legal-cn-core-codices

中国法律法规、司法文件和官方案例的本地标准化数据工程。

目录边界

• corpus/：Git跟踪的Markdown语料。正式CSV不进入普通Git历史。
• official-source-updater/：官方来源索引更新器及来源配置。
• schema/：正式表Schema、编码注册表和构建必需的规范化官方索引。
• tools/：构建器、校验器和原子发布器。
• tests/：仓库级合同测试。
• workspace/：原始法源、抓取结果、候选、工程记录和缓存；整个目录被Git忽略。
• 人工入库待审区/intake/：本地人工投放入口；原件被Git忽略，清单和审核记录进入Git。

唯一正式发布目录由运行时变量LEGAL_FORMAL_ROOT注入；本地开发默认采用仓库同级目录：

../legal-cn-core-codices

本地验证

python tests\test_publish_validated_dataset.py
python tests\test_validate_dataset.py
node --test tests\test_build_local_csv.mjs
python -m unittest discover -s official-source-updater\tests -v

自动更新边界

.github/workflows/official-index-update.yml只运行登记为ci_auto且不需要令牌的官方索引源。运行结果进入Workflow Artifact候选，不直接宣称全文核验，也不绕过校验器修改正式发布目录。

人民法院案例库个人令牌、微信公众号Cookie和人工批准批次只允许本地运行。司法部案例库当前为ci_auto_candidate，不进入定时矩阵。

legal_documents.csv和legal_contents.csv超过GitHub普通仓库单文件限制；8张正式CSV由本地发布器保留在正式目录，不提交普通Git历史。普通更新覆盖唯一的dataset-latest；每季度及明确确认的里程碑另建不可变Release。两个大表分别压缩为ZIP，其余6张CSV和SHA256SUMS保持原文件，并附数据清单及Release资产校验清单。

全文更新与自动入库

本地及自托管Runner使用同一条门禁链：

官方索引 → 有界单页队列 → 原始字节及正文哈希 → Markdown物化
→ 全量确定性重建 → 候选验证 → Release草稿资产核验
→ 原子发布 → 发布后复验 → Release公开

• official-source-updater/scripts/build_fulltext_queue.py：只选择重叠窗口内、正式库尚无同标题同日期的支持对象。
• official-source-updater/scripts/fetch_fulltext_queue.py：直连抓取单页全文，保存原始字节、最终URL和双SHA-256。
• official-source-updater/scripts/materialize_fulltext.py：区分司法解释、规范文件和案例合集；案例无官方编号时留空。
• schema/accepted_coding_baseline.csv：仅收录上一已验收正式表中主键唯一的发布记录，并按source_relative_path + source_sha256复用WJBS；源文件变化即失效。
• .github/workflows/official-fulltext-ingest.yml：自托管Windows Runner每三日自动执行到正式入库。
• .github/workflows/dataset-release.yml：人工批准批次默认只更新dataset-latest；永久里程碑需要名称和硬确认。
• .github/workflows/quarterly-dataset-archive.yml：每年1、4、7、10月归档当前正式树，不抢占GitHub Latest。
• tools/prepare_dataset_release.py：生成确定性ZIP、dataset-manifest.json和release-SHA256SUMS。
• tools/publish_dataset_release.py：显式执行latest、quarterly或milestone模式；要求当前提交的Pre-Release Audit / audit已通过，并输出机器可读结果JSON。

部署变量、Runner标签、首次上线和失败处理见GitHub部署说明。

发布前审计

仓库部署pre-release-auditor v3.3.0资产。.github/workflows/release-audit.yml依次执行：

1. L1依赖供应链审计；
2. L2全仓凭证、拓扑和路径扫描；
3. L3来源注册表、网络边界和审计资产语义检查；
4. L4 Python、Node和构建器回归测试。

任何阻断项存在时不得Push或Release。