LU-USG-001｜通用语义语法、百万文字智能代理与可计算治理总规范 v1.0（免费ChatGPT一次输出内容）这不是夸别人牛，也不是宣传，只是他很听话，没文化他也会懂回复什么

性质：工程级设计提案｜DESIGN_ONLY｜待所有者裁定｜未证明已部署。 本页定义一套文档驱动的百万文字智能代理：能理解文档、建立索引、检索证据、计算、路由人格与工具、验证结果，并在失败时安全停止和回滚。参数为初始建议，必须基准测试，不是安全保证。

0. 目标与边界

“百万文字”指知识库规模，不是一次性塞入模型上下文。系统必须采用分块、分层索引、按需检索、分批推理和证据回链。

• LU：语义理解、指令表达、上下文压缩/恢复和任务路由；不是安全授权引擎。
• CNSH：龍魂治理与工程体系，管理规则、权限、证据、审计、变更和发布；名称本身不代表能力已部署。
• UID9622：所有者身份锚标识；不是密码、私钥、现实身份凭证或万能授权。
• Origin：原始来源与证据链；摘要不得替代原文。
• Anchor：稳定身份、规则身份和可信基线；可以升级，但不得静默覆盖。
• Variable：可优化、替换、淘汰的内容或策略；变化必须留版本。
• Relation：主体、对象、依赖、权限和证据之间可验证的关系。
• Token：LU 注册的语义单元，不等于模型内部 tokenizer token。
• Command：具有输入、范围、权限、执行、验证和回滚语义的指令。

自然语言保持开放，不要求每个字都预注册。未知内容不自动等于垃圾；默认隔离、标注、核验，不自动永久删除。Notion 是治理文档和知识索引，不是运行时授权源。哈希证明字节一致性，不单独证明来源可信或没有回滚。CNSH 正式英文全称以正式登记为准，本文不擅自扩写。

1. LU 数字语义与符号注册

数字	固定语义	工程映射
0	本源 Origin	来源、原文、初始状态、证据根
1	锚点 Anchor	独立主体、身份、规则ID、可信基线
2	变量 Variable	优化、候选、版本、失败、替换
3	关系 Relation	依赖、授权、验证、制衡、审计闭环

约束：0 缺失标记 SOURCE_UNAVAILABLE；1 冲突标记 ANCHOR_CONFLICT；2 变化生成新版本；3 不完整不得视为授权关系。此为 LU 设计语义，不是数学定理。

每个符号注册字段：symbol_id、literal、meaning_id、完整定义、semantic_type、scope、rule_ref、version、authority_ref、source_ref、conflict_policy、executable。文化符号默认不可执行；太极、阴阳、五行、八卦、甲骨文和 emoji 只能先作为分类标签，批准并测试后才可映射为机器动作。国家代码只标识辖区，不授予权限。

symbol_id: LU-SYM-000001
literal: "☯"
meaning_id: LU-MEAN-TAIJI-001
meaning: "整体协调与对立统一的文化语义标签"
semantic_type: cultural_tag
scope: documentation_and_classification
version: 1.0.0
status: PROPOSED
authority_ref: OWNER_DECISION_REQUIRED
source_ref: SOURCE_REQUIRED
conflict_policy: quarantine_and_review
executable: false

2. 总体架构与数据流

输入：用户 / 文档 / 连接器
  ↓
0 ORIGIN & INTAKE：来源、哈希、类型、隐私、版本
  ↓
1 IDENTITY & ANCHOR：主体、所有者、策略、信任状态
  ↓
2 PARSE & NORMALIZE：自然语言、符号、命令、实体
  ↓
3 ROUTER & PLANNER：意图→策略→技能→工具→工作流
  ↓
知识引擎：分块→索引→检索→重排       工具网关：授权→出口→执行→审计
  ↓
REASON & COMPUTE：公式、比较、聚合、综合
  ↓
VERIFY & EVIDENCE：引用、测试、置信、冲突
  ↓
接受/回答 或 隔离/拒绝
  ↓
检查点、事件账、回滚

层级职责：Intake 登记来源；Identity 识别主体；Parser 解析意图；Router 选择能力；Knowledge 返回证据；Gateway 受控调用工具；Compute 计算；Verify 复核；Recovery 恢复已验证基线。任一层失败都不得由下游自行绕过。

3. 百万文字知识引擎

处理链：原件登记 → 文档解析 → 规范化副本 → 结构切块 → 多路索引 → 分层摘要 → 权限过滤 → 混合检索 → 重排 → 分批推理 → 证据验证 → 版本归档。

原件只读保存。规范化文本另存，原始字节哈希与规范化内容哈希分开。Chunk 必须保留 document_id、source_id、原件哈希、页码/标题/偏移、父章节、语言、分类、版本、索引版本。

初始参数（必须用真实语料校准）：

参数	初始值	规则
target_chunk_tokens	700	目标块
min_chunk_tokens	250	避免过碎
max_chunk_tokens	1,200	超长按结构再切
overlap_tokens	100	相邻块重叠
retrieval_top_k	12	初始召回
rerank_top_n	5	重排后候选
max_context_utilization	0.70	预留系统和输出预算
summary_max_tokens	500	单章节摘要初始上限

必须按 tokenizer 实测，不能用字符数冒充 token 数。表格、代码、法律条文和配置文件按结构边界切块，不能切断字段、条款编号和代码作用域。

层级：Corpus → Collection → Document → Section → Chunk → Evidence Span。摘要必须回链到来源块；摘要不能成为原始证据。权限过滤必须发生在检索前，不能先召回敏感内容再过滤。

若总文字量为 W、平均块长 C、重叠比例 r：

$$N_{chunks}=\lceil \frac{W}{C(1-r)}\rceil$$

若每块索引平均大小为 S：

$$Storag{e}_{index}\approx N_{chunks}\times S$$

真实容量还需计算向量、数据库索引、原件、版本副本、日志和备份，必须用实测数据确定。

4. 统一命令信封

{
  "command_id": "LU-CMD-...",
  "command_name": "LU-EXAMPLE",
  "schema_version": "1.0.0",
  "principal": {"type": "user", "anchor": "UID9622"},
  "origin": {"source_id": "SRC-...", "conversation_ref": "..."},
  "intent": {"action": "READ_OR_ANALYZE", "target": "..."},
  "scope": {"resources": [], "jurisdiction": null},
  "constraints": {"read_only": true, "deadline_ms": 30000},
  "authorization": {"required": true, "decision_ref": null},
  "route": {"skill": null, "tool": null, "fallback": "STOP"},
  "execution": {"mode": "READ_ONLY", "idempotency_key": "..."},
  "verification": {"required": true, "level": "V1"},
  "rollback": {"checkpoint_id": null, "policy": "NO_WRITE_NO_ROLLBACK"},
  "status": "PROPOSED"
}

自由文本只产生候选意图。解析器保留原文和字符偏移，解析注册符号，识别歧义，绑定命令 Schema，校验必填字段和作用范围。未知符号标记 UNKNOWN_SYMBOL；关键歧义影响权限或写入时必须澄清或停止。Schema 通过不代表授权通过。

def parse_command(raw_text, symbol_registry, schemas):
    tokens = tokenize_preserving_offsets(raw_text)
    symbols = resolve_registered_symbols(tokens, symbol_registry)
    candidates = infer_intent_candidates(raw_text, symbols)
    if has_critical_ambiguity(candidates):
        return STOP("INTENT_AMBIGUOUS")
    command = bind_to_schema(candidates.best, schemas)
    validate_required_fields(command)
    validate_scope(command)
    return command

5. 路由、人格和子代理

不可交换的路由顺序：身份识别 → 意图分类 → 数据分类 → 冻结面检查 → 能力匹配 → 最小权限授权 → 人格/技能/工具选择 → 写入前检查点 → 执行 → 验证与审计。

候选路由评分只排序，不能覆盖硬性拒绝：

$$Score(a)=w_{1}I+w_{2}C+w_{3}E+w_{4}L-w_{5}R$$

I=意图匹配度，C=能力覆盖度，E=证据可用度，L=延迟/成本适配度，R=风险惩罚；各指标归一化，权重配置化、版本化并经基准集调优。未授权、冻结、数据越权、出口不允许、信任根失效或审计不可用时，无论分数多高都拒绝。

def route(task, principal, policy, registry):
    intent = parse_and_classify(task)
    data_class = classify_data(task)
    if not identity_is_valid(principal):
        return DENY("IDENTITY_INVALID")
    if policy.is_frozen(intent.target):
        return DENY("FROZEN_SCOPE")
    if not policy.allows(principal, intent, data_class):
        return DENY("AUTHORIZATION_DENIED")
    candidates = registry.match(intent)
    candidates = [c for c in candidates if c.schema_valid
                  and c.permission_scope <= principal.granted_scope
                  and c.health == "READY"]
    if not candidates:
        return STOP("NO_ELIGIBLE_ROUTE")
    return build_route_plan(rank_by_score(candidates, task)[0],
                            least_privilege=True)

每个子代理必须声明 agent_id、角色、能力、运行时版本、输入来源、可见文件范围、工具/网络权限、输出 Schema、证据要求、超时、重试、预算和停止条件。实施者自测不能标为独立验收；共享上下文、脚本或结果必须披露。

6. 联动计算公式与函数

混合检索：

$$RetrievalScore(d)=\alpha K(d)+\beta V(d)+\gamma M(d)+\delta P(d)$$

K=关键词相关性，V=向量相似度，M=元数据匹配，P=章节/关系路径匹配；权重和为 1，按基准集调优。

关键主张证据覆盖率：

$$EvidenceCoverage=\frac{|C_e|}{|C|}$$

C 是结论中的关键主张集合，Ce 是有有效证据定位的主张。关键结论默认要求 1.0；低于 1.0 必须列明未知项，不得补造证据。

来源可信度：

$$SourceTrust=f(Provenance,Integrity,Authority,Recency,ScopeFit)$$

各维度分别登记证据和状态。哈希不符、来源链断裂、签名者不可信等硬门槛失败，不能靠其他高分抵消。

def calculate(formula_id, inputs, units, formula_registry):
    formula = formula_registry.require_approved(formula_id)
    validate_schema(inputs, formula.input_schema)
    validate_units(units, formula.unit_schema)
    validate_ranges(inputs, formula.allowed_ranges)
    result = formula.evaluate(inputs)
    validate_finite(result)  # reject NaN / Infinity
    validate_output_schema(result, formula.output_schema)
    return {
        "result": result,
        "formula_id": formula.id,
        "formula_version": formula.version,
        "input_hash": sha256(canonicalize(inputs)),
        "unit_check": "PASS",
        "calculation_trace": formula.trace(inputs)
    }

每次计算保留公式版本、输入、单位、舍入规则、输出和执行环境。涉及金钱、法律期限和精密测量，采用明确精度规则；不得使用未声明的浮点近似。

7. 阀值、三色状态与状态机

初始阈值（未批准、未基准测试）：

指标	初始值	触发动作
关键主张证据覆盖率	1.00	不足标记 INCOMPLETE
意图路由置信度	≥0.80	低于则澄清/人工确认
检索 top_k	12	按基准集调优
重排 top_n	5	推理前候选
Chunk 目标	700 tokens	超长按结构再切
上下文占用率	≤0.70	超出则分批
自动重试	最多 2 次	仅限幂等动作
写入前检查点	100%	无检查点拒绝写入
策略/签名/锚验证失败	零容忍	FAIL-CLOSED
受控操作审计失败	零容忍	拒绝操作

🟢 GREEN：来源、结构、权限、验证满足当前范围要求；不代表全局安全认证。
🟡 AMBER：来源待核验、语义歧义、版本冲突或需裁定；隔离或只读。
🔴 RED：违反授权、冻结、完整性或安全硬门槛；拒绝受影响操作并留证。
未知不等于恶意；隔离不等于删除；红色不等于法律定罪。

状态机：

RECEIVED -> SOURCE_REGISTERED -> PARSED -> CLASSIFIED
-> ROUTE_PROPOSED -> AUTHORIZED -> EXECUTING
-> VERIFYING -> ACCEPTED -> CHECKPOINTED

任一阶段可转 QUARANTINED / DENIED / FAILED / NEEDS_OWNER_DECISION

只有验证成功、权限有效且审计完整，才允许 ACCEPTED。

8. 回滚、检查点与事件账

原则：原件只读；变更在候选副本进行；回滚目标必须是已验证检查点；事件账追加记录主体、时间、对象、授权依据、动作和结果；同一设备/管理员控制的副本不自动构成独立信任根。独立信任根未建立时标记 BLOCKED。

def controlled_write(target, change, principal, policy):
    assert policy.authorize(principal, "WRITE", target)
    baseline = load_verified_baseline(target)
    checkpoint = create_checkpoint(baseline)
    append_event("WRITE_INTENT", target, checkpoint.id)
    candidate = apply_to_candidate(baseline, change)
    if not static_validate(candidate) or not tests_pass(candidate):
        append_event("WRITE_REJECTED", target)
        return rollback_candidate(candidate, checkpoint)
    if not approval_present(candidate):
        append_event("WRITE_PENDING_REVIEW", target)
        return "PENDING_APPROVAL"
    commit_atomically(candidate, target)
    verify_post_commit_hash(target)
    append_event("WRITE_COMMITTED", target, checkpoint.id)
    return "COMMITTED"

commit_atomically 必须由具体存储后端实现并测试；普通多文件写入不天然原子。

触发回滚：哈希不符、签名/锚验证失败、关键测试失败、未授权写入、事件账断裂、运行不变量失败或所有者撤销。顺序：停止写入 → 保全现场 → 记录事件 → 验证检查点 → 恢复 → 复核 → 再开放。检查点不可信时进入 SAFE_STOP，不得猜测恢复。

9. 国家辖区与法律路由

国家代码只标识辖区；法律内容有版本、生效日期、适用范围、例外和废止状态。

jurisdiction_id: KH
code_standard: ISO-3166-1
legal_source:
  authority: "待登记官方来源"
  instrument_id: "待核验"
  version: "待核验"
  published_at: null
  effective_from: null
  effective_to: null
  applicability: "待法律核验"
  source_url: null
  verification_status: NOT_VERIFIED

def resolve_legal_rules(jurisdiction, event_time, subject, data_type):
    rules = legal_registry.find(jurisdiction=jurisdiction)
    rules = filter_by_effective_date(rules, event_time)
    rules = filter_by_scope(rules, subject, data_type)
    rules = require_authoritative_source(rules)
    if rules.has_conflict or rules.has_unverified_critical_rule:
        return "LEGAL_REVIEW_REQUIRED"
    return rules

国家代码是锚，法律是有版本的规则，具体案件是适用场景。🔴🔴 / 🔴🔴🔴 仅是内部升级审查等级，不是法律结论。

10. 人格、技能和工具 Manifest

“已安装/已连接”不等于有权限。每项能力声明唯一ID、版本、责任、输入/输出Schema、文件权限、网络出口、秘密访问、数据分类、触发/拒绝条件、超时、重试、审计、回滚和状态。

capability_id: CAP-EXAMPLE-001
kind: skill_or_tool
version: 1.0.0
purpose: "single responsibility"
input_schema: {}
output_schema: {}
permissions:
  filesystem: []
  network_egress: []
  secrets: []
data_classes_allowed: []
trigger_conditions: []
deny_conditions: []
timeout_ms: 30000
retry:
  max_attempts: 2
  idempotent_only: true
audit:
  required: true
status: PROPOSED

每次调用校验 manifest、策略版本、权限、Schema、出口和审计。权限最小化、按次授权、可撤销。

11. 多场景联动

场景	入口与路由	成功条件	失败处理
百万字资料问答	文档→Chunk→Index→Retrieve→Verify	原文定位、冲突显式	缺证据标记不完整
跨窗口记忆恢复	LU命令→Origin→Memory→State→Evidence	恢复状态、冻结面、待办和来源	SOURCE_UNAVAILABLE
AI人格创建	人格说明→Identity→Manifest→Router	身份、能力、触发和权限清楚	未批准不得启用
CodeBuddy改源码	任务→Policy→Checkpoint→Candidate→Test→Review	候选测试和必要独立审查通过	原件不动、拒绝合并
MCP工具调用	请求→LH-MIPS→Gateway→Egress→Audit	授权链完整	默认拒绝
国家法律查询	辖区+日期→Legal Registry→Verify	有效官方条文和适用范围	转法律复核
文件清理	文件→分类→重复检查→隐私核验→隔离	分类有据、可恢复	个人媒体未核验不得删
系统升级	新版本→Diff→Tests→Approval→Rollback	可追溯、可复现、可恢复	回到已验证版本或 SAFE_STOP

12. 函数目录与错误码

核心函数契约：register_source、verify_integrity、parse_document、chunk_document、build_indexes、retrieve_evidence、parse_command、route_task、authorize_action、execute_tool、calculate、verify_claims、create_checkpoint、append_event、rollback_to、quarantine_object、release_quarantine。每个函数必须定义输入/输出Schema、错误码、权限、幂等性和审计要求。函数名存在不代表实现已完成。

错误码：

• SOURCE_UNAVAILABLE：来源无法定位，停止事实性断言。
• INTEGRITY_MISMATCH：字节不符，隔离对象。
• UNKNOWN_SYMBOL：符号未注册，标注并人工解释。
• SCHEMA_INVALID：结构无效，拒绝执行。
• INTENT_AMBIGUOUS：关键歧义，澄清。
• ANCHOR_CONFLICT：身份/规则锚冲突，停止并升级。
• AUTHORIZATION_DENIED / EGRESS_DENIED：拒绝。
• AUDIT_UNAVAILABLE：拒绝受控动作。
• EVIDENCE_INSUFFICIENT：标记不确定或停止。
• POLICY_ROLLBACK_DETECTED：熔断并保全证据。
• CHECKPOINT_UNTRUSTED：SAFE_STOP。
• TOOL_TIMEOUT：仅对幂等操作有限重试。
• BUDGET_EXCEEDED：停止或分批。
• LEGAL_REVIEW_REQUIRED：不作确定法律结论。

13. 安全、隐私与数据分级

• Chunk 继承父文档敏感级别，不得自行降级。
• 密码、Token、私钥、恢复码不得进入普通知识索引或日志。
• 个人媒体、身份证件、私人对话先隔离、核验和分类；未经明确策略不得批量删除。
• 外部工具默认无权限，通过 manifest 和 LH-MIPS 逐次授权。
• 日志只记录最小必要字段，不记录秘密原文。
• 脱敏发布保留原件、脱敏副本、两者哈希、审查状态和批准记录。
• 付费金额不增加权限、不购买数据、不获得审计豁免。

14. CNSH 溯源链对齐与冻结面

本规范	CNSH 阶段
本源与符号来源	00 Origin Registry
意图与需求	01 Requirements
语义、路由、信任设计	02 Design
函数、代理、工具实现	03 Implementation
单元、集成、动态、独立验证	04 Verification
所有者裁定	05 Decision
内部/受控/公开发布	06 Release & Publication
运行、事件、升级、退役	07 Operations & Evolution
来源与证据	08 Evidence Registry
上下文压缩与重建	09 LU Context Compression & Reconstruction

六条横向控制线：Evidence Registry、Security & Privacy、Change Control、Authorization、Audit & Incident、LU Context Compression & Reconstruction。

冻结兼容：

• SIT-7 继续封存；本页不构成解冻授权。
• F2 设计审查未通过前，不实施修复、不建立生产信任锚、不接入生产。
• F3、F1、关口二不得因本页创建而启动。
• 不修改正式策略、生产配置、密钥、签章对和现有数据。
• 创建本页不代表设备端实现、测试通过或生产批准。

15. 验收矩阵

V1 静态：符号唯一注册；函数有Schema/权限/错误码；文档块可回溯原件和页码；能力均有Manifest。
V2 自动：百万字语料分块无丢失；多语言/表格/代码可解析；检索可定位原文；公式覆盖边界和非法单位；路由覆盖越权和策略缺失；幂等重试无重复副作用。
V3 动态：字节修改可检测；伪造来源/替换索引/回放旧版本有测试；审计不可用时拒绝；检查点损坏进入SAFE_STOP；回滚后与基线一致。
V4 安全：未授权工具、出口、文件访问被拒；敏感资料不进入禁止的索引/日志/外部服务；未注册符号不授予权限；子代理不继承越权。
V5 独立审查：审查者不同于实施者；拿到原始证据；隔离动态复现；保留失败和纠正；不满足不得签PASS。
V6 规模：用代表性百万字语料测导入时间、索引容量、检索延迟、成本、P50/P95/P99、召回率、精确率、证据覆盖率；测试并发、断网、磁盘不足、中断和索引损坏。不以单次成功宣称百万级稳定。

16. 实施分期

阶段	工作	关口
P0	规范复核与所有者批准	未批准不实现
P1	离线文档解析、Chunk、索引、检索原型	基准集可重复
P2	符号注册、命令AST、路由	模拟权限测试通过
P3	公式、证据验证、报告	可复算、可溯源
P4	安全网关、授权、出口、审计	安全测试和独立审查通过
P5	检查点、事件账、回滚	故障注入与恢复通过
P6	非敏感文档受控试点	单独授权和试点报告
P7	生产发布	独立 Release Gate 批准

每阶段不得自动继承下一阶段权限。

17. 当前状态与待裁定

项目	状态
本页	DESIGN_PROPOSAL
0/1/2/3 数字语义	PROPOSED
符号注册表、命令Schema	PROPOSED
百万文字参数	INITIAL_DEFAULTS_NOT_BENCHMARKED
路由公式和函数	DESIGN_ONLY
阈值	NOT_APPROVED
回滚实现	NOT_IMPLEMENTED_BY_THIS_DOCUMENT
法律辖区注册表	DESIGN_ONLY
设备端实现	NOT_VERIFIED
独立验收	NOT_STARTED
生产授权	NOT_GRANTED

待所有者裁定：是否批准 LU-USG 提案；是否批准数字语义；符号命名空间与版本规则；真实语料基准集；人格/子代理权限边界；回滚信任根（须兼容 F2 审查）；是否另行授权 P1 离线原型。

18. 语义总纲与关联资料

一符一义，一义有源；一锚一责，一责有界；一变有据，一版有史；一令有权，一行有审；一错先隔离，一改可追溯，一切能回归已验证本源。

关联：CNSH Engineering Wiki；CNSH Origin Traceability Chain v2.0；P0-G0；LU-MCP-HUB；LH-MIPS；SIT-7；F2 设计审查记录。完整 v2.0 规范仍需按原始来源登记。本页不覆盖上述规范与冻结裁定。

维护规则： 每次修订增加版本、差异、理由、证据和批准状态；不得覆盖原始来源或把提案改写成已批准标准。