Merge pull request 'feat(learning): voice-fingerprint corpus-refresh proposal generator (#161, prose half)' (#348) from worktree-voice-fingerprint-refresh into main

The voice-fingerprint (docs/daphna-voice-fingerprint.md) is the PRIMARY abstract
style channel the writer consumes (07-learning §0.2 channel A), but it was
hand-authored and never regenerated from the growing corpus — the "voice" the
writer adapts stayed frozen while finals accumulated. PR #345 unfroze the
structural half (corpus-measured ratios → writer); this is the prose half.

scripts/regenerate_voice_fingerprint.py reads the corpus (style_corpus stats +
a bounded block-level style_exemplars sample + measured section ratios) and asks
Opus (local) to PROPOSE refinements/additions to the fingerprint — STYLE / METHOD
/ VOICE / LEXICON only, grounded in corpus evidence, never case substance
(INV-LRN5), preserving curated insights rather than replacing them.

CHAIR-GATED, HARD (INV-LRN1): the prose profile is voice-knowledge, not a
low-risk style rule, so it does NOT auto-flow. The script writes a PROPOSAL to
data/curator-proposals/ (the existing curator-proposal surface) and NEVER
overwrites the live fingerprint; the chair reviews and hand-commits accepted parts
— the same manual gate the fingerprint already uses. Runs on the host (claude CLI).

Reuses claude_session + measure_corpus_ratios + the curator-proposals dir (G2 —
no parallel synthesis or gate). SCRIPTS.md + spec §0.2 updated.

Invariants: INV-LRN1 (hard chair gate for voice-knowledge prose), INV-LRN5
(style-only synthesis), G2 (reuses existing synthesis inputs + proposal surface).

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

docs/spec/07-learning.md

@@ -35,7 +35,7 @@
 היעד הוא **Text Style Transfer** מבוסס **פרופיל-סגנון מופשט** — להכליל את סגנון/שיטת דפנה ולהתאים לתיק הספציפי. fine-tuning של משקולות **לא רלוונטי**: המודל (Opus) סגור, והקורפוס (~48 החלטות, יו"ר חדשה) קטן מדי — מצב שבו הספרות מראה שפרופיל-מופשט + דוגמאות מנצח (≈+15% מעל RAG-בלבד). **מדיניות-העתקה לפי סוג-תוכן:** קבוע/נוסחאי (פתיחים דוקטרינליים, תבניות-סיום) → מותר להעתיק; ניתוח/טענות ספציפיים → להכליל ולהתאים; מהות (הלכה/עובדה מתיק אחר) → אסור (INV-LRN5).
 
 ### 0.2 שלושת ערוצי-ההזנה לכותב
-1. **A — פרופיל-מופשט (ראשי):** voice-fingerprint + author-features כמותיים, מוזרק לכתיבה.
+1. **A — פרופיל-מופשט (ראשי):** voice-fingerprint + author-features כמותיים, מוזרק לכתיבה. **חידוש מהקורפוס:** החלק הכמותי (יחסי-מבנה) מתרענן אוטומטית-ודטרמיניסטית מהקורפוס הגדל (`measure_corpus_ratios`→כותב); הפרוזה המופשטת מסונתזת מחדש ע"י `scripts/regenerate_voice_fingerprint.py` (Opus) כ**הצעה מגודרת-יו"ר** (INV-LRN1 קשיח — לא auto, היו"ר מקבעת ידנית; STYLE בלבד INV-LRN5).
 2. **B — דוגמאות + תבניות (תומך):** פסקאות-בלוק אמיתיות + Copy-Paste Templates + contrastive.
 3. **C — deep-read (נקודתי):** voice-XXXX.md — worked example לתיק-מופת.
 

scripts/SCRIPTS.md

@@ -102,6 +102,7 @@
 | `notify.py` | python | שליחת מייל התראה מסוכנים via SMTP (Gmail) | נקרא ע"י סוכנים |
 | `bidi_table.py` | python | יצירת טבלאות box-drawing עם תמיכה ב-BiDi (עברית+אנגלית) | ספריית עזר |
 | `convert_decision_template.py` | python | המרת `data/training/טיוטת החלטה.dotx` → `skills/docx/decision_template.docx` לטעינה ב-python-docx | להריץ כשמתעדכנת התבנית |
+| `regenerate_voice_fingerprint.py` | python | מסנתז מהקורפוס (style_corpus + דוגמאות + יחסים) **הצעה** לעדכון פרופיל-הקול (Opus מקומי). שער-יו"ר קשיח (INV-LRN1): כותב ל-`data/curator-proposals/`, לעולם לא דורס את `docs/daphna-voice-fingerprint.md` — היו"ר סוקרת ומקבעת ידנית. החצי-הפרוזה של #161 (החצי-המבני=ratios ב-PR#345). רץ על המארח (claude CLI). STYLE/METHOD בלבד (INV-LRN5) | ידני / לתזמן תקופתית |
 | `deploy-track-changes.sh` | bash | סנכרון skills CMP↔CMPA + בדיקות + הנחיות deploy לארכיטקטורת Track Changes | ידני |
 
 ## חד פעמי

scripts/regenerate_voice_fingerprint.py

@@ -0,0 +1,113 @@
+#!/usr/bin/env python3
+"""Propose a corpus-refreshed update to Dafna's voice-fingerprint (TaskMaster #161).
+
+The voice-fingerprint (docs/daphna-voice-fingerprint.md) is the PRIMARY abstract
+style channel the writer consumes (07-learning §0.2, channel A). It was hand-authored
+and never regenerated from the growing corpus — so the "voice" the writer adapts has
+been frozen while the corpus grew. This script reads the corpus (style_corpus stats +
+block-level style_exemplars sample + measured section ratios) and asks Opus (local)
+to PROPOSE refinements/additions to the fingerprint — STYLE / METHOD / VOICE / LEXICON
+ONLY, never case substance (INV-LRN5).
+
+CHAIR-GATED (INV-LRN1, HARD gate — the prose profile is voice-knowledge, not a
+low-risk style rule, so it does NOT auto-flow): the proposal is written to
+data/curator-proposals/ and NEVER overwrites the live fingerprint. The chair reviews
+it (in /training, with the other curator proposals) and hand-commits the parts she
+accepts to docs/daphna-voice-fingerprint.md — the same manual gate the fingerprint
+already uses. This is the prose half of the voice-profile refresh; the structural
+half (corpus-measured ratios → writer) shipped in PR #345.
+
+Runs on the HOST (claude_session needs the local claude CLI). Usage:
+  DOTENV_PATH=/home/chaim/.env DATA_DIR=/home/chaim/legal-ai/data \\
+    /home/chaim/legal-ai/mcp-server/.venv/bin/python scripts/regenerate_voice_fingerprint.py
+"""
+from __future__ import annotations
+
+import asyncio
+import logging
+from datetime import datetime, timezone
+
+from legal_mcp import config
+from legal_mcp.services import claude_session, db
+from legal_mcp.services.style_distance import measure_corpus_ratios
+
+logging.basicConfig(level=logging.INFO, format="%(message)s")
+log = logging.getLogger("voice_fingerprint_refresh")
+
+FINGERPRINT = config.DATA_DIR.parent / "docs" / "daphna-voice-fingerprint.md"
+PROPOSALS = config.DATA_DIR / "curator-proposals"
+_PER_SECTION = 5          # exemplars per section in the evidence pack
+_MAX_PARA_CHARS = 700     # cap each exemplar so the prompt stays bounded
+
+_SYSTEM = """אתה מזקק את טביעת-אצבע-הקול של עו"ד דפנה תמיר — פרופיל-סגנון מופשט (איך היא כותבת: קול, שיטה, מבנה, לקסיקון, אנטי-דפוסים), לא תוכן.
+חוקים מחייבים:
+- **סגנון/שיטה בלבד (INV-LRN5):** אסור לכלול מהות משפטית ספציפית — הלכה, עובדה, תקדים, או ניסוח מתיק קונקרטי. רק הכללות-סגנון.
+- **לחדד ולהרחיב, לא לזרוק:** שמר את התובנות האצורות בפרופיל הנוכחי; הצע תוספות/חידודים מעוגנים בראיות-הקורפוס שלהלן.
+- **לעגן:** כל קביעה חדשה נשענת על דפוס שחוזר בראיות. אם אין עיגון — אל תמציא ואל תוסיף.
+- שמר על מבנה-המסמך והסעיפים הקיימים.
+הפלט: גרסת-fingerprint מוצעת מלאה (Markdown), מוכנה לסקירת-יו"ר — בלי הקדמות או הסברים מסביב."""
+
+
+async def _gather_evidence() -> tuple[str, str]:
+    pool = await db.get_pool()
+    async with pool.acquire() as conn:
+        n_corpus = await conn.fetchval("SELECT count(*) FROM style_corpus WHERE coalesce(full_text,'') <> ''")
+        n_ex = await conn.fetchval("SELECT count(*) FROM style_exemplars")
+        rows = await conn.fetch(
+            """SELECT section, decision_number, outcome, paragraph_text FROM (
+                   SELECT section, decision_number, outcome, paragraph_text,
+                          row_number() OVER (PARTITION BY section
+                                             ORDER BY decision_number DESC, word_count DESC) AS rn
+                   FROM style_exemplars
+               ) t WHERE rn <= $1 ORDER BY section, rn""",
+            _PER_SECTION,
+        )
+    ratios = await measure_corpus_ratios()
+    parts = [f"קורפוס: {n_corpus} החלטות, {n_ex} דוגמאות-בלוק.", "", "יחסי-מבנה מדודים מהקורפוס (אחוז-מהסך, לפי תוצאה):"]
+    for outcome, entry in (ratios or {}).items():
+        secs = ", ".join(f"{s} {round(p)}%" for s, p in (entry.get("sections") or {}).items())
+        parts.append(f"  - {outcome} (n={entry.get('n', 0)}): {secs}")
+    parts += ["", "דוגמאות-סגנון מייצגות (פסקאות אמיתיות של דפנה — מקור ללמידת-קול, לא להעתקת-מהות):"]
+    for r in rows:
+        para = (r["paragraph_text"] or "").strip()[:_MAX_PARA_CHARS]
+        parts.append(f"\n[{r['section']} · {r['decision_number']} · {r['outcome'] or '—'}]\n{para}")
+    return "\n".join(parts), f"{n_corpus} החלטות / {n_ex} דוגמאות"
+
+
+async def main() -> int:
+    if not FINGERPRINT.exists():
+        log.error("fingerprint not found: %s", FINGERPRINT)
+        return 1
+    current = FINGERPRINT.read_text(encoding="utf-8")
+    evidence, summary = await _gather_evidence()
+
+    user = (
+        f"## הפרופיל הנוכחי (לחדד ולהרחיב, לא להחליף):\n{current}\n\n"
+        f"## ראיות-קורפוס:\n{evidence}\n\n"
+        "## המשימה:\nהצע גרסת-fingerprint מעודכנת המשלבת חידודים/תוספות-סגנון מעוגנים בראיות לעיל, "
+        "תוך שימור כל התובנות האצורות. סגנון/שיטה בלבד — בלי מהות."
+    )
+    log.info("synthesizing voice-fingerprint proposal from %s (Opus, local)…", summary)
+    proposed = await claude_session.query(
+        user, timeout=claude_session.LONG_TIMEOUT, system=_SYSTEM,
+        model="claude-opus-4-8", tools="",
+    )
+    if not proposed or not proposed.strip():
+        log.error("empty proposal from model — aborting (nothing written)")
+        return 1
+
+    PROPOSALS.mkdir(parents=True, exist_ok=True)
+    ts = datetime.now(timezone.utc).strftime("%Y%m%dT%H%M%SZ")
+    out = PROPOSALS / f"voice-fingerprint-{ts}.md"
+    header = (
+        f"<!-- הצעת-חידוש לטביעת-אצבע-הקול · {ts} · מקור: {summary} -->\n"
+        "<!-- שער-יו\"ר (INV-LRN1): הצעה בלבד. לסקור ולקבע ידנית ל-docs/daphna-voice-fingerprint.md. -->\n\n"
+    )
+    out.write_text(header + proposed, encoding="utf-8")
+    log.info("✓ proposal written (chair-gated, NOT applied): %s", out)
+    log.info("  review in /training → commit accepted parts to %s", FINGERPRINT)
+    return 0
+
+
+if __name__ == "__main__":
+    raise SystemExit(asyncio.run(main()))