route

name	route
description	Маршрутизация материала пользователя по DP.KR.002 — возвращает класс (1-4) + дом + режим + обоснование теста классификации
type	utility
version	0.1.0
status	experimental
created	"2026-07-15T00:00:00.000Z"
layer	L4-Personal
scope	project
agents	single
interaction	multi-step
model_default	sonnet
triggers	{"slash":["/route"],"phrases":["куда положить","класс материала","как класс","куда сохранить","как классифицировать материал","к какому классу отнести","где это хранить","куда это положить в IWE"]}
realizes	["DP.SC.058"]
role	["DP.ROLE.088"]
gates_required	["integration"]
gates_enforced	["integration"]
gates_rationale	integration — /route реализует DP.SC.058 (обещание) и DP.ROLE.088 (роль); IntegrationGate шаги 1-3 пройдены до реализации кода (WP-449 Ф3.1)
related	{"uses":["DP.KR.002","DP.D.246","DP.SC.055"],"implements_for":["WP-449"]}
bundled_resources	["scripts/","tests/"]

Скилл /route — Маршрутизатор материала пользователя

Реализует: DP.SC.058 (обещание Router)
Роль: DP.ROLE.088 (Маршрутизатор)
Использует: DP.KR.002 (карта классов), DP.D.246 (различение индекс ≠ указатель)

Назначение

Классифицировать материал пользователя (файл, ссылка, заметка, репо, описание) по 4 онтологическим классам (DP.KR.002 §2-5) и вернуть: класс + дом + режим + тест-обоснование. Поддерживает интерактивные запросы, batch-обработку, валидацию существующего материала.

When to use

• Пользователь спрашивает: «Куда положить эту ссылку?» → /route https://example.com
• Агент при захвате нового материала нужна классификация → /route --batch ~/obsidian-export/
• Интегратор проверяет консистентность базы → /route --validate ~/my-pack/
• Граничный случай, неясный класс → /route --model opus document.pdf (LLM deep-inspect)

Интерфейс

Синтаксис

/route <материал> [опции]

Аргументы

• <материал>: путь к файлу, URL, или краткое описание
• --batch [path]: обработать папку → CSV с результатами
• --validate: переклассифицировать существующий материал + проверить
• --model [opus|sonnet|haiku]: LLM для deep-inspection (default: sonnet)
• --output [json|csv|text]: формат результата (default: text)
• --confidence-threshold [0.0-1.0]: return-if-confident-above (default: 0.8)

Примеры использования

# 1. Интерактивный запрос
/route ~/Downloads/ski-guide.pdf
# Output:
# Класс: 4 — Субъективная оценка
# Дом: внешний (Notion)
# Режим: pointer (candidate)
# Тест: По форме контента — мнение/оценка, расширяемо
# Уверенность: 0.92

# 2. Batch-обработка папки
/route --batch ~/obsidian-export/ --output report.csv
# Output: CSV с N строками (материал, класс, дом, режим, тест, confidence)

# 3. Валидация существующей разметки
/route --validate ~/Pack/PACK-кибербез/ --output delta.json
# Output: JSON diff {changed: [], unchanged: [], conflicts: []}

# 4. Сомнение → deep-inspect
/route --model opus contracts/mystery-agreement.pdf --confidence-threshold 0.7

---

Algorithm

Step 1 — Parse input

1a. Determine input type

if is_file_path(input) and exists(input):
  input_type = FILE
  extract_metadata(file)  # name, ext, size, mtime
  if is_text_file(file):
    read_content(file, max_lines=100)  # first 100 lines for analysis
elif is_url(input):
  input_type = URL
  fetch_title_and_meta(url)
  if accessible and text_content:
    fetch_snippet(url, max_words=500)  # first 500 words
else:
  input_type = DESCRIPTION
  input_text = input  # use as-is

1b. Normalize input (extract entities, clean whitespace, detect language)

Step 2 — Apply classification tests (DP.D.246 + DP.KR.002 §2)

For each class, execute test from DP.KR.002 §2:

Class 1: Активное знание (Active Knowledge)

• Test: Применимо ли это к другим системам такого же типа? / Is this a pattern / method / concept?
• If YES → Class 1, Home = Pack (personal domain or universal), Mode = index
• Confidence raised by: universal applicability, reusability across contexts, foundational nature

Class 2: Состояние системы (System State)

• Test: Про конкретную мою систему или про класс систем вообще? / Is this concrete & particular?
• If THIS-SYSTEM → Class 2, Home = DS-repo, Mode = pointer (sync)
• Confidence raised by: git history, specific commit/branch mention, system-specific config

Class 3: Факт мира (Fact of World)

• Test: Могу ли я это изменить? / Is this external & unchangeable?
• If NO (cannot change) → Class 3, Home = Vault/external, Mode = pointer (static) or external
• Confidence raised by: legal document markers, external source attribution, immutable content

Class 4: Субъективная оценка (Subjective Evaluation)

• Test: Это моя позиция / оценка / наблюдение? / Is this my opinion & revisable?
• If YES (my position) → Class 4, Home = external (Notion) + card in IWE, Mode = pointer (candidate)
• Confidence raised by: first-person language, evaluation markers, provisional tone

Classes outside 1-4: → Quarantine or "Out of map"

Step 3 — Quarantine check (И5 fail-closed)

If material contains patterns:

• Foreign PII (other people's emails, phone numbers, names)
• Secrets (API keys, tokens, passwords — even encrypted)
• Payment data (credit card numbers, bank account details)

→ Quarantine. Block with reason. Do not place.

Step 4 — Build response

Return structure (JSON / CSV / text):

{
  "input": "ski-guide.pdf",
  "class": 4,
  "class_name": "Субъективная оценка",
  "home": "внешний (Notion) + карточка-указатель",
  "mode": "pointer",
  "mode_detail": "candidate",
  "test_applied": "Это моя позиция о горнолыжных курортах? → ДА (расширяемо, пересматриваемо)",
  "confidence": 0.92,
  "explanation": "Ресёрч о курортах — субъективная оценка, потенциальный upgrade к классу 1 при формализации",
  "alternative": null,
  "quarantine": false,
  "timestamp": "2026-07-15T12:34:56Z"
}

Step 5 — Validate consistency (batch mode only)

When processing N files:

• Track patterns (e.g. all .md files in folder X → mostly class 1)
• Flag inconsistencies (same filename pattern, different classes)
• Suggest class re-check or context clarification

Step 6 — Return result

Output per --output flag: JSON / CSV / text.

---

Preconditions

• DP.KR.002 available: Skill reads /IWE/PACK-digital-platform/.../DP.KR.002-...md at runtime (loaded once, cached)
• No external API required except Claude: Batch mode works offline (tests only); deep-inspect mode requires Claude API
• User has read access: Files passed to /route must be readable by CLI process

Bundled resources

• route.py — main classifier engine (classifies single material)
• models.py — DP.KR.002 rules + test implementations in code
• llm_backend.py — Claude API calls for deep-inspect mode
• cli.py — Click-based CLI interface
• tests/ — pytest suite (6 scenarios from WP-449 01-scenarios.md)
• scripts/verify-route.sh — smoke test + schema validation

Known limitations

• Phase A (current): Core classifier only. No LLM deep-inspect yet (Phase B)
• Batch mode: Returns CSV, no live feedback during processing
• Confidence scoring: Rule-based heuristics, not ML-trained. May vary with content format
• Quarantine detector is a prototype-grade keyword list (api_key, token, password, secret, ANTHROPIC_, card-related phrases) — NOT vendor-format regex, no checksum validation (Luhn, IBAN), no entropy detection. Compare to the production-hardened detector in guide-kit's structurer/quarantine.py (DP.SC.055, DP.ROLE.085 Разметчик) which covers known token formats (AWS, Anthropic, GitHub, Slack, Google), PEM keys, Luhn-valid cards, IBAN mod-97 — and went through 3 rounds of adversarial review. Do not rely on /route's quarantine as the sole safety net for material that may contain real secrets or payment data until this gap is closed.

---

Status: Phase A implementation ready. See route.py, models.py, tests/ for code.