字如其人 · 笔迹心灵解码

一、定位（必读）

• 性质：生成性解读（generative interpretation），不是科学测量。
• 科学边界：笔迹→人格的预测性在严格心理学实证中证据薄弱（Dean 1992 元分析 200+ 研究，r≈0.12；Neter & Ben-Shakhar 1989：效度主要源于文字内容而非笔迹；英国心理学会将笔迹学与占星术并列评「零效度」）。有支持的仅限：① 笔迹同一认定（司法，需 2 年以上训练）；② 笔迹运动学→神经/生理状态（帕金森小写症等，需在线时序数据）。
• 明确禁用：不得作为招聘筛选、司法认定、医学诊断或任何对他人正式评价的唯一/主要依据；不得作为唯一事实推翻他人自述。
• 使用方式：自我探索、创作辅助、教学案例、家庭/朋友间的趣味对照。报告强制带证据链、反证、置信度与可证伪预测，让用户可独立验证。

二、触发方式

当用户上传或指向书写笔迹（图片/PDF/数位笔数据）并希望分析其「人物特征、性格、心理、能力、能量、九型人格」等时触发。即：

> "分析一下这页字迹"、"@字如其人 + 图片"、"这是我的手写，看看性格"、"用笔迹分析 ta/我" 等。

三、输入规范

> 样本越自然、越放松、越多样（不同心境多页），解读的鲁棒性越高。

> 默认分析契约（v4.2.0）：导入照片笔迹后，即根据书写者笔迹分析并判断其性格特点，从多个维度进行解读——性格倾向、处事风格、情感特征、价值观取向等；每项判断给出支撑判断的具体依据（特征 → 规则 → 证据链）；最后以简明扼要的方式总结该人物的整体性格画像（收口形态见「六、运行流程」第 5 步：一段 300–800 字连贯文字）。

四、工作流（五层）

① 输入层   接受 静态图片 / PDF / 在线笔迹 JSON
② 感知层   scripts/extract_features.py 跑预处理 + AUTO 特征（OpenCV：墨浓度/笔画宽度/字高/字间距/行距/边距/倾斜/基线/紧凑度/连笔/整洁度/抖动 等约 12 维硬数据）
③ 词典层   references/features.yaml 读 G8 八维特征定义 + 汉字专属项
④ 推理层   双引擎并行：
    A) 规则引擎：references/knowledge_base.yaml 的 when/counter/weight 规则聚合 → 六维假设 + 证据链
    B) VLM 视觉：调用方（WorkBuddy / 用户）读取原图，把 汉字专属项 + form_niveau + rhythm + style_consistency + 竖画九型(f_shu_*) 等软特征判读后写入 features.json 的 `features.<id>.value`（method 标记为 vlm），详见 references/extract_api.md；按"防巴纳姆三闸门"逐一交证据、反证、可证伪
⑤ 输出层   scripts/report.py 渲染 HTML 交互报告（雷达图 + 证据表 + 反证表 + 流派出处）；`--mode teaching` 另出教学精简可打印版（决策卡优先 + 纵向要点 + 实证横幅）

五、防巴纳姆三闸门（必须执行）

1. 双证据规则：任何假设必须绑定 ≥2 个独立特征
2. 强制反证：每条假设必须主动输出"反证特征"与"何时结论不成立"
3. 可证伪预测：每条假设附一句可由用户当场对照的具体行为描述（避免"有时外向有时内向"类万能句）

六、运行流程（WorkBuddy 调用时）

1) 用户上传/指向笔迹
2) 调用方执行：
   python3 scripts/extract_features.py --input <path> --output <features.json> [--mock]
   - 若调用方为 WorkBuddy，再读取原图作 VLM 视觉补全，将竖画九型(f_shu_*)等写入 <features.json> 的 features.<id>.value
   - 注：f_char_height / f_line_gap / f_word_gap 已统一为「相对字高/字宽」的 0-1 归一比值（与知识库规则阈值一致）；角度类单位为度。
3) 调用方执行：
   python3 scripts/report.py --features <features.json> --output <report.html> --kb references/knowledge_base.yaml --feat features.yaml
4) present_files 报告 HTML
5) 最终输出收口（v4.2.0 强制）：
   - 报告 HTML 等结构化产物照常生成并 present_files 交付；
   - 但对话的**最终文字回复只输出一段 300–800 字的连贯文字**，总结书写者的核心性格特征（性格内外向、情绪稳定性、做事风格、人际交往倾向等）；
   - 语言客观流畅、逻辑清晰；**禁止分点罗列、禁止小标题、禁止列表**；
   - **不涉及健康或道德层面的评判**（不作健康/疾病暗示，不作道德褒贬）；
   - 段内沿用既有结论，不引入任何未经验证的新判断；开头可用一句「笔迹分析报告已生成」衔接交付，其后即进入该段总结，段落之外不再追加任何解释、提醒或附言（科学边界声明已内置于报告，不重复）。

七、脚本与依赖

• 依赖（隔离 venv）：pymupdf opencv-python-headless numpy pyyaml pillow ruamel.yaml
• 入口：
• scripts/extract_features.py — 预处理 + 特征提取（支持 --mock 演示模式）
• scripts/report.py — 推理引擎 + 综合层调度 + 分层 HTML 报告渲染（--depth brief|standard|deep 默认 standard；--mode standard|teaching 默认 standard；--banner on|off 默认 on，仅 teaching 生效）
• scripts/synthesis.py — v1.2.0 综合层：把命中规则组织成 headline/人格画像长文/张力/维度画像/九型画像
• scripts/reading_adjudicator.py — v3.0 判读仲裁：多轮判读合并 + 一致性 + 三档可判定性分级 + 多路径交叉验证
• scripts/mechanism_engine.py — v3.0 机制引擎：动机需求排序 + 四条关系机制 + 签名专项落差
• scripts/state_trait_splitter.py — v3.0 状态-特质双轨分离（无锚点→不可验证；--disable-state 可整体关闭）
• scripts/precision_dashboard.py — v3.0 精度仪表盘：证据强度/流派支持/判读稳定性/可验证性四维 + 无监督校准
• scripts/corpus_manager.py — v3.0 样本库：person_id+date+context 索引、纵向漂移、群体分布
• scripts/v3_layer.py — v3.0 表现层：决策卡 / 仪表盘 / 机制画像 / 双轨 的构建与渲染
• scripts/evidence_audit.py — v4.0 实证校验层：双轨渲染（传统主张 vs 实证校验并列、永不合并）+ 全局否证横幅 + 《效度审计报告》生成（md/html）；文献只标注、不改判、不参与权重
• scripts/literature_patrol.py — v4.0 巡检：检索 SemanticScholar/arXiv/PubMed 写入 references/literature_candidates.yaml 候选区；红线：永不自动改写 evidence_base.yaml，网络不可达安静降级
• 知识库：
• references/features.yaml — 65 项可量化特征（G8 八维 + 汉字专属 8 项 + 竖画九型 11 项 + 派生聚合 8 项）
• references/knowledge_base.yaml — 9 流派/来源溯源 + 57 条映射规则（33 条原规则 100% 带 intensity_bands+narrative_ref；另 24 条「传统学派补遗」低证据 C 级规则，覆盖此前无规则引用的 18 个笔画/布局特征，按红线不挂 narrative_ref，只进发现层/教学纵向要点，不参与叙述层 prose）+ conflict_pairs 7 对消解口径 + 校准源
• references/narrative_bank.yaml — v1.2.0 叙述库：24 条人格条目（9 字段）+ 九型档案 9 份（置信恒 C）+ 14 条跨维组合解读；全部特征绑定、反巴纳姆审计入库
• references/mechanism_model.yaml — v3.0 机制模型：6 项动机需求（需求/恐惧/满足路径/被消耗路径/可证伪）+ 4 条关系机制×3 模式（信任建立/越界反应/冲突策略/断联触发）
• references/signature_module.yaml — v3.0 签名专项：6 种「自我呈现 vs 实际运转」落差模式（缺 f_sig_* 时整段不出）
• references/extract_api.md — features.json 字段约定
• references/ima-distill-register.md — ima 三库蒸馏登记（来源/目录实据/诚实边界）
• references/evidence_base.yaml — v4.0 实证证据库：global_coverage(8 条全局否证) / dimension_verdicts(7 维) / feature_verdicts / rule_verdicts；证据分级 evidence_tier + 裁决 verdict（支持/部分支持/存疑/否定/无数据）+ applicability 四维（personality/state/gender/performance）；流派主张标「传统经验·无实证」，现代实证标「有数据·可验证」
• references/evidence_state_layer.yaml — v4.0 状态层·非医学判读点（7 个：抖动/停顿比/节律/在线速度/流畅度/在线压力/涂改率），全部 verdict=部分支持，medical_boundary 锁「禁诊断/患病概率表述」
• references/evidence_gaps.md — v4.0 缺口清单：原著页码级缺失（韩进/徐庆元/赵庆梅/黄瀚琳 4 本原著不可达）+ 无数据项 + 处理边界
• references/效度审计报告.md / .html — v4.0 《效度审计报告》（特征裁决分布：部分支持13/无数据47/否定3/支持1/存疑1；规则 33；全局否证 8）
• references/literature_candidates.yaml — v4.0 巡检候选区（本方本次运行命中 35 篇；数量随网络/源可达性浮动，仅登记待人工研判后升库，绝不自动改写 evidence_base.yaml）
• 验收：scripts/acceptance_v120.py（v1.2 判据 18 项）、scripts/acceptance_v300.py（v3.0 判据 34 项，含 v1.1/v1.2 回归）

八、校准（calibration_log.yaml + calibration_kit.md）

首次使用建议用 ≥10 份已知自评样本（自评大五/九型+笔迹）对 features 与规则权重做本地校准，阈值不通用。所有校准记录写入 calibration_log.yaml，保持可复现。
采集规范见 references/calibration_kit.md（每份样本的笔迹拍摄/自评量表/干扰因素登记要求，及 v1.1.0 新增的 r_cross_* 译介规则一致性专项回测与降权规则）。

九、安全审计（P2）

• 无文件破坏、无 shell 执行
• 仅读写用户指定输入与输出路径
• 不上传任何数据
• 例外（v4.0 巡检）：scripts/literature_patrol.py 仅向 SemanticScholar/arXiv/PubMed 发起只读检索，结果只写入 references/literature_candidates.yaml 候选区，永不自动改写 references/evidence_base.yaml；网络不可达时安静降级（不报错、不落盘），绝不替用户改判。

十、版本

• v1.0.0 — 初始版本（流派规则库 + G8 特征 + 规则引擎 + VLM 协同）
• v1.1.0 — 蒸馏并入 ima 三库（心理咨询智库/全息字象学/性格测评·职场基因解码库）：新增 sources_external 来源登记、2 笔来源标签 school、4 条跨类型"参考译介"规则(MBTI E-I/S-N·DISC·霍兰德)、vocation 输出增 compat_frameworks 项；全息字象学按"体系不混用"铁律隔离、不进主规则引擎。登记口径见 references/ima-distill-register.md。
• v3.0.0 — 「更高级别识别分析能力」专项：P0 判读工程（多轮判读仲裁 + 三档可判定性分级 + 多路径交叉验证）；P1 签名专项（6 种呈现/运转落差模式）；P2 机制模型层（动机需求排序 + 四条关系机制，回答「他怎么运转」而非「他是什么型」）；P3 样本库与纵向漂移（person_id+date，实测方差分离状态/特质）；P4 状态-特质双轨（无锚点→「不可验证·不进决策结论」，可 --disable-state 关闭）；P5 四维精度仪表盘（证据强度/流派支持/判读稳定性/可验证性，无监督校准：跨流派互证 + 重复判读 + 内部一致性，诚实声明「提升的是内部一致性，不等于预测效度」）；L6 表达层新增决策卡（一句话判断＋三条依据＋三个风险点＋三条「去验证什么」）置于报告最前。验收 34/34 PASS，v1.1 brief 结构 diff=0、v1.2 置信度不变性保持。
• v4.0.0 — 「实证校验层」专项（在 v3.0 之上加双轨并列、永不合并）：E1 建 references/evidence_base.yaml（全局否证 8 条 + 7 维/65 特征/33 规则裁决，证据分级 evidence_tier + 裁决 verdict + applicability 四维）；E2 全局反方覆盖（8 条否证跨流派，横幅强提示）；E3 双轨渲染（传统主张 vs 实证校验 badge 并列、绝不互相覆盖，report.py 默认开启、--no-evidence-track 可关，brief 强制关以保回归）；E4 状态层非医学新增（7 个状态判读点 evidence_state_layer.yaml，state_trait_splitter.py 注入 [实证·部分支持] 标记，medical_boundary 锁死禁诊断/患病概率）；E5 独立《效度审计报告》evidence_audit.py（特征裁决分布诚实披露：部分支持13/无数据47/否定3/支持1/存疑1）；E6 巡检命令 literature_patrol.py（一条命令触发，候选入库、绝不改写证据库）。三条红线：①永不自动改判定；②反方证据必录；③医学不越界。验收 34/34 PASS 维持（含 brief 结构 diff=0 回归）。
• v4.1.0 — 「能力迭代专项（用户驱动）」：A) 新增 scripts/char2hand.py（性格→笔迹特征卡反向生成器，从既有正向规则逆向派生，用于创作角色笔迹人设/手写稿性格校验/批量多角色档案/正反派笔迹反差）；B/C) 新增 scripts/batch_report.py（批量报告编排 + 多角色对比 + 正反派笔迹反差视图 + 纵向漂移）；D) extract_features.py 增图像增强管线（光照均匀化/透视校正/CLAHE/偏斜旋转）+ 质量门（清晰度判增强前拉普拉斯方差，诚实降级，不误判低质为清晰，避免增强伪造清晰度）；E) report.py 增 --mode teaching（教学精简可打印版：决策卡优先 + 纵向逐条要点 + 白底黑字可打印版式，默认显示实证效度横幅 --banner on，--banner off 可隐；读取 features[meta][image_quality]，若 verdict=low 自动注入「结论已收敛·仅作教学示意」提示）；F) literature_patrol.py 实跑产出候选区（本轮 35 篇），并新增 24 条「传统学派补遗」C 级规则（knowledge_base.yaml 33→57 条），覆盖此前无规则引用的 18 个笔画/布局特征，提升特征规则覆盖（红线：全部低证据 C 级、不改动既有判定、不自动写入证据库）。修复 synthesis._dim_prose 在「仅有未挂 narrative_ref 的低证据规则触发」时 strong[0] 越界崩溃的潜在 bug。验收维持 34/34 + 18/18 PASS。
• v4.2.0 — 「输出收口与分析契约专项（用户驱动）」：① 默认分析契约——导入照片笔迹后即做多维解读（性格倾向/处事风格/情感特征/价值观取向等），每项判断附支撑依据（特征→规则→证据链）；② 报告 HTML 等结构化产物照常生成，但对话最终文字回复收敛为一段 300–800 字连贯文字，总结书写者核心性格特征（性格内外向/情绪稳定性/做事风格/人际交往倾向等），语言客观流畅、逻辑清晰、禁止分点罗列、不涉及健康或道德层面评判；段内仅沿用既有结论，不引入新判断；科学边界声明内置于报告不重复。仅改 SKILL.md 与 agent 输出纪律，不动脚本与判定逻辑，34/34 + 18/18 验收基线不受影响。
• v1.2.0 — 综合层升级（"判断对了，但没说透"专项）：新增 scripts/synthesis.py 综合层与 references/narrative_bank.yaml 叙述库（24 条目×9 字段 + 9 型档案 + 14 跨维组合）；33 条规则全量补 intensity_bands 三档强度句 + narrative_ref；新增 conflict_pairs 7 对显式消解口径；report.py 新增 --depth brief|standard|deep 分层渲染（先给人看再给证据：摘要卡→人格画像→六维画像→张力→九型→术语表→证据附录）；红线 R1-R5 全部脚本化断言，验收 18/18 PASS（见 scripts/acceptance_v120.py）。加厚的是"说明"，不是"确定性"——置信度评级一字未动。

十一、交付与验证状态（2026-09-10 · v4.0.0）

v4.0.0 新增（在 34/34 PASS 验收基线之上，实证校验层，不动原判定逻辑）
- references/evidence_base.yaml：8 条全局否证 + 7 维裁决 + 65 特征裁决 + 33 规则裁决；证据分级 evidence_tier（元分析/多研究/机构评估/对照/实验/临床记录/专家主张/无研究）+ 裁决 verdict（支持/部分支持/存疑/否定/无数据）+ applicability 四维（personality/state/gender/performance）；流派主张标「传统经验·无实证」，现代实证标「有数据·可验证」。
- references/evidence_state_layer.yaml + scripts/state_trait_splitter.py：7 个非医学状态判读点（抖动/停顿比/节律/在线速度/流畅度/在线压力/涂改率），全部 verdict=部分支持；splitter 在状态解读注入 [实证·部分支持] {fid}={val}：{interpretation}；medical_boundary 锁「禁诊断/患病概率表述」。
- scripts/evidence_audit.py：双轨 HTML 块（传统主张 vs 实证校验 badge 永不合并）+ 全局否证横幅 + 《效度审计报告》生成（md+html），特征裁决分布诚实披露（部分支持13/无数据47/否定3/支持1/存疑1；规则33；全局否证8）。
- scripts/report.py：新增 --no-evidence-track（默认开启双轨层；brief 模式强制关闭以保 v1.1.0 结构回归 diff=0）；standard 报告实测 1 横幅 + 20 双轨块 + 21 处「实证校验」标记；brief 报告 0 双轨（回归安全）。
- references/evidence_gaps.md：缺口清单（韩进《笔迹学——从笔迹看性格》《从笔迹看人生》、徐庆元《笔迹与心迹》、赵庆梅《笔迹分析与测试》、黄瀚琳《字如其人》4 本原著不可达→标「不可达」）+ 无数据项 + 处理边界。
- scripts/literature_patrol.py + references/literature_candidates.yaml：一条命令巡检（SemanticScholar/arXiv/PubMed），命中 9 篇候选写入候选区；红线：绝不自动改写 evidence_base.yaml，网络不可达安静降级。

v3.0.0 新增（验收 34/34 PASS，scripts/acceptance_v300.py）
- scripts/reading_adjudicator.py：多轮判读合并（数值中位数/类别多数票）+ 组内一致性 + 三档分级（T1 可稳定 20 / T2 易漂移 23 / T3 VLM 软特征 21）+ 压力·速度·稳定性三路交叉验证；实测判读稳定性 0.886，检出低一致特征 3 项、路径冲突 1 处。
- scripts/mechanism_engine.py + references/mechanism_model.yaml：动机需求 6 项（需求/恐惧/满足路径/被消耗路径/可证伪）+ 关系机制 4 条×3 模式（信任建立/越界反应/冲突策略/断联触发），全部特征绑定、全部带反证与可证伪。
- references/signature_module.yaml：签名落差 6 模式（展示/内敛/一致/防御/仪式/塌陷），缺 f_sig_* 时整段不出（闸门）。
- scripts/state_trait_splitter.py：特质层 49 / 状态层 12 分离；anchors=0 → 标记「不可验证·不进决策结论」；--disable-state 整体关闭。
- scripts/precision_dashboard.py：四维评分（vocation 0.858 高 → psyche_state 0.473 低）+ 无监督校准模式 + 无锚点诚实上限声明。
- scripts/corpus_manager.py：add/list/drift/cohort；实测 2 份同人样本漂移 → 稳定层（energy_field/enneagram）vs 易变层（ability_domain/big_five/psyche_state/relation_mode/vocation）。
- scripts/v3_layer.py + report.py：决策卡置顶（实测「高能量输出者 × 强执行收口型｜独特驱动｜信任方式：利益绑定型」）+ 精度仪表盘 + 机制画像 + 双轨；standard 正文 12285 字、deep 17328 字。

回归：--depth brief 与 v1.1.0 基线结构 diff = 0 行；dim_summary confidence 与 v1.1.0 全等；v1.2 验收 18/18 仍全过。

• scripts/extract_features.py：OpenCV 预处理 + 全特征宇宙提取（auto/vlm/derived 三类），支持 --mock/图片/PDF/在线数据；RGBA/灰度/彩色均兼容；端到端验证（mock 触发 22 规则覆盖 7 维度；真实 RGBA 扫描页 42/64 特征落地）。
• scripts/report.py：规则引擎（防巴纳姆三闸门 + 冲突消解 + 双证据闸门 + 反证削弱 + 量级因子）+ v1.2.0 三档渲染（brief=v1.1.0 回归锚点 / standard=摘要卡+画像+维度+张力+九型+术语表+证据附录 / deep=另加全字段 trait 卡+分档句+完整证据表）+ R1 置信度不变断言 + 术语表（≥20 条白话）+ f_* 白话括注 + 强度分档条。
• scripts/synthesis.py（v1.2.0 新增）：综合层——headline(≤30字/≥2维) + 六段人格画像长文 + 7 对冲突消解 + 跨维张力检测 + 六维 200-350 字画像 + 九型画像（竖画数据缺失整段不出）；全部叙述块以【证据：f_*=…】收尾，R2 特征绑定可审计。
• references/features.yaml：65 项特征（G8 八维 + 汉字专属 8 项 + 竖画九型 11 项 + 派生聚合 8 项）+ 六维输出模型（含 enneagram 与 vocation.compat_frameworks）。
• references/knowledge_base.yaml：9 流派/来源 + 57 条规则（33 条原规则 intensity_bands+narrative_ref 100% 非空；另 24 条「传统学派补遗」低证据 C 级规则，覆盖此前无规则引用的 18 个笔画/布局特征，按红线不挂 narrative_ref，只进发现层/教学纵向要点，不参与叙述层 prose；仅 f_est(冗余 r_self_est) 与 f_hanzi_radical_pos(方位类不可阈值化) 仍故意不挂规则）+ conflict_pairs 7 对 + sources_external ima 三库登记 + 校准源。
• references/narrative_bank.yaml（v1.2.0 新增）：24 人格条目×9 字段（plain_define/daily_signs×3/at_work/in_relation/strength/cost_and_blindspot/flip_condition/growth_hint/self_check×2）+ enneagram_profiles 1-9 号（核心动机/压力/安全/侧翼/误读，置信恒 C）+ cross_pairs 14 条。
• scripts/acceptance_v120.py（v1.2.0 新增）：验收脚本 18 项判据——R5 brief 结构 diff=0、standard≥2500 字、deep≥4000 字、narrative≥1200、六维画像 200-350、术语≥20、R2 全量绑定、R3 万能句=0、R4 边界不弱化、反巴纳姆取反/换人/动词三测试。当前 18/18 PASS。
• 已知边界：零规则触发的维度保持诚实短句（R2 优先于字数）；叙述加厚不改变任何 confidence 评级。
• references/ima-distill-register.md：ima 三库蒸馏的来源、目录实据、贡献与诚实边界（正文为整本书库，未逐字机器提取）。
• 注意：规则阈值含人群相对量，首次使用须以 ≥10 份已知自评样本本地校准（写 calibration_log.yaml）。

附录 A：六维输出模型
- 大五人格坐标（参考性）：开放性、严谨性、外向性、宜人性、神经质
- 能量场：精力水平、内驱力、行动力、心理韧性
- 能力域：逻辑思维、发散思维、执行规划、社交共情、审美创造、专注细致
- 心理态：情绪稳定性、当下压力、防御方式
- 关系模式：边界感、控制欲、信任倾向、依恋风格
- 职业倾向：优势倾向、风险点、成长建议、compat_frameworks(参考译介：MBTI E-I/S-N·DISC·霍兰德，C级，非独立测量)
- 九型人格镜像（黄瀚琳体系）：1-9 号概率分布与最可能主型

附录 B：核心命令

# 提取特征
python3 scripts/extract_features.py --input sample.jpg --output features.json
# 生成报告（默认 standard 模式）
python3 scripts/report.py --features features.json --output report.html
# 教学精简可打印版（决策卡优先 + 纵向要点 + 实证横幅；低质样本自动收敛提示）
python3 scripts/report.py --features features.json --output teach.html --mode teaching
# 关闭教学横幅（避免把笔迹学当事实讲授）
python3 scripts/report.py --features features.json --output teach.html --mode teaching --banner off
# 演示（无图）
python3 scripts/extract_features.py --mock --output features.json