journal-arena ENB-Pro v4.0 (exklusive Vor-Einreichungs-Edition)

SKILL.md — journal-arena ENB-Pro v4.0 (exklusive Vor-Einreichungs-Edition)

Zweck: Vollständige szientometrische Überprüfung eines Manuskripts vor Einreichung bei Energy and Buildings (Coding-Methode), ausgeführt von echten Agenten auf lokalen Modellen — die originale 16-Gruppen-Einteilung, <=100 Ausführende, jeder Aufruf separat und gestempelt. Alles auf Englisch. Alle Fähigkeiten von v3.1 erhalten (dual grounding, Ledger, Korpus, Matrix, Council, Kit, Guard) plus die Maschinenwelle über input/ (Map, Precheck, FigureQC, Diffnum) und das Post-Council-Schreibteam mit Figurenspezialisten.

0. Die Gesetze (jeder Agent, jedes Modell, jede Phase)

1. Ein-Pflicht-Gesetz — jeder Agent besitzt GENAU einen Teil (seine G-Gruppenkarte in groups/16-group-playbooks.md); Beobachtungen außerhalb der Pflicht gehen maximal an eine weitergeleitete Notiz (Schweregrad style).
2. Dual-Grounding-Gesetz — jedes bewertende Urteil trägt ZWEI Anker: (a) ein exaktes Zitat aus der STUDIERTEN LITERATUR mit Quellen-ID + Lokator ([L:e4-012 ...] aus work/ledger.jsonl) und (b) ein exaktes Manuskript-Zitat, nur dort, wo eine Behauptung abgebildet wird. Fehlt (a) => Quarantäne, niemals gezählt. Ausnahme: deterministische Regelkonformitäts-Feststellungen (anchor_type: rulebook|machine, lit_quote_id: L:rule-<id> wobei die ID in checklists/ oder einem Engine-Enforcer existiert) sind FAKTEN — maschinengeprüft durch matrix3.py rule_exists.
3. Entscheidungswert-Gesetz — Urteil + maximal 3 umsetzbare Schritte + die Zitate. Keine zusammenfassenden Paraphrasen. Das Ledger dedupliziert; Aktivität ohne Entscheidung ist Verschwendung.
4. Evidenzstufen-Gesetz — Körper=1,0 > Abstract=0,5 > Regelbuch=1,0 (deterministisch) > Metadaten=0 (Quarantäne). Jedes Zitat trägt seine Stufe.
5. Verifikationslizenz — schreibgeschützt gegenüber Quellen und input/; das Manuskript verlässt niemals die Maschine des Besitzers, außer durch die explizite --attach-Entscheidung des Besitzers (POL-AI-5 für Online-Modelle; lokale Modelle ausgenommen).
6. PRIV-1…PRIV-6 — engine/humanize.py ist ein PRIVATES abgeleitetes Modul: niemals veröffentlichen; guard_private.py scan muss sauber drucken, BEVOR ein Paket diese Maschine verlässt (öffentliche Builds schließen es aus — siehe NOTICE.md).
7. Kein-Fälschungs-Gesetz — niemals Zahlen erfinden; fehlender Wert = [Zahl benötigt], nur durch den Autor aufgelöst. Kein Detektor-Score entscheidet.
8. Kein-Übertreibungs-Gesetz — keine Behauptung größer als ihre Evidenz; Behauptungsinflation wird bewertet und kann vetoed werden (G11 Meta-Audit + Arena-Bewertungsmatrix).
9. Ausführungs-Ehrlichkeits-Gesetz — jedes Artefakt zeichnet auf, WER es ausgeführt hat: indep: machine (deterministisches Werkzeug — eine Tatsache) · harness (separate Modellaufrufe über engine/harness.py, Schlüssel nur aus Umgebung des Besitzers) · human (Besitzer oder Rückmeldung) · single (ein Modell, das mehrere Rollen spielt — eine gekennzeichnete Simulation). „100 Agenten“ ist nur wahr mit 100 separaten Aufrufen (campaign.py) — sonst ist es single. Einzelausführende-Feststellungen bestätigen NIEMALS allein einen P0: P0 benötigt maschinelle Bestätigung, >=2 unabhängige Ausführende oder die Zustimmung des Besitzers.
10. Artefakt-Diff-Gesetz (NEU, Besitzerentscheidung 2026-10-12) — Agenten führen NIEMALS die Forschungspipeline aus (zeitaufwendig; Aufgabe des Besitzers). Der Besitzer hinterlegt die eigenen Ausgaben der Pipeline in input/results/ (Manifeste, Audit-JSONs, Tabellen, CSVs, Logs) und den Code in input/pipeline/ (schreibgeschützte statische Überprüfung). engine/diffnum.py vergleicht jede Manuskriptnummer mit den Artefakten (nachverfolgt / UNVERFOLGT); unverfolgte Nummern werden zu Maschinen-Feststellungen für G8 und [Zahl benötigt]-Kandidaten. Ein UNVERFOLGT-Flag ist ein Treffer im Screening, kein Fehlerbeweis — ehrlich durch Konstruktion.

1. Entscheidungen zu Protokoll

Übernommen von v3.1 (Besitzer, 2026-10-09/11): code_scope=research_code · tier1_journals=[Energy and Buildings (primär), Applied Energy, Building & Environment, Energy, Journal of Building Engineering, Energy and AI] · corpus_axis=manuscript-derived (work/corpus/axis.json) · corpus_counting=body-access-only · corpus_ceiling=20 + Suffizienz (Studie GESCHLOSSEN bei E6 128 / E2 82 / E4 76 zählbar; Anker hinterlegt in work/ledger.jsonl) · humanizer_mode=distilled-brief. Neu (Besitzer, 2026-10-12): ENB-Pro exklusive Edition — alles Englisch · Agenteneinteilung GENAU die originale v2-Topologie (16 Pflichtgruppen, Wellen von 10, <=100 echte Ausführende) · Ausführung auf LOKALEN Modellen (aktuell: qwen3.5:4b; Code optimiert für 4B-Klasse) · Pipeline niemals von Agenten ausgeführt (Gesetz 10) · input/ Drop-Zonen-Vertrag · Schreiberteam inklusive FIG-MPL + FIG-GV Figurenspezialisten · Abbildungen müssen dem fortgeschrittensten ENB-Handwerk entsprechen (Vorlagen beigelegt).

2. Topologie — die originale 16-Gruppen-Einteilung (einzige Quelle: groups/16-group-playbooks.md)

G1 Titel · G2 Abstract · G3 Schlüsselwörter-Highlights-GA · G4 Einleitung-Lücke · G5 Literaturübersicht · G6 Methodik-Codierung · G7 Daten · G8 Ergebnisse-Konsistenz · G9 Statistik-UQ · G10 Diskussion-Behauptungen · G11 Empfehlungen+Meta-Audit (Veto) · G12 Referenzen-Integrität · G13 Ethik-Politik · G14 Formatierung-Kit · G15 Sprache-Stil · G16 Gutachter-Simulation. Einteilungsmathematik (campaign.py): N=100 => G1–G4 x7 + G5–G16 x6 = exakt 100 Slots (v2 verwendete ceil => 112; Pro respektiert das <=100-Gesetz des Besitzers), Wellen von 10, Agenten-IDs G6-a03. Post-Council Schreiberteam (6 feste Rollen): WR-TEXT-1/2/3, FIG-MPL, FIG-GV, STAT-CHECK.

3. Pipeline (Wellen, fortsetzbar)

W-machine   run.py prep --work work --input input        (Map, Precheck, FigureQC,
                                                          Diffnum, Inventar — kein Schlüssel)
W-division  run.py campaign run --work work [--agents 100] (echte Ausführende, Gesetz 9;
            fortsetzbar; Checkpoint nach jeder Gruppe: check + matrix + council)
  oder AGENT-MODUS (kein Schlüssel; GitHub Klon-&-Ausführen pro AGENTS.md): Campaign-Briefings ->
            der klonende Agent antwortet in work/answers/<slot>.txt -> campaign
            ingest-dir --indep single (ehrlicher Stempel: ein Modell, 100 Hüte)
W-aggregate run.py check/matrix/council work/findings.jsonl ...
W-writers   run.py campaign run --stage writers --work work (nach Council-Urteilen)
W-apply     task/05 + apply_revisions.py (Besitzer genehmigt; Rückverfolgbarkeit: nur Kopien)
W-kit       kit.py strip --src input/manuscript.txt --out <einreichungskopie> + figureqc clean
W-release   LICENSE / Zenodo DOI / Datenhinterlegung (Option C) / GenAI-Erklärung

4. Anker und Pools

Ledger-Zeilen behalten ihre v3.1 E-GIDs; Campaign bildet Pflichtgruppen auf Pools ab: G2,G7,G8 -> E6 (Integrität 319 Anker) · G4,G5 -> E2+E4 (Neuheit/Methodik 412) · G6,G9 -> E4(+E5 Repo-Zeilen) · alle anderen Gruppen: Regelbuch-Anker aus checklists/ (L:rule-*). Briefings betten <=20 Anker ein (120-Zeichen-Kürzung) — der EINZIG zitierbare Pool (Gesetz 2).

5. Kleinmodell-Vertrag (4B-Klasse lokale Modelle)

Prompts: Gesetze-Digest ~700 Zeichen + Pflichtkarte + <=20 Anker + pflichtrelevanter Manuskriptauszug NUR (<=6000 Zeichen, abschnittszugeordnet) + Maschinenfakten + ein Few-Shot JSONL-Beispiel. Generierung: max_tokens 1200, Temperaturprofil 0,2–0,5, /no_think für qwen3-Familie (Standard), ein Parse-Wiederholungsversuch, robuste Extraktion (Fences/trailing commas/konkatenierte Objekte). Erwarten Sie aggressive Quarantäne durch die Tore — das ist das System bei der Arbeit, kein Fehler; realistischer Ertrag bei 4B: 2–4 überlebende Feststellungen pro Ausführendem.

6. Layout & Befehle

checklists/ engine/ groups/ input/ sources/ task/ templates/ demo/ work/ Einstieg: python3 engine/run.py prep|campaign|diffnum|figureqc|harness|map|precheck|matrix|council|check|validate|ledger|corpus|kit|apply|guard|stage — RUNNER.md ist der Verbindungsleitfaden (Ollama/API/Rückmeldung). NOTICE.md: Datenschutz, Lizenzstatus, Umgebungsvariablen.