合成案卷，标明演练阶段、指控、证据范围；涉及法律判断时核验依据并安排专业复核。
• 验收：独立角色完成举证质证、争点辩论和归纳，区分事实、程序与量刑问题；检查公开／私有边界、必答问题、关闭状态及三份交付物。
• 非目标：由民事演练结果推断刑事流程已验收。

Task-011 · 跨 Runtime 适配实测

• 状态：IN_PROGRESS；优先级：P1。执行入口：统一验证任务。
• 前置：Task-018的通用民事流程；复用assets/civil-case.example.json，当前Codex记录作为对照。当前优先完成Claude Code验证；Gemini CLI保留已有入口结果，不继续投入。办公类Agent Runtime另见Task-019。
• 目标：在至少两个实际 Runtime 上验证可续接角色、一次性子任务、主控搬运材料等可用路径。
• 输入／依赖：可用宿主、能力清单、同一合成案卷与检查脚本；缺少的能力如实列出。
• 验收：记录宿主／版本／模式、实际调用和产物；角色重建后能回应指定事件，取消与重派不收过期稿；无 Subagent 或无 Python 时正确披露降级。
• 非目标：把文件协议描述当作平台兼容证据，或依赖某平台内部 mailbox 格式。

分级实测记录（2026-09-20）

• 候选与范围：以v1.2.0已提交候选和assets/civil-case.example.json为完整任务输入；另用固定短答、单Agent、单文件和四发言缩减合同逐级定位Runtime能力。全部为合成材料，产物保存在忽略目录archive/2026-09-20-runtime-validation/，未修改平台全局设置。
• Claude Code 2.1.237：模型入口、Agent工具与Write探针通过。四发言短闭环由4个不同冷启动Agent顺序完成，真实调用与会话标识保存在本机忽略目录，结果文件由主控落盘；调试记录证明前一Agent完成后才启动下一次。
• Claude语义复核：原告曾把主体不明的“东西先放仓库”扩大为设备实际入库，被告把无验收记录扩大为验收从未发生；法官未据此裁判并区分已回应与已证明。该短闭环只证明顺序编排和落盘能力，不能证明完整角色合同、书记员协议或领域正确性。
• Claude完整任务：两次实际读取候选后停滞，分别约159秒、232秒后中止；无正式庭审产物、无权限拒绝。另一次10轮缩减任务在约142秒内未产生工具调用。结果为full_skill=NOT_VERIFIED，不能据此认定Skill不兼容。
• Gemini CLI：实际CLI自报0.25.2，顶层包文件为0.29.0，保留版本来源差异。参数解析和帮助可用；最小模型请求在默认模式持续90秒无输出，调试重试超过60秒仍无输出，均主动中止。结果为argument_parser=PASS、model_entry=BLOCKED_OR_STALLED、agent=NOT_RUN、full_skill=NOT_RUN；未创建项目代理配置。
• 状态：Task保持IN_PROGRESS。当前只有Codex宿主完成既有完整民事记录；Claude Code停在短闭环，Gemini已有结果停在模型入口，尚未满足“至少两个实际Runtime完整闭环”、异常恢复与三项交付验收。下一次优先按分级门禁续测Claude Code，不再推进Gemini。

Task-019 · 办公类 Agent Runtime 实测

• 状态：DRAFT；优先级：P2。候选包括WorkBuddy、千问办公等带文档／任务能力的办公类Agent，具体产品名称与版本在执行前确认。
• 目标：验证缺少通用终端、Python或原生Subagent工具的办公型宿主，能否依靠其实际任务、会话、文档和文件能力组织通用民事闭环，并如实披露单Agent分角色或主控搬运等降级路径。
• 输入／依赖：先完成Task-011的Claude Code主路径；取得可用测试账号或本机入口、当前能力说明和用户授权的合成材料空间。统一使用assets/civil-case.example.json，不导入真实客户材料。
• 验收：至少在WorkBuddy与一个千问办公类产品上分别记录G0—G5结果；核对角色是否真正独立、后发言是否收到前文、公开／私有材料如何传递、产物能否导出。没有Subagent时明确标为单Agent演练，不计入独立多Agent闭环。
• 非目标：为测试自动安装产品、修改账号或组织级设置、上传真实案卷，或因界面存在多个角色名称就声称多个Agent已相互讨论。

Task-005 · 多轮稳定性与约束追踪

• 目标：建立机器可追踪约束与独立多轮证据，复查 instruction_stability_gate。
• 输入／依赖：确定候选版本、约束合同和评估标准；民事、刑事等范围先经对应前向任务验证。
• 验收：至少三轮无旧上下文演练，各自保留实际产物、候选对应关系和独立复核；消除适用的门禁缺项，对不适用规则给出依据；失败修订后重跑受影响范围。
• 非目标：补字段或复用一次日志便宣称稳定通过；领域正确性仍单独复核。

Task-002 · 用户亲自参与与停等恢复

• 目标：用户接管指定角色时，系统正确等待、续接并区分真实应答问题与 Agent 失误。
• 输入／依赖：用户明确选择参与角色与范围、可控演练材料。
• 验收：用户发言前不代答，不推进依赖该回答的回合；暂停后从原派发恢复，原话入卷；用户退出后按明确指令切换模式并记录。
• 非目标：以等待超时推断用户承认事实或无法反驳。

Task-012 · 长案卷与增量材料包

• 目标：减少重复传输，保留争点所需原文和来源，支持较长演练。
• 输入／依赖：先测当前材料包大小、上下文成本和遗漏，再选压缩／增量策略；保留完整权威事件。
• 验收：冷启动与续接均能读取所需版本和必答发言；摘要回指原文，私有内容不过界；以相同案卷比较成本、遗漏与回应质量。
• 非目标：用摘要覆盖原始证据或以更小材料包牺牲关键反方材料。

Task-004 · 二审流程适配

• 目标：围绕一审认定、法律适用、上诉范围与新材料组织演练。
• 输入／依赖：一审裁判、上诉请求与材料、适用程序规则及专业复核。
• 验收：逐争点对应上诉理由和一审处理，角色／阶段／输出均有明确合同，完成独立前向演练后再声明支持。
• 非目标：仅改角色名称即当作二审适配。

Task-013 · 多方当事人、反诉与角色扩展

• 目标：突破固定三角色配置，明确多方请求、利益冲突、发言顺序与可见范围。
• 输入／依赖：选择一个具体场景，先设计角色注册与程序范围；与 Task-004 分开验收。
• 验收：至少一个多方合成案件完成真实演练；角色身份、材料可见性、必答集合、关闭条件和笔录归属都有回归与语义复核。
• 非目标：一次覆盖所有诉讼参与人类型或开发通用 Agent 平台。

Task-014 · 角色权限与私有信息保护

• 目标：在支持权限限制的宿主上验证真正的文件／工具访问隔离，补充私有内容语义泄漏检查。
• 输入／依赖：宿主权限能力、明确需保护的材料类别及合成测试信息。
• 验收：角色直接访问其他角色目录／内部事件被拒绝；改写泄漏探针由独立复核检查；不支持的宿主仍明确标记逻辑隔离。
• 非目标：把目录划分或模型自报当作安全沙箱证明。

Task-015 · 数据丢失检测与可信恢复

• 目标：识别完整事件尾部丢失和目录回滚，建立与风险相称的恢复机制。
• 输入／依赖：复现现有边界，明确故障模型及可信外部检查点／备份存放条件。
• 验收：尾部删除、整目录回滚和提交中断分别测试；发现不一致时停止自动续跑；恢复后无重复入卷，并保留失败证据。
• 非目标：仅靠同目录 hash 链承诺防回滚，或直接扩展成分布式数据库。

Task-017 · 完整庭审参与人及询问协议

• 状态：DEFERRED；来源：Task-016 方法研究；2026-09-19用户明确暂不展开。本任务不阻塞通用民事闭环或Runtime验证，待用户重新要求扩展时恢复。
• 目标：区分代理人／辩护人、当事人／被告人、证人、鉴定人，支持有限知识下的逐问逐答、异议处理与适用的最后陈述。
• 输入／依赖：先选一个具体法域与程序、准备有来源的角色事实卡和公开／私有范围；不能预设所有法域都采用美式主询问／交叉询问。
• 范围：可扩展角色注册、派发身份校验、各角色阅读范围、发言许可及阶段转换；与 Task-013 多方诉讼利益关系分别设计。
• 验收：正例验证证人只按其知识卡回答、律师与被告人身份分离、异议后恢复正确提问位置、最后陈述属于正确角色；反例覆盖替他人回答、看过全案后伪装失忆、案卷外答案与超范围追问。真实前向测试后才声明支持完整目标程序。
• 非目标：通过编造证言提高真实感，或把角色数量增加当程序已经完备。

规划历史

• Task-006（DONE，2026-09-18）：完成定位与撰写规划；用户确认基于现有材料自动分派法官、原被告或控辩。实现随后由 Task-008 承接。
• Task-007（DONE，2026-09-18）：完成书记员中转规划，区分记录持久化和宿主唤醒；通过限定材料包、提交稿及单写者事件衔接角色。架构取舍见 DEC-005，实现由 Task-008 承接。