本页完整说明对比页（caoliao-skill-demo）里 72 格数据是怎么产生的：被测对象、案例选取与预处理、四条执行线的精确命令与并发策略、交付契约、计量口径、独立核验方法、结果摘要，以及所有已知局限。目标是让任何人（或任何 AI）看完本页即可复现或审计这批数据。
草料二维码文风 skill 家族 v2.3.0，共六个包，两族三档镜像：
| 包 | 职能 | 语义层剂量（档间唯一变量） | 交付物 |
|---|---|---|---|
| caoliao-style-writer-lite | 改写 · 走量档 | 0（无 attacker、零 LLM 子代理，四门确定性回环 + 门③⁺自查） | rewritten.md |
| caoliao-style-writer | 改写 · 标准档 | 单轮三镜头 attacker（1 个子代理） | rewritten.md |
| caoliao-style-writer-max | 改写 · 终审档 | 多轮收敛 attacker（≤3 轮绝对上限） | rewritten.md |
| caoliao-style-checker-lite | 体检 · 快扫档 | 0（纯 Node 机械门秒回） | report.md + findings.json |
| caoliao-style-checker | 体检 · 标准档 | 单轮三镜头 attacker | report.md + findings.json |
| caoliao-style-checker-max | 体检 · 深审档 | 多轮 + findings 反向证伪复核轮 | report.md + findings.json |
架构要点（影响解读）：Plane D（机械判定）六包逐字节同源——契约唯一居所是 writer-max 的 control/+docs/，其余档运行时经 contract-api.json 薄壳解析就地调用（fail-closed）。所以任何两格的"什么算违规"是同一把尺子，档间差异只来自语义层剂量与执行模型。家族性能定位锚定 Opus（研发决策台账 G14）。
3 案例 × 6 skill 档 × 4 模型 = 72 格，每格独立一次运行（无重试、无挑选，第一次运行的结果就是入库结果）。
| 轴 | 取值 |
|---|---|
| 案例 | case1（方案页，埋错）/ case2（帮助长文）/ case3（教程页） |
| skill 档 | writer-lite / writer / writer-max / checker-lite / checker / checker-max |
| 模型 | opus-med（Claude Opus · medium reasoning）/ sonnet-med（Claude Sonnet · medium）/ dsv4pro（DeepSeek V4 Pro）/ gpt56terra（GPT-5.6 Terra · medium） |
writer 格 = 对案例原文做全流程改写；checker 格 = 对案例原文做体检（只标不修模式，跳过修复环节）。四个模型跑的是完全相同的 prompt 与 skill 文件，差异只在执行框架（见 §5）。
| case | 文档 | 类型 | 规模 | 选取理由 |
|---|---|---|---|---|
| case1 | 二维码在工程设备巡检中的应用 | 应用方案页 | ~2,226 字 | 埋有 5 个已知问题：3 error（术语旧称 term-legacy ×1、空书面语 empty-formalese ×2，其中一处位于客户案例行）+ 2 warning（顿号并列过载 ×2）。用于检验查错召回与改写清红 |
| case2 | 快速入门 · 如何用草料搭建系统 | 帮助文档 | ~10,620 字 · 14 图 · 含表格 | 长文压力测试：分块改写、图片 src 零丢失、表格与链接保留、成本随篇幅的表现（原文基线 2 error / 2 warning） |
| case3 | 二维码在巡逻巡更中的应用 | 教程/方案页 | ~2,134 字 · 1 图 | 含 FAQ 段与 8 个模板/帮助链接，检验链接 URL 与锚文本零改动（原文基线 0 error） |
来源与预处理：case1 来自 v2 研发期基准集（Markdown 原生）。case2/case3 取自 cli.im 现网页面存档（HTML），预处理管线：① 用家族自己的 extract_md.mjs 提取保格式 Markdown；② 按正文 H1 起、页脚导航（上一页/下一页/备案信息）止裁掉整页导航铬层；③ 清除 docusaurus 锚点残留 [](#…)。正文内容零改动——所有基线 error/warning 都是现网原文自带的。三篇原文与门检基线随数据一起入库（0716-demo/cases/、site/data.json → cases[*].baseline）。
| 项 | 值 |
|---|---|
| 主机 | macOS 26.5.2（Apple Silicon，本地单机；四条线并行跑，机器非瓶颈——瓶颈在各家 API 时延） |
| Node.js | v24.16.0（机械门引擎唯一运行时依赖，≥18 即可） |
| Claude Code CLI | 2.1.210（opus-med / sonnet-med 两线） |
| opencode CLI | 1.18.1（dsv4pro 线；DeepSeek 官方 API 凭据） |
| codex CLI | 0.144.4（gpt56terra 线；OpenAI 凭据） |
| skill 版本 | 六包全部 2.3.0，contract-api 2.3.0（跑前六包随包 eval 125/125 全绿） |
| 采集日期 | 2026-07-15（单日单批，四线基本同时段运行） |
claude -p "$PROMPT" --model {opus|sonnet} --effort medium \
--output-format json --dangerously-skip-permissions --max-turns 200 \
> runs/{label}-{case}-{tier}.json每模型 18 格，3 并发（批次 wait 控制）。--output-format json 的返回体提供每格精确计量：num_turns / duration_ms / total_cost_usd / usage{input,output,cache_read,cache_creation}。skill 从仓库根目录直接引用（无副本）。
opencode run -m deepseek/deepseek-v4-pro "$PROMPT" \
> runs/dsv4pro-{case}-{tier}.log 2> …err18 格严格串行——opencode 多实例并发会触发本地会话库 database is locked 崩溃（前期实测），因此该线墙钟不能与并发线直接对比。skill 引用 .agent/skills/ 下的六包副本（与仓库根逐字节一致，跑前 rsync）。
codex exec -m gpt-5.6-terra -c model_reasoning_effort='"medium"' \
-s workspace-write -C "$REPO_ROOT" "$PROMPT" \
> runs/gpt56terra-{case}-{tier}.log 2> …err18 格，3 并发，沙箱 workspace-write（可写仓库、跑 Node 引擎）。reasoning effort 显式设为 medium 与 claude 两线对齐。
四线共用同一个 prompt 生成函数（0716-demo/run/lib.sh → make_prompt），同一组输出目录约定（out/<model>/<case>/<tier>/），逐格记录 exit code 与墙钟（runs/<model>-progress.txt）。跑分器脚本全部入库可查（0716-demo/run/）。
每格 prompt = 固定模板 + 该格的 skill 路径/案例路径/输出路径。writer 格的不可违反项：
① 先完整阅读 SKILL.md，按流水线加载 steps/ 执行，第一步跑 resolve_writer.mjs 失败即停；② 按该档 verify 协议完整过门（每门每篇 ≤2 次；语义层剂量按 SKILL 声明，不加轮不减轮）；③ 零知识注入（原文没有的机制/场景/收益/功能名一律不写）、图片 src 与链接 URL 零改动、默认全篇 M 档；④ 只落盘 rewritten.md 一个文件；⑤ 最终答复给各门证据；⑥ 不得修改仓库其他文件、不得 git 提交。
checker 格改为：只体检不修复（标注模式）；恰好落盘 report.md + findings.json 两个文件（schema 铁律：verdict 三枚举 / counts 固定键）；语义层剂量按档执行。完整模板见仓库 0716-demo/run/lib.sh。
| 指标 | opus/sonnet 线 | dsv4pro / gpt56terra 线 |
|---|---|---|
| 耗时 | duration_ms（CLI 返回，精确） | 逐格墙钟秒（runner 记录 date ±1s） |
| 成本 | total_cost_usd（API 计费口径，含缓存读写差价） | 未接计费口径，不报成本 |
| token | usage 全量（in/out/cache_read/cache_creation） | 无逐格 token 数据 |
| 轮数 | num_turns | 无（日志可数工具调用，未汇总） |
因此跨模型只比质量与墙钟量级，不比成本；且 dsv4pro 串行墙钟含排队为零的纯执行时间，与并发线可比性尚可，但仍标注口径差。
所有质量数字由站点构建器（0716-demo/site/build_site.mjs）在 72 格全部落盘后统一重算，与各 run 的自报无关：
# 每个 writer 格
node caoliao-style-writer-max/control/style_check.mjs <rewritten.md> --json
# → 顶层 {error, warning, info, findings[{level,rule,line,evidence,advice}]}
node caoliao-style-writer-max/scripts/structure_check.mjs <case原文> <rewritten.md> --json
# → hard_gate_pass / image_refs.lost / facts_added / rewrite_degree / length_ratio核验维度：① style error 是否清零（相对原文基线做差）；② 结构硬门（事实零新增 + 篇幅 ±20% + 图片 src 零丢失）；③ 改写力度 rewrite_degree（<0.05 标记胆小改写）；④ 输出目录是否存在白名单之外的文件（extraFiles 审计）；⑤ checker 格审计 findings.json 是否守 schema 铁律（verdict 三枚举、counts 全整数）。语义级质量（零注入、五不可改动区）在本批未做逐格金标盲评——这是已知局限（§10），但 case1 的三个埋点召回可从各 checker 格 report 直接核对。
# 0) 前置：Node ≥18；Claude Code / opencode / codex 三个 CLI 已登录
git clone <仓库> && cd caoliao-docs-style-skills # master 即 v2.3
for p in caoliao-style-*; do node $p/evals/run_all.mjs; done # 六包 eval 应全绿
# 1) deepseek 线需要 .agent 副本
mkdir -p .agent/skills && cp -R caoliao-style-* .agent/skills/
# 2) 四条线（可并行；dsv4pro 内部自会串行）
0716-demo/run/run_claude.sh opus 3
0716-demo/run/run_claude.sh sonnet 3
0716-demo/run/run_dsv4pro.sh
0716-demo/run/run_codex.sh 3
# 3) 统一重算门检并重建对比页
node 0716-demo/site/build_site.mjs产物落 0716-demo/out/ 与 runs/，网页产 0716-demo/site/caoliao-demo.html（单文件自包含，即本站 index.html）。原始数据、跑分脚本、构建器全部随仓库入库，本页所有数字均可从 site/data.json 与 runs/ 复核。
草料文风 Skill 家族 v2.3 · 0716-demo · 本页与对比页同源于公司仓库 0716-demo/ 目录。