From a20f7146c023cc984201f0a7e4312ff3b48ddb74 Mon Sep 17 00:00:00 2001
From: dingyucanada <15076805+dingyucanada@users.noreply.github.com>
Date: Sun, 16 Aug 2026 16:57:05 +0800
Subject: [PATCH] Reframe product story and publish interactive demo

---
 .github/workflows/pages.yml                   |   2 +-
 CITATION.cff                                  |   2 +
 README.md                                     | 348 ++++++------------
 artifacts/external-evidence/claim-status.json |  13 +-
 config/trust/action-issuers.json              |   2 +-
 demo/README.md                                |  13 +-
 demo/app.js                                   | 298 +++++++++++++--
 demo/data/scenarios.json                      |  10 +-
 demo/index.html                               | 218 ++++++++---
 demo/styles.css                               | 212 +++++------
 docs/95-plus-evidence-runbook.md              | 207 -----------
 docs/agentteams-official-mapping.md           |   2 +-
 docs/architecture.md                          |   2 +-
 docs/competition-research.md                  | 121 ------
 ....png => console-compensated-reference.png} | Bin
 docs/defense-qa.md                            | 101 -----
 docs/demo-script.md                           | 109 ------
 docs/demo-video-script-v2.md                  | 227 ------------
 docs/deployment.md                            |   2 +-
 docs/evaluation.md                            |   4 +-
 docs/judge-scorecard.md                       |  33 --
 docs/public-dataset-benchmark.md              |   2 +-
 docs/public-demo-boundary.md                  |  38 +-
 docs/submission-copy.md                       |  42 ---
 docs/winning-solution.md                      |  93 -----
 pyproject.toml                                |   5 +
 sbom.cdx.json                                 |   4 +-
 .../run_authorization_contract_replay.py      |   2 +-
 scripts/build_public_demo.py                  |   7 +-
 scripts/build_release.py                      |   2 -
 scripts/generate_reference_artifacts.py       |   2 +-
 scripts/validate_external_evidence.py         |  10 +-
 .../benchmarks/authorization_replay.py        |   2 +-
 src/proofmesh/static/index.html               |   2 +-
 tests/test_api_contract.py                    |   2 +-
 tests/test_clean_runtime.py                   |   2 +-
 tests/test_public_demo.py                     |  45 +++
 37 files changed, 745 insertions(+), 1441 deletions(-)
 delete mode 100644 docs/95-plus-evidence-runbook.md
 delete mode 100644 docs/competition-research.md
 rename docs/{judge-console-compensated-current.png => console-compensated-reference.png} (100%)
 delete mode 100644 docs/defense-qa.md
 delete mode 100644 docs/demo-script.md
 delete mode 100644 docs/demo-video-script-v2.md
 delete mode 100644 docs/judge-scorecard.md
 delete mode 100644 docs/submission-copy.md
 delete mode 100644 docs/winning-solution.md
 create mode 100644 tests/test_public_demo.py

diff --git a/.github/workflows/pages.yml b/.github/workflows/pages.yml
index 2c35d3f..2491bd1 100644
--- a/.github/workflows/pages.yml
+++ b/.github/workflows/pages.yml
@@ -1,4 +1,4 @@
-name: Deploy read-only evidence replay
+name: Deploy interactive action decision lab
 
 on:
   push:
diff --git a/CITATION.cff b/CITATION.cff
index 05db2cb..cbedb4d 100644
--- a/CITATION.cff
+++ b/CITATION.cff
@@ -5,6 +5,8 @@ type: software
 version: 1.0.0
 license: Apache-2.0
 date-released: 2026-08-13
+repository-code: "https://github.com/dingyucanada/ProofMesh"
+url: "https://dingyucanada.github.io/ProofMesh/"
 abstract: >-
   A policy-bound execution and evidence control plane for multi-agent business
   side effects, with Action Passports, recoverable operations, Human approval,
diff --git a/README.md b/README.md
index 4d6b726..4aaf216 100644
--- a/README.md
+++ b/README.md
@@ -1,53 +1,88 @@
 # ProofMesh — Agent Action Control Plane
 
-> 模型可以提出退款，但不能直接拿到付款按钮。
+Agent 已经能查订单、改工单、发起退款、执行发布。企业真正犹豫的是最后一步：**当一次写操作超时、参数变化或需要审批时，系统怎么保证它不会多做一次、做错对象，或者在事后说不清发生了什么？**
 
-一笔 90 元退款已经在支付侧成功，CRM 关单却失败。如果 Agent 把报错当成“没有执行”再次重试，客户可能收到两笔退款。
+ProofMesh 是放在 Agent 协作层与企业工具之间的动作控制面。AgentTeams 负责任务分工，ProofMesh 负责每一次有副作用的动作：先确定这次允许做什么，再执行；遇到不确定结果先对账；最后留下可以独立复核的证据。
 
-ProofMesh 位于 AgentTeams 与支付、CRM 等写工具之间：
+[在线动作决策台](https://dingyucanada.github.io/ProofMesh/) · [10 分钟本地复现](#10-分钟本地复现) · [架构说明](docs/architecture.md) · [安全边界](SECURITY.md)
 
-- **Action Passport** 冻结主体、租户、工具、参数、审批与时效；
-- **Action Gateway** 在执行瞬间逐项核对，写操作不能绕过；
-- **reconcile-before-retry** 先查询上游结果，查不清就停止；
-- **External Verifier** 使用 Proof 包外公钥复核审批、回执与业务终态。
+## 为什么企业需要这一层
 
-[只读在线演示](https://dingyucanada.github.io/ProofMesh/) · [10 分钟复现](#10-分钟复现) · [架构说明](docs/architecture.md) · [公网演示边界](docs/public-demo-boundary.md) · [安全边界](SECURITY.md)
+常见的 Agent 工具链已经能回答“这个角色能不能调用退款接口”。它通常回答不了更细的四个问题：
 
-当前已有 Team=`Active`、7/7 Worker=`Running`、direct MCP 生命周期 7/7 与 162 项测试。边界同样明确：`modelDriven=false`，没有接入真实支付/CRM 账户，也没有客户生产试点。
+- 这一次调用允许处理哪个租户、哪笔业务对象和哪些参数？
+- 人工审批批准的是原计划，还是审批后被替换过的计划？
+- 上游已经执行但响应丢失时，能否安全重试？
+- 审计者能否在不信任执行方的情况下，复核审批、回执和最终业务状态？
 
-本地参考环境会实际改变隔离商务库：扣减可退款余额、创建退款、关闭工单，并在下游故障时执行补偿恢复。它不是生产系统，也不是返回固定答案的聊天动画。
+退款只是其中一个例子。同样的问题也会出现在生产发布、配置变更、理赔付款、授信调整和批量消息发送中。它们的共同点不是行业，而是都会改变真实业务状态。
 
-## 一眼看懂
+## ProofMesh 怎么处理一次动作
 
 ```mermaid
 flowchart LR
-    AT["AgentTeams running collaboration plane\nTeam Active · direct MCP 7/7"] --> C["CAS Workflow\nL2 deterministic run"]
-    H["Independent Human"] --> C
-    C -->|"short-lived Action Passport"| G["MCP Action Gateway"]
-    G -->|"fenced logical operation"| B["Payments / CRM / Memory"]
-    B -->|"result or reconciliation"| G
-    G --> R["signed receipts + chain"]
-    C --> P["sealed workflow proof"]
-    X["external trust + pinned policy"] --> V["semantic verifier"]
-    P --> V
+    AT["AgentTeams\n分工与状态同步"] --> WF["Workflow\n冻结计划"]
+    HU["Human\n只负责审批"] --> WF
+    WF --> AP["Action Passport\n本次动作的短时许可证"]
+    AP --> GW["Action Gateway\n执行前逐项核对"]
+    GW --> TOOLS["支付 / CRM / 运维工具"]
+    TOOLS -->|"结果或对账状态"| GW
+    GW --> PR["签名回执与 Proof"]
+    TRUST["Proof 包外公钥与策略"] --> VE["External Verifier"]
+    PR --> VE
 ```
 
-| 不是 | 而是 |
-|---|---|
-| Agent 自己说“我有权限” | 网关在执行瞬间验签并精确匹配工具、资源、参数、金额、策略与审批 |
-| 审批按钮顺便执行 | 审批只转 `WAITING_APPROVAL → AUTHORIZED`，Executor 另行领取 |
-| JTI 级简单去重 | logical operation 与 credential attempt 分离，owner/generation/lease/fencing |
-| 崩溃后盲目重试 | 先按稳定 operation id 向上游对账；不确定进入 `UNKNOWN` |
-| 写一条“rollback”日志 | 真实 Saga compensation + 新鲜业务状态回查 |
-| Proof 包自带根并自证 | Verifier 使用包外 trust bundle 与钉住策略做跨证据语义核对 |
+一次写操作会经过四道约束：
 
-## 10 分钟复现
+1. **Action Passport** 绑定主体、租户、工具、业务对象、参数摘要、策略、审批、调用次数和有效期。
+2. **Action Gateway** 在真正调用工具之前逐项匹配。任何工具、参数或上下文漂移都会被拒绝。
+3. **reconcile-before-retry** 在超时或崩溃后先查询上游结果。确认未执行才重派；无法确认就进入 `UNKNOWN_MANUAL`。
+4. **External Verifier** 使用 Proof 包外的信任材料，重新核对审批、任务回执、工具回执和业务终态。
 
-环境：Python 3.10+；CI 和推荐复现环境为 Python 3.11。先确认版本：
+这套约束位于执行路径上，不依赖模型“记住规则”。模型、Prompt 或业务适配器可以替换，写操作仍要经过同一套合同。
 
-```bash
-python3.11 --version
-```
+## 两个参考场景
+
+### 客服退款
+
+支付渠道已经完成退款，CRM 关单却返回失败。系统不能从一个报错推断“退款没有发生”。ProofMesh 会用稳定的 operation id 查询支付终态，再决定完成、补偿或转人工，避免重复退款。
+
+### 生产运维变更
+
+发布、配置和回滚同样使用 `AuthorizedToolCaller → Action Passport → Action Gateway → signed Receipt → External Verifier`。仓库包含低风险完成、高风险审批、健康门失败后恢复和无法判定时停止四条参考路径。
+
+两套场景共用同一协议，业务工具和策略可以替换。它们都是确定性参考环境，不代表客户生产系统已经接入。
+
+## 已经验证到哪一步
+
+| 问题 | 当前结果 | 证据边界 |
+|---|---:|---|
+| 错工具、错参数、错上下文会不会穿过网关 | 0 次错误通过 | AgentDojo 629 组授权合同回放，不是模型 ASR |
+| 故障恢复会不会产生重复副作用 | 0 / 240 | 独立进程 HTTP 合成故障，不是客户工单 |
+| 可判定的故障能否完成或补偿 | 180 / 180 | 合成沙箱中的四类故障 |
+| 上游结果无法判定时是否停止自动重派 | 60 / 60 | 全部进入 `UNKNOWN_MANUAL` |
+| AgentTeams 控制面是否真实运行 | Team Active；7/7 Worker Running；direct MCP 7/7 | `modelDriven=false`，尚未证明模型自主协作 |
+| 公开客服文本能否安全分流 | Banking77 accuracy 81.79%，退款 recall 85% | 结论为 `NOT_PRODUCTION_READY` |
+| CFPB 公开投诉能否无原文落盘地处理 | 240 / 240 | 只做无写操作 shadow，不报告准确率 |
+
+当前测试集为 **164 passed**。生产身份、托管密钥、真实供应商账户、客户授权数据与生产 SLA 尚未接入。
+
+## AgentTeams、Skill、MCP 与 RAG
+
+项目以 AgentTeams 为协作基点。已验证基线为 `v1.2.0-beta.1`、commit `78d0ceda336befa6e62bf89fc1a6b08b965e128d`；当前 stable `v1.2.2` 是迁移目标，尚未在 ProofMesh 上验证。
+
+- **AgentTeams**：1 个 Leader 拆解任务，6 个 Worker 分别处理接入、上下文、策略、执行、验证和记忆；Human 单独审批。
+- **7 个 Skill**：每个角色都有闭合的输入、输出、权限和失败合同。
+- **TeamHarness MCP**：管理 Project / Task 协同与状态传递。
+- **ProofMesh role MCP**：只暴露各角色需要的业务窄口。
+- **Action Gateway**：所有高风险副作用的唯一执行入口。
+- **RAG**：当前不使用。上下文由共享 CAS 状态、脱敏终态记忆和 trace / receipt 可观测性提供。
+
+完整映射见 [AgentTeams 官方能力映射](docs/agentteams-official-mapping.md) 与 [Agent Identity 清单](docs/agent-identity-register.md)。
+
+## 10 分钟本地复现
+
+需要 Python 3.10+，推荐 Python 3.11：
 
 ```bash
 python3.11 -m venv .venv
@@ -57,48 +92,18 @@ make clean-runtime
 pytest -q
 ```
 
-运行两条无需模型/API Key 的真实业务路径：
+运行低风险完成路径与下游故障补偿路径：
 
 ```bash
-# 低风险：自动授权 → 退款 → 关单 → 独立回查 → Proof seal
 PYTHONPATH=src python3 -m proofmesh.cli --home . demo-refund TKT-LOW-001
-
-# 下游故障：退款 → CRM 故障 → 补偿 → 余额/工单回查 → Proof seal
 PYTHONPATH=src python3 -m proofmesh.cli --home . demo-refund TKT-SAGA-001
 ```
 
-高风险路径必须暂停：
-
-```bash
-PYTHONPATH=src python3 -m proofmesh.cli --home . demo-refund TKT-HIGH-001
-# 复制输出中的 WORKFLOW_ID
-PYTHONPATH=src python3 -m proofmesh.cli --home . approval-challenge <WORKFLOW_ID> \
-  --output /tmp/proofmesh-approval-challenge.json
-# 将 challenge 交给独立审批服务；reference issuer 示例及私钥边界见 docs/deployment.md
-PYTHONPATH=src python3 -m proofmesh.cli --home . approve <WORKFLOW_ID> \
-  --approver separation-of-duties-reviewer \
-  --reason '已复核冻结计划、金额、范围与补偿条件' \
-  --approval-assertion-file /path/from/external-approval-service/assertion.jws
-PYTHONPATH=src python3 -m proofmesh.cli --home . resume <WORKFLOW_ID>
-PYTHONPATH=src python3 -m proofmesh.cli --home . verify-proof \
-  artifacts/workflows/<WORKFLOW_ID>/workflow-proof.json
-```
-
-固定工单不能被重复退款。重复整场演示前停止服务并再次执行 `make clean-runtime`；公开 benchmark 不会被清除。
-
-## 第二业务域：生产运维配置变更
-
-除客服退款外，仓库已有可运行的运维变更 reference adapter，复用同一 `AuthorizedToolCaller → Action Passport → Action Gateway → GatewayStore → signed Receipt → external Verifier` 协议路径：低风险成功、高风险外部签名审批、健康门失败后精确恢复，以及不可对账时进入 `UNKNOWN_MANUAL` 并停止自动重派。代码、冻结证据、限制和真实平台迁移合同见 [第二业务域说明](docs/second-domain-operations.md) 与 [operations-reference](artifacts/operations-reference/report.json)。
-
-该实现是确定性本地 reference，不是生产集群、客户数据或试点；`risk_units` 不是金额或 ROI。
-
-## 评委控制台
-
-API 默认 fail closed，没有角色身份就不能变更状态：
+本地 FastAPI 控制台：
 
 ```bash
 cp .env.example .env
-# 将每个 replace-with-* 替换为不同随机值，然后：
+# 将 replace-with-* 替换为不同的随机值
 set -a
 source .env
 set +a
@@ -106,203 +111,76 @@ PROOFMESH_HOME=. PYTHONPATH=src uvicorn proofmesh.api:app \
   --host 127.0.0.1 --port 8000 --no-server-header
 ```
 
-打开 `http://127.0.0.1:8000`，在“角色凭证”中填入七个 Agent 角色、External Assertion Approver 与 Auditor 共九个 token。高风险门禁还必须粘贴外部审批服务签发的 JWS；API Bearer subject 与 assertion subject 必须一致。Workflow、Gateway、包外 Verifier 三处独立验签，控制面不持审批私钥。参考 issuer 是 synthetic 脚本边界，不冒充企业 IdP 或 MFA。
-
-![ProofMesh 补偿终态控制台](docs/judge-console-compensated-current.png)
-
-## 七角色闭环
+打开 `http://127.0.0.1:8000`。本地参考环境会实际改变隔离数据库，但不会连接真实支付、CRM 或生产系统。重复固定工单前请停止服务并运行 `make clean-runtime`。
 
-| 阶段 | AgentTeams Worker | 角色 MCP 工具 | 关键约束 |
-|---|---|---|---|
-| create | `case-orchestrator` | `create_case`, `get_state` | 只创建案件/项目，不串行跑完整流程 |
-| normalize | `ticket-intake` | `normalize_case` | 输入闭合、task id、revision CAS |
-| context | `context-investigator` | `gather_context` | 新鲜工单/订单读取、context digest |
-| policy | `risk-policy-sentinel` | `evaluate_policy` | 冻结 policy snapshot、plan、金额与版本 |
-| approval | 外部 `proofmesh-approver` | REST `approve` | assertion issuer allowlist、subject/revision/challenge/action/plan/policy 绑定 |
-| execute | `action-executor` | `execute_authorized` | Passport、预算、退款/关单/补偿 Saga |
-| verify | `outcome-verifier` | `verify_outcome` | 重新读取余额、退款、工单 postconditions |
-| memory | `case-memory-curator` | `curate_memory` | 仅已验证终态可写脱敏经验并 seal proof |
+## 公开 Demo
 
-每个转换要求认证角色、租户权限、当前 `expected_revision` 与 `task_id`；状态更新、签名 task receipt 与 outbox 同事务提交。Worker 看不到原始 Action Passport，无法把它复制到另一个工具。
+[GitHub Pages 动作决策台](https://dingyucanada.github.io/ProofMesh/)包含两部分：
 
-## Action Passport 与恢复协议
+- 浏览器中的确定性决策实验：可以调整业务场景、风险、审批、上游结果和合同篡改方式，观察 Gateway 的放行、拒绝、对账、补偿与 `UNKNOWN_MANUAL` 决策；
+- 三条冻结 Proof 的证据回放：浏览器复核 SHA-256，并跳转到机器可读的验真报告。
 
-Action Passport 是 Ed25519 compact JWS，精确绑定：
+它不接收凭证或客户数据，也不调用真实后端。这个设计让公开链接保持安全和可重复，同时不把前端模拟包装成线上生产运行。细节见 [公网演示边界](docs/public-demo-boundary.md)。
 
-```text
-tenant / subject / workflow / tool / resource / scopes / arguments digest
-context / policy / approval / mode / calls / amount / workflow budget / currency
-issued_at / not_before / expires_at
-```
-
-网关把 `(tenant, workflow, tool, idempotency_key)` 作为逻辑操作，固化请求和授权合同；本次凭证只属于一次 attempt。过期租约接管时：
-
-1. 新 Passport 必须完整验签且不可变合同逐项相等；
-2. 先用稳定 operation id 向上游 `reconcile`；
-3. 已成功则封存原结果，不重复调用；确认未发生才安全重派；
-4. 结果不确定持久化为 `UNKNOWN`，禁止自动重放；
-5. finalize 必须持有当前 owner/generation，旧进程不能越过 fencing。
-
-详细设计见 [架构说明](docs/architecture.md)。
-
-## Proof Verifier
-
-工作流证明包含冻结请求/计划、审批、签名 task receipts、签名 gateway receipts、双哈希链、由商务上游独立 key 签名的新鲜终态快照和 bundle signature。策略签发、执行回执、任务回执、Proof seal、商务快照五类 key usage 严格分离。验证时必须显式提供证明包之外的 trust bundle 和策略：
-
-```bash
-proofmesh --home . verify-proof artifacts/workflows/<WORKFLOW_ID>/workflow-proof.json \
-  --trust-bundle config/trust/action-issuers.json \
-  --policy data/policies/refund_policy.json
-```
-
-Verifier 不止验签，还核对角色 DAG、revision、职责分离、tenant、policy/plan/approval、request/result digest、工具参数、金额/币种、订单版本、退款与工单关联、余额公式和 memory 状态。Proof Sealer 即使持有自己的合法密钥，也不能伪造由另一个受信 key 签发的商务快照。整包换根重签或“签名都对但业务拼错”都会失败。
-
-三条评委参考路径可从空白隔离运行时重新执行并导出：
+## 进一步复现
 
 ```bash
+# 三条退款参考路径和包外验真
 make reference-evidence
-```
-
-[参考证据清单](artifacts/reference/manifest.json)包含低风险自动完成、高风险“先暂停且零副作用、审批后完成”、下游故障后补偿三条路径。每个最终 Proof 都使用另行导出的公钥信任包与钉住策略再次验真；目录不含私钥、token、数据库或运行缓存。这些是确定性商务靶场证据，不是模型质量或生产可用性指标。
 
-独立进程 HTTP 合成盲测可用一条命令重放：
-
-```bash
+# 240 条独立进程合成故障实验
 make synthetic-http-shadow
-```
-
-它冻结 240 条确定性合成案例，让支付和 CRM 在两个独立本地进程、两个独立数据库中运行，并注入关单失败、提交后超时和对账 UNKNOWN。报告与 SHA-256 清单见 [synthetic-http-shadow](artifacts/synthetic-http-shadow/report.md)；这不是企业历史数据、客户试点、第三方支付接入、人工审批断言覆盖或生产 SLA。
-
-## Stripe / HubSpot sandbox-ready 边界
-
-`StripeHubSpotSandboxBackend` 在同一个 `ActionGateway` 下实现 Stripe test-mode Refund 与 HubSpot developer test-account Ticket 合同：稳定 operation id / provider idempotency、提交后超时先对账、精确 tenant/workflow/resource/amount 回绑、错误分类、UNKNOWN fail-closed、live Stripe key 拒绝与 secret 零日志。仓库内只使用本地 HTTP provider 仿真器验证合同，**不声称真实账户已实跑**。
-
-```bash
-make vendor-readiness PYTHON=python3.11
-pytest -q tests/test_vendor_sandbox.py
-```
-
-配置字段、HubSpot 自定义属性、最小权限与真实 test-account 取证流程见 [供应商边界](docs/vendor-sandbox-boundary.md)。密钥只放未跟踪 `.env` / secret manager，永远不要放进聊天、截图、Git 或 evidence artifact。
-
-## AgentDojo 629 case 授权合同回放
-
-仓库固定 AgentDojo 0.1.35 / benchmark v1 的 97 个 user tasks、27 个 injection goals、629 个组合。输入 artifact SHA-256：
-
-```text
-20146525d139f83d732bc47e0286b0eccdf67118cdc5eba84f5f079863f5546b
-```
-
-运行：
 
-```bash
+# AgentDojo 629 组授权合同回放
 make validate-agentdojo
 make replay-agentdojo
-```
-
-| 指标 | 结果 |
-|---|---:|
-| 合法 user ground-truth calls | 2,159 / 2,159 接受 |
-| 同键缓存回放 | 2,159 / 2,159；副作用重复 0 |
-| 参数/工具/上下文错配错误通过 | 各 0 / 2,159 |
-| 未注册调用错误通过 | 0 / 629 |
-| 一次性 Passport 换键复用拒绝 | 2,159 / 2,159 |
-| Receipt 外部验签 / chain | 各 2,159 / 2,159 |
-| 首次合法执行本机 p50 / p95 / p99 | 1.132 / 2.429 / 4.789 ms |
-
-完整结果与 Wilson 95% 区间见 [authorization-contract-replay.md](artifacts/public-benchmark/authorization-contract-replay.md)。这是**授权合同工程回归**，不运行模型，不代表 AgentDojo ASR、task utility、提示注入检测率或端到端 Agent 能力。
-
-## AgentTeams 与 Skills
-
-`agentteams/` 锁定官方 AgentTeams `v1.2.0-beta.1` / commit `78d0ced...` 作为**已实跑可复现基线**；当前官方 stable `v1.2.2` 是迁移目标，尚未在 ProofMesh 上验证，不能写成已兼容。官网五项要求的完整映射、调用方式、Agent / Skill / MCP / RAG 关系与升级门禁见 [AgentTeams 官方要求映射](docs/agentteams-official-mapping.md)。
 
-| 官网要求 | AgentTeams 原生落点 | 本项目证据与边界 |
-|---|---|---|
-| 角色编排 | Human / Worker / Team CR；`workerMembers` + `admin` | Team 以 1 Leader + 6 Worker 编排，admin 引用 1 Human；Team Active、7/7 Running |
-| 任务拆解 | TeamHarness projectflow / taskflow、DAG / Task | `refund-dag.yaml`；direct create / plan / delegate 已通过 |
-| 上下文传递 | Project / Task / result、Shared Storage / Matrix | ID + trace + 前驱 digest；Matrix 文件发布 `ATB-007` 仍开放 |
-| 协同执行 | TeamHarness MCP；外部 Human Gate 映射 paused/resume | 跨 Leader / Worker direct lifecycle 7/7；`modelDriven=false` |
-| 状态追踪 | Team / Project / node / Task / result 状态 | AgentTeams 协同账本与 ProofMesh 业务 CAS 双账关联 |
-
-## 公开数据评测：补输入证据，不冒充客户试点
-
-公开数据用于补足“真实语言输入能否进入安全分流”的证据层；它不提供订单、金额、授权、支付或 CRM 终态，因此不会被直接转成退款执行请求。
+# Banking77 与 CFPB 公开数据评测
+make banking77-routing
+make cfpb-shadow
+```
 
-| 数据与范围 | 实跑结果 | 能证明 | 不能证明 |
-|---|---|---|---|
-| Banking77 official test 3,080 条、77 intents | accuracy 81.79%、macro-F1 81.82%；退款检测 recall 85.00%；无审批敏感旁路 80/80 拒绝、upstream dispatch=0 | 公开有标签英语意图上的透明 baseline 与保守安全分流 | 生产就绪、中文效果、真实退款或客户收益；质量门槛未全过，结论为 `NOT_PRODUCTION_READY` |
-| CFPB 公开投诉 240 条，四产品各 60 | 240/240 内存摄取并分到人工复核；原文/身份字段落盘 0，写工具调用 0 | 真实公开、未验证 narrative 的隐私最小化 no-write shadow 输入适配 | accuracy、授权正确性、统计代表性或企业试点 |
+主要报告：
 
-复现与完整边界见 [公开数据评测说明](docs/public-dataset-benchmark.md)、[Banking77 报告](artifacts/public-domain-evaluation/banking77/report.md)和 [CFPB 报告](artifacts/public-domain-evaluation/cfpb/report.md)。第三方原始文本不进入 Apache-2.0 发布包；发布包只含来源锁、归属、摘要与聚合结果。
+- [退款参考证据](artifacts/reference/manifest.json)
+- [生产运维参考证据](artifacts/operations-reference/report.json)
+- [授权合同回放](artifacts/public-benchmark/authorization-contract-replay.md)
+- [合成故障实验](artifacts/synthetic-http-shadow/report.md)
+- [公开数据评测](docs/public-dataset-benchmark.md)
+- [试点指标设计](docs/pilot-value-scorecard.md)
 
-交付包含：
+## 安全与生产边界
 
-- 1 Human manifest、7 个 `qwenpaw` Worker manifests、1 Team manifest（当前 runtime Team=`Active`，`modelDriven=false`）；
-- 7 个官方 ZIP 根目录结构：`manifest.json`、`config/AGENTS.md`、`config/SOUL.md`、`skills/...`；
-- 退款 DAG、状态映射、角色 MCP、两阶段 `hiclaw` bootstrap；
-- 严格 validator：拒绝宿主 `file://`、错误 ZIP 根、错误工具/字段/状态/错误码；
-- 7 个 Skill 的 closed JSON Schema、调用条件、失败策略、安全边界、证据和错误码。
+生产参考接口包含 OIDC / JWKS、PostgreSQL GatewayStore、mTLS 远程签名、Kubernetes admission、SBOM 与 CI provenance。它们已经有代码和测试，但尚未连接企业 IdP、KMS、托管 PostgreSQL 或生产集群。
 
-```bash
-make package-agentteams
-make validate-agentteams
-pytest -q tests/test_agentteams.py
-```
+Stripe / HubSpot adapter 实现了 test-mode 合同、幂等与对账语义，当前只使用本地 HTTP 仿真器验证，没有使用真实测试账户。高风险人工审批需要外部签名 JWS；参考 issuer 仅用于本地与冻结证据，不代表企业 MFA。
 
-静态校验、官方控制面资源、TeamHarness 健康/MCP 调用、direct project/task 生命周期与模型驱动自主协同是不同证据级别。当前已实测 Manager/Controller、Human、7/7 Worker、7/7 TeamHarness health；最小兼容补丁已让七成员 Team 进入 `Active`，并跨 Leader / ticket-intake 两个真实容器完成 `create_project → plan_dag → delegate_task → ack_task → submit_task → check_task → accept_task_result`。这些调用是 direct MCP 控制面取证，placeholder provider 下仍不声明模型自主协同。原始去敏证据和边界见 [agentteams/README.md](agentteams/README.md) 及 `agentteams/runtime-evidence/`。
+请勿把 `.env`、token、私钥、数据库、客户记录或真实 sandbox trace 提交到仓库。完整披露见 [SECURITY.md](SECURITY.md) 与 [部署说明](docs/deployment.md)。
 
-## Kubernetes 与容器边界
+## 开源与复用
 
-- 容器 UID/GID 10001、只读根文件系统、capabilities 全移除、`no-new-privileges`；
-- API Bearer RBAC + tenant scope；原始 `/mcp` 只允许内部 gateway 身份；
-- Admission 检查 containers/initContainers/ephemeralContainers，要求 active policy digest 精确白名单、非空安全设置和生产 image digest；
-- `failurePolicy: Fail`、管理员 namespaceSelector、Agent egress 默认拒绝；
-- NetworkPolicy 不是身份，受保护上游仍必须只接受 gateway mTLS/SPIFFE 身份。
+核心代码、动作协议、7 个 Skill、Gateway 和 Verifier 采用 Apache-2.0。第三方基准数据不随 Apache 代码重许可；仓库只保留必要的锁文件、派生结果与来源说明。
 
-部署与生产差距见 [部署文档](docs/deployment.md) 和 [安全策略](SECURITY.md)。
+如果要接入新的业务域，通常只需替换三类组件：
 
-## 设计与复现文档
+1. 业务工具适配器与 `reconcile` 逻辑；
+2. 可签名、可固定摘要的策略；
+3. 可独立读取的业务终态 attestation。
 
-- [AgentTeams 官方能力映射](docs/agentteams-official-mapping.md)：角色编排、任务拆解、上下文传递、协同执行与状态追踪逐项落到 AgentTeams 对象；
-- [Agent Identity 清单](docs/agent-identity-register.md)：逐角色列出 Name、Role、Capabilities、Inputs、Outputs、Dependencies、Decision Boundary 与 Trace；
-- [七个 Skill 合同](skills/)：每个 Skill 都包含输入输出、调用条件、依赖、失败、安全边界和可复用接口；
-- [阿里云 SLS Skill 采用边界](docs/aliyun-skill-adoption.md)：只读查询与最小 RAM 权限已经设计，尚未安装或云端实跑；
-- [架构](docs/architecture.md)、[部署](docs/deployment.md)、[安全](SECURITY.md)与[公开 Demo 边界](docs/public-demo-boundary.md)。
+协议层继续负责身份、参数、审批、幂等、恢复和验真。
 
-AgentDojo 原始导出只在需要重生成 `cases.jsonl` 时依赖 `agentdojo==0.1.35`。发布包内的完整性校验不导入 AgentDojo，可直接运行 `make validate-agentdojo`；若要重导出，先在独立环境安装锁定版本，再运行 `make export-agentdojo AGENTDOJO_PYTHON=/path/to/python`。Makefile 不依赖开发者机器上的 `../../work` 路径。
-
-## 项目结构
+## Repository map
 
 ```text
-src/proofmesh/
-  api.py                  REST、角色 MCP、内部 MCP、health/readiness
-  workflow.py             七角色 CAS 状态机、审批、outbox、Proof seal
-  gateway.py              Action Passport、logical operation、lease/reconcile
-  capabilities.py         canonical JWS、key usage、外部 trust verifier
-  business.py             事务商务靶场与真实 Saga compensation
-  workflow_verifier.py    签名 + chain + 跨证据业务语义验真
-  admission.py            Kubernetes fail-closed admission
-  static/                 实际调用 v1 API 的评委控制台
-agentteams/                Human/Workers/Team、DAG、ZIP、bootstrap、运行证据
-skills/                    七个可复用 Skill 与 schema/错误码
-artifacts/public-benchmark AgentDojo cases、JSON/Markdown 回放报告
-artifacts/reference        三条真实执行路径、外部验真报告与哈希清单
-deploy/kubernetes/         webhook 与 NetworkPolicy 参考边界
-tests/                     业务、并发、崩溃、权限、证明、AgentTeams、benchmark
-docs/                      架构、部署、评测、答辩和提交材料
+src/proofmesh/        action protocol, workflow, gateway, verifier, adapters
+agentteams/           Team / Worker manifests, packages, runtime evidence
+skills/               seven reusable role Skills
+artifacts/            frozen reference and benchmark reports
+demo/                 interactive browser lab and evidence replay
+docs/                 architecture, deployment, evaluation and boundaries
+tests/                positive, negative, crash and tamper tests
 ```
 
-## 诚实边界
-
-- SQLite 靶场执行真实事务，但不是生产支付/CRM；
-- 开发仍可使用文件型 Ed25519；生产强制 mTLS 远程签名代理，控制面不持有私钥；
-- SQLite store 不是 HA 数据库；
-- AgentDojo 回放不是模型安全率；
-- 成功执行有签名 receipt；拒绝当前是 SQLite audit row，不是签名拒绝回执；
-- 官方 AgentTeams 资源运行不等于模型自主协同；
-- 尚无第三方渗透测试、生产历史盲测或真实商业 KPI。
-
-这些限制不会被 PPT 隐藏。当前已实现 OIDC/JWKS 验证、KMS/HSM 签名代理协议、PostgreSQL Gateway 原子账本、CycloneDX SBOM 与 SLSA/GitHub attestation 流水线；仍需真实企业 IdP/KMS/PostgreSQL 环境、其余状态 HA 迁移、真实上游、WORM/透明日志、故障演练和独立安全评估。
-
-## 开源
+## License
 
-核心代码采用 Apache-2.0。第三方来源和许可见 [THIRD_PARTY_NOTICES.md](THIRD_PARTY_NOTICES.md) 与 `data/benchmarks/THIRD_PARTY_AGENTDOJO.md`。贡献说明见 [CONTRIBUTING.md](CONTRIBUTING.md)。
+Apache-2.0。数据集、上游项目与云产品的许可和归属分别记录在对应目录与 [NOTICE](NOTICE)。
diff --git a/artifacts/external-evidence/claim-status.json b/artifacts/external-evidence/claim-status.json
index 275555c..701f403 100644
--- a/artifacts/external-evidence/claim-status.json
+++ b/artifacts/external-evidence/claim-status.json
@@ -1,10 +1,6 @@
 {
   "schema_version": "proofmesh.external-claim-register/v1",
-  "policy": "fail-closed: a claim remains PENDING until every declared requirement is represented by a hashed release artifact and an external reviewer is named",
-  "score_target": {
-    "engineering": "approximately 88 internal target; not an official competition score",
-    "external_evidence": "95+ competitiveness target; not a promise or judge result"
-  },
+  "policy": "fail-closed: a maturity claim remains PENDING until every declared requirement is represented by a hashed release artifact and an external reviewer is named",
   "claims": [
     {
       "id": "model_driven_agentteams",
@@ -80,17 +76,16 @@
       "verified_at": null
     },
     {
-      "id": "public_repository_and_identity",
+      "id": "public_release_and_maintenance",
       "status": "PENDING",
-      "allowed_claim": "A scrubbed local release is reproducible; public repository and competition identity links are not yet supplied.",
+      "allowed_claim": "The scrubbed source repository is public at https://github.com/dingyucanada/ProofMesh; an immutable signed release, public security contact, and independent adoption evidence are not yet verified.",
       "prohibited_claims": [
         "public open-source adoption evidence",
-        "public competition identity verified"
+        "maintained production-grade open-source project"
       ],
       "evidence_requirements": [
         "public_repository_record",
         "immutable_release_record",
-        "competition_identity_record",
         "public_contact_record"
       ],
       "evidence_files": [],
diff --git a/config/trust/action-issuers.json b/config/trust/action-issuers.json
index f1e188f..87e6a05 100644
--- a/config/trust/action-issuers.json
+++ b/config/trust/action-issuers.json
@@ -52,4 +52,4 @@
       ]
     }
   }
-}
\ No newline at end of file
+}
diff --git a/demo/README.md b/demo/README.md
index 0365cf1..5dd3bd6 100644
--- a/demo/README.md
+++ b/demo/README.md
@@ -1,10 +1,13 @@
-# Public evidence replay
+# Public action decision lab
 
-This directory is the source for the GitHub Pages demo. It is intentionally static and read-only.
+This directory powers the GitHub Pages demo. It has two deliberately separate layers:
 
-The page replays three frozen reference workflows and links to the corresponding proof bundles, external verification reports, AgentDojo authorization replay, and independent-process HTTP fault experiment. The deployment workflow copies only those selected evidence files into the Pages artifact.
+1. a browser-side decision simulator for exploring policy, approval, contract mismatch, reconciliation, compensation, and `UNKNOWN_MANUAL` outcomes;
+2. a replay of three frozen reference workflows with SHA-256 verification and links to their machine-readable proofs.
 
-It does **not** run the FastAPI service, call a model, use payment or CRM accounts, accept customer data, or create side effects. For the real local reference workflow, follow the repository root README.
+The simulator is interactive but deterministic. It implements the documented decision rules in client-side JavaScript and never claims to be a hosted ProofMesh backend. The frozen proofs were produced by the local reference runtime.
+
+The page does not accept free text, credentials, workflow IDs, approval assertions, or customer records. It does not call a model, payment provider, CRM, deployment platform, or FastAPI service.
 
 Local preview:
 
@@ -13,4 +16,4 @@ python3 scripts/build_public_demo.py --output /tmp/proofmesh-pages
 python3 -m http.server 4173 --directory /tmp/proofmesh-pages
 ```
 
-The GitHub Pages deployment uses `.github/workflows/pages.yml`.
+The GitHub Pages workflow is `.github/workflows/pages.yml`.
diff --git a/demo/app.js b/demo/app.js
index 80e1803..9aec41e 100644
--- a/demo/app.js
+++ b/demo/app.js
@@ -6,6 +6,46 @@ const state = {
   stepIndex: 0,
 };
 
+const domainSpecs = {
+  refund: {
+    label: "客服退款",
+    tenant: "retail-demo",
+    actor: "action-executor",
+    tool: "payments.issue_refund",
+    resource: "refund-case/ref-demo-042",
+    scope: "refund:issue",
+    arguments: { amount_bucket: "100-500", currency: "CNY" },
+    downstream: "crm.close_ticket",
+    completed: "COMPLETED",
+    compensated: "COMPENSATED",
+    successText: "退款完成，工单状态随后得到核对。",
+    recoveryText: "支付动作已发生；系统使用原 operation id 对账，没有再次退款。",
+    compensationText: "支付成功但 CRM 失败；系统执行补偿，并重新核对余额与工单状态。",
+  },
+  operations: {
+    label: "生产变更",
+    tenant: "platform-demo",
+    actor: "change-executor",
+    tool: "deployment.apply_change",
+    resource: "service/catalog-api",
+    scope: "change:apply",
+    arguments: { risk_units: 35, environment: "staging" },
+    downstream: "health.verify_release",
+    completed: "COMPLETED",
+    compensated: "ROLLED_BACK_VERIFIED",
+    successText: "变更完成，健康检查与目标版本一致。",
+    recoveryText: "发布已经提交；系统查询发布平台后确认原操作完成，没有重复创建发布。",
+    compensationText: "变更已应用但健康检查失败；系统回滚并重新核对服务版本。",
+  },
+};
+
+const mutationSpecs = {
+  none: { label: "合同未变化", mismatch: null },
+  arguments: { label: "执行参数已变化", mismatch: "arguments_digest_mismatch" },
+  tool: { label: "执行工具已变化", mismatch: "tool_mismatch" },
+  context: { label: "业务上下文已变化", mismatch: "context_digest_mismatch" },
+};
+
 const byId = (id) => document.getElementById(id);
 
 function textNode(tag, text, className) {
@@ -15,6 +55,207 @@ function textNode(tag, text, className) {
   return node;
 }
 
+function formValue(name) {
+  return document.querySelector(`input[name="${name}"]:checked`)?.value;
+}
+
+function decisionStep(title, detail, tone = "neutral") {
+  return { title, detail, tone };
+}
+
+function buildPassport(domain, risk, approval) {
+  const spec = domainSpecs[domain];
+  return {
+    issuer: "proofmesh-policy-issuer",
+    subject: spec.actor,
+    tenant: spec.tenant,
+    tool: spec.tool,
+    resource: spec.resource,
+    scope: [spec.scope],
+    arguments: spec.arguments,
+    policy: risk === "high" ? "human-gated" : "automatic-reference",
+    approval: risk === "high" && approval === "signed" ? "external-signed-assertion" : risk === "low" ? "AUTOMATIC" : "MISSING",
+    calls: 1,
+    ttl_seconds: 90,
+  };
+}
+
+function evaluateLab(input) {
+  const spec = domainSpecs[input.domain];
+  const mutation = mutationSpecs[input.mutation];
+  const passport = buildPassport(input.domain, input.risk, input.approval);
+
+  if (input.risk === "high" && input.approval !== "signed") {
+    return {
+      badge: "WAITING_APPROVAL",
+      tone: "amber",
+      title: "先停下来，等独立审批",
+      summary: `这次${spec.label}属于高风险动作。系统只冻结计划和审批挑战，不调用业务工具。`,
+      dispatches: 0,
+      duplicates: 0,
+      terminal: "WAITING_APPROVAL",
+      passport,
+      steps: [
+        decisionStep("计划已经冻结", "工具、业务对象、参数、策略和上下文都进入本次动作摘要。", "done"),
+        decisionStep("审批断言缺失", "Human 需要通过独立审批服务签发短时断言；控制面不能替他签名。", "warn"),
+        decisionStep("Gateway 不派发", "审批前写副作用保持为 0。", "blocked"),
+      ],
+    };
+  }
+
+  if (mutation.mismatch) {
+    return {
+      badge: "REJECTED",
+      tone: "red",
+      title: "合同发生变化，Gateway 拒绝执行",
+      summary: `${mutation.label}。许可证只批准原工具、原参数和原上下文，因此请求在到达业务系统前被拦截。`,
+      dispatches: 0,
+      duplicates: 0,
+      terminal: "REJECTED",
+      passport,
+      steps: [
+        decisionStep("许可证有效", "签名、签发者、时效和一次性调用次数通过检查。", "done"),
+        decisionStep("精确绑定不一致", `拒绝原因：${mutation.mismatch}。`, "blocked"),
+        decisionStep("业务系统没有收到请求", "支付、CRM 或发布平台调用次数为 0。", "blocked"),
+      ],
+    };
+  }
+
+  const common = [
+    decisionStep("许可证通过", "身份、租户、工具、业务对象、参数、策略、审批和有效期逐项一致。", "done"),
+    decisionStep("建立逻辑操作", "稳定 operation id 与本次凭证分开保存，重试不会重新扣预算。", "done"),
+  ];
+
+  if (input.outcome === "success") {
+    return {
+      badge: "COMPLETED",
+      tone: "green",
+      title: "本次动作可以完成",
+      summary: spec.successText,
+      dispatches: 1,
+      duplicates: 0,
+      terminal: spec.completed,
+      passport,
+      steps: [...common,
+        decisionStep("调用业务工具", "上游返回成功，Gateway 封存结果摘要和签名回执。", "done"),
+        decisionStep("重新读取终态", "Verifier 核对业务状态与批准的计划一致。", "done"),
+      ],
+    };
+  }
+
+  if (input.outcome === "timeout_committed") {
+    return {
+      badge: "RECOVERED",
+      tone: "cyan",
+      title: "响应丢了，先对账再继续",
+      summary: spec.recoveryText,
+      dispatches: 1,
+      duplicates: 0,
+      terminal: "RECOVERED_COMPLETED",
+      passport,
+      steps: [...common,
+        decisionStep("上游响应超时", "超时发生在提交之后，系统不把它解释成“没有执行”。", "warn"),
+        decisionStep("按 operation id 对账", "上游确认原操作已经成功。", "done"),
+        decisionStep("封存原结果", "不再派发第二次写操作，继续验证最终状态。", "done"),
+      ],
+    };
+  }
+
+  if (input.outcome === "downstream_failure") {
+    return {
+      badge: "COMPENSATED",
+      tone: "cyan",
+      title: "前一步已发生，系统执行精确恢复",
+      summary: spec.compensationText,
+      dispatches: 2,
+      duplicates: 0,
+      terminal: spec.compensated,
+      passport,
+      steps: [...common,
+        decisionStep("第一步已经成功", "系统保留原回执，不把后续失败解释成整条流程都没执行。", "done"),
+        decisionStep("下游检查失败", `${spec.downstream} 返回失败，工作流进入恢复分支。`, "warn"),
+        decisionStep("执行补偿或回滚", "只撤销已经确认发生的动作，并重新读取业务终态。", "done"),
+      ],
+    };
+  }
+
+  return {
+    badge: "UNKNOWN_MANUAL",
+    tone: "amber",
+    title: "结果无法确认，停止自动执行",
+    summary: "对账仍无法判断上游是否执行。系统保留现场并转人工，不用一次冒险重试换取表面上的成功。",
+    dispatches: 1,
+    duplicates: 0,
+    terminal: "UNKNOWN_MANUAL",
+    passport,
+    steps: [...common,
+      decisionStep("上游响应不确定", "执行结果没有可靠回执。", "warn"),
+      decisionStep("对账仍无结论", "系统无法证明已执行，也无法证明未执行。", "warn"),
+      decisionStep("停止自动重派", "案件进入人工队列，保留 operation、租约和审计轨迹。", "blocked"),
+    ],
+  };
+}
+
+function renderPassport(passport) {
+  const fields = byId("passport-fields");
+  fields.replaceChildren();
+  const summaryFields = {
+    执行主体: passport.subject,
+    业务租户: passport.tenant,
+    允许工具: passport.tool,
+    业务对象: passport.resource,
+    审批来源: passport.approval,
+    有效时间: `${passport.ttl_seconds} 秒`,
+  };
+  Object.entries(summaryFields).forEach(([label, value]) => {
+    const row = document.createElement("div");
+    row.append(textNode("dt", label));
+    row.append(textNode("dd", value));
+    fields.append(row);
+  });
+  byId("passport-json").textContent = JSON.stringify(passport, null, 2);
+}
+
+function renderLab(result) {
+  const panel = document.querySelector(".decision-panel");
+  panel.dataset.tone = result.tone;
+  byId("decision-title").textContent = result.title;
+  byId("decision-badge").textContent = result.badge;
+  byId("decision-summary").textContent = result.summary;
+  byId("dispatch-count").textContent = String(result.dispatches);
+  byId("duplicate-count").textContent = String(result.duplicates);
+  byId("terminal-state").textContent = result.terminal;
+
+  const list = byId("decision-steps");
+  list.replaceChildren();
+  result.steps.forEach((step) => {
+    const item = document.createElement("li");
+    item.className = step.tone;
+    item.append(textNode("strong", step.title));
+    item.append(textNode("span", step.detail));
+    list.append(item);
+  });
+  renderPassport(result.passport);
+}
+
+function runLab(event) {
+  event?.preventDefault();
+  renderLab(evaluateLab({
+    domain: formValue("domain"),
+    risk: byId("risk-input").value,
+    approval: byId("approval-input").value,
+    outcome: byId("outcome-input").value,
+    mutation: formValue("mutation"),
+  }));
+}
+
+function syncApprovalControl() {
+  const approval = byId("approval-input");
+  const isLow = byId("risk-input").value === "low";
+  approval.disabled = isLow;
+  if (isLow) approval.value = "missing";
+}
+
 function renderTabs() {
   const tabs = byId("scenario-tabs");
   tabs.replaceChildren();
@@ -31,7 +272,7 @@ function renderTabs() {
     button.addEventListener("click", () => {
       state.scenarioIndex = index;
       state.stepIndex = 0;
-      render();
+      renderReplay();
     });
     tabs.append(button);
   });
@@ -61,25 +302,6 @@ function renderTimeline(scenario) {
   });
 }
 
-function renderEvidence(scenario) {
-  const step = scenario.steps[state.stepIndex];
-  byId("evidence-json").textContent = JSON.stringify(
-    {
-      scenario: scenario.id,
-      step: state.stepIndex + 1,
-      name: step.name,
-      ...step.evidence,
-    },
-    null,
-    2,
-  );
-  const proofLink = byId("proof-link");
-  proofLink.href = scenario.proof;
-  proofLink.textContent = "查看冻结 Proof";
-  byId("integrity-badge").textContent = "正在复核 SHA-256";
-  verifyProofHash(scenario);
-}
-
 async function verifyProofHash(scenario) {
   const badge = byId("integrity-badge");
   try {
@@ -100,6 +322,18 @@ async function verifyProofHash(scenario) {
   }
 }
 
+function renderEvidence(scenario) {
+  const step = scenario.steps[state.stepIndex];
+  byId("evidence-json").textContent = JSON.stringify(
+    { scenario: scenario.id, step: state.stepIndex + 1, name: step.name, ...step.evidence },
+    null,
+    2,
+  );
+  byId("proof-link").href = scenario.proof;
+  byId("integrity-badge").textContent = "正在复核 SHA-256";
+  verifyProofHash(scenario);
+}
+
 function renderScenario() {
   const scenario = state.data.scenarios[state.scenarioIndex];
   byId("case-id").textContent = scenario.case_id;
@@ -109,10 +343,7 @@ function renderScenario() {
   renderFacts(scenario);
   renderTimeline(scenario);
   renderEvidence(scenario);
-
-  const nextButton = byId("next-button");
-  const isLast = state.stepIndex === scenario.steps.length - 1;
-  nextButton.textContent = isLast ? "回到第一步" : "下一步";
+  byId("next-button").textContent = state.stepIndex === scenario.steps.length - 1 ? "回到第一步" : "下一步";
 }
 
 function renderMetrics() {
@@ -136,15 +367,14 @@ function renderMetrics() {
   });
 }
 
-function render() {
+function renderReplay() {
   renderTabs();
   renderScenario();
 }
 
 async function copyEvidence() {
-  const text = byId("evidence-json").textContent;
   try {
-    await navigator.clipboard.writeText(text);
+    await navigator.clipboard.writeText(byId("evidence-json").textContent);
     byId("copy-button").textContent = "已复制";
     window.setTimeout(() => { byId("copy-button").textContent = "复制这一步"; }, 1600);
   } catch (_error) {
@@ -153,22 +383,24 @@ async function copyEvidence() {
 }
 
 async function load() {
+  syncApprovalControl();
+  runLab();
   try {
     const response = await fetch(DATA_URL, { cache: "no-store" });
     if (!response.ok) throw new Error(`HTTP ${response.status}`);
     state.data = await response.json();
-    document.querySelectorAll("[data-repo-link]").forEach((link) => {
-      link.href = state.data.repository;
-    });
-    render();
+    document.querySelectorAll("[data-repo-link]").forEach((link) => { link.href = state.data.repository; });
+    renderReplay();
     renderMetrics();
   } catch (error) {
-    byId("demo").replaceChildren(
-      textNode("p", `证据数据加载失败：${error.message}。请通过 HTTP 服务打开本页面，而不是直接双击文件。`),
+    byId("replay").replaceChildren(
+      textNode("p", `冻结证据加载失败：${error.message}。请通过 HTTP 服务打开本页面。`),
     );
   }
 }
 
+byId("lab-form").addEventListener("submit", runLab);
+byId("risk-input").addEventListener("change", syncApprovalControl);
 byId("next-button").addEventListener("click", () => {
   const scenario = state.data.scenarios[state.scenarioIndex];
   state.stepIndex = (state.stepIndex + 1) % scenario.steps.length;
diff --git a/demo/data/scenarios.json b/demo/data/scenarios.json
index 2d7dc86..ed1d5cb 100644
--- a/demo/data/scenarios.json
+++ b/demo/data/scenarios.json
@@ -1,7 +1,7 @@
 {
-  "schema_version": "proofmesh.public-evidence-replay/v1",
+  "schema_version": "proofmesh.public-action-lab/v2",
   "repository": "https://github.com/dingyucanada/ProofMesh",
-  "generated_from": "frozen reference artifacts; no live backend",
+  "generated_from": "browser decision simulator plus frozen reference artifacts; no live backend",
   "scenarios": [
     {
       "id": "automatic",
@@ -14,7 +14,7 @@
       "verification": "evidence/reference/automatic/external-verification.json",
       "proof_sha256": "a987ca1b408d3b300fe68c40ecb56d3869d284dff1a386d563bc1d31f1f3fc4b",
       "facts": {
-        "金额": "¥80.00",
+        "参考金额": "¥80.00",
         "审批": "自动策略",
         "Gateway 回执": "6",
         "包外验真": "15 / 15"
@@ -58,7 +58,7 @@
       "verification": "evidence/reference/human-approval/external-verification.json",
       "proof_sha256": "de262ede0d8ae7a9241393121d83190fe1c5854c7cf2c4a4f0f9ced609bf7561",
       "facts": {
-        "金额": "¥129.00",
+        "参考金额": "¥129.00",
         "审批来源": "外部签名 JWS",
         "Gateway 回执": "5",
         "包外验真": "15 / 15"
@@ -102,7 +102,7 @@
       "verification": "evidence/reference/compensation/external-verification.json",
       "proof_sha256": "f335674b87003af13851ce0c4423afdd184ad48aad9f4804116a664ae395d0b3",
       "facts": {
-        "金额": "¥90.00",
+        "参考金额": "¥90.00（仅为该条 fixture）",
         "CRM": "依赖故障",
         "可退款余额": "已恢复",
         "包外验真": "15 / 15"
diff --git a/demo/index.html b/demo/index.html
index 66da02c..759ebe1 100644
--- a/demo/index.html
+++ b/demo/index.html
@@ -5,67 +5,187 @@
     <meta name="viewport" content="width=device-width, initial-scale=1" />
     <meta
       name="description"
-      content="ProofMesh 只读证据回放：查看 AgentTeams、Action Passport、崩溃对账与包外验真的冻结运行证据。"
+      content="ProofMesh 交互式动作决策台：调整风险、审批、故障和合同参数，观察 Agent 写操作如何被授权、对账、补偿或拒绝。"
     />
-    <title>ProofMesh｜只读证据回放</title>
+    <title>ProofMesh｜Agent 动作决策台</title>
     <link rel="stylesheet" href="styles.css" />
     <script src="app.js" defer></script>
   </head>
   <body>
-    <a class="skip-link" href="#demo">跳到回放</a>
+    <a class="skip-link" href="#lab">跳到动作决策台</a>
     <header class="topbar">
       <a class="brand" href="#top" aria-label="ProofMesh 首页">
         <span class="brand-mark" aria-hidden="true">P</span>
         <span>ProofMesh</span>
       </a>
       <nav aria-label="页面导航">
-        <a href="#demo">回放</a>
-        <a href="#evidence">证据</a>
-        <a href="#boundary">边界</a>
-        <a class="repo-link" data-repo-link href="https://github.com/dingyucanada/ProofMesh">查看代码</a>
+        <a href="#problem">行业问题</a>
+        <a href="#lab">动手试</a>
+        <a href="#evidence">运行证据</a>
+        <a class="repo-link" data-repo-link href="https://github.com/dingyucanada/ProofMesh">GitHub</a>
       </nav>
     </header>
 
     <main id="top">
       <section class="hero" aria-labelledby="hero-title">
         <div class="hero-copy">
-          <p class="eyebrow">READ-ONLY EVIDENCE REPLAY · 非实时后端</p>
-          <h1 id="hero-title">退款已经成功，CRM 却失败。<br />Agent 该不该再试一次？</h1>
+          <p class="eyebrow">AGENT ACTION CONTROL PLANE</p>
+          <h1 id="hero-title">Agent 会调用工具之后，谁来管住它的下一步？</h1>
           <p class="lede">
-            ProofMesh 不让 Agent 猜。它先核对动作通行证，再向上游对账；结果查不清，就停在人工处理，不盲目重试。
+            退款、发布、配置变更都会改变真实业务状态。ProofMesh 在 AgentTeams 和企业工具之间核对每一次动作；遇到超时先查上游，结果不明就停。
           </p>
           <div class="hero-actions">
-            <a class="button primary" href="#demo">播放三条冻结路径</a>
-            <a class="button secondary" data-repo-link href="https://github.com/dingyucanada/ProofMesh">10 分钟本地复现</a>
+            <a class="button primary" href="#lab">自己设一个故障</a>
+            <a class="button secondary" data-repo-link href="https://github.com/dingyucanada/ProofMesh">查看源代码</a>
           </div>
         </div>
-        <aside class="truth-card" aria-label="演示边界">
-          <span class="status-dot" aria-hidden="true"></span>
-          <p class="truth-title">这是什么</p>
-          <p>浏览器中的确定性证据回放。页面读取仓库内冻结的 Proof、验真报告和基准摘要。</p>
-          <p class="truth-title">这不是什么</p>
-          <p>不是在线支付，不连接 CRM，不调用大模型，也不是客户试点。</p>
+        <aside class="hero-proof" aria-label="核心能力">
+          <p class="hero-proof-label">一次写操作必须回答</p>
+          <ol>
+            <li><span>01</span>谁在为哪个租户做事？</li>
+            <li><span>02</span>允许调用什么工具和参数？</li>
+            <li><span>03</span>这次审批批准了什么？</li>
+            <li><span>04</span>响应丢了以后还能不能重试？</li>
+          </ol>
         </aside>
       </section>
 
-      <section class="flow-strip" aria-label="系统流程">
-        <span>AgentTeams 分工</span><b aria-hidden="true">→</b>
-        <span>动作通行证</span><b aria-hidden="true">→</b>
-        <span>Action Gateway</span><b aria-hidden="true">→</b>
-        <span>对账与补偿</span><b aria-hidden="true">→</b>
-        <span>包外验真</span>
+      <section class="problem-section" id="problem" aria-labelledby="problem-title">
+        <div class="section-heading">
+          <div>
+            <p class="eyebrow">THE MISSING CONTROL</p>
+            <h2 id="problem-title">权限系统管长期身份，企业还需要管住“这一次”</h2>
+          </div>
+          <p>一个角色有权调用接口，不等于它可以在任意时间、用任意参数、重复执行同一个动作。</p>
+        </div>
+        <div class="problem-grid">
+          <article>
+            <span class="problem-number">01</span>
+            <h3>报错可能发生在执行之后</h3>
+            <p>支付已成功、响应却超时；发布已提交、回执却丢失。直接重试可能制造第二个副作用。</p>
+          </article>
+          <article>
+            <span class="problem-number">02</span>
+            <h3>审批后计划仍可能变化</h3>
+            <p>审批人看过原金额或原变更范围，执行时的参数却可能已经漂移。</p>
+          </article>
+          <article>
+            <span class="problem-number">03</span>
+            <h3>日志通常由执行方自己解释</h3>
+            <p>审计者需要从系统外加载信任材料，重新核对审批、回执和最终业务状态。</p>
+          </article>
+        </div>
+      </section>
+
+      <section class="solution-strip" aria-label="ProofMesh 处理流程">
+        <span><strong>AgentTeams</strong> 分工</span>
+        <b aria-hidden="true">→</b>
+        <span><strong>Action Passport</strong> 冻结本次许可</span>
+        <b aria-hidden="true">→</b>
+        <span><strong>Gateway</strong> 执行前核对</span>
+        <b aria-hidden="true">→</b>
+        <span><strong>Reconcile</strong> 失败后先对账</span>
+        <b aria-hidden="true">→</b>
+        <span><strong>Verifier</strong> 包外复核</span>
+      </section>
+
+      <section class="lab-section" id="lab" aria-labelledby="lab-title">
+        <div class="section-heading">
+          <div>
+            <p class="eyebrow">INTERACTIVE DECISION LAB</p>
+            <h2 id="lab-title">给系统一个场景，看它会不会冒险</h2>
+          </div>
+          <p>这是浏览器中的确定性协议模拟。它不调用真实后端，但会按同一套门禁和故障规则解释每个决定。</p>
+        </div>
+
+        <div class="lab-grid">
+          <form class="lab-controls" id="lab-form">
+            <fieldset>
+              <legend>1. 选择业务动作</legend>
+              <div class="segmented" role="radiogroup" aria-label="业务动作">
+                <label><input type="radio" name="domain" value="refund" checked /><span>客服退款</span></label>
+                <label><input type="radio" name="domain" value="operations" /><span>生产变更</span></label>
+              </div>
+            </fieldset>
+
+            <div class="control-row">
+              <label>
+                <span>风险等级</span>
+                <select id="risk-input">
+                  <option value="low">低风险，可自动处理</option>
+                  <option value="high">高风险，需要审批</option>
+                </select>
+              </label>
+              <label>
+                <span>审批状态</span>
+                <select id="approval-input">
+                  <option value="missing">尚未审批</option>
+                  <option value="signed">已有外部签名审批</option>
+                </select>
+              </label>
+            </div>
+
+            <label>
+              <span>上游返回什么</span>
+              <select id="outcome-input">
+                <option value="success">正常成功</option>
+                <option value="timeout_committed">执行已发生，但响应超时</option>
+                <option value="downstream_failure">第一步成功，后续系统失败</option>
+                <option value="unknown">对账后仍无法判断</option>
+              </select>
+            </label>
+
+            <fieldset>
+              <legend>2. 要不要篡改合同</legend>
+              <div class="mutation-grid" role="radiogroup" aria-label="合同变化">
+                <label><input type="radio" name="mutation" value="none" checked /><span>不改</span></label>
+                <label><input type="radio" name="mutation" value="arguments" /><span>换参数</span></label>
+                <label><input type="radio" name="mutation" value="tool" /><span>换工具</span></label>
+                <label><input type="radio" name="mutation" value="context" /><span>换上下文</span></label>
+              </div>
+            </fieldset>
+
+            <button class="button primary wide" type="submit">运行这次决策</button>
+            <p class="form-note">不要输入真实订单号、凭证或客户信息；这个页面也没有文本输入框。</p>
+          </form>
+
+          <div class="decision-panel" aria-live="polite">
+            <div class="decision-head">
+              <div>
+                <p class="eyebrow">GATEWAY DECISION</p>
+                <h3 id="decision-title">等待运行</h3>
+              </div>
+              <span class="decision-badge" id="decision-badge">READY</span>
+            </div>
+            <p class="decision-summary" id="decision-summary">选择条件后运行，系统会说明是否执行、是否对账，以及最终由谁接手。</p>
+            <ol class="decision-steps" id="decision-steps"></ol>
+            <div class="decision-footer">
+              <div><span>业务工具调用</span><strong id="dispatch-count">0</strong></div>
+              <div><span>自动重复执行</span><strong id="duplicate-count">0</strong></div>
+              <div><span>最终状态</span><strong id="terminal-state">—</strong></div>
+            </div>
+          </div>
+
+          <aside class="passport-panel" aria-labelledby="passport-title">
+            <p class="eyebrow">ACTION PASSPORT</p>
+            <h3 id="passport-title">这次动作的许可证</h3>
+            <p>许可证只描述本次动作。换工具、换参数或换上下文，Gateway 都会在调用上游前拒绝。</p>
+            <dl id="passport-fields"></dl>
+            <pre id="passport-json" tabindex="0" aria-label="Action Passport 结构化预览"></pre>
+          </aside>
+        </div>
       </section>
 
-      <section class="demo-section" id="demo" aria-labelledby="demo-title">
+      <section class="demo-section" id="replay" aria-labelledby="demo-title">
         <div class="section-heading">
           <div>
-            <p class="eyebrow">THREE FROZEN PATHS</p>
-            <h2 id="demo-title">同一笔动作，三种不同结局</h2>
+            <p class="eyebrow">FROZEN EXECUTION EVIDENCE</p>
+            <h2 id="demo-title">模拟负责解释，冻结 Proof 负责证明</h2>
           </div>
-          <p>选一条路径，再逐步播放。每一步都对应仓库内可以复算的证据。</p>
+          <p>下面三条路径由本地参考后端真实执行并封存。可以逐步回放，并在浏览器里复核 Proof 的 SHA-256。</p>
         </div>
 
-        <div class="scenario-tabs" id="scenario-tabs" role="tablist" aria-label="选择回放场景"></div>
+        <div class="scenario-tabs" id="scenario-tabs" role="tablist" aria-label="选择证据路径"></div>
 
         <div class="replay-grid">
           <article class="replay-panel" aria-live="polite">
@@ -77,9 +197,7 @@ <h3 id="scenario-title"></h3>
               <span class="terminal-badge" id="terminal-badge"></span>
             </div>
             <p class="scenario-summary" id="scenario-summary"></p>
-
             <ol class="timeline" id="timeline"></ol>
-
             <div class="replay-controls">
               <button class="button secondary" id="reset-button" type="button">重新开始</button>
               <button class="button primary" id="next-button" type="button">下一步</button>
@@ -108,19 +226,17 @@ <h3 id="evidence-panel-title">当前证据</h3>
         <div class="section-heading">
           <div>
             <p class="eyebrow">WHAT HAS ACTUALLY RUN</p>
-            <h2 id="evidence-title">四组实验，各回答一个问题</h2>
+            <h2 id="evidence-title">每组实验只回答一个问题</h2>
           </div>
-          <p>数字只按各自的实验边界解释，不把公开数据或合成故障写成客户成绩。</p>
+          <p>公开数据、合成故障与本地参考路径分开报告，不把它们合并成客户成绩。</p>
         </div>
         <div class="metric-grid" id="metric-grid"></div>
 
         <div class="agentteams-card">
           <div>
             <p class="eyebrow">AGENTTEAMS RUNTIME</p>
-            <h3>协同控制面真的跑过，但模型自主协同还没有。</h3>
-            <p>
-              已验证基线为 AgentTeams v1.2.0-beta.1：Team Active、7/7 Worker Running，跨两个真实容器完成 direct MCP 生命周期 7/7。
-            </p>
+            <h3>协同控制面已经跑通，模型自主协作还没有。</h3>
+            <p>已验证 AgentTeams v1.2.0-beta.1：Team Active、7/7 Worker Running，并在两个真实容器间完成 direct MCP 生命周期 7/7。</p>
           </div>
           <div class="runtime-facts" aria-label="AgentTeams 运行事实">
             <span><strong>1 + 6</strong>Leader + Workers</span>
@@ -132,26 +248,26 @@ <h3>协同控制面真的跑过，但模型自主协同还没有。</h3>
 
       <section class="boundary-section" id="boundary" aria-labelledby="boundary-title">
         <div>
-          <p class="eyebrow">HONEST BOUNDARY</p>
-          <h2 id="boundary-title">这个链接证明什么，也说明还缺什么</h2>
+          <p class="eyebrow">CURRENT BOUNDARY</p>
+          <h2 id="boundary-title">现在能验证什么，下一步还要补什么</h2>
         </div>
         <div class="boundary-grid">
           <article>
-            <h3>已经能复核</h3>
+            <h3>仓库内可复核</h3>
             <ul>
-              <li>冻结 Proof 的哈希和 15 项包外验真结果</li>
-              <li>授权参数错配被 Gateway 拦截</li>
-              <li>超时后先对账，未知状态停止自动重试</li>
-              <li>AgentTeams 控制面与 direct MCP 生命周期</li>
+              <li>动作合同的工具、参数与上下文绑定</li>
+              <li>故障后的对账、补偿和 UNKNOWN 停机</li>
+              <li>冻结 Proof 的哈希与包外验真结果</li>
+              <li>AgentTeams 控制面和 direct MCP 生命周期</li>
             </ul>
           </article>
           <article>
-            <h3>仍未完成</h3>
+            <h3>尚未完成</h3>
             <ul>
-              <li>模型驱动的七 Agent 自主协同</li>
+              <li>模型驱动的七 Agent 自主协作</li>
               <li>真实 Stripe、HubSpot 或企业系统账户</li>
-              <li>客户授权工单与生产试点</li>
-              <li>企业 IdP、KMS、PostgreSQL 与 SLA 验证</li>
+              <li>客户授权数据与生产试点</li>
+              <li>企业 IdP、KMS、托管数据库与 SLA 验证</li>
             </ul>
           </article>
         </div>
@@ -159,9 +275,9 @@ <h3>仍未完成</h3>
     </main>
 
     <footer>
-      <p>ProofMesh · Apache-2.0 · 冻结证据回放</p>
-      <p>本页面不收集输入，不调用后端，不产生业务副作用。</p>
+      <p>ProofMesh · Apache-2.0 · Agent Action Control Plane</p>
+      <p>浏览器实验不收集输入，不调用后端，不产生业务副作用。</p>
     </footer>
-    <noscript>此回放需要 JavaScript。所有原始证据仍可在 GitHub 仓库中直接查看。</noscript>
+    <noscript>这个动作决策台需要 JavaScript。冻结证据仍可在 GitHub 仓库中直接查看。</noscript>
   </body>
 </html>
diff --git a/demo/styles.css b/demo/styles.css
index d7029aa..070fb4c 100644
--- a/demo/styles.css
+++ b/demo/styles.css
@@ -20,14 +20,14 @@ html { scroll-behavior: smooth; }
 body {
   margin: 0;
   background:
-    radial-gradient(circle at 82% 10%, rgba(45, 113, 230, 0.22), transparent 32rem),
-    radial-gradient(circle at 5% 45%, rgba(40, 185, 167, 0.1), transparent 28rem),
+    radial-gradient(circle at 82% 8%, rgba(45, 113, 230, 0.22), transparent 32rem),
+    radial-gradient(circle at 4% 43%, rgba(40, 185, 167, 0.11), transparent 29rem),
     var(--bg);
   color: var(--ink);
   line-height: 1.65;
 }
 a { color: inherit; }
-button, a { -webkit-tap-highlight-color: transparent; }
+button, select, input, a { -webkit-tap-highlight-color: transparent; }
 .skip-link {
   position: fixed;
   left: 1rem;
@@ -73,45 +73,29 @@ button, a { -webkit-tap-highlight-color: transparent; }
 nav { display: flex; align-items: center; gap: 1.4rem; }
 nav a { color: var(--muted); text-decoration: none; font-size: .92rem; }
 nav a:hover, nav a:focus-visible { color: var(--ink); }
-.repo-link {
-  padding: .45rem .75rem;
-  border: 1px solid var(--line);
-  border-radius: .6rem;
-}
+.repo-link { padding: .45rem .75rem; border: 1px solid var(--line); border-radius: .6rem; }
 
 main, footer { width: min(1180px, calc(100% - 2.5rem)); margin-inline: auto; }
 .hero {
-  min-height: 39rem;
+  min-height: 42rem;
   display: grid;
-  grid-template-columns: 1.55fr .75fr;
+  grid-template-columns: 1.32fr .68fr;
   gap: 4.5rem;
   align-items: center;
   padding: 6.5rem 0 4rem;
 }
-.eyebrow {
-  margin: 0 0 .7rem;
-  color: var(--cyan);
-  font-size: .74rem;
-  font-weight: 750;
-  letter-spacing: .14em;
-}
+.eyebrow { margin: 0 0 .7rem; color: var(--cyan); font-size: .74rem; font-weight: 750; letter-spacing: .14em; }
 h1, h2, h3, p { margin-top: 0; }
-h1 {
-  max-width: 13ch;
-  margin-bottom: 1.4rem;
-  font-size: clamp(2.6rem, 5.7vw, 5.3rem);
-  line-height: 1.03;
-  letter-spacing: -.055em;
-}
+h1 { max-width: 13ch; margin-bottom: 1.4rem; font-size: clamp(2.8rem, 5.8vw, 5.35rem); line-height: 1.03; letter-spacing: -.055em; }
 h2 { font-size: clamp(2rem, 3.5vw, 3.25rem); line-height: 1.12; letter-spacing: -.04em; }
 h3 { font-size: 1.3rem; line-height: 1.3; letter-spacing: -.018em; }
-.lede { max-width: 42rem; color: #c9d5e6; font-size: 1.12rem; }
+.lede { max-width: 45rem; color: #c9d5e6; font-size: 1.14rem; }
 .hero-actions, .replay-controls, .evidence-actions { display: flex; flex-wrap: wrap; gap: .8rem; align-items: center; }
 .button {
   display: inline-flex;
   justify-content: center;
   align-items: center;
-  min-height: 2.8rem;
+  min-height: 2.85rem;
   padding: .65rem 1.05rem;
   border: 1px solid transparent;
   border-radius: .75rem;
@@ -124,106 +108,95 @@ h3 { font-size: 1.3rem; line-height: 1.3; letter-spacing: -.018em; }
 .button.primary:hover { background: var(--cyan); }
 .button.secondary { color: var(--ink); background: transparent; border-color: var(--line); }
 .button.secondary:hover { border-color: var(--blue); }
-.button:focus-visible, .scenario-tab:focus-visible, .text-button:focus-visible, a:focus-visible {
+.button.wide { width: 100%; }
+.button:focus-visible, .scenario-tab:focus-visible, .text-button:focus-visible, a:focus-visible, select:focus-visible, input:focus-visible {
   outline: 3px solid rgba(121, 183, 255, .55);
   outline-offset: 3px;
 }
-.truth-card {
-  padding: 1.8rem;
-  border: 1px solid var(--line);
-  border-radius: 1.25rem;
-  background: rgba(13, 25, 43, .82);
-  box-shadow: var(--shadow);
-}
-.truth-card p { color: var(--muted); }
-.truth-card .truth-title { margin: .9rem 0 .2rem; color: var(--ink); font-weight: 750; }
-.status-dot { display: inline-block; width: .7rem; height: .7rem; border-radius: 50%; background: var(--green); box-shadow: 0 0 0 .35rem rgba(131,230,163,.12); }
+.hero-proof { padding: 1.8rem; border: 1px solid var(--line); border-radius: 1.25rem; background: rgba(13, 25, 43, .82); box-shadow: var(--shadow); }
+.hero-proof-label { color: var(--muted); font-size: .82rem; }
+.hero-proof ol { list-style: none; margin: 0; padding: 0; }
+.hero-proof li { display: grid; grid-template-columns: 2.4rem 1fr; align-items: center; gap: .8rem; padding: .9rem 0; border-top: 1px solid var(--line); }
+.hero-proof li span { color: var(--cyan); font: 700 .76rem ui-monospace, SFMono-Regular, Menlo, monospace; }
 
-.flow-strip {
-  display: flex;
-  justify-content: space-between;
-  gap: 1rem;
-  padding: 1.15rem 1.4rem;
-  border-block: 1px solid var(--line);
-  color: #dce8f7;
-  font-size: .9rem;
-}
-.flow-strip b { color: #51647e; }
-
-.demo-section, .evidence-section, .boundary-section { padding: 7.5rem 0 1rem; }
+.problem-section, .lab-section, .demo-section, .evidence-section, .boundary-section { padding: 7.5rem 0 1rem; }
 .section-heading { display: flex; justify-content: space-between; align-items: end; gap: 3rem; margin-bottom: 2.2rem; }
-.section-heading h2 { margin-bottom: 0; }
+.section-heading h2 { max-width: 18ch; margin-bottom: 0; }
 .section-heading > p { max-width: 31rem; margin-bottom: .4rem; color: var(--muted); }
+.problem-grid { display: grid; grid-template-columns: repeat(3, 1fr); gap: 1rem; }
+.problem-grid article { min-height: 16rem; padding: 1.55rem; border: 1px solid var(--line); border-radius: 1rem; background: linear-gradient(150deg, rgba(17,31,52,.9), rgba(13,25,43,.66)); }
+.problem-grid p { color: var(--muted); }
+.problem-number { display: block; margin-bottom: 2.4rem; color: var(--blue); font: 700 .8rem ui-monospace, SFMono-Regular, Menlo, monospace; }
+
+.solution-strip { display: flex; justify-content: space-between; gap: 1rem; margin-top: 4rem; padding: 1.15rem 1.4rem; border-block: 1px solid var(--line); color: #b9c8db; font-size: .86rem; }
+.solution-strip strong { color: var(--ink); }
+.solution-strip b { color: #51647e; }
+
+.lab-grid { display: grid; grid-template-columns: .82fr 1.18fr; gap: 1rem; align-items: stretch; }
+.lab-controls, .decision-panel, .passport-panel { padding: 1.5rem; border: 1px solid var(--line); border-radius: 1.1rem; background: rgba(13,25,43,.84); }
+.lab-controls { grid-row: span 2; }
+.lab-controls fieldset { margin: 0 0 1.25rem; padding: 0; border: 0; }
+.lab-controls legend, .lab-controls label > span:first-child { display: block; margin-bottom: .55rem; color: #dce7f5; font-size: .82rem; font-weight: 700; }
+.control-row { display: grid; grid-template-columns: 1fr 1fr; gap: .8rem; margin-bottom: 1.25rem; }
+.lab-controls > label { display: block; margin-bottom: 1.25rem; }
+select { width: 100%; min-height: 2.8rem; padding: .6rem .75rem; border: 1px solid var(--line); border-radius: .7rem; background: #081323; color: var(--ink); font: inherit; }
+.segmented, .mutation-grid { display: grid; gap: .55rem; }
+.segmented { grid-template-columns: 1fr 1fr; }
+.mutation-grid { grid-template-columns: repeat(2, 1fr); }
+.segmented label, .mutation-grid label { cursor: pointer; }
+.segmented input, .mutation-grid input { position: absolute; opacity: 0; pointer-events: none; }
+.segmented label span, .mutation-grid label span { display: grid; place-items: center; min-height: 2.75rem; margin: 0; padding: .5rem; border: 1px solid var(--line); border-radius: .7rem; color: var(--muted); font-size: .86rem; }
+.segmented input:checked + span, .mutation-grid input:checked + span { border-color: var(--blue); color: var(--ink); background: rgba(60,121,217,.18); }
+select:disabled { opacity: .48; cursor: not-allowed; }
+.form-note { margin: .75rem 0 0; color: #72839a; font-size: .74rem; }
+
+.decision-panel { min-height: 24rem; }
+.decision-panel[data-tone="green"] { border-color: rgba(131,230,163,.36); }
+.decision-panel[data-tone="cyan"] { border-color: rgba(94,233,209,.36); }
+.decision-panel[data-tone="amber"] { border-color: rgba(255,202,114,.38); }
+.decision-panel[data-tone="red"] { border-color: rgba(255,143,148,.4); }
+.decision-head, .replay-head, .evidence-head { display: flex; justify-content: space-between; gap: 1rem; align-items: start; }
+.decision-badge, .terminal-badge, .integrity-badge { flex: 0 0 auto; padding: .32rem .6rem; border: 1px solid var(--line); border-radius: 999px; color: var(--cyan); font: 700 .72rem ui-monospace, SFMono-Regular, Menlo, monospace; }
+.decision-summary { color: var(--muted); }
+.decision-steps { list-style: none; margin: 1.35rem 0; padding: 0; }
+.decision-steps li { position: relative; padding: 0 0 1rem 1.8rem; border-left: 1px solid #29405f; }
+.decision-steps li::before { content: ""; position: absolute; left: -.33rem; top: .25rem; width: .6rem; height: .6rem; border-radius: 50%; background: var(--blue); }
+.decision-steps li.warn::before { background: var(--amber); }
+.decision-steps li.blocked::before { background: var(--red); }
+.decision-steps strong { display: block; }
+.decision-steps span { color: var(--muted); font-size: .87rem; }
+.decision-footer { display: grid; grid-template-columns: .75fr .75fr 1.5fr; gap: .55rem; }
+.decision-footer div { min-width: 0; padding: .75rem; border: 1px solid var(--line); border-radius: .75rem; background: rgba(7,16,31,.6); }
+.decision-footer span { display: block; color: var(--muted); font-size: .7rem; }
+.decision-footer strong { display: block; overflow: hidden; color: var(--ink); font-size: .95rem; text-overflow: ellipsis; white-space: nowrap; }
+
+.passport-panel { grid-column: 2; }
+.passport-panel > p { color: var(--muted); }
+.passport-panel dl { display: grid; grid-template-columns: repeat(3, 1fr); gap: .55rem; }
+.passport-panel dl div { min-width: 0; padding: .65rem; border-bottom: 1px solid var(--line); }
+.passport-panel dt { color: var(--muted); font-size: .7rem; }
+.passport-panel dd { margin: .1rem 0 0; overflow: hidden; font-size: .78rem; font-weight: 700; text-overflow: ellipsis; white-space: nowrap; }
+.passport-panel pre, .evidence-panel pre { overflow: auto; margin: 1rem 0 0; padding: 1rem; border-radius: .8rem; background: #07101f; color: #bed3ec; font: .75rem/1.6 ui-monospace, SFMono-Regular, Menlo, Consolas, monospace; white-space: pre-wrap; word-break: break-word; }
+.passport-panel pre { max-height: 15rem; }
+
 .scenario-tabs { display: grid; grid-template-columns: repeat(3, 1fr); gap: .7rem; margin-bottom: 1rem; }
-.scenario-tab {
-  min-height: 4.9rem;
-  padding: .9rem 1rem;
-  border: 1px solid var(--line);
-  border-radius: .9rem;
-  background: rgba(13,25,43,.7);
-  color: var(--muted);
-  text-align: left;
-  font: inherit;
-  cursor: pointer;
-}
+.scenario-tab { min-height: 4.9rem; padding: .9rem 1rem; border: 1px solid var(--line); border-radius: .9rem; background: rgba(13,25,43,.7); color: var(--muted); text-align: left; font: inherit; cursor: pointer; }
 .scenario-tab strong { display: block; margin-bottom: .15rem; color: var(--ink); }
 .scenario-tab[aria-selected="true"] { border-color: var(--blue); background: rgba(60,121,217,.16); color: #d8e8ff; }
 .replay-grid { display: grid; grid-template-columns: 1.05fr .95fr; gap: 1rem; }
-.replay-panel, .evidence-panel {
-  min-height: 34rem;
-  padding: 1.6rem;
-  border: 1px solid var(--line);
-  border-radius: 1.15rem;
-  background: rgba(13,25,43,.82);
-}
-.replay-head, .evidence-head { display: flex; justify-content: space-between; gap: 1rem; align-items: start; }
+.replay-panel, .evidence-panel { min-height: 34rem; padding: 1.6rem; border: 1px solid var(--line); border-radius: 1.15rem; background: rgba(13,25,43,.82); }
 .case-id { margin-bottom: .15rem; color: var(--muted); font: 600 .78rem ui-monospace, SFMono-Regular, Menlo, monospace; }
-.terminal-badge, .integrity-badge {
-  flex: 0 0 auto;
-  padding: .32rem .6rem;
-  border: 1px solid var(--line);
-  border-radius: 999px;
-  color: var(--cyan);
-  font: 700 .72rem ui-monospace, SFMono-Regular, Menlo, monospace;
-}
 .scenario-summary { color: var(--muted); }
 .timeline { list-style: none; margin: 1.5rem 0; padding: 0; }
-.timeline li {
-  position: relative;
-  margin-left: .6rem;
-  padding: 0 0 1.05rem 2.1rem;
-  color: #74849b;
-  border-left: 1px solid #263751;
-}
-.timeline li::before {
-  content: "";
-  position: absolute;
-  left: -.38rem;
-  top: .2rem;
-  width: .7rem;
-  height: .7rem;
-  border-radius: 50%;
-  background: #31445f;
-}
+.timeline li { position: relative; margin-left: .6rem; padding: 0 0 1.05rem 2.1rem; color: #74849b; border-left: 1px solid #263751; }
+.timeline li::before { content: ""; position: absolute; left: -.38rem; top: .2rem; width: .7rem; height: .7rem; border-radius: 50%; background: #31445f; }
 .timeline li strong { display: block; color: #77889f; }
 .timeline li.done { color: #c1cede; }
 .timeline li.done strong { color: var(--ink); }
 .timeline li.done::before { background: var(--cyan); }
 .timeline li.current { color: #dce9f8; }
 .timeline li.current::before { background: var(--amber); box-shadow: 0 0 0 .32rem rgba(255,202,114,.12); }
-.evidence-panel pre {
-  min-height: 15rem;
-  max-height: 20rem;
-  overflow: auto;
-  margin: 1.2rem 0;
-  padding: 1rem;
-  border-radius: .8rem;
-  background: #07101f;
-  color: #bed3ec;
-  font: .77rem/1.65 ui-monospace, SFMono-Regular, Menlo, Consolas, monospace;
-  white-space: pre-wrap;
-  word-break: break-word;
-}
+.evidence-panel pre { min-height: 15rem; max-height: 20rem; }
 .fact-list { display: grid; grid-template-columns: 1fr 1fr; gap: .5rem 1rem; margin: 1rem 0; }
 .fact-list div { padding: .65rem 0; border-bottom: 1px solid var(--line); }
 .fact-list dt { color: var(--muted); font-size: .75rem; }
@@ -251,27 +224,28 @@ footer { display: flex; justify-content: space-between; gap: 2rem; padding: 1.5r
 footer p { margin: 0; }
 noscript { display: block; padding: 1rem; background: var(--amber); color: #251500; text-align: center; }
 
-@media (max-width: 900px) {
+@media (max-width: 960px) {
   nav a:not(.repo-link) { display: none; }
   .hero { grid-template-columns: 1fr; gap: 2rem; min-height: auto; }
-  .truth-card { max-width: 38rem; }
-  .flow-strip { overflow-x: auto; justify-content: start; white-space: nowrap; }
-  .replay-grid, .agentteams-card, .boundary-section { grid-template-columns: 1fr; }
+  .hero-proof { max-width: 40rem; }
+  .solution-strip { overflow-x: auto; justify-content: start; white-space: nowrap; }
+  .lab-grid, .replay-grid, .agentteams-card, .boundary-section { grid-template-columns: 1fr; }
+  .lab-controls { grid-row: auto; }
+  .passport-panel { grid-column: auto; }
   .metric-grid { grid-template-columns: 1fr 1fr; }
-  .runtime-facts { min-height: 7rem; }
 }
 
-@media (max-width: 620px) {
+@media (max-width: 680px) {
   main, footer { width: min(100% - 1.4rem, 1180px); }
   .topbar { padding-inline: .8rem; }
   .hero { padding-top: 4rem; }
-  h1 { font-size: 2.65rem; }
+  h1 { font-size: 2.7rem; }
   .section-heading { display: block; }
-  .scenario-tabs, .metric-grid, .boundary-grid { grid-template-columns: 1fr; }
-  .scenario-tab { min-height: auto; }
-  .replay-panel, .evidence-panel { padding: 1rem; }
-  .fact-list { grid-template-columns: 1fr; }
-  .runtime-facts { grid-template-columns: 1fr; }
+  .problem-grid, .scenario-tabs, .metric-grid, .boundary-grid, .control-row { grid-template-columns: 1fr; }
+  .segmented, .mutation-grid { grid-template-columns: 1fr 1fr; }
+  .decision-footer, .passport-panel dl { grid-template-columns: 1fr; }
+  .replay-panel, .evidence-panel, .lab-controls, .decision-panel, .passport-panel { padding: 1rem; }
+  .fact-list, .runtime-facts { grid-template-columns: 1fr; }
   .runtime-facts span { border-left: 0; border-top: 1px solid var(--line); }
   footer { display: block; }
 }
diff --git a/docs/95-plus-evidence-runbook.md b/docs/95-plus-evidence-runbook.md
deleted file mode 100644
index 68eb7a9..0000000
--- a/docs/95-plus-evidence-runbook.md
+++ /dev/null
@@ -1,207 +0,0 @@
-# ProofMesh：从工程强度到 95+ 证据的行动手册
-
-> 版本口径：本手册把“代码能力”“可复现证据”“真实外部证据”分开。任何账号、密钥、客户数据、合作方名称都不得发到聊天、Issue、截图或 Git 仓库。评委分数无法由参赛者保证；“88 / 95+”是内部冲刺目标，不是官方承诺。
-
-## 0. 先理解评分差距
-
-| 层级 | 评委真正要看的东西 | 可由开发者单独完成 | 必须由你或外部主体完成 |
-|---|---|---:|---:|
-| 工程竞争力目标约 88 | 真实模型接入通道、第二业务域、生产身份/数据/密钥接口、自动化测试、SBOM、可复现包 | 是 | 模型服务凭证用于最终实跑 |
-| 95+ 竞争力 | 支付与 CRM 的真实 sandbox trace、200–500 条经授权盲测、公开仓库历史、外部复现签名、真实参赛身份 | 否 | 是 |
-| 生产采用 | 企业 IdP/KMS、正式数据处理协议、小流量试点、生产 SLA、安全评估 | 否 | 是 |
-
-最短路径不是继续堆功能，而是把同一冻结版本依次通过：`模型自主轨迹 → sandbox 双写与故障恢复 → 授权数据盲测 → 独立机器复现`。
-
-## 1. 你今天要完成的五件事
-
-完成一项后只把“已配置/链接/非敏感 ID”告诉开发者；**永远不要发送 secret、token、客户原文或身份证明扫描件**。
-
-### 1.1 模型服务：优先百炼，Ollama 作离线备份
-
-#### 路径 A：阿里云百炼 / Model Studio（推荐）
-
-1. 用你的阿里云账号开通 Model Studio，选择与后续数据合规策略一致的地域和 Workspace。
-2. 在 Workspace 中创建**仅用于本项目、可随时撤销**的 API Key；不要复用个人主账号长期密钥。
-3. 在官方 Playground 先完成一次最小对话，记录非敏感的：地域、Base URL、Workspace ID、模型 ID。
-4. 在本机私密环境中设置以下变量；值不要写入 `.env.example`、日志或截图：
-
-   ```text
-   PROOFMESH_MODEL_PROVIDER=aliyun-model-studio
-   PROOFMESH_MODEL_BASE_URL=<你的地域对应 OpenAI-compatible URL>
-   PROOFMESH_MODEL_NAME=<实际可用模型 ID>
-   PROOFMESH_MODEL_API_KEY=<仅在本机秘密存储>
-   ```
-
-5. 回复开发者：`百炼已配置；region=...；model=...`。只给 region/model，不给 key。
-6. 设每日费用上限与告警；评测完成后轮换或撤销该 key。
-
-百炼官方说明其 API 提供 OpenAI-compatible 接入；Base URL 与 Key 需按地域和 Workspace 配置：[Model Studio 概览](https://www.alibabacloud.com/help/en/model-studio/what-is-model-studio)、[首次调用 Qwen](https://www.alibabacloud.com/help/en/model-studio/first-api-call-to-qwen)。
-
-#### 路径 B：本地 Ollama（无云端数据外发的备份）
-
-1. 从 [Ollama 官方下载页](https://ollama.com/download) 安装与你机器匹配的版本。
-2. 拉取一个支持工具调用、机器内存可承受的模型，并确认本地 `/v1/chat/completions` 可用。
-3. 设置：
-
-   ```text
-   PROOFMESH_MODEL_PROVIDER=ollama
-   PROOFMESH_MODEL_BASE_URL=http://127.0.0.1:11434/v1
-   PROOFMESH_MODEL_NAME=<本地模型名>
-   PROOFMESH_MODEL_API_KEY=ollama
-   ```
-
-4. 回复开发者：`Ollama 已配置；model=...`。
-
-Ollama 的 OpenAI-compatible 接口与工具调用能力见[官方兼容性文档](https://docs.ollama.com/api/openai-compatibility)。
-
-#### 模型验收门槛
-
-同一冻结版本、固定 seed/temperature（模型支持时）至少运行 30 次，覆盖四条路径：
-
-- 低风险成功；
-- 高风险暂停并等待 Human assertion；
-- 支付成功、CRM 失败后的补偿；
-- 参数/工具/上下文篡改被 Gateway 拒绝。
-
-必须导出模型原始 tool-call trace、Proof workflow id、失败原因和 token/延迟；不得把 direct MCP 脚本轨迹冒充模型自主轨迹。
-
-### 1.2 支付 sandbox：Stripe 测试环境
-
-1. 注册 Stripe 账号，切换到 **Sandbox / test environment**；禁止使用真实银行卡或 live key。
-2. 创建项目专用 sandbox。用官方测试支付方式先创建一笔模拟支付，再做一次退款。
-3. 创建**受限测试密钥**：只允许读取 PaymentIntent/Charge、创建/读取 Refund、读取 Event；不要给客户、转账、账户管理等无关权限。
-4. 如有固定出口 IP，再限制密钥来源 IP；启用请求日志。
-5. 在本机秘密存储：
-
-   ```text
-   PROOFMESH_VENDOR_TENANT_ID=acme-cn
-   PROOFMESH_STRIPE_SECRET_KEY=<sandbox restricted key>
-   PROOFMESH_STRIPE_API_BASE=https://api.stripe.com
-   ```
-
-6. 生成 20–50 个 sandbox 案例，至少覆盖：成功、重复幂等请求、退款失败/异步失败、网络在上游成功后中断、对账为 UNKNOWN。
-7. 回复开发者：`Stripe sandbox 已配置；account_id=...`，不要发送 key。
-
-Stripe 官方明确测试环境不会移动真实资金，并要求测试调用使用测试密钥：[Testing use cases](https://docs.stripe.com/testing-use-cases)、[Test card numbers](https://docs.stripe.com/testing)。密钥应放在 secret manager/环境变量并使用最小权限的 restricted key：[API key best practices](https://docs.stripe.com/keys-best-practices)。ProofMesh 的 operation id 应映射到 Stripe idempotency key；同一 key 不得改变参数，规则见[Idempotent requests](https://docs.stripe.com/api/idempotent_requests)。
-
-### 1.3 CRM sandbox：HubSpot 开发测试账户
-
-1. 注册 HubSpot 开发者账号。
-2. 进入 `Development → Testing → Test Accounts → Create`，创建隔离的 configurable test account。
-3. 建立仅安装到该测试账户的 private/static app；只申请 `tickets` scope，不申请 `tickets.sensitive` 或 `tickets.highly_sensitive`。
-4. 创建字段：`proofmesh_workflow_id`、`refund_state`、`refund_amount_bucket`、`proof_digest`。不要创建姓名、电话、地址等演示无关字段。
-5. 在本机秘密存储：
-
-   ```text
-   PROOFMESH_HUBSPOT_ACCESS_TOKEN=<测试账户 app token>
-   PROOFMESH_HUBSPOT_API_BASE=https://api.hubapi.com
-   PROOFMESH_HUBSPOT_OPEN_STAGE_ID=<测试 pipeline 的 open stage ID>
-   PROOFMESH_HUBSPOT_CLOSED_STAGE_ID=<测试 pipeline 的 closed stage ID>
-   PROOFMESH_VENDOR_TIMEOUT_SECONDS=3.0
-   ```
-
-6. 建 20–50 个 ticket，覆盖更新成功、版本冲突、超时后对账成功、权限拒绝和可重试 5xx。
-7. 回复开发者：`HubSpot test account 已配置；account_id=...`，不要发送 token。
-
-HubSpot 官方说明开发测试账户用于隔离测试，且可从 Development 页面创建：[Account types](https://developers.hubspot.com/docs/getting-started/account-types)、[Configurable test accounts](https://developers.hubspot.com/docs/developer-tooling/local-development/configurable-test-accounts)。Ticket API 的最小 scope 是 `tickets`：[Scopes](https://developers.hubspot.com/docs/apps/developer-platform/build-apps/authentication/scopes)。
-
-### 1.4 公开 GitHub 仓库与参赛身份
-
-1. 登录参赛者本人或团队组织的 GitHub；开启 2FA。
-2. 新建公开仓库，建议名称 `proofmesh-action-control-plane`，描述写清 Agent Infra / AgentTeams / Apache-2.0。
-3. **不要初始化 README/LICENSE**，避免与本地发布树冲突；先给开发者空仓库 URL，之后再由你明确授权推送。
-4. 提供以下非敏感信息，写入提交材料：
-
-   - 团队名称；
-   - 参赛成员姓名与角色；
-   - 单位/学校（如允许公开）；
-   - 公开联系邮箱；
-   - GitHub URL；
-   - 比赛报名编号（如有）。
-
-5. 首次发布使用冻结 tag（例如 `v1.0.0-competition`），上传源码、release ZIP、SHA256SUMS、SBOM、PPT PDF 和复现说明。
-6. 开启 Issues、Discussions、Actions；保护 `main`；Actions 默认 `GITHUB_TOKEN` 只读；任何云服务密钥只进入 Actions secrets/environment，不能进入代码或日志。
-7. 邀请独立复现者为只读/triage；如果他要提交报告，优先用 Issue/PR，不给管理员权限。
-
-GitHub 的官方建仓步骤见[Creating a new repository](https://docs.github.com/en/repositories/creating-and-managing-repositories/creating-a-new-repository)，secret 设置见[Using secrets in GitHub Actions](https://docs.github.com/en/actions/how-tos/write-workflows/choose-what-workflows-do/use-secrets)，最小权限和 fork 安全边界见[Secure use reference](https://docs.github.com/en/actions/reference/security/secure-use)。
-
-### 1.5 200–500 条工单与一位独立复现者
-
-#### 数据：先授权，再匿名化，再搬出数据方环境
-
-1. 找一家具备真实退款/售后流程的小型电商、SaaS 或校内服务团队；明确这里只做离线 shadow，不触达生产支付。
-2. 由数据负责人签署本仓 `docs/templates/data-authorization-and-anonymization-checklist.md`；写明目的、字段白名单、数量、保留期、删除日和可公开聚合指标。
-3. **在数据所有方环境内**先删自由文本和直接标识符；不要先导出再脱敏。
-4. 推荐只保留：风险分层、金额区间、币种、商品类别、订单年龄区间、是否重复请求、当前状态、期望动作、最终标签、故障类别。时间只保留相对区间。
-5. 工单/订单 ID 用项目专用随机映射，不用可逆的明文哈希；映射表留在数据方且不交付。
-6. 由不参与开发的人抽查重识别风险；发现姓名、手机号、邮箱、地址、证件、账号、聊天原文即停止导入。
-7. 冻结数据集摘要与 schema；只把匿名数据文件放到本机受限目录，不上传聊天。公开仓库只提交数据字典、聚合统计、数据集 hash 和评测报告。
-8. 先用 50 条 dry run，再盲跑剩余 150–450 条；不得根据测试标签临时改策略。报告全部失败样本和置信区间。
-
-仓内已经提供严格导入器。它要求 case 与 blind label 分离、200–500 条、closed enum schema、随机 `pmc_` 标识、分层覆盖和授权引用；报告只输出计数与 hash，不回显工单内容：
-
-```text
-PYTHONPATH=src python scripts/pilot/validate_pilot_dataset.py \
-  --cases /受限目录/cases.jsonl \
-  --labels /受限目录/blind-labels.jsonl \
-  --origin AUTHORIZED_HISTORICAL \
-  --authorization-ref AUTH-2026-PM-001 \
-  --reviewed-by reviewer@example.org \
-  --output /受限目录/pilot-dataset-report.json
-```
-
-这份报告仍只证明 schema/hash/覆盖；“客户试点”只有在外部 claim gate 同时绑定授权记录和独立评审后才能升级为 VERIFIED。
-
-中国《个人信息保护法》要求处理个人信息遵循合法、正当、必要、最小范围；“去标识化”仍不同于“匿名化”，只有无法识别且不能复原才符合其匿名化定义。操作前应由数据方负责人/法务确认授权与处理基础，本手册不替代法律意见。官方全文见[工业和信息化部转载文本](https://www.miit.gov.cn/jgsj/zfs/fl/art/2022/art_515a4b20c12f430eab54bb4f56d89f56.html)。
-
-#### 独立复现：必须与开发过程分离
-
-复现者最好是未参与代码开发的安全、平台、审计或业务同学。把以下材料交给他：
-
-- 冻结 release URL、tag、commit 和 SHA256；
-- 一页 quickstart，不提供开发机数据库/私钥；
-- 预期只描述“不变量”，不要提前告诉具体输出 hash；
-- 本仓 `docs/templates/independent-reproduction-attestation.md`。
-
-他应在干净机器完成：校验 ZIP hash、安装、全量测试、三条 reference proof 包外复验、629 授权回放、240 合成故障盲测、至少一个篡改负例。开发者不能远程操作其机器；如需帮助，先记录原始失败，再另开修复版本。最终提交签名报告、机器环境、开始/结束时间、命令结果、差异和公开 Issue URL。
-
-## 2. 两周执行节奏
-
-| 时间 | 你负责 | 开发侧负责 | 完成定义 |
-|---|---|---|---|
-| D0–D1 | 模型、Stripe、HubSpot、GitHub 建号 | 冻结 adapter 合同与 secret 边界 | 四项均只在本机配置，仓库无 secret |
-| D2 | 运行模型 4 路径 | 固化 tool trace / ablation / Proof 关联 | ≥30 次模型轨迹，可复算、失败全量披露 |
-| D3–D4 | 提供 sandbox 非敏感 ID | 接通支付/CRM、故障注入与对账 | 无真实资金；重复副作用为 0；UNKNOWN 停机 |
-| D5 | 确认公开身份与仓库 | 发布 tag、CI、SBOM、复现包 | 外部从 URL 可下载并验 hash |
-| D6–D8 | 获得书面数据授权并在数据方环境匿名化 | 导入器、schema 校验、冻结策略 | 200–500 条；无直接标识符；dataset hash 固定 |
-| D9–D10 | 安排独立评审 | 只响应公开缺陷，不代跑 | 独立报告含原始失败与最终结果 |
-| D11–D12 | 确认允许公开的聚合结果 | 更新 PPT/白皮书/视频 | 所有数字可追到 artifact，不夸大 sandbox/试点 |
-| D13–D14 | 完成报名与最终签字 | 重建 release + SHA + submission gate | 提交物一致、链接有效、身份完整 |
-
-## 3. 给开发者的安全回执格式
-
-你可以复制下列格式回复；未完成的行留空。不要附密钥或客户文件。
-
-```text
-模型：provider=百炼/OpenAI/Ollama；region=...；model=...；本机已配置=yes/no
-Stripe：sandbox account id=...；restricted test key 本机已配置=yes/no
-HubSpot：test account id=...；tickets-only token 本机已配置=yes/no
-GitHub：公开空仓库 URL=...
-参赛身份：团队名=...；成员/角色=...；单位=...；公开邮箱=...；报名号=...
-数据：数据方书面授权=yes/no；预计匿名工单数=...；文件仅在本机受限目录=yes/no
-复现者：角色/单位（可匿名描述）=...；预计复现日期=...
-```
-
-## 4. 95+ 的严格 Claim Gate
-
-只有下表全通过，材料才可升级措辞：
-
-| 拟声称内容 | 必需证据 | 不足时的准确措辞 |
-|---|---|---|
-| “模型自主多 Agent 协同” | 模型服务原始 trace + TeamHarness 7 步 + 4 业务路径 + 多次重复统计 | “direct MCP lifecycle 已验证，模型通道待外部凭证实跑” |
-| “真实支付/CRM 集成” | 供应商 sandbox request id、幂等 key、对账日志、无 live 数据证明 | “独立 HTTP 合成 sandbox” |
-| “客户试点” | 数据方授权、真实业务样本、冻结方案、盲测报告 | “合成/公开基准评测” |
-| “独立复现” | 外部人员、独立机器、冻结 hash、签名报告和公开链接 | “开发者本机复验” |
-| “生产就绪” | 企业 IdP/KMS/数据库、容量与故障演练、安全评估、SLA | “生产边界接口与部署参考已实现” |
-
-任何一项不满足，都保留右栏表述。这样做不是保守，而是让评委无法用一个追问击穿整套可信度。
diff --git a/docs/agentteams-official-mapping.md b/docs/agentteams-official-mapping.md
index 93de3fd..a5cc2d6 100644
--- a/docs/agentteams-official-mapping.md
+++ b/docs/agentteams-official-mapping.md
@@ -60,7 +60,7 @@ flowchart LR
 
 选择 AgentTeams 首先是赛题强制要求，其次是它的原生 Human / Worker / Team 资源、TeamHarness Project / Task 状态流、Matrix 协作面和 MCP / Skill 接口与本项目“角色职责分离 + 可审计交接”一致。ProofMesh 没有在 AgentTeams 外另造一个同名编排器来规避框架。
 
-竞赛提交中 **AgentTeams 不可替换**。在赛后产品化中，可替换的是模型 provider、Worker runtime、对象存储、Matrix 展示面以及支付/CRM/记忆后端；替换必须保留以下合同：稳定 Project/Task ID、显式 DAG 与前驱 digest、角色身份、可暂停的 Human gate、幂等任务状态、结果摘要和审计 trace。ProofMesh 的 Action Passport、Gateway 与 Proof Verifier 不依赖某个模型厂商，但仍通过适配层与 AgentTeams 协同账本关联。
+ProofMesh 把 **AgentTeams 作为协作平面**。产品化时可替换模型 provider、Worker runtime、对象存储、Matrix 展示面以及支付/CRM/记忆后端；替换必须保留稳定 Project/Task ID、显式 DAG 与前驱 digest、角色身份、可暂停的 Human gate、幂等任务状态、结果摘要和审计 trace。ProofMesh 的 Action Passport、Gateway 与 Proof Verifier 不依赖某个模型厂商，但仍通过适配层与 AgentTeams 协同账本关联。
 
 ## 6. `v1.2.2` 迁移门禁与成本
 
diff --git a/docs/architecture.md b/docs/architecture.md
index 2511d36..1dd35cc 100644
--- a/docs/architecture.md
+++ b/docs/architecture.md
@@ -9,7 +9,7 @@ ProofMesh 不负责让模型“更聪明”，而负责让多 Agent 的业务动
 - **失败后可恢复**：重试以逻辑操作而不是本次 token 为中心，崩溃后先对账，再决定回放或进入未知态；
 - **执行后可证明**：独立 Verifier 使用系统之外的信任锚复算签名、链，并验证由商务上游独立身份签名的业务终态。
 
-竞赛用例是一条客户退款 Saga。SQLite 商务靶场会真实执行余额扣减、退款记录、工单关闭和补偿恢复，因此能验证事务与故障恢复；它不连接真实企业账户。
+退款参考用例是一条本地 Saga。SQLite 商务靶场会真实执行余额扣减、退款记录、工单关闭和补偿恢复，因此能验证事务与故障恢复；它不连接真实企业账户。
 
 ## 2. 控制面与数据面
 
diff --git a/docs/competition-research.md b/docs/competition-research.md
deleted file mode 100644
index 3bdda04..0000000
--- a/docs/competition-research.md
+++ /dev/null
@@ -1,121 +0,0 @@
-# GOAI「新智基座 Agent Infra」赛题研究与获奖策略
-
-> 版本基准：2026-08-12。赛程可能调整，提交前应再次核对[官方赛道页](https://www.goaihz.com/tracks?track=infra)与组委会通知。
-
-## 1. 官方要求的本质
-
-官方把赛道目标写得非常明确：面向企业级复杂任务构建多 Agent 基础设施与协同系统，推动 Agent “从 Demo 走向 Production”；作品需设计不少于 3 个不同职能 Agent，并覆盖任务拆解、上下文传递、工具调用、结果验证、执行证据、安全审计、审批/回滚与经验沉淀。
-
-三个不能规避的要求：
-
-- **AgentTeams 必选**：不是在 PPT 写一个名字，而是把角色编排、任务拆解、上下文、协同执行和状态追踪映射到真实框架能力；
-- **Skill 必选**：要有输入输出、调用条件、依赖工具、失败处理、安全边界、验证方式、复用、版本和分发；
-- **工程证据优先**：复赛要求可执行 AgentTeams 包与可运行 Demo/视频，评审要看日志、Trace、Metrics、运行报告、权限、密钥、审批、回滚、降级和审计。
-
-官方还明确：推荐云产品不按数量加分，关键是必要性、接口契约、可替换性、权限边界、闭环证据与迁移成本。因而“堆产品 Logo”不是获奖路线。
-
-## 2. 为什么选智能客服退款
-
-官方开放选题的“智能客服自主闭环”示例直接包含：多渠道工单、意图分级、退款/换货/账户变更、结果核验、客户确认和知识沉淀。ProofMesh 选择退款不是随便造一个 Demo，而是把官方建议场景中最难、最可审计的一类副作用做深：
-
-- 退款有真实金额与累计预算，错误不能靠重新生成文本弥补；
-- 工单、订单、退款跨系统，天然需要上下文一致性；
-- 高风险金额需要职责分离与人工审批；
-- 支付成功而 CRM 失败是标准分布式 Saga；
-- 最终结论必须回查余额和工单，而不是相信 Agent 自报成功。
-
-更重要的是，参赛成果不是“退款机器人”，而是可迁移到换货、账户变更、理赔、授信、运维修复和研发发布的 **Agent Action Control Plane**。退款是第一个苛刻验证靶场；生产运维变更已作为第二业务域运行四条路径，证明协议迁移并非只停留在叙事层。
-
-## 3. 评审权重与 ProofMesh 对位
-
-| 官方维度 | 权重 | ProofMesh 的得分抓手 | 必须展示的证据 |
-|---|---:|---|---|
-| 场景价值与行业复制 | 25% | 高风险客服副作用；Action Passport/Verifier 可跨行业复用 | 退款事故链、迁移矩阵、[试点 KPI 计分卡](pilot-value-scorecard.md) |
-| 多 Agent 协同与闭环 | 25% | 7 角色、CAS 状态机、Human pause/resume、Saga 补偿、独立验真 | AgentTeams DAG、task receipt、异常分支、职责隔离 |
-| Skill 工程体系 | 25% | 7 个官方布局 Skill/ZIP，闭合 schema、错误码、安全边界 | 每个 Skill 的合同、版本、校验与分发包 |
-| 工程、安全、运行验证 | 20% | MCP 双面、Action Passport、逻辑操作/租约/对账、外部信任锚、K8s admission、629 case 回放 | 实跑 Demo、Proof Valid、测试、报告、容器与部署材料 |
-| 开放/开源 | 5% | Apache-2.0、AgentDojo 归属、可复现脚本、接口文档 | LICENSE、THIRD_PARTY、README、公开仓库 |
-
-## 4. 差异化：评委为什么不应把它归为普通 Agent Demo
-
-普通方案常停在“七个角色依次输出文本”。ProofMesh 的差异是把协同结论变成**执行许可与可验证业务结果**：
-
-1. Worker 只调用高层任务工具，底层 Action Passport 对模型不可见；
-2. 许可证精确绑定工具、资源、参数、金额、预算、策略与审批；
-3. 审批只把状态从 `WAITING_APPROVAL` 变为 `AUTHORIZED`，不会把审批按钮偷偷做成执行按钮；
-4. 重试围绕逻辑操作，用 owner/generation/lease/fencing 与上游对账避免重复退款；
-5. CRM 失败后执行真实补偿，并由另一个 Agent 回查余额恢复和工单开放；
-6. Proof Verifier 不信任包内 trust root，能拒绝“整包换根重签”和“签名正确但金额/工单拼错”；
-7. 公开 AgentDojo 629 case 回放提供可复现合同指标，不把合成样例冒充模型 ASR。
-
-一句话获奖主张：
-
-> 目标架构中，AgentTeams 负责多 Agent 协作；ProofMesh 负责证明动作被正确的人、在正确范围内授权并可恢复执行，并且失败后回到了可验证状态。
-
-## 5. 官方技术项覆盖
-
-| 官方项 | 当前实现 | 判断 |
-|---|---|---|
-| 至少 3 Agent | 7 个 Worker Agents；另有 1 个 Human approver；Team 是编排资源，不计作 Agent | 超额覆盖 |
-| Agent Identity 清单 | `docs/agent-identity-register.md`（附录 A 八字段）+ `human.yaml`、`workers.yaml`、`team.yaml`、manifest/SOUL/AGENTS | 已覆盖 |
-| AgentTeams 基点 | 已实跑基线锁定 v1.2.0-beta.1 / commit `78d0ced...`；资源、ZIP、bootstrap、TeamHarness DAG；针对 Manager REST 缺失 `workerMembers` 映射提供 commit/hash 锁定的最小兼容补丁 | Team Active 与 direct lifecycle 已证；当前 stable v1.2.2 仅为迁移目标，尚未验证；[五项官方映射与迁移门禁](agentteams-official-mapping.md) |
-| Skill | 7 个 Skill，输入/输出 schema、调用条件、依赖、失败、安全、错误码 | 已覆盖 |
-| MCP | 7 个角色端点 + 内部动作网关；JSON-RPC initialize/list/call | 已覆盖 |
-| 上下文能力至少 2 项 | 共享状态 + 记忆存储 + 轨迹/回执/指标 | 不依赖 RAG 仍满足 |
-| 可观测 | 事件链、task/gateway receipt、Prometheus metrics、OTel GenAI 字段 | 已覆盖，生产后端待接 |
-| 官方云 Skill | `alibabacloud-sls-query` 的只读采用 / RAM / 脱敏契约 | 设计已覆盖；无云账号与运行日志，不冒充实跑 |
-| 审批/回滚 | digest-bound approval + Saga compensation + postcondition verify | 已覆盖 |
-| 运行验证 | 业务 E2E、并发/崩溃测试、629 case 合同回放、Verifier 负向测试 | 已覆盖 |
-| 开源 | Apache-2.0、第三方归属、构建/测试/部署说明 | 已覆盖 |
-
-## 6. 当前证据分级
-
-为了避免评委发现“包装”，所有主张采用四级标签：
-
-- **L1 静态可审计**：YAML、Skill、schema、ZIP、架构和源代码；
-- **L2 本地确定性实跑**：三条真实 SQLite 业务路径、自动化测试、Proof Verifier；
-- **L3 官方控制面实跑**：官方 AgentTeams Manager/Controller 进程、资源 CR、Worker/TeamHarness health 与直接 MCP project/task 生命周期；
-- **L4 模型驱动协同实跑**：真实模型凭证下由 QwenPaw Leader/Workers 自主认领并完成任务。
-
-L4 没有原始日志时绝不宣称“七 Agent 自主运行成功”。这份诚实边界本身就是安全与工程成熟度证据。
-
-当前 L3 的精确边界是：锁定官方源码的最小补丁已通过三个 Go 合同测试并构建为单层兼容镜像；Human、七个 Worker 与 TeamHarness health 已实测，七成员 Team=`Active`。同一 Project 下的 direct MCP `create → plan → delegate → ack → submit → check → accept` 已跨 Leader / Worker 容器完成。它证明控制面状态流，不证明 placeholder provider 下的模型自主协同；可选 Matrix artifact publication 仍有 ATB-007 open finding。
-
-## 7. 赛程与提交策略
-
-官方赛程（北京时间）：
-
-| 阶段 | 时间 | 提交 |
-|---|---|---|
-| 初赛 | 7.16–8.16 | 500 字内作品简介、方案 PPT/PDF；AgentTeams 代码包可选 |
-| 初赛评审 | 8.17–8.24 | Top 30 进入复赛 |
-| 复赛 | 8.25–9.3 | 更新方案、可执行 AgentTeams 包、可运行 Demo/视频 |
-| 复赛评审 | 9.4–9.10 | Top 15 进入决赛 |
-| 决赛 | 9.22 | 现场路演 PPT、现场 Demo、最终仓库/工程材料 |
-| GOAI DAY | 9.23 | 颁奖、展示与生态对接 |
-
-截至 2026 年 8 月 13 日，官网列示初赛于 8 月 16 日截止；具体提交时刻以报名系统和组委会最新通知为准。当前策略不是继续无边界加功能，而是：
-
-1. 先锁定真实、可复现、无夸张的代码与指标；
-2. 初赛 PPT 用“行业痛点 → 核心机制 → 三条实跑证据 → 评分映射 → 复赛路线”完成闭环；
-3. 可选代码包主动提交，利用超出初赛强制要求的工程完成度拉开差距；
-4. 复赛只增加真实模型驱动 AgentTeams 证据、视频、外部存储/网关适配，不推翻架构；
-5. 决赛准备断网可演示的本地路径，同时保留 L3/L4 原始日志与一键验真。
-
-## 8. 仍会丢分的地方与行动
-
-| 风险 | 影响 | 行动 |
-|---|---|---|
-| 缺少真实模型 API 凭证 | 不能完成 L4 QwenPaw 自主协同证据 | 复赛前配置合规模型账号，跑官方 E2E 风格任务并保留 Matrix/TeamHarness 原始记录 |
-| placeholder provider 未产生模型协同 | Team 与 direct MCP lifecycle 已实证，但不能证明模型自主规划 / 认领 | 接入合规模型凭证，跑七角色业务 trace，并保留 Matrix/TeamHarness 与 ProofMesh 双账本 |
-| 生产 adapters 仍是参考实现 | 评委可能误以为 OIDC/PostgreSQL/remote signer 已连接真实设施 | 明示“代码已实现、环境未接入”；复赛连接企业测试设施并保留去敏部署与故障证据 |
-| Stripe/HubSpot adapter 未实跑 | sandbox-ready 不等于已接真实测试账户 | 用最小权限测试凭证跑成功、补偿、UNKNOWN、重复和参数漂移路径，保存上游对账回执 |
-| 无第三方安全评估 | 安全主张仍是自证 | 发布威胁模型，邀请独立审查，记录整改前后证据 |
-| 价值 KPI 主要是推演 | 25% 场景价值可能不足 | 按[统一计分卡](pilot-value-scorecard.md)找 1 家客服/电商团队做 200–500 条历史工单 shadow / sandbox 盲测 |
-| 初赛叙事过技术化 | 评委可能看不见商业价值 | 首页先讲“防错付、可追责、可恢复”，技术细节下沉到证据页 |
-
-## 9. 最终判断
-
-这个方向有获奖潜力，因为它同时命中官方推荐的智能客服场景、AgentTeams/Skill 强制项和“Demo → Production”的赛道主轴，而且选择了多数参赛方案最薄弱的执行安全与证明层。真正的竞争优势不在代码行数，而在于把每一项高分主张都变成评委可以当场复现、篡改、拒绝和验真的证据。
-
-按官网 25/25/25/20/5 维度形成的**工程准备度内部自评约为 88/100（22/20/22/20/4）**：退款三路径与生产运维四路径证明协议跨两个业务域复用；162 项测试、生产迁移参考适配、Team Active 与 direct MCP lifecycle 提升了工程完整度。这不是主办方评分：`modelDriven=false`，生产 adapters 未接真实设施，Stripe/HubSpot 仅 sandbox-ready，且模型实跑、vendor sandbox、授权历史试点、独立复现、公开仓库/身份、生产设施六项外部 Claim 全部 `PENDING`。95+ 只能靠这些外部证据，不能靠继续增加本地代码或合成样本。逐项口径与门槛见 [judge-scorecard.md](judge-scorecard.md) 和 [95+ evidence runbook](95-plus-evidence-runbook.md)。
diff --git a/docs/judge-console-compensated-current.png b/docs/console-compensated-reference.png
similarity index 100%
rename from docs/judge-console-compensated-current.png
rename to docs/console-compensated-reference.png
diff --git a/docs/defense-qa.md b/docs/defense-qa.md
deleted file mode 100644
index 911d5e3..0000000
--- a/docs/defense-qa.md
+++ /dev/null
@@ -1,101 +0,0 @@
-# 决赛答辩高压 Q&A
-
-## 1. 这不还是一个退款 Demo 吗？
-
-不是。退款是第一个验证靶场；第二个已实现的业务域是生产运维变更。退款域有自动、审批、补偿 3 条参考路径；运维域有低风险完成、高风险外部签名审批完成、健康失败补偿、对账不明 `UNKNOWN_MANUAL` 4 条路径。两域复用 Action Passport、AuthorizedToolCaller、GatewayStore、Execution Receipt 与包外 Verifier，但各自拥有独立 policy、业务状态和补偿语义。因此可迁移性已有运行证据，不只是把字段换名字；它仍是 reference workflow，不等于真实企业运维平台已接入。
-
-## 2. 为什么说不是玩具？
-
-因为它真的改变事务状态，并对生产故障语义负责：余额与退款记录原子提交；并发 revision 使用 CAS；长调用续租；旧进程用 fencing 失去提交权；崩溃接管先上游对账；结果未知停止自动重放；CRM 失败后真实补偿；独立 Verifier 回查余额、退款和工单。界面只是这些机制的观察窗。
-
-## 3. 没有真实模型，怎么叫多 Agent？
-
-控制面能力与模型推理能力必须分开。七个身份、角色工具、状态机、task receipt 和 AgentTeams 资源是确定的；模型驱动 QwenPaw 自主认领仍必须有真实模型凭证和原始 TeamHarness/Matrix 记录。当前 L1/L2 已验证，L3 已有 Team Active 与跨 Leader/Worker 的 direct MCP 生命周期实证，但不声明 L4。这样避免把控制面直调冒充模型自主协同。
-
-## 4. AgentTeams 是不是只写进了 PPT？
-
-不是。交付锁定官方 v1.2.0-beta.1，包含 Human、7 qwenpaw Workers、Team 定义、退款 DAG、7 个官方根目录 ZIP、bootstrap 和严格 validator；每个 Worker 绑定唯一角色 MCP 与工具。我们针对 beta Manager REST 未映射 `workerMembers` 的缺口构建了最小补丁 Controller；补丁镜像上 Team 已 `Active`，Leader 与六个 Worker ready，7/7 Worker Running。
-
-我们没有用旧 inline Team 绕过，因为那会重复创建 Worker，破坏解耦身份。补丁只让 Create REST DTO 接收 `workerMembers`，非空时走既有解耦控制器，空时完全保留 legacy 校验/映射；三个 Go 合同测试已通过，镜像已从锁定源码构建并运行。随后 direct MCP 在同一 Project 下跨 Leader 与 ticket-intake 两个真实容器完成 `create → plan → delegate → ack → submit → check → accept`。这证明控制面生命周期，不证明 placeholder provider 下的模型自主协同。
-
-## 5. 审批是不是万能放行？
-
-不是。审批只能在 `WAITING_APPROVAL` 状态记录，要求与请求者不同的已认证主体、当前 revision、足够理由、精确 scope、plan digest 与 policy digest 一致。成功后只进入 `AUTHORIZED`，不会执行副作用。Executor 还要单独调用；网关在执行瞬间再次验证 approval digest。
-
-高风险审批现在必须携带包外 approval-service Ed25519 JWS。断言精确绑定 issuer、subject、workflow / project / tenant、当前 revision、context / policy / plan、理由摘要、两项具体动作参数、金额、币种与短时窗口；API Bearer subject 与 assertion subject 必须一致。Workflow、Gateway 和包外 Verifier 三处分别验签，Gateway 对超过固定自动金额阈值却伪标 `AUTOMATIC` 的 Passport 直接拒绝。审批服务 issuer 必须出现在包外 trust bundle 的独立 allowlist；控制面和 `build_runtime` 不持有审批私钥。
-
-参考证据中的断言由独立脚本/目录中的 synthetic key 签发，`acr=urn:proofmesh:reference:synthetic-approval`、`amr=[reference-script]`，不冒充企业 SSO 或 MFA。生产必须替换为真实企业 IdP / 审批服务及其 assurance claim。当前 Gateway 能独立重算金额门槛，但没有独立风险评分事实源；“低金额但因风险分要求人工”的控制面攻陷绕过仍是待生产化的残余边界。
-
-## 6. 为什么不承诺 exactly-once？
-
-跨进程和外部系统无法只靠本地数据库数学保证 exactly-once。ProofMesh 提供可实现的语义：稳定 logical operation id、上游幂等、fenced owner、租约、对账和 UNKNOWN 停止重放。只有上游也支持按 operation id 去重/查询时，才能把重复副作用风险压到协议边界内；否则诚实地进入人工对账。
-
-## 7. 进程在扣预算后、上游执行后、写 receipt 前崩溃怎么办？
-
-新的等价凭证接管同一逻辑操作，不再次扣预算。过期租约后先用稳定 operation id 查询上游：已成功则用查询结果完成封存；确认不存在才重派；无法判断则 `UNKNOWN`。finalize 还需 owner/generation CAS，旧进程恢复也不能覆盖新 owner。
-
-## 8. 攻击者替换 Proof 包里的公钥，再把整包重签呢？
-
-Verifier 不使用包内根。trust bundle 是命令行/部署侧外部输入，并严格验证 public key、issuer、token type、有效期和撤销字段。攻击者能重签自己的包，但无法让外部 pinned key 接受。
-
-## 9. 如果每个签名都有效，但把金额或工单拼错呢？
-
-这正是语义 Verifier 与“只验签”的差别。Verifier 跨 request、plan、approval、task receipt、gateway receipt 和由 Commerce 独立 key 签名的最终 snapshot，核对 tenant、workflow、tool、resource、amount、currency、order/ticket/refund 关系与余额公式。Proof Sealer 无权签 Commerce attestation；签名正确但语义不一致仍然失败。
-
-## 10. 拒绝请求也有签名证明吗？
-
-当前没有。成功执行产生签名 execution receipt；拒绝写入 `gateway_denials` SQLite audit row。报告明确区分，未把拒绝行包装成外部不可抵赖回执。生产版可以增加独立 denial signer/透明日志，但必须考虑拒绝洪泛和存储成本。
-
-## 11. AgentDojo 的 100% 是不是“安全率 100%”？
-
-不是。100% 指在 2,159 个固定 user ground-truth 合同上全部接受，并对工具/参数/上下文错配全部拒绝；它不运行模型，不测提示注入 ASR 或 task utility。报告给出 Wilson 区间，并将 placeholder 保留为符号值。我们证明授权网关符合合同，不证明模型不会生成危险计划。
-
-## 12. 为什么用 TraceBackend，不执行 AgentDojo 真实外部工具？
-
-本实验测的是控制面授权一致性和幂等副作用计数。TraceBackend 是确定性、无外部账号的效果接收器，能精确判断是否重复派发。要测端到端 utility/ASR，必须在独立环境运行官方模型 runner，并与本实验分开报告。
-
-## 13. SQLite 怎么能叫企业级？
-
-SQLite 是可审计参考靶场，不是最终 HA 存储。项目现已增加 PostgreSQL GatewayStore 参考实现，覆盖事务锁、租约/fencing、reconcile 与 `UNKNOWN`；生产容器依赖也已分层。但它尚未连接真实 PostgreSQL 集群，工作流/业务/ledger 仍有 SQLite 边界，也未完成迁移、备份恢复和 HA 演练。因此只能说“生产迁移接口已实现”，不能说“生产数据库已验证”。
-
-## 14. Saga compensation 就等于 rollback 吗？
-
-不是所有外部副作用都能物理回滚。这里的补偿是新的受控业务动作：将退款标记为 `COMPENSATED`、恢复可退款余额、确保工单开放。它有独立 Passport、receipt 和 postcondition。若补偿失败，系统 `BLOCKED` 并升级人工，而不是写一条“已回滚”日志。
-
-## 15. 为什么不用 RAG？是否不满足赛题？
-
-官方要求在记忆、知识库 RAG、共享状态、轨迹可观测四项中至少实现两项。ProofMesh 实现共享状态、脱敏记忆和可观测回执/事件/指标，因此不需要为了 Logo 强行加 RAG。真实客服知识检索可在 Investigator Skill 后接，但授权控制面不应依赖非确定性检索结论。
-
-## 16. Kubernetes NetworkPolicy 就能防 Worker 旁路吗？
-
-不能单独防。NetworkPolicy 限制网络路径；Admission 防止工作负载自行改策略摘要/镜像；上游工具还必须验证 gateway 的 mTLS/SPIFFE 身份并拒绝 Agent ServiceAccount。三者共同形成边界，标签本身不是凭证。
-
-## 17. Skills 的复用在哪里？
-
-七个 Skill 都有闭合输入/输出 schema、调用状态、依赖 MCP、失败策略、安全边界、证据要求和错误码；Worker 包使用官方目录结构，能独立版本和分发。退款与运维两个业务域已复用同一授权、恢复和验真协议，证明它们不是一次性 prompt；当前仍缺外部使用者和云端实跑证据。
-
-## 18. 商业价值如何量化？
-
-当前能直接测的工程 KPI 是重复副作用、非法错误通过、人工门禁、补偿恢复和审计复算时间。商业 KPI 需在真实历史工单盲测：自动闭环率、人工触达率、重复退款率、平均处理时长、异常恢复时长和审计取证时间。PPT 中应将目标值标为待试点验证，不能把工程回放推成财务收益。
-
-统一定义、数据源、公式与两周试点流程已写入 `docs/pilot-value-scorecard.md`。年度风险避免 / 审计效率公式只在企业提供工单量、基线异常率、损失和人力成本后代入；不能凭空填一个“节省 XX%”。
-
-## 19. 最大已知风险是什么？
-
-三个：一是上游缺少稳定幂等/对账接口时无法消除未知副作用；二是真实模型驱动 AgentTeams 协同尚缺模型凭证和端到端业务 trace；三是尚无真实 sandbox、授权历史工单和独立复现形成外部证据。我们分别用 `UNKNOWN` fail-closed、`modelDriven=false` 和六项 Claim 全部 `PENDING` 约束宣传口径。
-
-## 20. 为什么这个项目可能赢？
-
-它不是把七个 Agent 排成流水线，而是补上赛题“Demo → Production”最难的执行层：谁能做什么、这一次能做多少、重试如何不重复、失败如何恢复、系统之外如何验证。每个主张都有可运行代码、负向测试和诚实边界，评委可以当场篡改并看到系统拒绝。
-
-## 21. 为什么没有直接堆阿里云官方 Skills？
-
-官网明确推荐项目和云产品不按使用数量评分。ProofMesh 只选择一个与证据链直接相关的官方 Skill 接入点：`alibabacloud-sls-query`，用于对脱敏 workflow / gateway / verifier 事件做只读检索；它只需要 GetIndex / GetLogsV2 权限，无退款写权限，也不能决定 Proof 是否有效。当前只有采用契约，没有阿里云账号与运行日志，因此不声称云端实跑。权限和复赛验收材料见 `docs/aliyun-skill-adoption.md`。
-
-## 22. 如果你是评委，现在会给多少分？
-
-工程准备度内部自评约 88/100：场景 22/25、多 Agent 20/25、Skill 22/25、工程 20/20、开源 4/5。依据是两个业务域、162 项测试、Team Active/direct lifecycle、生产迁移参考适配与供应链门禁。这不是主办方评分：`modelDriven=false`，production adapters 未连接真实设施，Stripe/HubSpot 仅 sandbox-ready，公开仓库、授权试点和独立复现尚未完成，六项外部 Claim 全部 `PENDING`。所以当前不能严谨自称 95+、前三或冠军。见 `docs/judge-scorecard.md`。
-
-## 23. 生产适配器和 Stripe/HubSpot 代码不是已经解决外部证据了吗？
-
-没有。OIDC/JWKS、PostgreSQL GatewayStore、remote signer 和供应链 provenance 是生产边界的参考实现，尚未连接真实企业 IdP/KMS/数据库；Stripe 与 HubSpot adapter 已实现真实 API 语义和密钥护栏，但没有测试账户 run。只有保存去敏环境标识、请求/对账摘要、上游回执、失败样本、commit 和独立验证结果，才可把对应 Claim 从 `PENDING` 升级。完整步骤见 `docs/95-plus-evidence-runbook.md`。
diff --git a/docs/demo-script.md b/docs/demo-script.md
deleted file mode 100644
index bac70fd..0000000
--- a/docs/demo-script.md
+++ /dev/null
@@ -1,109 +0,0 @@
-# ProofMesh 现场 Demo 脚本（4 分 30 秒）
-
-## 演示前 10 分钟
-
-1. 停止旧服务，运行 `make clean-runtime`；
-2. 加载七个 Agent 角色、职责分离的 Approver 与 Auditor 共九个不同 token，启动 `127.0.0.1:8000`；
-3. 确认 `/health` 与 `/ready` 成功；
-4. 预跑 `pytest -q` 和 629 case 报告校验；
-5. 浏览器保持 100% 缩放，先折叠角色凭证；
-6. 另开终端准备证明验真命令，断网也能运行。
-
-不要在录屏或投屏中展示 `.env`、AgentTeams 管理员口令、模型 key 或 gateway consumer key。
-
-## 0:00–0:35｜痛点与主张
-
-画面：控制台首页。
-
-讲述：
-
-> 多 Agent 会调用退款、工单和账户工具，但企业真正担心的是：模型临时改了参数怎么办？重试会不会退两次？审批是不是顺手就执行了？日志能不能被整包重签？ProofMesh 给每个副作用发一张短期、精确范围的 Action Passport，并在执行后生成可由系统之外复算的证明。
-
-指出页面右上角 `mcp-action-gateway · external trust` 与七角色 DAG。
-
-## 0:35–1:35｜高风险审批不是执行按钮
-
-1. 选择“高风险人工审批”；
-2. 点击“创建隔离案件”；
-3. 点击“推进至下一门禁”。
-
-必须看到：
-
-- `WAITING_APPROVAL`；
-- `next task = record_human_approval`；
-- 推进按钮禁用；
-- 计划摘要与 scope 展示；
-- 事件链 `VALID`；
-- 此时没有 `saga.executed`。
-
-讲述：
-
-> Orchestrator、Intake、Investigator 和 Policy 分别提交带 revision 的签名任务回执。策略冻结了金额、订单版本和动作范围，然后项目真正暂停。审批绑定 plan digest 与完整 scope，而且请求者不能审批。
-
-点击“记录限定审批”。必须停在 `AUTHORIZED`，`next task = execute_authorized`。
-
-> 注意，审批只改变授权状态，没有隐藏执行；Executor 仍需单独领取任务。
-
-再点击“推进至下一门禁”，到 `COMPLETED`，点击“离线语义验真”，必须显示 `PROOF VALID`。
-
-## 1:35–2:40｜故障发生在真实副作用之后
-
-点击“开始另一案件”，选择“下游故障与补偿”，创建并推进。
-
-必须看到：
-
-- 最终 `COMPENSATED`；
-- `next task = terminal`；
-- 网关回执数量增加；
-- 事件包含 `saga.executed`、`postconditions.verified`、`workflow.sealed`；
-- 点击验真得到 `PROOF VALID`。
-
-讲述：
-
-> 这不是把 JSON 里的 `passed` 改成 true。系统先真实扣减订单可退款余额并创建退款，随后 CRM 关单故障。Executor 使用另一张补偿许可证恢复余额；Verifier 重新读取退款、订单和工单，确认退款为 COMPENSATED、余额回到原值、工单仍开放，Memory Worker 才能封存证明。
-
-## 2:40–3:30｜为什么重试不会退两次
-
-画面：架构/PPT 的 logical operation 图或 `docs/architecture.md`。
-
-讲述：
-
-> ProofMesh 把逻辑操作和本次 token 分开。逻辑操作唯一绑定 tenant、workflow、tool 和 idempotency key；尝试拥有 owner、generation、lease 和 heartbeat。进程崩溃后，新凭证先向上游按稳定 operation id 对账。确认成功就复用结果，确认未发生才重派；结果不确定直接进入 UNKNOWN，绝不自动赌一次。
-
-补一句验证证据：旧 token 换新等价 token、长调用超过租约、并发重试和 UNKNOWN 均有自动化测试。
-
-## 3:30–4:05｜公开 629 case，不冒充模型评测
-
-画面：`artifacts/public-benchmark/authorization-contract-replay.md`。
-
-讲述：
-
-> 我们固定了 AgentDojo 0.1.35/v1 的 97 个用户任务、27 个注入目标、629 个组合，共 2,159 个用户 ground-truth 调用。合法合同全部接受，同键重放没有第二次副作用；参数、工具和上下文错配各 0 次错误通过，2,159 个 receipt 全部通过外部验签和链验证。
-
-必须立刻说明边界：
-
-> 这是授权合同一致性回放，不是模型 ASR、AgentDojo utility 或提示注入检测率。我们没有运行模型，也没有把这个数字包装成模型安全率。
-
-## 4:05–4:30｜AgentTeams 与结束语
-
-画面：7 Worker/Team 图或运行证据页。
-
-讲述：
-
-> 七个 qwenpaw Worker、一个 Human、一个 Team 定义和七个官方结构 Skill ZIP 已锁定 AgentTeams v1.2.0-beta.1。我们为 beta Manager REST 未映射 `workerMembers` 的缺口提供了最小兼容补丁：patched Controller 已运行，Team=`Active`，Human Active、7/7 Worker Running、7/7 TeamHarness health，并跨 Leader/Worker 完成 direct MCP `create → plan → delegate → ack → submit → check → accept`。这只证明控制面生命周期；当前仍为 `modelDriven=false`，不冒充模型自主协同。
-
-结束语：
-
-> AgentTeams 让多个 Agent 把事情做完；ProofMesh 证明这件事被正确的人、在正确范围内、只做了一次，失败后恢复到了可验证状态。
-
-## 断网/页面故障备用
-
-```bash
-make clean-runtime
-PYTHONPATH=src python3 -m proofmesh.cli --home . demo-refund TKT-SAGA-001
-PYTHONPATH=src python3 -m proofmesh.cli --home . verify-proof \
-  artifacts/workflows/<WORKFLOW_ID>/workflow-proof.json
-PYTHONPATH=src python3 scripts/benchmarks/run_authorization_contract_replay.py
-```
-
-若现场时间只剩 2 分钟：只演示高风险停门、审批只到 `AUTHORIZED`、Saga `COMPENSATED + PROOF VALID`，629 case 用一页结果带过。
diff --git a/docs/demo-video-script-v2.md b/docs/demo-video-script-v2.md
deleted file mode 100644
index 07d3983..0000000
--- a/docs/demo-video-script-v2.md
+++ /dev/null
@@ -1,227 +0,0 @@
-# ProofMesh 3–5 分钟录屏与材料升级门槛（v2）
-
-> 目的：用一条可复现的业务证据链回答“企业为什么敢让 Agent 退款”，并规定未来何时才允许升级 PPT / 白皮书主张。本文是录屏执行稿和材料变更门禁，不代表下列未来证据已经完成。
-
-## 1. 结论与成片规格
-
-- **建议主版：4 分 20 秒**。当前 `demo-script.md` 的 4 分 30 秒结构可压缩；删除单独的重试原理页，把幂等、fencing 和 `UNKNOWN` 合并到 Saga 讲解中。
-- **必须保留的三个画面**：高风险案件停在 `WAITING_APPROVAL`；审批后仍停在 `AUTHORIZED`；¥90 案件到 `COMPENSATED` 且 `PROOF VALID`。
-- **只能作为短证据卡的内容**：当前验证清单、AgentDojo 629 cases / 2,159 calls、AgentTeams 当前运行边界。不要现场滚终端日志或朗读指标表。
-- 画面 16:9、1080p、浏览器 100% 缩放；鼠标路径预演，敏感字段区域不进入画面。全片只用当前控制台、两张证据卡和结尾页，不切代码编辑器。
-- 每个结论出现时，至少同时展示一个可核对字段；禁止用旁白替代证据。
-
-## 2. 录制前门禁（不进入成片）
-
-1. 从干净状态启动服务并预跑完整流程；固定浏览器窗口大小与 100% 缩放。
-2. 九个本地角色 token 已加载，但折叠“角色凭证”；画面中不得出现 `.env`、模型 key、AgentTeams 管理员口令或 gateway consumer key。
-3. `/health`、`/ready` 正常；运行提交前的最新全量测试并记录 `162 passed`；退款域三条 reference Proof 与运维域三条已知终态 Proof 能用包外 trust bundle 与 pinned policy 复验；运维 `UNKNOWN_MANUAL` 路径必须拒绝伪造成功 Proof。
-4. 为录屏准备三张全屏证据卡：
-   - `artifacts/public-benchmark/authorization-contract-replay.md` 的四个数字与“非模型评测”声明；
-   - `agentteams/runtime-evidence/` 的去敏状态摘要，必须与录制当日事实一致。
-   - 两域与 Claim 摘要：`refund 3 paths · operations 4 paths · 162 passed · external claims 0/6 VERIFIED`。
-5. 固定业务工单只能使用一次。正式录制前若需重置，停止服务后执行 `make clean-runtime`；需要保全的运行证据不得清理。
-6. 录制一次彩排并计时。若任一步未达到本文“必须看到”的字段，停止录制并排障，不能后期用字幕伪造状态。
-
-## 3. 4:20 主版逐秒脚本
-
-### 0:00–0:25｜问题：¥90 退款到底完成了吗？
-
-**画面**：控制台首页，已选“下游故障与补偿”，暂不点击。
-
-**旁白**：
-
-> AI 会调用退款工具，不等于企业敢让它退款。支付成功、CRM 失败时，盲重试可能退两次，不重试又会留下永久错账。ProofMesh 不替 Agent 做决定；它把每次副作用变成一份精确授权、一个可恢复操作和一份可由 Proof 包外信任材料复验的证明。
-
-**必须看到**：页面标题“每个副作用，先有许可证，再有证明”；左侧 ¥90 Saga 用例；右上 `external trust` 运行状态。
-
-### 0:25–1:28｜高风险先停门：审批不等于执行
-
-**画面动作**：
-
-1. 切换“高风险人工审批”，点击“创建隔离案件”；
-2. 点击“推进至下一门禁”；
-3. 在 `WAITING_APPROVAL` 停留约 12 秒，指向状态、`next task`、金额、Plan digest 和 Scope；
-4. 将 synthetic reference approval service 根据当前 challenge 签发的 JWS 粘贴到断言框，点击“记录限定审批”；
-5. 在 `AUTHORIZED` 停留约 8 秒，不继续执行。
-
-**旁白**：
-
-> Orchestrator、Intake、Investigator 和 Policy 各自提交带 revision 的任务回执。策略冻结金额、计划和完整 scope 后，项目真的停在 `WAITING_APPROVAL`：这时没有退款或关单写副作用。审批者与请求者职责分离，审批只把当前 digest-bound 计划原子改成 `AUTHORIZED`；Executor 仍要单独领取任务。
-
-**必须看到**：
-
-- `WAITING_APPROVAL`、`next task = record_human_approval`；
-- 审批前退款为空或等价的“无写副作用”证据；事件链 `VALID`；
-- 审批后 `AUTHORIZED`、`next task = execute_authorized`；
-- 点击审批后没有自动跳到 `EXECUTED / COMPLETED`。
-
-**当前诚实边界字幕**（2 秒即可）：
-
-> approval origin = EXTERNAL_SIGNED_ASSERTION；当前 issuer 为 synthetic reference service，不是企业 IdP / MFA 证据。
-
-### 1:28–2:40｜真实失败后补偿：先恢复，再验真
-
-**画面动作**：清空当前视图，切换“下游故障与补偿”，创建并推进至终态；点击“独立语义验真”。
-
-**旁白**：
-
-> 现在看更难的路径。系统先创建 ¥90 退款并扣减可退余额，随后注入 CRM 关单故障。Executor 不能盲重试原退款，而是用另一张精确许可证执行补偿。逻辑操作绑定稳定 operation id；租约过期后先 reconcile，结果不确定就进入 `UNKNOWN` 并停止自动重放。Verifier 再读取新鲜退款、余额和工单快照：退款必须是 `COMPENSATED`，余额恢复，工单保持 `OPEN`，Memory 才能封存 Proof。
-
-**必须看到**：
-
-- 最终 `COMPENSATED`、`next task = terminal`；
-- `saga.executed`、`postconditions.verified`、`workflow.sealed` 或界面中的等价证据；
-- 网关回执、任务回执、独立 actor 计数均非零；
-- 点击验真后出现 `PROOF VALID` 与“外部信任 / 跨证据语义一致”。
-
-**禁止旁白**：不要说“绝对 exactly-once”“生产支付已接入”或“所有故障都能回滚”。
-
-### 2:40–3:12｜公开回放：测网关，不冒充测模型
-
-**画面**：切到准备好的 AgentDojo 结果卡；只展示摘要，不滚动 JSON。
-
-**旁白**：
-
-> 我们还把 AgentDojo v1 的 629 个公开组合、2,159 个 ground-truth 调用送入真实 Action Gateway 做授权合同回放。合法合同全部接受；工具、参数和上下文错配错误通过为零；同键重放没有第二次副作用。它只证明网关符合合同，不运行模型，也不代表模型 ASR、utility 或提示注入检测率。
-
-**必须看到**：`629 cases`、`2,159 calls`、`0 duplicate side effects`，以及同屏的 `does_not_measure: model ASR / task utility`。
-
-### 3:12–3:48｜多 Agent 与当前边界
-
-**画面**：七角色 DAG / 官方 Identity 八字段矩阵，再切当日 AgentTeams 证据卡。
-
-**旁白（当前版本）**：
-
-> 七个 Agent 不是七段提示词，而是七个最小权限合同。官方 AgentTeams v1.2.0-beta.1 的 Manager、Controller、Human 和 7/7 Worker 已运行；七成员 Team 已 Active。同一 Project 下，Leader 与 ticket-intake 两个真实容器直接通过 MCP 完成 create、plan、delegate、ack、submit、check、accept。这里证明的是控制面生命周期；模型仍是 placeholder，所以不冒充模型自主协同。
-
-**必须看到**：`Human Active`、`7/7 Worker Running`、`Team Active`、`direct lifecycle 7/7 passed`、`modelDriven=false` 同屏出现；若展示 Matrix artifact，必须同时标出 ATB-007 未验证。
-
-### 3:48–4:20｜跨域复用与诚实边界
-
-**画面**：结尾页；显示 `refund 3 paths · operations 4 paths · 162 passed`，角落固定 `Team Active · direct 7/7 · modelDriven=false · external claims 0/6 VERIFIED`。
-
-**旁白**：
-
-> ProofMesh 开源的不是退款页面，而是 Action Passport、可恢复 Gateway、七个 Skill 合同和包外 Verifier。同一协议已经跑过退款三路径和生产运维变更四路径，其中未知状态会停止自动执行。162 项测试证明工程准备度，不替代真实模型、真实 vendor sandbox、授权试点、公开仓库和独立复现；这六类外部 Claim 目前全部待完成。每个副作用，先有许可证，再有证明。
-
-## 4. 3:00 压缩版
-
-| 时间 | 保留内容 | 删除 / 合并 |
-|---|---|---|
-| 0:00–0:18 | ¥90 冲突与一句话方案 | 删除七角色总览 |
-| 0:18–1:03 | `WAITING_APPROVAL → AUTHORIZED`，明确审批不执行 | 不跑高风险终态 |
-| 1:03–2:05 | Saga 到 `COMPENSATED + PROOF VALID` | 把 logical operation / reconcile 压成一句 |
-| 2:05–2:28 | 629 / 2,159 结果卡与非模型评测边界 | 不念各类 Wilson 区间 |
-| 2:28–2:45 | AgentTeams 当日边界卡 | 只说已证 / 未证各一句 |
-| 2:45–3:00 | 两域、162 passed、model false、Claim 0/6 与结束语 | 删除路线图 |
-
-不得压掉 `AUTHORIZED` 停留、`COMPENSATED` 业务终态、`PROOF VALID` 和 AgentTeams 未验证边界；否则视频会重新退化成“点按钮成功”的 Demo。
-
-## 5. 后期与验收清单
-
-- 只做裁切空等候、放大关键字段、加章节条；不得改写运行值、拼接不存在的状态或遮盖失败。
-- 字幕中的数字、版本和状态必须来自同一次冻结证据；不要把之后新增的结果贴到旧录像上。
-- 高风险段必须有两个独立停帧：`WAITING_APPROVAL` 与 `AUTHORIZED`。
-- Saga 段必须同时交代业务结果和证明结果：`refund=COMPENSATED`、余额恢复、ticket=`OPEN`、Proof=`VALID`。
-- 不展示 token、私钥、`.env`、真实客户 PII、管理员 URL 或可复用审批 assertion。
-- 成片末尾保留 2 秒边界卡：`production adapters = reference, not connected · vendor adapters = sandbox-ready, not run · modelDriven=false · external claims 0/6 VERIFIED`；当对应实证升级后再按第 6 节替换。
-- 导出后从头观看一次，检查字幕遮挡、光标误触、敏感信息、静音、跳帧和状态跨案件混用。
-
-## 6. 下一阶段材料更新门禁
-
-以下三类证据互相独立。某一类达标，只能更新它对应的页和主张；不能因为 Team 跑通就声称外部业务试点或企业审批来源也已完成。
-
-### 6.1 AgentTeams Team / 生命周期 / 模型协同
-
-#### 严格主张层级
-
-| 可升级主张 | 必须同时满足的证据 | 仍然不能推出 |
-|---|---|---|
-| `Team created / Active` | 官方版本/commit 与构建镜像 digest；Team CR `resourceCreated=true` 且 phase=`Active`；Human/7 Worker UID 与 Team roster 一致；时间戳和去敏原始响应 | 不等于 TeamHarness lifecycle 跑通；不等于模型自主协同 |
-| `TeamHarness 完整生命周期已实测` | 同一 Project 下 `create → plan → delegate → ack → submit → check → accept` 全部真实执行；Project/Task ID、状态、时间、角色、失败重试与最终 accept 可关联；无手工改 DB / 假事件；ProofMesh `workflow_id/task_id/revision/trace_id/digest` 能与 TeamHarness 双账本一一核对 | 若是脚本直调，只能称“direct MCP lifecycle”，不能称模型自主 |
-| `模型驱动七角色协同已验证` | 非 placeholder provider；模型/版本/推理参数与调用时间有去敏记录；Leader/Worker 由真实 assignment / room 驱动并实际调用各自 MCP；至少成功、Human pause/resume、CRM 故障补偿、篡改拒绝四条路径；保存 Matrix/room、project/task、Worker 日志与 Proof；至少一次从干净环境复跑 | 不等于模型安全率、生产 SLA 或所有任务泛化；仍需报告失败率与人工干预 |
-
-出现任一证据断链、跨 run 拼接、只读 health、静态 manifest 或 `welcomeSent=false` 时，不得升级到下一层。
-
-#### 达标后替换材料
-
-- **PPT 第 3 页“当前控制台”**：可增加 Team / Project / Task 与 ProofMesh workflow 的同屏关联，但不得删掉业务终态与包外验真。
-- **PPT 第 4 页“动作控制平面”**：把“AgentTeams 目标映射”改为已运行协作面，图中标出官方 Team / TeamHarness 与 ProofMesh 控制面的真实边界。
-- **PPT 第 5 页“七个 Agent”**：以真实 roster、assignment、handoff/receipt 取代静态映射图；官方八字段 Identity 矩阵继续保留。
-- **PPT 第 8 页“可复算证据”**：新增 Team/Task 双账本证据格；只在模型路径满足上表第三层时增加模型 run 数、成功/失败和人工干预统计。
-- **PPT 第 11 页“自评分与边界”**：仅移除已经被真实证据消除的扣分项，按同一评分规则重新自评；不得只加分不重列剩余扣分。
-- **白皮书第 4 页（03 · JUDGE LENS）**：重算多 Agent 分项与总分，写清直接生命周期与模型生命周期的区别。
-- **白皮书第 6 页（05 · ARCHITECTURE）**、**第 7 页（06 · MULTI-AGENT）**：更新运行架构、项目/任务状态映射、角色 handoff 与失败恢复证据。
-- **白皮书第 18 页（15 · AGENTTEAMS）**：整页换成新的 L1–L4 证据梯，列出 Team UID、Project/Task 关联、模型 provider 状态、成功与失败样本；旧兼容缺口降为修复历史。
-- **白皮书第 19 页（16 · OPEN SOURCE + ROADMAP）**：把已完成 Team 项从路线图移入成果，保留真实模型/社区采用等未完成项。
-- **白皮书第 21 页（18 · CLAIM REGISTER）**：逐条把 `禁止声称 / 限定声称` 改为有证据的窄主张；不要删除非模型 ASR、非生产支付等其他边界。
-- **录屏**：只有 Team Active 时，替换 3:12–3:48 的资源边界卡；只有 direct lifecycle 时，旁白必须带“控制面直调”；只有完整模型层达标，才可展示真实 room/assignment 片段并说“模型驱动协同已验证”。
-
-### 6.2 外部支付 / CRM 沙箱与真实试点
-
-#### 严格主张门槛
-
-当前 Stripe/HubSpot adapter 已 sandbox-ready，但没有真实测试账户运行证据。要说“已接外部沙箱”，至少需要：
-
-1. 连接的确是项目进程之外、由独立凭证和账户控制的支付 / CRM sandbox；报告供应方、API 环境标识、adapter 版本、时间窗，凭证去敏；
-2. 每个写调用携带稳定 operation id / 上游 idempotency key，保存请求摘要、HTTP/业务回执和查询/对账结果；ProofMesh 不能自签冒充上游 attestation；
-3. 真实跑通低风险成功、高风险审批、支付成功/CRM 失败补偿、超时未知、重复请求、参数漂移六类路径；`UNKNOWN` 不能被自动写成成功；
-4. 独立 Verifier 使用包外 trust/policy 和上游签名响应或可信审计代理复算终态；支付流水、CRM 状态、Proof 能按 operation/workflow 对齐；
-5. 从干净账户或可重置沙箱复跑，公开失败样本与限制。只有 API mock、录制响应或内置 SQLite adapter 时，仍只能叫“隔离事务靶场”。
-
-要进一步说“企业试点产生价值”，还必须预注册样本与口径，使用 200–500 条脱敏历史工单做 shadow / sandbox 盲测，并由非开发者复核：重复副作用率、错误放行率、审批前写副作用、可恢复终态率、人工触达率、恢复时长、验真成功率和审计取证时长。ROI 只能使用客户提供的基线、时间窗、样本量和成本输入；629-case 回放与本机延迟不得外推为客户收益或 SLA。
-
-#### 达标后替换材料
-
-- **PPT 第 2 页**：保留 ¥90 冲突，但用外部 sandbox 的支付/CRM 回执与补偿对账截图替换内置靶场示意。
-- **PPT 第 3 页**：三大结果改为同一外部 run 的“审批前零写、补偿后余额恢复、包外 VALID”，同时显示外部 operation / ticket 关联。
-- **PPT 第 4 页**：架构图把 Commerce sandbox 改为真实 adapter、上游 idempotency / reconcile API 与独立 attestation 来源。
-- **PPT 第 6 页**：用外部故障时间线和 `UNKNOWN → reconcile / 人工` 证据替换当前本地 Saga 截图。
-- **PPT 第 8 页**：增加外部 run 样本量、失败类型、独立验真率；不要删除 AgentDojo 的“仅授权合同回放”免责声明。
-- **PPT 第 10 页**：只有盲测试点达标后才填 KPI 实测值、基线、样本量和时间窗；未达标前继续只展示定义。
-- **PPT 第 11 页**：外部试点达标后重算场景价值/工程分；“生产支付、HA、KMS、SLA”仍需各自证据，不能一并宣称。
-- **白皮书第 2–3 页（01–02）**：将业务故事和当前控制台换为同一外部 run 的可追溯事实。
-- **白皮书第 4–5 页（03–04）**：重算自评，并把 KPI 定义表升级为“定义 + 基线 + 结果 + 样本量 + 置信区间 / 限制”。
-- **白皮书第 6 页（05）**、**第 10–11 页（09–10）**、**第 13 页（12）**：更新 adapter、reconcile、补偿、业务快照与 reference evidence。
-- **白皮书第 17 页（14 · ENGINEERING）**：记录外部身份、网络、限流、超时、上游 SLA 和仍未完成的 KMS/HA 边界。
-- **白皮书第 19、21 页（16、18）**：更新路线图与 claim register；仅在盲测和外部复核完成后写“试点结果”，不能把 sandbox 集成写成“客户采用”。
-- **录屏**：用外部 sandbox 专用账户录制，必须遮挡账号和凭证，但保留环境标识、operation id 尾部、支付/CRM 查询结果与 Proof 关联；不能拼接不同 run 的成功画面。
-
-### 6.3 企业 IdP / 审批服务 assertion
-
-#### 严格主张门槛
-
-当前已达到“外部可验证 synthetic 审批来源”的协议与密码学门槛；升级为企业身份 assurance 仍必须满足：
-
-1. assertion 由 ProofMesh 控制面之外的企业 IdP、WebAuthn 服务或审批服务签发；Verifier 的 issuer/key/policy 来自包外 pinned trust，不从 Proof 内自举；
-2. 断言至少绑定 issuer、subject、audience、tenant、workflow、revision、plan digest、policy digest、完整 scope、decision、issued/expiry、nonce/challenge；MFA / assurance level 只能在上游真实提供时记录；
-3. 控制面校验时效、audience、tenant、nonce 一次性、撤销/密钥轮换和 requester/approver 职责分离，成功后仍只做 `WAITING_APPROVAL → AUTHORIZED`；
-4. Proof 保留原始 assertion 或可验证封装及其 digest；包外 Verifier 独立验签并与 task/gateway receipt、计划、策略和最终业务结果交叉绑定；
-5. 负测至少覆盖伪造签名、错误 issuer/audience/tenant、旧 revision、plan/policy/scope 漂移、过期、重放、撤销 key、低 assurance、不符合职责分离；全部 fail closed 并留审计；
-6. 生产模式继续禁用本地任填 approver CLI；必须将 reference-script ACR / AMR 替换为企业上游真实提供的身份 assurance。
-
-满足后，Verifier 应输出窄而明确的 assurance 枚举（例如 `EXTERNAL_ASSERTION_VERIFIED`，以最终 schema 为准），而不是笼统的“独立 Human 签名”。
-
-#### 达标后替换材料
-
-- **PPT 第 3 页**：高风险参考结果增加“外部 assertion 验证通过”，但仍与业务执行、Proof 终态分开显示。
-- **PPT 第 6 页**：用 challenge → IdP/审批服务 assertion → 控制面授权 → Executor 领取的真实序列替换当前本地审批说明。
-- **PPT 第 7–8 页**：将 approval issuer 加入包外信任输入与可复算证据；如果它使用第六类独立 key，必须同步修改“五钥”表述、trust schema、代码和全部证据后才能改成“六钥”，不能只改图。
-- **PPT 第 11 页**：删除已解决的审批来源缺口，保留真实上游、KMS/HA、第三方评估等剩余缺口并重算自评。
-- **白皮书第 4 页（03）**、**第 7 页（06）**、**第 11 页（10）**：更新 assurance 枚举、assertion 字段、职责分离与负测结果。
-- **白皮书第 12 页（11 · EXTERNAL PROOF）**：将 assertion issuer / key 纳入外部 trust 和跨证据检查；同步解释它与 task receipt 的不同职责。
-- **白皮书第 17 页（14）**、**第 21 页（18）**：把生产缺口和 claim register 改成有证据的窄主张；不能因此声称全套企业 IAM、不可否认性或合规认证已完成。
-- **录屏**：替换 0:25–1:28 的当前边界字幕，短暂展示去敏 assertion 字段和 Verifier assurance；不展示可重放的 assertion、cookie、QR、设备标识或用户 PII。
-
-## 7. 三类证据同时完成后的重构顺序
-
-1. 先冻结证据目录、时间窗、版本、测试和负测，生成 claim register；
-2. 再更新 `docs/demo-video-script-v2.md` 的旁白边界与镜头；
-3. 重录视频，确保 Team、外部 sandbox、assertion 来自同一或明确关联的 run；
-4. 更新白皮书的证据页、KPI、架构和 claim register；
-5. 最后更新 PPT 第 2–11 页及来源备注，重新做逐页渲染、溢出、文本和禁词扫描；
-6. 二进制材料冻结后，才重建 release、清单与 SHA256SUMS。
-
-任何一步只有截图、口头确认或单个 happy path 时，都不满足材料升级门槛。
-
-工程准备度约 88/100 只是 22/20/22/20/4 的内部自评，不是官方赛事成绩。模型实跑、真实 vendor sandbox、授权历史试点、独立复现、公开仓库/身份、生产设施六项 Claim 当前均为 `PENDING`；任何一项升级必须通过 `scripts/validate_external_evidence.py` 的 fail-closed 校验。
diff --git a/docs/deployment.md b/docs/deployment.md
index adf992b..33bb070 100644
--- a/docs/deployment.md
+++ b/docs/deployment.md
@@ -38,7 +38,7 @@ PYTHONPATH=src python3 -m proofmesh.cli --home . verify-proof \
 
 CLI 的 `demo-refund` 是本地确定性 smoke runner；它调用同一控制面，但不证明 AgentTeams Worker 已认领任务。真实 AgentTeams 路径必须逐步调用角色 MCP。
 
-## 2. 评委控制台
+## 2. 本地复现控制台
 
 API 默认 fail closed。先复制 `.env.example`，将每个 `replace-with-*` 替换为不同的随机值，再加载环境：
 
diff --git a/docs/evaluation.md b/docs/evaluation.md
index e1bd51e..d35519d 100644
--- a/docs/evaluation.md
+++ b/docs/evaluation.md
@@ -19,7 +19,7 @@ ProofMesh 的核心主张不是“模型不会受攻击”，而是：给定一
 | `TKT-HIGH-001` | `WAITING_APPROVAL` | 审批后退款 12900、工单关闭 | 审批只转 `AUTHORIZED`，Executor 后 `COMPLETED` |
 | `TKT-SAGA-001` | 自动策略 | 退款成功、CRM 注入故障、补偿恢复 | `COMPENSATED`，余额恢复、工单开放、Proof Valid |
 
-评委控制台已按实际 HTTP 合同点击验证三条路径；自动化测试同时检查旧 revision 冲突、并发审批只能成功一次、请求者不能审批、计划/范围漂移拒绝、跨租户读取拒绝和角色工具升级拒绝。
+本地控制台已按实际 HTTP 合同验证三条路径；自动化测试同时检查旧 revision 冲突、并发审批只能成功一次、请求者不能审批、计划/范围漂移拒绝、跨租户读取拒绝和角色工具升级拒绝。
 
 ## 3. 网关故障与并发不变量
 
@@ -70,7 +70,7 @@ make validate-agentdojo
 make export-agentdojo AGENTDOJO_PYTHON=/absolute/path/to/agentdojo-0.1.35/bin/python
 ```
 
-评委从发布包解压后应先运行 `make validate-agentdojo`；不依赖开发者工作区中的 `work/` 路径。重新导出属于可选溯源步骤，需要单独安装并锁定官方 AgentDojo 0.1.35。
+复现者从发布包解压后应先运行 `make validate-agentdojo`；不依赖开发者工作区中的 `work/` 路径。重新导出属于可选溯源步骤，需要单独安装并锁定官方 AgentDojo 0.1.35。
 
 ## 5. 授权合同一致性回放
 
diff --git a/docs/judge-scorecard.md b/docs/judge-scorecard.md
deleted file mode 100644
index c421fcf..0000000
--- a/docs/judge-scorecard.md
+++ /dev/null
@@ -1,33 +0,0 @@
-# ProofMesh 评委自审计（工程冻结口径）
-
-> 这不是主办方打分，也不预测其他队伍质量。下表是按官网 25 / 25 / 25 / 20 / 5 维度形成的**工程准备度内部自评**；它衡量代码、协议和可复现材料的完整度，不把尚未取得的外部证据计为已完成。当前目标值约 **88 / 100**，不等于赛事得分，更不构成“95+”承诺。
-
-| 官方维度 | 权重 | 工程准备度自评 | 已有工程证据 | 尚未获得的外部证据 |
-|---|---:|---:|---|---|
-| 场景价值与行业可复制 | 25 | 22 | 退款域 3 条参考路径；生产运维变更域 4 条路径复用同一授权、恢复和验真协议；240 条独立进程 HTTP 合成故障盲测 | 200–500 条经授权脱敏历史工单、真实合作方基线、客户证言和 ROI 均未完成 |
-| 多 Agent 协同与自主闭环 | 25 | 20 | 七角色最小权限、Human 门禁、异常/补偿/Proof 闭环；官方 AgentTeams Team=`Active`；跨 Leader/Worker 的 direct MCP lifecycle 7/7 | `modelDriven=false`；尚无非 placeholder 模型生成的规划、认领、对话和七角色端到端业务 trace |
-| Skill 工程体系与生态复用 | 25 | 22 | 七个 closed-schema Skill、错误码、安全边界、Worker ZIP、生命周期与双 validator；控制协议已跨两个业务域复用 | 官方云 Skill 尚无云端实跑；暂无外部使用者或第三方扩展 Skill |
-| 工程落地、运行验证与安全可审计 | 20 | 20 | 162 项测试；Saga、fencing、reconcile-before-retry、`UNKNOWN` fail-closed、外部签名审批、包外 Verifier、629+240 评测；OIDC/JWKS、PostgreSQL GatewayStore、远程签名、SBOM/供应链是可运行参考实现 | 生产适配器尚未连接真实 IdP/KMS/PostgreSQL；Stripe/HubSpot adapter 已 sandbox-ready 但未用真实测试账户运行；无 HA、渗透测试或生产 SLA |
-| 开放 / 开源贡献 | 5 | 4 | Apache-2.0、完整源码/schema/测试/证据/归属、公开发布准备和独立复现模板 | 尚无公开 GitHub URL、真实参赛身份绑定、外部复现记录、issue/下载/采用数据 |
-| **合计** | **100** | **约 88** | **代码与材料已达到高强度工程提交准备度** | **不能把本地参考实现替代为真实外部运行证据** |
-
-## 中肯判断
-
-- **工程准备度约 88 / 100。** 这是内部评估：两个业务域、162 项测试和生产边界参考实现已补上此前的主要工程短板。
-- **赛事实际得分不能由该数字推出。** 评委若只采信公开仓库、真实账号运行、客户数据和第三方复现，当前外部证据成熟度会明显低于 88。
-- **95+ 不能靠继续增加本地代码或合成测试。** 必须补齐模型实跑、Stripe/HubSpot 真实 sandbox、授权历史工单/合作方试点、公开仓库与参赛身份、独立复现五类证据。
-- **六项外部 Claim 当前全部 `PENDING`。** Claim register 采用 fail-closed 规则；只有要求的证据文件、哈希、时间和外部验证者完整绑定后，才允许升级为 `VERIFIED`。
-
-## 从 88 到 95+ 的五个证据门槛
-
-1. **模型门槛**：接入可用模型，至少跑低风险、高风险审批、补偿、篡改拒绝四类路径，并保留模型版本、参数、Leader/Worker 轨迹和 ProofMesh 双账本关联。
-2. **真实 sandbox 门槛**：在 Stripe 测试模式与 HubSpot 开发者测试账户中运行同一 operation id、幂等、对账、补偿和 `UNKNOWN` 路径；当前 adapter 代码不等于已实跑。
-3. **试点门槛**：先取得数据所有方授权，再用 200–500 条严格脱敏历史工单做预注册 shadow/sandbox 盲测；不得把 629 或 240 条合成证据外推为客户 ROI。
-4. **开放门槛**：发布公开 GitHub 仓库和不可变 tag，绑定真实参赛身份，确保无密钥、客户数据或本机路径泄露。
-5. **独立复现门槛**：至少一名非开发者从干净环境复跑发布包，提交环境、版本、结果、失败项和签名证明。
-
-具体安全步骤与可验收格式见 `docs/95-plus-evidence-runbook.md`；机器可读状态见 `artifacts/external-evidence/claim-status.json`。
-
-## 评委一句话
-
-ProofMesh 已从单场景 Demo 升级为跨退款与生产运维两个业务域复用的可信执行协议；约 88 分代表工程准备度，不代表外部真实性。能否冲击 95+，取决于参赛者补齐真实模型、真实 sandbox、合法试点、公开仓库和第三方复现，而不是继续把本地证据包装成生产成绩。
diff --git a/docs/public-dataset-benchmark.md b/docs/public-dataset-benchmark.md
index b35c417..f48bc32 100644
--- a/docs/public-dataset-benchmark.md
+++ b/docs/public-dataset-benchmark.md
@@ -22,7 +22,7 @@ python3 scripts/benchmarks/run_banking77_routing.py \
 ## 输出
 
 - `report.json`：分子、分母、比率、95% Wilson 区间、质量门槛与不宣称项；
-- `report.md`：评委可读结论；
+- `report.md`：人类可读结论；
 - `case-results.jsonl`：3,080 条逐样本结果，只含文本 SHA-256，不含原始话术；
 - `source-lock.json`：来源、commit、许可和文件摘要。
 
diff --git a/docs/public-demo-boundary.md b/docs/public-demo-boundary.md
index d92e409..f3d3259 100644
--- a/docs/public-demo-boundary.md
+++ b/docs/public-demo-boundary.md
@@ -1,34 +1,28 @@
 # Public demo boundary
 
-The public URL is a **read-only evidence replay**, not a hosted ProofMesh control plane.
+The public URL combines an **interactive browser decision lab** with a **frozen evidence replay**. It is more useful than a slide animation, while remaining safe to expose anonymously.
 
-## What the page does
+## Interactive decision lab
 
-- reads a small, deterministic scenario summary from `demo/data/scenarios.json`;
-- replays the automatic, externally approved, and compensated reference paths;
-- exposes selected frozen proofs and external-verification reports;
-- links each metric to its machine-readable artifact;
-- makes the experimental boundaries visible next to the results.
+Visitors can choose a refund or production-change action, set its risk level and approval state, inject an upstream outcome, and mutate the approved tool, arguments, or context. Client-side logic then explains whether the Gateway would:
 
-## What the page cannot do
+- wait for a signed Human approval;
+- reject a mismatched contract before dispatch;
+- complete a normal action;
+- reconcile a committed action after a lost response;
+- compensate or roll back a confirmed partial execution;
+- stop in `UNKNOWN_MANUAL` when upstream state cannot be established.
 
-- execute a refund, close a ticket, or call any other write-capable tool;
-- accept arbitrary prompts, credentials, workflow IDs, or approval assertions;
-- invoke an LLM or prove model-driven collaboration;
-- connect to Stripe, HubSpot, customer infrastructure, or production identity systems;
-- demonstrate a customer pilot, production SLA, ROI, or real-user outcome.
+The lab uses deterministic rules in `demo/app.js`. It does not execute the Python workflow or assert that a remote control plane ran.
 
-## Why the live API is not exposed
+## Frozen evidence replay
 
-The local FastAPI console mutates an isolated reference database and requires separate role credentials. Publishing it as a shared anonymous service would require per-visitor isolation, quotas, rate limits, payload limits, TTL cleanup, abuse controls, TLS, and a safe external approval path. GitHub Pages does not run Python services. A static replay therefore gives judges a stable, inspectable URL without pretending that a browser animation is a live backend.
+The second part reads `demo/data/scenarios.json`, replays three reference workflows, exposes selected frozen proofs and verification reports, and verifies each proof SHA-256 in the browser.
 
-## Evidence copied to Pages
+## Deliberate safety limits
 
-The deployment workflow publishes only:
+The page cannot execute a refund, close a ticket, deploy software, accept arbitrary prompts, store customer data, invoke an LLM, or connect to Stripe, HubSpot, a customer network, or a production identity system.
 
-- the three reference workflow proofs and their external-verification reports;
-- the AgentDojo authorization-contract replay report;
-- the synthetic independent-process HTTP shadow report;
-- the AgentTeams redacted runtime evidence.
+The local FastAPI console does mutate an isolated reference database and requires separate role credentials. Hosting that API for anonymous users would need per-visitor isolation, quotas, request limits, TTL cleanup, abuse controls, TLS, and a safe external approval service. GitHub Pages cannot provide those controls or run Python.
 
-No private key, bearer token, database, `.env`, customer record, raw public narrative, or runtime workflow directory is included.
+The deployment workflow publishes only selected proofs, verification reports, benchmark summaries, and redacted AgentTeams runtime evidence. It excludes private keys, bearer tokens, databases, `.env` files, customer records, raw public narratives, and runtime workflow directories.
diff --git a/docs/submission-copy.md b/docs/submission-copy.md
deleted file mode 100644
index 069ea0f..0000000
--- a/docs/submission-copy.md
+++ /dev/null
@@ -1,42 +0,0 @@
-# 初赛提交文案
-
-## 项目名称（20 字以内）
-
-ProofMesh：可信动作控制面
-
-## 作品简介（500 字以内）
-
-ProofMesh 面向企业客服与运维团队，是多 Agent 高风险动作可信控制面。它把计划冻结为 Action Passport，绑定主体、租户、工具、参数、策略、审批和时效；以租约、幂等及上游对账避免盲目重试，未知即停。7 个 Agent 与 7 个 Skill 以 AgentTeams 完成拆解、交接、审批、退款/补偿、验真和脱敏记忆；退款 3 路径与运维 4 路径复用 Gateway、签名回执和包外 Verifier。已完成 Team Active、direct lifecycle 7/7、162 项测试、629 组授权回放、240 条故障盲测、Banking77 3,080 条分流和 CFPB 240 条 no-write shadow；`modelDriven=false`，公开数据不冒充客户试点。不用 RAG，已实现共享状态、脱敏记忆、轨迹可观测；官方 SLS Skill 仅完成采用契约。Apache-2.0 开源，生产设施与外部 Claim 待验证。
-
-## 一句话定位
-
-AgentTeams 承载多角色协作；ProofMesh 让退款与运维变更等副作用在精确授权下可恢复执行，并由 Proof 包外信任材料独立复验。
-
-## 三项创新点
-
-1. **Proof-carrying action**：执行时精确验签的 Action Passport，不把底层权限交给模型。
-2. **Reconcile-before-retry**：logical operation 与 credential attempt 分离，崩溃后先对账，不确定即停止重放。
-3. **Semantic Proof Verifier**：使用包外信任锚，跨审批、计划、回执与业务终态做语义验真。
-
-## 当前进展
-
-- 代码与本地三条业务路径：已完成；
-- 第二业务域生产运维变更四条路径：已完成；
-- 完整测试：`162 passed`；
-- 7 个 AgentTeams Worker manifests、1 个 Team manifest、1 个 Human manifest、7 个 Skill ZIP 与 bootstrap：已完成；
-- AgentDojo 629 case 授权回放与报告：已完成；
-- 上下文增强：明确不使用 RAG；共享状态、脱敏记忆与轨迹可观测已实现，满足四项能力至少实现两项的要求；
-- 阿里云官方 Skill：`alibabacloud-sls-query` 的只读采用、最小 RAM 权限、脱敏与失败边界契约已完成，尚无阿里云账号运行日志，不声称云端实跑；
-- 官方 AgentTeams 控制面运行证据：已实跑可复现基线为 `v1.2.0-beta.1` / commit `78d0ced...`；Human Active、7/7 Worker Running、7/7 health、Team Active，以及跨 Leader / Worker 的 direct MCP `create_project → plan_dag → delegate_task → ack_task → submit_task → check_task → accept_task_result`；该证据不等于模型自主协同；当前 stable `v1.2.2` 仅为迁移目标，尚未验证；
-- 真实模型驱动 QwenPaw 自主协同：尚未运行，不与静态/控制面证据混淆；
-- OIDC/JWKS、PostgreSQL GatewayStore、远程 signer 与供应链 provenance：参考实现已完成，尚未接真实企业设施；
-- Stripe/HubSpot adapter：sandbox-ready，尚无真实测试账户 run；
-- 外部证据：模型、vendor sandbox、授权历史试点、独立复现、公开仓库/身份、生产设施六项 Claim 全部 `PENDING`；
-- 工程准备度内部自评约 88/100（22/20/22/20/4），不是主办方评分；95+ 只能由真实外部证据推动。
-
-## 提交链接
-
-- 代码仓库：`[提交前填写]`
-- Demo 视频：`[提交前填写]`
-- 在线体验：`[可选，提交前填写]`
-- 开源协议：Apache-2.0
diff --git a/docs/winning-solution.md b/docs/winning-solution.md
deleted file mode 100644
index d2caf4a..0000000
--- a/docs/winning-solution.md
+++ /dev/null
@@ -1,93 +0,0 @@
-# 获奖方案总纲：ProofMesh Agent Action Control Plane
-
-## 核心命题
-
-企业不会因为 Agent 能写出正确答案，就允许它直接退款、封号、改配置或发布代码。真正缺失的基础设施是：让每个副作用同时具备可验证授权、可恢复执行语义、失败恢复和 Proof 包外验真。
-
-ProofMesh 的产品定义：
-
-> 面向多 Agent 企业动作的 Proof-Carrying Execution 控制面。
-
-AgentTeams 承载角色协同；ProofMesh 位于协同系统与企业工具之间，把 Agent 的计划变成短期、精确范围的 Action Passport，并将任务、执行、补偿和终态封存为可独立复算的 Proof。当前退款域三路径与生产运维变更域四路径已复用同一控制协议；AgentTeams Team 已 `Active`，direct MCP project/task 生命周期已跨两个 Worker 容器跑通，但 `modelDriven=false`，模型自主协同仍未验证。
-
-## 两个可运行业务域
-
-智能客服退款闭环：工单进入后，由 Orchestrator、Intake、Investigator、Policy、Executor、Verifier、Memory 七角色协议通过 L2 确定性角色 API 协作；高风险计划暂停等待外部 Human；执行涉及支付与 CRM；下游失败触发补偿；最终必须重新读取退款、余额和工单状态。
-
-选择这一场景有三层价值：
-
-- 官方赛题明确把退款列为智能客服闭环示例；
-- 金额、审批、跨系统和补偿让安全机制可被客观验证；
-- 控制协议可迁移到理赔、授信、账户变更、运维修复与研发发布。
-
-为避免“可迁移”停留在口号，项目已加入第二域 `production-operations-change`：低风险变更完成、高风险签名审批完成、健康检查失败补偿、对账不明 `UNKNOWN_MANUAL`。运维域使用独立 policy、健康检查和回滚语义，但复用 AuthorizedToolCaller、Action Passport、GatewayStore、Execution Receipt 与包外 Verifier。它是确定性 reference workflow，不冒充真实企业运维平台。
-
-## 六个决定性创新
-
-### 1. 模型不可见的 Action Passport
-
-Passport 由控制面内部签发，Worker 只看到高层角色工具。它精确绑定 tenant、subject、workflow、tool、resource、args digest、context、policy、approval、金额、预算、次数和 TTL；网关在执行瞬间使用外部 trust bundle 验证。
-
-### 2. 审批与执行物理分步
-
-Human approval 只能把 `WAITING_APPROVAL` 原子转为 `AUTHORIZED`，必须绑定当前 revision、plan digest、policy digest 和完整 scope。它不会调用任何业务工具；Executor 必须单独领取任务。
-
-### 3. 逻辑操作而非 token 的幂等
-
-logical operation 与 credential attempt 分离，使用 owner UUID、fencing generation、lease heartbeat 和 finalize CAS。旧 token 过期后可用新的等价 token 恢复，但合同任一字段变化都会被拒绝。
-
-### 4. 对账优先的崩溃恢复
-
-租约过期后先用稳定 operation id 向上游查询。成功则封存原结果，确认不存在才重派；不确定进入 `UNKNOWN`，永不自动赌第二次。这是对“exactly once”边界的工程化诚实回答。
-
-### 5. 可验证 Saga，而不是写日志式回滚
-
-支付成功、CRM 失败时执行独立授权的 compensation，恢复余额并保持工单开放；Verifier 再读取业务数据库确认 postconditions。补偿失败会安全阻断，不会把事件名写成“rollback completed”。
-
-### 6. 外部信任锚 + 跨证据语义 Verifier
-
-Verifier 不信任 Proof 包里的根；外部 trust bundle 与 pinned policy 是独立输入。除验签和链外，还核对 approval、plan、tool args、金额、币种、订单版本、余额公式、退款/工单关系和 memory 状态，能拒绝“签名正确但业务拼错”。
-
-## 可运行证据
-
-- 三条事务业务路径：自动退款、高风险审批、CRM 故障补偿，最终分别 `COMPLETED / COMPLETED / COMPENSATED` 且 Proof Valid；
-- 四条生产运维变更路径：`COMPLETED / COMPLETED / COMPENSATED / UNKNOWN_MANUAL`；三条已知终态 Proof 可包外复验，未知终态严格 fail closed；
-- 自动化负向测试：角色越权、跨租户、并发审批、revision 过期、key usage、撤销/时效、预算拆分、长调用租约、崩溃对账、UNKNOWN、语义篡改；
-- AgentDojo 0.1.35/v1：629 cases、2,159 user calls 的授权合同回放；合法接受 2,159/2,159，参数/工具/上下文错配错误通过均 0/2,159，副作用重复 0；
-- AgentTeams：1 Human manifest、7 个 qwenpaw Worker manifests、1 个 Team manifest、7 个官方结构 Skill ZIP、bootstrap 与严格 validator；运行证据为 Human Active、7/7 Worker Running、7/7 health、Team=`Active`，以及跨 Leader / Worker 的 direct MCP 七步 lifecycle；modelDriven=false；
-- 工程证据：完整测试 `162 passed`；FastAPI + MCP、Prometheus、Kubernetes fail-closed admission；OIDC/JWKS、PostgreSQL GatewayStore、remote Ed25519 signer、SBOM/provenance 为生产迁移参考实现；
-- Vendor 边界：Stripe 测试退款与 HubSpot 开发者测试 Ticket adapter 已 sandbox-ready，但没有真实账户运行，不能称外部 sandbox 已验证。
-
-## 比赛叙事
-
-PPT 不从架构图开始，而按以下顺序：
-
-1. 一次重复退款/错范围审批如何发生；
-2. 为什么多 Agent 协同本身不能解决执行可信；
-3. ProofMesh 的“一张 Passport + 一个 logical operation + 一份外部可验 Proof”；
-4. 高风险停门、审批不执行、Saga 补偿三段实跑；
-5. 629 case 与负向测试；
-6. AgentTeams/Skill 的真实映射；
-7. 生产迁移与证据边界；
-8. 开源与试点计划。
-
-## 复赛到决赛路线
-
-### 复赛前
-
-- 使用真实模型凭证完成 QwenPaw Leader/Workers 的 TeamHarness 自主任务，保留 Matrix、project/task、Worker 日志与 ProofMesh 双账本关联；
-- 接入一个真实沙箱业务 API，验证稳定 operation id、幂等与 reconciliation；
-- 取得数据所有方授权，用 200–500 条严格脱敏历史工单做预注册 shadow/sandbox 盲测；
-- 发布公开 GitHub tag 并由至少一位独立复现者从干净环境验收；
-- 录制 4 分钟 Demo，并提供一键验真与断网备用路径。
-
-### 决赛前
-
-- 将现有 remote signer/PostgreSQL adapter 接到真实 KMS/数据库，完成迁移、备份恢复和 HA 演练；
-- 至少一家团队的历史工单盲测，分开报告自动闭环率、误放行、误阻断、人工触达、MTTR 和审计耗时；
-- 第三方安全审查、故障演练和链头外部锚定；
-- 将 Action Passport schema、Verifier 和 reference gateway 做成独立开源组件。
-
-## 不可夸大的边界
-
-当前业务域是 reference workflow，不是生产支付或生产运维；AgentDojo 结果不是模型 ASR/utility；production adapters 尚未连接真实 IdP/KMS/PostgreSQL；Stripe/HubSpot 仅 sandbox-ready；AgentTeams Team Active/direct 7/7 不等于模型自主协同。模型实跑、真实 vendor sandbox、授权试点、独立复现、公开仓库/身份、生产设施六项外部 Claim 当前全部 `PENDING`。约 88/100 是 22/20/22/20/4 的工程准备度内部自评，不是官方成绩；95+ 只能靠上述外部证据。
diff --git a/pyproject.toml b/pyproject.toml
index eb3df7a..5ebe193 100644
--- a/pyproject.toml
+++ b/pyproject.toml
@@ -26,6 +26,11 @@ production = ["psycopg[binary]==3.2.9"]
 proofmesh = "proofmesh.cli:main"
 proofmesh-mcp = "proofmesh.mcp_server:main"
 
+[project.urls]
+Homepage = "https://dingyucanada.github.io/ProofMesh/"
+Repository = "https://github.com/dingyucanada/ProofMesh"
+Issues = "https://github.com/dingyucanada/ProofMesh/issues"
+
 [tool.setuptools]
 package-dir = {"" = "src"}
 include-package-data = true
diff --git a/sbom.cdx.json b/sbom.cdx.json
index d6cae19..7abb2bf 100644
--- a/sbom.cdx.json
+++ b/sbom.cdx.json
@@ -1,7 +1,7 @@
 {
   "bomFormat": "CycloneDX",
   "specVersion": "1.5",
-  "serialNumber": "urn:uuid:d1dc6323-22a5-b389-e1dc-9390c5502a0c",
+  "serialNumber": "urn:uuid:fb1fa645-716d-e470-495f-5357d8db2f0b",
   "version": 1,
   "metadata": {
     "component": {
@@ -18,7 +18,7 @@
       "properties": [
         {
           "name": "proofmesh:source-manifest-sha256",
-          "value": "d1dc632322a5b389e1dc9390c5502a0c3f5299bc6ca33c059b6c316d9aa1c385"
+          "value": "fb1fa645716de470495f5357d8db2f0b20dfbd26780c0a639be0246b016c7e63"
         },
         {
           "name": "proofmesh:source-file-count",
diff --git a/scripts/benchmarks/run_authorization_contract_replay.py b/scripts/benchmarks/run_authorization_contract_replay.py
index 2fbb634..bb2878c 100644
--- a/scripts/benchmarks/run_authorization_contract_replay.py
+++ b/scripts/benchmarks/run_authorization_contract_replay.py
@@ -63,7 +63,7 @@ def build_parser() -> argparse.ArgumentParser:
         type=Path,
         default=PROJECT_ROOT
         / "artifacts/public-benchmark/authorization-contract-replay.md",
-        help="judge-facing result",
+        help="human-readable result",
     )
     parser.add_argument(
         "--limit",
diff --git a/scripts/build_public_demo.py b/scripts/build_public_demo.py
index 8006e6f..fb2f79e 100644
--- a/scripts/build_public_demo.py
+++ b/scripts/build_public_demo.py
@@ -1,5 +1,5 @@
 #!/usr/bin/env python3
-"""Build the narrowly scoped, read-only GitHub Pages artifact."""
+"""Build the narrowly scoped interactive GitHub Pages artifact."""
 
 from __future__ import annotations
 
@@ -97,7 +97,8 @@ def build(output: Path) -> dict:
 
     manifest = {
         "schema_version": "proofmesh.public-demo-manifest/v1",
-        "mode": "READ_ONLY_EVIDENCE_REPLAY",
+        "mode": "INTERACTIVE_DECISION_LAB_WITH_FROZEN_EVIDENCE",
+        "decision_engine": "CLIENT_SIDE_DETERMINISTIC_SIMULATION",
         "live_backend": False,
         "model_driven": False,
         "customer_data": False,
@@ -117,7 +118,7 @@ def main() -> None:
     args = parser.parse_args()
     manifest = build(args.output)
     print(
-        f"built {manifest['file_count']} read-only files at "
+        f"built {manifest['file_count']} public demo files at "
         f"{args.output.resolve()} (live_backend=false, model_driven=false)"
     )
 
diff --git a/scripts/build_release.py b/scripts/build_release.py
index ea1eab9..b5ad461 100644
--- a/scripts/build_release.py
+++ b/scripts/build_release.py
@@ -71,12 +71,10 @@
     Path("artifacts/reference/manifest.json"),
     Path("artifacts/reference/trust-bundle.json"),
     Path("artifacts/reference/pinned-refund-policy.json"),
-    Path("docs/judge-scorecard.md"),
     Path("docs/agent-identity-register.md"),
     Path("docs/pilot-value-scorecard.md"),
     Path("docs/aliyun-skill-adoption.md"),
     Path("docs/synthetic-http-shadow-evaluation.md"),
-    Path("docs/95-plus-evidence-runbook.md"),
     Path("docs/templates/data-authorization-and-anonymization-checklist.md"),
     Path("docs/templates/independent-reproduction-attestation.md"),
     Path("artifacts/external-evidence/claim-status.json"),
diff --git a/scripts/generate_reference_artifacts.py b/scripts/generate_reference_artifacts.py
index 72cba66..cc75a17 100644
--- a/scripts/generate_reference_artifacts.py
+++ b/scripts/generate_reference_artifacts.py
@@ -1,5 +1,5 @@
 #!/usr/bin/env python3
-"""Generate judge-facing evidence by executing isolated ProofMesh workflows.
+"""Generate reviewer-facing evidence by executing isolated ProofMesh workflows.
 
 The files are derived from real state transitions in the deterministic commerce
 sandbox.  They are not model-quality or production-availability measurements.
diff --git a/scripts/validate_external_evidence.py b/scripts/validate_external_evidence.py
index 594f5f5..9eaebc5 100644
--- a/scripts/validate_external_evidence.py
+++ b/scripts/validate_external_evidence.py
@@ -19,10 +19,10 @@
     "stripe_hubspot_sandbox",
     "authorized_historical_pilot",
     "independent_reproduction",
-    "public_repository_and_identity",
+    "public_release_and_maintenance",
     "production_readiness",
 }
-TOP_LEVEL_KEYS = {"schema_version", "policy", "score_target", "claims"}
+TOP_LEVEL_KEYS = {"schema_version", "policy", "claims"}
 CLAIM_KEYS = {
     "id",
     "status",
@@ -138,11 +138,6 @@ def validate(root: Path = ROOT) -> dict[str, Any]:
         raise ExternalEvidenceError("unsupported external claim register schema")
     if not isinstance(register["policy"], str) or "fail-closed" not in register["policy"]:
         raise ExternalEvidenceError("claim register must declare a fail-closed policy")
-    score_target = register["score_target"]
-    if not isinstance(score_target, dict) or set(score_target) != {"engineering", "external_evidence"}:
-        raise ExternalEvidenceError("score_target must separate engineering and external evidence")
-    if any(not isinstance(value, str) or "not " not in value.lower() for value in score_target.values()):
-        raise ExternalEvidenceError("score targets must explicitly disclaim official scoring")
     claims = register["claims"]
     if not isinstance(claims, list) or not all(isinstance(claim, dict) for claim in claims):
         raise ExternalEvidenceError("claims must be an object list")
@@ -185,4 +180,3 @@ def main() -> int:
 
 if __name__ == "__main__":
     raise SystemExit(main())
-
diff --git a/src/proofmesh/benchmarks/authorization_replay.py b/src/proofmesh/benchmarks/authorization_replay.py
index 69e1846..65138bf 100644
--- a/src/proofmesh/benchmarks/authorization_replay.py
+++ b/src/proofmesh/benchmarks/authorization_replay.py
@@ -1175,7 +1175,7 @@ def _record_attack(
 
 
 def render_markdown(report: Mapping[str, Any]) -> str:
-    """Render the machine report as a concise, judge-facing Markdown artifact."""
+    """Render the machine report as a concise, human-readable Markdown artifact."""
 
     dataset = report["dataset"]
     metrics = report["metrics"]
diff --git a/src/proofmesh/static/index.html b/src/proofmesh/static/index.html
index 4904515..d2999f7 100644
--- a/src/proofmesh/static/index.html
+++ b/src/proofmesh/static/index.html
@@ -40,7 +40,7 @@ <h2>角色凭证</h2>
         </div>
         <p class="microcopy">凭证仅保存在当前浏览器会话；源码不内置任何通行令牌。</p>
         <details>
-          <summary>配置评委本地凭证</summary>
+          <summary>配置本地角色凭证</summary>
           <div id="credentialFields" class="credential-fields"></div>
         </details>
       </section>
diff --git a/tests/test_api_contract.py b/tests/test_api_contract.py
index eafe021..634dfa8 100644
--- a/tests/test_api_contract.py
+++ b/tests/test_api_contract.py
@@ -301,7 +301,7 @@ def test_readiness_requires_every_security_boundary_identity(monkeypatch, action
     assert "gateway" in unavailable.json()["detail"]["missing_authenticated_roles"]
 
 
-def test_judge_console_targets_the_role_separated_api_contract():
+def test_operator_console_targets_the_role_separated_api_contract():
     static_dir = Path(__file__).resolve().parents[1] / "src/proofmesh/static"
     app_source = (static_dir / "app.js").read_text(encoding="utf-8")
     page_source = (static_dir / "index.html").read_text(encoding="utf-8")
diff --git a/tests/test_clean_runtime.py b/tests/test_clean_runtime.py
index 6e64813..237d215 100644
--- a/tests/test_clean_runtime.py
+++ b/tests/test_clean_runtime.py
@@ -39,7 +39,7 @@ def test_clean_runtime_removes_only_ephemeral_targets(tmp_path, capsys):
     (tmp_path / "docs/demo-waiting-approval.png").write_text("legacy", encoding="utf-8")
     (tmp_path / "docs/demo-final-rollback.png").write_text("legacy", encoding="utf-8")
     (tmp_path / "docs/judge-console-compensated.png").write_text("legacy", encoding="utf-8")
-    current_console = tmp_path / "docs/judge-console-compensated-current.png"
+    current_console = tmp_path / "docs/console-compensated-reference.png"
     current_console.write_text("current", encoding="utf-8")
 
     module.main()
diff --git a/tests/test_public_demo.py b/tests/test_public_demo.py
new file mode 100644
index 0000000..6522fbc
--- /dev/null
+++ b/tests/test_public_demo.py
@@ -0,0 +1,45 @@
+from __future__ import annotations
+
+import importlib.util
+import json
+from pathlib import Path
+
+
+ROOT = Path(__file__).resolve().parents[1]
+SCRIPT = ROOT / "scripts/build_public_demo.py"
+
+
+def _module():
+    spec = importlib.util.spec_from_file_location("proofmesh_public_demo", SCRIPT)
+    assert spec and spec.loader
+    module = importlib.util.module_from_spec(spec)
+    spec.loader.exec_module(module)
+    return module
+
+
+def test_public_demo_build_is_interactive_but_has_no_backend(tmp_path: Path):
+    report = _module().build(tmp_path / "site")
+    assert report["mode"] == "INTERACTIVE_DECISION_LAB_WITH_FROZEN_EVIDENCE"
+    assert report["decision_engine"] == "CLIENT_SIDE_DETERMINISTIC_SIMULATION"
+    assert report["live_backend"] is False
+    assert report["model_driven"] is False
+    assert report["customer_data"] is False
+
+    html = (tmp_path / "site/index.html").read_text(encoding="utf-8")
+    javascript = (tmp_path / "site/app.js").read_text(encoding="utf-8")
+    assert "给系统一个场景，看它会不会冒险" in html
+    assert "evaluateLab" in javascript
+    assert "UNKNOWN_MANUAL" in javascript
+    assert "fetch(" in javascript  # frozen evidence only
+    assert "/api/" not in javascript
+
+
+def test_public_demo_contains_only_selected_evidence(tmp_path: Path):
+    output = tmp_path / "site"
+    report = _module().build(output)
+    manifest = json.loads((output / "PUBLIC_DEMO_MANIFEST.json").read_text(encoding="utf-8"))
+    assert manifest["file_count"] == report["file_count"]
+    assert not list(output.rglob("*.ed25519"))
+    assert not list(output.rglob("*.db"))
+    assert not list(output.rglob(".env"))
+    assert (output / "evidence/reference/automatic/workflow-proof.json").is_file()