要素式起诉状生成 Skill（elements-complaint-generator）

一、定位

在最高法 67 类官方要素式起诉状/答辩状模板（法〔2025〕82 号，2025-07-14 全国推广）上做锚点替换，从律师提供的「常规起诉状（Markdown 或 docx）/自然对话/结构化要素清单」中抽取信息，输出通过 DOCX 结构检查与真实 PDF 渲染门禁的要素式 Word 候选文书。法律内容和个案立案要求仍由律师复核。

1.1 分工铁律（Agent 与代码各司其职）

普通起诉状/对话 --[Agent(LLM) 抽取]--> elements.json --[纯代码(lxml) 替换]--> 要素式 docx
                    语义理解                                确定性模板填充

Agent 负责"抽取"：读常规起诉状 → 按案由 Schema 产出 elements.json（人可复核）。语义理解是 LLM 强项，regex 只做兜底（extract_from_markdown.py）。
代码负责"填充与客观版式门禁"：fill_template.py 在模板 XML 上做 <w:t> 跨 run 精确替换，再由独立检查器验证结构和真实 PDF 几何；LLM 不直接修改 OOXML。

1.2 当前范围（v0.16.0）

维度	范围
模板	113 棵树全量入库（法〔2025〕82 号完整版：上册42+中册28+下册43，编号01-68按上中下顺序）
抽取	Agent 会话内抽取为主；`extract_from_markdown.py` regex 为兜底
模板形态	解包 OOXML 源码树（git 可 diff），渲染时复制→编辑→打包；22 案由已替换为法院实际发放件基准（2 表结构，DEC-011）
替换引擎	lxml 直接编辑 `<w:t>`（跨 run 精确替换，多 part 覆盖，`--verify-residual` 残留校验）
版式门禁	默认把候选 DOCX 交给正式版 LibreOffice 真实渲染，再检查 A4、逐表居中/列位、跨页续接、语义表头、中文字形存活、连续页码、出版物残码和空白页；失败不覆盖目标文件
模板版本	法〔2025〕82 号 2025-07-14 推广版（多渠道交叉比对一致）

1.3 不适用场景

用户要的不是"要素式"格式（如要自由格式起诉状）→ 用 legal-proposal-generator 或人工起草
用户仅有扫描件 PDF → 先用 legal-ocr 转 md，再走本 skill
用户要批量生成同案由 100+ 份 → 暂不支持（后续加批量模式）

二、架构

┌────────────────────────────────────────────────┐
│ 输入：常规起诉状(md/docx) / 对话 / 要素文件      │
└───────────────────────┬────────────────────────┘
                        ▼
          ┌───────────────────────────┐
          │ Agent 按 Schema 抽要素     │ ← 语义理解（LLM）
          │ (regex 脚本兜底)           │
          └─────────────┬─────────────┘
                        ▼
          ┌───────────────────────────┐
          │ elements.json（人可复核）  │
          └─────────────┬─────────────┘
                        ▼
┌────────────────────────────────────────────────┐
│ fill_template.py（纯代码，确定性）              │
│  复制 templates/<案由>/ → lxml 编辑 <w:t>       │
│  <w:t> 跨 run 精确替换 → pack_docx 打包         │
│  → 残留校验 → DOCX 静态门禁 → PDF 真实渲染门禁 │
└───────────────────────┬────────────────────────┘
                        ▼
          ┌───────────────────────────┐
          │ 要素式起诉状.docx          │ ← 候选交付件，律师复核
          └───────────────────────────┘

三、运行流程（三段式：案由匹配 → 两段抽取 → 渲染）

3.1 ① 案由匹配

读用户材料（起诉状 md/docx / 口述）→ 对照 references/case-routing.md
→ 确定案由编号 + case-type key + 模板树 + reference 文档
→ 拿不准时列 2-3 个候选案由请用户选

3.2 ② 要素抽取（通用块 + 案由特定块）

按 references/extraction-prompt-template.md 执行：

通用块（common-elements.md）：当事人 / 代理人 / 调解意愿 / 具状人
案由特定块（case-types/{{key}}.md §一）：诉讼请求勾选与金额 / 保全 / 事实与理由
纪律：材料没有→留空；枚举用选项原文；日期 ISO；产出 elements.json 后必须用户复核
兜底：Agent 不可用时 extract_from_markdown.py（09/05 已实现 regex 兜底）

3.3 ③ 渲染（纯代码）

# 精调 key 示例：09-private-lending / 22-copyright / 60-enforcement / 65-objection；两位编号（如 06）走通用级
python scripts/fill_template.py \
  --case-type 09-private-lending \
  --elements <案件>/elements.json \
  --output <案件>/要素式起诉状.docx \
  --verify-residual "旧当事人名,旧电话"

复制 templates/<树>/ → lxml 编辑 <w:t>（跨 run 精确替换，多 part 覆盖）→ 打包
通用规则（当事人/调解/具状）与案由规则分层复用（DEC-001/002 铁律）
--verify-residual 残留校验防旧案信息泄漏
默认 --layout-check rendered：先在临时候选件上执行 DOCX 不变量检查，再用 LibreOffice 转 PDF 检查真实页面；任一步失败均非零退出，且不覆盖已有目标文件。
--layout-check docx 只供开发期批量回归，不能据此交付；--layout-check off 仅用于定位门禁自身问题，不能据此声称版式通过。
版式例外统一写入 config/layout-policy.json。当前仅 22 著作权法院基准件明确不带页码，禁止由全局规则自行补页码。

3.4 回归

bash tests/run_e2e.sh — 内容断言与 68 编号冒烟 + 长文本矩阵快速合同 + 113 棵树 DOCX 版式静态门禁 + 21 类文书真实 PDF 渲染 + 版式违规正反例。

68 棵主文书的发布级长文本矩阵独立运行，不塞进日常 E2E：

python tests/smoke_render_longtext.py \
  --rounds 3 --require-full \
  --json-output tests/output/longtext-report.json \
  --evidence-dir tests/output/longtext-evidence

该入口为每棵主文书生成确定性的长当事人、长诉请和长事实输入，逐类先预热一次，再连续计量三轮；每轮复用正式 DOCX/PDF 门禁，并记录页数、连续页码、空白页、字形存活、候选内容哈希和稳定指纹。证据目录必须为空，拒绝复用旧产物；定位波动时可加 --evidence-all-rounds 保留每轮 DOCX、PDF 与关键页截图。

四、依赖与模板资产

4.1 运行依赖

工具	macOS 安装	用途
Python 3.11+	系统自带	运行 scripts
lxml	`pip3 install lxml`	XML 编辑与 DOCX 版式检查（硬依赖）
PyMuPDF	`pip3 install pymupdf`	读取真实渲染 PDF 的页面几何与页码（默认交付路径需要）
LibreOffice 正式版	`brew install --cask libreoffice`<br>Linux: `sudo apt-get install libreoffice`	默认交付路径的 DOCX→PDF 真实渲染；开发版/alpha 构建不能作为中文视觉验收依据

首次运行默认渲染路径前安装 Python 依赖：pip3 install lxml pymupdf。缺少 LibreOffice 或 PyMuPDF 时，脚本会明确报错并拒绝发布目标文件，不会静默降级为“已验证”。

4.2 模板资产

templates/                     # ★ 模板唯一权威源（113 棵 OOXML 源码树，git 可 diff）
  01-侮辱案刑事附带民事-刑事附带民事自诉状/   # 上册 01-21：刑事自诉4+民事9+商事8
  05-离婚纠纷-民事起诉状/                     #   （起诉状+答辩状成对）
  09-民间借贷纠纷-民事起诉状/                 # ← 规则已实现
  30-垄断纠纷-民事起诉状/                     # 中册 22-36：知产民事9+知产行政6+垄断行政
  44-行政处罚-行政起诉状/                     # 下册 37-68：海事4+环资3+行政11+行政答辩+国赔4+执行9
  55-行政答辩状/  60-强制执行申请书/           #   单文书目录（树名=编号-案由）

templates/templates-manifest.json             # v2 清单：树↔源文件↔SHA-256 溯源 + 命名规范化记录

为什么用解包树而非 docx：docx 是 zip 二进制（git diff 乱码）；解包后是纯文本 XML，模板迭代、官方版本更新、每次填充差异全部可 diff/可 review/可回滚。每案由存完整树（自包含、互不污染，不抽公共 base 防止格式铁律破防）。

4.3 模板入库流程（新案由 / 官方更新时）

# 完整版为原生 OOXML docx，直接批量解包入库（上中下顺序，编号 01-68）：
python scripts/ingest_full_templates.py \
  --source "~/Desktop/要素式起诉状模板/67类完整版(起诉状+答辩状+第三人意见陈述书)" \
  --templates templates --overwrite
# 若源是 OLE2 老格式（如 67类/ 平铺目录），先转再入：
python scripts/ole2_to_docx.py --input ~/Desktop/要素式起诉状模板/67类 --output /tmp/ecg-docx \
  --manifest templates/templates-manifest.json --include 'NN-*'
python scripts/unpack_docx.py --input /tmp/ecg-docx --output templates --overwrite
# ③ 反向打包（校验/出件用）
python scripts/pack_docx.py --tree templates/06-买卖合同纠纷-民事起诉状 --output 检查.docx

五、要素 Schema（三层 reference）

层	文档	覆盖
通用层	`references/common-elements.md`	当事人/代理人/调解意愿/落款等跨案由要素（证据：113 棵树扫描，28 签名组）
路由层	`references/case-routing.md`（脚本生成，勿手改）	113 棵树索引：案由/册/文书/树/key/支持状态/关键词
案由层	`references/case-types/NN-*.md`	案由特定要素；骨架由 `dump_template_fields.py` 从模板树反推生成，人/Agent 补要素路径与抽取提示

68/68 全部定稿：case-types/ 目录覆盖全部编号（14 份手写详版 + 54 份程序化生成精简版）；骨架 skeletons/ 66 份全字段清单。

顶层：当事人 / 诉讼请求 / 约定管辖和诉前保全 / 事实与理由 / 对纠纷解决方式的意愿 / 具状人_签字_盖章 / 具状日期
当事人含 原告/被告/第三人/委托诉讼代理人（当前实现第一个原告/被告/委托代理人）
字段类型：str / bool（checkbox）/ enum / list

六、模板版本管理

当前版本：法〔2025〕82 号，2025-07-14 全国推广
下次复查：2026-11-17（每半年核查官方更新）
官方更新时：重跑 §4.3 入库流程 → git diff templates/ 直接看到官方改了什么 → 检查规则是否需调整 → 跑回归

七、案由扩展步骤

以 06 买卖合同纠纷为例：

模板入库：§4.3 流程（ole2_to_docx → unpack_docx）
写 Schema 文档：python scripts/dump_template_fields.py --tree templates/06-买卖合同纠纷-民事起诉状 --output references/case-types/06-sale-skeleton.md 生成骨架 → 补要素路径/occurrence 映射/抽取提示（通用块直接引用 common-elements.md，不重复定义）
写规则集：fill_template.py 加 build_rules_06_sale() + CASE_TYPE_TO_TREE 映射
抽取：Agent 直接按 06 Schema 抽；如需 regex 兜底再在 extract_from_markdown.py 的 CASE_TYPE_TO_EXTRACTOR 加
测试：tests/fixtures/ 加样例；跑 tests/run_e2e.sh 回归

八、限制与已知问题

68/68 全案由精调完毕：63 个 build_rules 构建器（叠加模式：通用层+家族工厂+案由特定）覆盖全部编号
通用级当事人为顺序语义（自然人1/自然人2）——法人原告案由（物业/公益诉讼/执行类）中自然人1 可能是对方当事人，Agent 抽取按骨架指引
答辩状/第三人意见陈述书已通过 NN-answer 路由接入；其角色与调解块差异仍须按对应骨架抽取，不得套用起诉状字段含义。
自然人、法人/非法人组织和自然人/法人 3—4 号块已支持；代理人仍为模板原有单槽位，不自动扩容多个代理人。
长文本多段 cell（如"事实与理由"12 段结构）的段落数保持尚未实现（v0.3 计划：XML 重建多段落）
68 棵主文书长文本矩阵已在正式版 LibreOffice 26.2.3.2 下完成逐类预热和三轮计量：204/204 次渲染通过，0 失败、0 不稳定，输入哈希、候选 DOCX 内容哈希与结构指纹均一致，当前环境状态为 DOMAIN_VERIFIED。
45 棵答辩状/第三人意见陈述书尚未进入同等级长文本矩阵；不得把 68 棵主文书结果扩大解释为 113 棵模板全量极端长度已验证。
生成器会按 policy 把不可用的方正字体别名映射到经 fc-match 证明覆盖中文的候选字体，并以字符存活率门禁失败关闭；DOMAIN_VERIFIED 仍只证明当前正式版 LibreOffice 环境，不代表所有机器或 Word/WPS 的字体观感完全一致。正式提交前仍应核对内容、签章位置和当地法院要求。

九、权限与数据边界

脚本只在 tempfile.mkdtemp() 临时目录内复制模板树并渲染，渲染后自动 shutil.rmtree() 清理临时目录（不触碰用户数据）。
ingest_full_templates.py --overwrite 可覆盖 templates/ 下指定模板树（显式参数，非默认行为）。
不向网络发送任何案件内容；--verify-residual 只做本地扫描。

十、版本

当前版本：0.16.0（2026-09-22）
0.16.0：新增 68 主文书长当事人/诉请/事实真实渲染矩阵与结构稳定指纹；修复长字段继承巨大右缩进导致裁切、终端空分节尾页、合法跨页网格细化、相邻单元格误报及 LibreOffice 字体替代漂移；300 字以上长行允许自然跨页；完整 204 次计量 0 失败、0 不稳定，状态为 DOMAIN_VERIFIED
0.15.2：修复 E2E Harness 在仓库路径或伪产物文件名含空格时错误拆分路径的问题；伪产物清单改用 Bash 数组逐项恢复，并加入显式空格文件名回归，避免误删、错误移动和残留伪 DOCX
0.15.1：补强输入全消费、批量参数透传和原子发布；正式版渲染器与中文字体失败关闭；逐表居中、跨页列位及单元格边界门禁；24/25 出版物残码清理与语义重复表头；消除附件分节叠加、同方向书册分节和尾部空段落造成的偶发空白页；113/113 静态矩阵、三轮 21/21 家族矩阵及完整 E2E 通过
0.15.0：新增独立 DOCX/PDF 版式门禁和逐模板例外策略；统一表格显式居中、固定列宽、零缩进与禁止非必要拆行；保留横竖版边界并修复宽表方向；页码改为连续 PAGE 域并补齐节页脚引用；候选件先验后发布；113/113 静态检查、21/21 文书家族真实 PDF 渲染和 10 个正反例通过
0.14.0：22 模板源替换为法院件基准（DEC-011）；几何宽度感知边距（推翻 1800 归一）；引擎补链（22 权项/客体/停止侵权/关联无/费用行布局无关/代理人勾选/住所地字段名映射修复/skipped 明细）；250612 案 260826 MD 端到端 48/48 断言通过
0.13.5：新增渲染后强制 QA 清单（references/qa-checklist.md），收敛 250612 案实战问题（模板几何/表合并/第三人串填/引擎规则缺口/人工修补铁律）
0.13.4（2026-08-22）
覆盖：113/113 模板树（68 主文书精调 + 45 答辩状）
格式修复：节合并（主体连续+调解/证据独立分页）、页边距归一（25mm）、页脚 PAGE 域
设计稿：docs/plans/2026-08-17-elements-complaint-generator-design.md（不入仓）

十一、渲染后强制 QA（2026-08-28 新增，v0.13.5）

任何渲染输出在交付前必须先通过自动版式门禁，再完整执行渲染后 QA 清单（源自 250612 武景怡案五轮返工实战复盘）。人工视觉复核只补充机器难以判断的法律内容、签章位置和局部观感，不能替代自动门禁。要点：

问题归属三分：入库模板（表拆分/表宽 9344 溢出/字段跨 tc）、渲染引擎（知产案由规则缺口、第三人串填、标签被吞、勾选静默跳过）、人工修补（反引用字面量、宽松正则误插）——排障先分责。
基准原则：几何与三表形态以法院实际发放件为准（实测法院件表宽 ~7008，入库模板 9344 溢出 A4）。
六步 QA：几何→结构（3 表/行宽校验）→勾选（含第三人两□全空、代理人有☑特别授权☑）→字段（住所地/客体五要素/金额标签+数值）→唯一性（被告三要素各 1 次、=0）→20 项自动断言全过才覆盖目标件。
人工修补铁律：只在单元格内改文本、repl 禁反引用、/tmp 过检后一次性覆盖。

引擎层待修清单见 qa-checklist.md 第四节（知产权项规则链、代理勾选规则、occurrence 串填、标签保留、内置几何后处理、skipped 明细打印）。