scanned-standard-clause-verify

name	scanned-standard-clause-verify
description	扫描版/文本版规范标准 PDF 的身份核验与条文原文核验流水线（S1 置信度核验）。当用户要求核验标准条文、官方核验、原文核对、标准入库核验、清除"待官方核验"标注、或给出标准编号/标准 PDF 要求确认其内容真实性时使用。不适用于技能文件内引用表格的复核（那由 prefab-standards-reviewer 负责）。
version	1.1.0

标准条文核验流水线（scanned-standard-clause-verify）

定位

把"某标准某条文"从"声称存在"核验到"S1 级确认属实"的可重复流水线。源于装配式装修技能合集的官方核验实践（T/CECS 1018-2022、SJG 159-2024、DB33/T 1259-2021 等案例）。

S1 判定两要素：官方发布 + 官方文本核验。两要素齐备才标 S1；缺任一要素只能标"待官方核验"，且不得单独支撑安全类 pass 结论。

输入

• 标准编号（必需）
• 本地官方出版物 PDF 或官方发布渠道线索（必需其一）
• 待核验引用点清单（条文号/术语/限值/公式，可后续补充）

步骤

Step 1 身份核验

从官方出版物核验六要素：公告号（如有）、发布机构、发布日期、实施日期、主编单位、出版信息。

• 日期优先级：PDF 封面 > 官方在线平台（如 openstd、全国标准信息公共服务平台）。封面与在线冲突时以封面为准。
• 扫描版 PDF 用 PyMuPDF 渲染（dpi≥150）后用 Read 视觉读取封面/公告页；文本版直接提取。

Step 2 版本形态判定

• 强水印重复出现 ≥3 次 → 判扫描版；辅助判据：可提取中文字符数异常低、机构名比例异常。
• 文本版注意：目录顺序可能与正文不一致，引用条目编号以正文实际出现位置为准。

Step 3 提取路径选择

形态	路径
文本版	pdfplumber 直接提取
扫描版	PyMuPDF dpi≥150 渲染 + Read 视觉读取（首选，T/CECS 案例验证有效）；大篇幅再考虑 OCR 分块
目次页偏移	目录页码常与 PDF 物理页不一致：先用一条已知条文定位实际页，算出偏移量再批量定位

Step 4 官方文本缺失时的二手源降级链

仅当无官方文本可用时启用，且须两源印证：

• 知乎转载页：WebFetch 返 403 → chrome.exe --headless=new --dump-dom + UA 伪装 + --virtual-time-budget 抓全文
• 建标库：WebFetch 重定向死循环 → curl -A <UA> 直抓
• 头条系：反爬严格，WebFetch 只返回验证脚本 → 浏览器自动化（open tab → navigate → get_page_text）
• 地方标准：优先找住建局官方发布 PDF（SJG 159-2024 案例即此路径，官方发布 PDF 即满足 S1 两要素）

Step 5 引用点逐条核对

每个待核验点输出核对表：条文号 | 核验内容 | 原文摘录 | 页码/位置 | 结论（一致/不一致/不存在）。"不存在"的条文号（如臆造条文）必须显式记录并全链删除。

Step 6 分级标注与登记

• 结论写入 standards-index（项目仓 _专题_技能合集策划/standards-index.md）：核验记录表新增行 + 状态字段更新 + §八变更日志。
• 在 change-governance.md 登记变更编号（CG-YYYYMMDD-序号），级别按该文件第一节判定。
• 入库/重编号须按 prefab-governance-sync 技能的发布流程同步三层（项目仓 → 运行时根 → shared 镜像）。

Step 7 标注全链清除（核验完成后）

对活跃文件（combined_reference / SKILL.md / examples.md / 运行时技能文件）按下列变体模式清单逐一 grep 并清除；技能升版号（x.y.z 第三位）。

变体模式清单（实测出现过的变体，须全部执行，漏一项即残留）：

模式	实际形态示例
待官方核验	〔待官方核验〕降级标注
条文号待核验	〔S1·条文号待核验〕
待核验条文号 / 待补录标准	"未决事项"表行
未对全文核验	"条文号/表号/具体条文未对全文核验"

清除边界：Step 7 只清技能内容文件中的降级标注；standards-index 的核验状态字段与备注（如"待核验""待补充官方来源"）属索引记录，由 Step 6 更新，不在清除范围。裸词"待核验"不得作为清除模式——它是索引 schema 的合法状态枚举值（interface-contracts verification_status），裸匹配会误伤治理文件。

零断言验收：清除后对清单中每个模式在活跃文件范围重新 grep，须全部零命中；任一残留即视为清除未完成。

历史草稿与过程报告不改写（draft A/B 层、阶段报告、策划方案保持原样）。

已知错误库（交叉验证锚点）

核验与复核时高频复现的错误，遇到直接对照：

• GB 55030 实施日期是 2023-04-01，勿写成 2021
• 整体浴室应引 GB/T 36491-2018，非 CJ/T 164
• 耐火极限表出自 GB 50016-2014(2018年版) 表 5.1.2，非 GB 55037
• JC/T 882-2001 已废止；GB 45671-2025 代替 JC 1066（2025-11-01 实施）
• T/CSUS 03-2019 / T/CSUS 48-2022 名称以官方封面为准（曾因 QA 误改全链回归）
• GB 55030 优先范围限于其公告所称现行工程建设标准

验收清单

• 六要素完整且标注核验来源（封面/公告页/官方平台）
• 每个引用点有核对表记录（含原文摘录与页码）
• S1 或"待官方核验"标注已落到 standards-index 对应行
• change-governance.md 变更日志已登记 CG 编号
• 活跃文件按 Step 7 变体模式清单 grep 零残留（若核验通过）
• 三层同步完成（转 prefab-governance-sync 验收）

接口契约（IC-11 接收方）

本技能是 interface-contracts.md IC-11（标准复核工具/任何技能 → 标准条文核验流水线） 的接收方。

• 请求（发起方传递）：标准编号（必填）、官方来源线索（必填，本地官方出版物 PDF 路径或官方发布渠道线索，二者必需其一）、待核验引用点（可选，条文号/术语/限值/公式清单）、项目所在地（可选）。
• 响应（本技能返回）：身份核验（六要素 + 版本形态）、条文核对表（条文号|核验内容|原文摘录|页码位置|结论）、核验结论（S1 确认属实/待官方核验/无法核验）、核验报告路径、未决事项（条件必返回）。
• 字段约束与 IC-11-Request JSON Schema 见 ../shared/interface-contracts.md §4.4 IC-11。
• 官方来源线索缺失时返回"参数不足"，不得仅凭二手源发起核验（SSCV-R-P0-3）。

红线约束（禁止行为）

本技能红线已在全局注册表 ../shared/redlines-registry.md §十五注册（SSCV 标识，10 条：P0×3 + P1×4 + P2×3）。摘要如下，完整定义以注册表为准：

编号	级别	红线
SSCV-R-P0-1	P0	严禁未核验即标 S1（两要素齐备方可标 S1，缺任一只能标"待官方核验"，且不单独支撑安全类 pass）
SSCV-R-P0-2	P0	严禁提取结果未经复核对账即作核验原文（OCR/视觉提取须与原文影像逐条对账）
SSCV-R-P0-3	P0	严禁二手源结论升级为 S1（二手源仅限"待官方核验"或参考级）
SSCV-R-P1-1	P1	严禁跳过身份核验（六要素须从官方出版物取得并标注来源）
SSCV-R-P1-2	P1	严禁单一二手源采信（降级链须两源印证）
SSCV-R-P1-3	P1	严禁仅凭目录页码批量定位（须先定位实际页算偏移量）
SSCV-R-P1-4	P1	严禁静默跳过不存在的条文（疑似臆造须显式记录"不存在"并全链删除）
SSCV-R-P2-1	P2	必须记录原文摘录与位置（含核验来源标注）
SSCV-R-P2-2	P2	必须登记并同步（standards-index + change-governance + 层级同步）
SSCV-R-P2-3	P2	必须零残留验收（按变体模式清单 grep 复检零命中）

环境依赖声明

本技能流水线依赖以下运行环境，缺失时须降级并明示：

依赖	用途	缺失时降级
PyMuPDF（fitz）	扫描版 PDF 渲染（dpi≥150）为影像供视觉读取	无法处理扫描版，仅能处理文本版或转人工
Read 视觉读取	对渲染影像识别封面/公告页/条文	同上
pdfplumber	文本版 PDF 直接提取	改用 PyMuPDF 文本提取或转人工
chrome headless（--dump-dom）	知乎等反爬页面二手源抓取	换用其他二手源或标注无法核验
curl / WebFetch	建标库等二手源直抓	同上
浏览器自动化	头条系等强反爬二手源	同上

二手源依赖仅在无官方文本时启用（见 Step 4），且结论受 SSCV-R-P0-3 约束。

输出物路由

核验产出统一路由，避免散落在临时目录：

• 核验报告：写入项目仓 成果/标准核验/标准编号_核验报告_YYYYMMDD.md（含六要素、条文核对表、结论、未决事项）。
• 索引登记：核验结论写入 _专题_技能合集策划/standards-index.md 核验记录表与状态字段（见 Step 6）。
• 治理登记：在 _专题_技能合集策划/change-governance.md 登记 CG 编号。
• 过程性中间产物（渲染影像、抓取原文）不进入 成果/，核验完成后按文件管理规范处置。

协同边界

• 本技能管"从标准 PDF 取真"；技能文件内引用表格的对表复核由 prefab-standards-reviewer 负责。
• 入库发布的三层同步与 git 提交由 prefab-governance-sync 负责。
• 核验发现引用错误后的修复定级（S/A/B/C）按 change-governance.md 执行。