legal-ai/scripts/SCRIPTS.md

scripts/ — מדריך סקריפטים

כלל: כל עדכון, יצירה, או מחיקה של סקריפט בתיקייה זו מחייב עדכון של קובץ זה.

---

סקריפטים פעילים

מקובצים לפי תת-נושא (כותרות ###). דף /scripts קורא את הכותרות ומקבץ לפיהן. סקריפט חוזר/קבוע — הוסף כאן תחת תת-הנושא המתאים; סקריפט חד-פעמי (מיגרציה/backfill/POC שהורץ פעם-אחת) — תחת ## חד פעמי שבהמשך, באותו תת-נושא.

סוכנים, Paperclip ואדפטרים

Script	Type	Purpose	Scheduled
pc.sh	bash	wrapper לכל קריאות Paperclip API מסוכנים — מוסיף Authorization, X-Paperclip-Run-Id (audit trail), Content-Type, base URL. תחביר: pc.sh <METHOD> <PATH> [BODY_JSON]. אסור curl ישיר ל-$PAPERCLIP_API_URL. ראה HEARTBEAT.md §0. counterpart ב-Python: web/paperclip_api.py.	נקרא ע"י סוכנים
sync_agents_across_companies.py	python	סנכרון סוכנים מ-CMP (1xxx, master) ל-CMPA (8xxx, mirror) — Gap #25. משווה adapter_config (model/timeout/instructions/skills/etc), runtime_config (heartbeat), ושדות top-level (budget/metadata/icon/title/role). מסנן אוטומטית local skills שלא קיימים ב-mirror. לוגיקת subset (mirror יכול להחזיק יותר skills כי ה-API מוסיף required runtime skills). תומך --verify/--dry-run/--apply [--only NAME]. גיבוי אוטומטי. דורש PAPERCLIP_BOARD_API_KEY. להריץ אחרי כל שינוי הגדרות ב-CMP. ⚠ אם adapter_type שונה בין CMP ל-CMPA — --apply מדלג על הסוכן; --verify מדווח אותו רם כ-DRIFT. בעת מעבר adapter (למשל ל-deepseek_local) חובה לעדכן ידנית בשתי החברות. --verify יוצא exit≠0 על כל drift (needs-sync / adapter-mismatch / missing-in-mirror) — שמיש כ-gate ל-cron/CI (GAP-21/FU-8a).	ידני אחרי כל שינוי
fix_paperclipai_skills_drift.py	python	סקריפט חד-פעמי (בוצע 2026-05-04) שניקה drift על paperclipai/* skills בין CMP ל-CMPA. הסיר paperclip-dev מכל 14 הסוכנים, ודאג ש-paperclip-converting-plans-to-tasks קיים רק על CEO ו-analyst. תומך --apply (ברירת מחדל: dry-run). דורש PAPERCLIP_BOARD_API_KEY. נשמר לרפרנס למקרה שhdrift חוזר.	חד-פעמי (בוצע)
classify_citation_treatments.py	python	סיווג-טיפול לקצוות-ציטוט (X11 Phase 2, #154) — לכל קצה ב-precedent_internal_citations (החלטת-ועדה מצטטת תקדים) מסווג את ה-treatment מתוך ה-match_context דרך corroboration.classify_treatment (Opus 4.8 @ xhigh, claude_session מקומי — לא בקונטיינר): followed/explained=חיובי, distinguished/criticized/questioned/overruled=שלילי. ממלא precedent_internal_citations.treatment כך ש-refresh_verified_layer לא יספור ציטוט שלילי כסמכות (INV-COR2) ו-db.citation_authority יציג פירוק לסוכנים. אידמפוטנטי (מדלג על מסווגים). --apply/--limit N/--case-law-id UUID. אחרי --apply הרץ build_verified_layer.py. דורש HOME=/home/chaim.	ידני / אחרי גלי-ציטוט חדשים
adapter_profiles.py	python (module)	רישום-פרופילי-אדפטר — מקור-אמת יחיד ל-3 צירי-הכשל של מעבר-אדפטר: provider/default_model, instructions_mode (file_path בטוח-frontmatter מול content_arg ששובר ---), ו-tool_config (gemini_global excludeTools / frontmatter / hermes / codex_home). כולל codex_local עם משפחת מודלי OpenAI/Codex (gpt-*, o3*, o4*, codex-*). מיובא ע"י migrate_agent_adapter.py. הוספת אדפטר עתידי = רשומה אחת. לא מורץ ישירות.	תשתית
migrate_agent_adapter.py	python	מעבר-אדפטר בטוח לכל סוכן ← כל אדפטר, בשתי החברות יחד (INV-MC1). מיישב model↔provider, גורס frontmatter לעותק .generated/<name>.nofm.md ל-content_arg adapters (אחרת קריסת gemini --prompt/hermes -q על ---), ומשחרר excludeTools גלובלי של gemini (--relax-tools). --check (preflight בלבד, exit≠0 על שגיאה — שער FU-8a) / --apply / --revert (שחזור מדויק מ-sidecar data/adapter-migration-state.json) / --verify (מסמן מצב לא-תואם/א-סימטרי, exit≠0). --agent "<שם>"|all --to <adapter> [--model X] [--relax-tools]. PATCH דרך /api/agents/{id} (לא DB). דורש PAPERCLIP_BOARD_API_KEY. הרץ עם mcp-server/.venv/bin/python. fallback-חירום כשנגמרים טוקני-Claude; החזר ל-claude_local כשחוזרים.	ידני לפי צורך

אחזור, embeddings ו-multimodal

Script	Type	Purpose	Scheduled
test_retrieval_by_name.py	python	בדיקת אחזור-לפי-שם (#52/RC-A) — מאמת שsearch_precedent_library/search_internal_decisions מדרגים את ההחלטה עצמה (אגסי) מעל מי שמצטט אותה, + רגרסיות לשאילתות מהותיות. הרצה: DOTENV_PATH=/home/chaim/.env DATA_DIR=.../data mcp-server/.venv/bin/python scripts/test_retrieval_by_name.py (exit 0 = עבר).	ידני אחרי שינוי שכבת חיפוש
eval_gold_bootstrap.py	python	FU-5 (GAP-11) — bootstrap ל-gold-set של הערכת-אחזור ל-data/eval/gold-set.jsonl. שני מקורות: --source citations (cited==relevant מ-search_relevance_feedback; ריק עד שייצברו ציטוטים) ו---source known_item (query=שם-תיק → relevant=עצמו; אות אמיתי היום). Idempotent — שומר שורות source=chair, מחדש bootstrap_*. דורש POSTGRES.	לפני eval; חוזר כשנצבר ground-truth
eval_retrieval.py	python	FU-5 (GAP-11, INV-RET4/G8) — harness הערכת-אחזור — מריץ את מסלול-האחזור בייצור (search_library/search_internal) על ה-gold-set, מחשב precision@k/recall@k/MRR/nDCG@k (k=5,10), מצרף overall+per-corpus+per-PA ל-data/eval/eval-report-<ts>.{json,md} + delta מול data/eval/baseline.json (מתעד retrieval_config). --self-test בודק את המטריקות offline; --update-baseline מאמץ snapshot. שער-CI במשמעת: הרץ לפני/אחרי כל שינוי בשכבת-האחזור באותו קונפיג. דורש POSTGRES+VOYAGE_API_KEY.	לפני/אחרי שינוי RRF/k/embedder/rerank
legal-court-fetch-service.config.cjs	pm2/js	שירות-מארח Tier-1 לאחזור פסקי-דין מנט המשפט (X13) — 2 apps: (א) legal-court-fetch-xvfb (Xvfb :99, צג-וירטואלי ל-Camoufox); (ב) legal-court-fetch-service (python -m legal_mcp.court_fetch_service.server, bound 10.0.1.1:8771, Bearer COURT_FETCH_SHARED_SECRET מ-~/.legal-court-fetch-service.env, DISPLAY=:99). מריץ Camoufox דרך חבילת-הפייתון (in-process) כי הקונטיינר לא יכול דפדפן. תלות: pip install -e "mcp-server[court-fetch]" && python -m camoufox fetch. אחזור = ניווט→צופה→GetImages(X-Requested-With)→PDF, ללא CAPTCHA; כשל→ok:false→orchestrator מסלים ל-fallback אנושי. אומת על עת"מ 46111-12-22 (34 עמ'). מראָה לדפוס legal-chat-service.config.cjs. ספ: docs/spec/X13-court-fetch.md. התקנה: pm2 start scripts/legal-court-fetch-service.config.cjs && pm2 save. בריאות: curl http://10.0.1.1:8771/health.	pm2 (host-side)
drain_court_fetch.py	python	ריקון תור-אחזור הפסיקה (X13) — קורא ל-court_fetch_orchestrator.drain_pending(limit) שמוריד+קולט כל job ממתין שהיומונים מילאו, וקושר חזרה ליומון. מקומי בלבד (ingest = claude CLI). no-op מהיר כשהתור ריק. הרצה ידנית: mcp-server/.venv/bin/python scripts/drain_court_fetch.py [limit].	דרך legal-court-fetch-drain.config.cjs (pm2 cron)
legal-court-fetch-drain.config.cjs	pm2/js	תזמון שעתי של drain_court_fetch.py (cron 17 * * * *, COURT_FETCH_DRAIN_CRON לעקיפה) — הופך את לולאת יומון→אחזור→קליטה ל-fully-autonomous. autorestart:false (one-shot per tick). דורש legal-court-fetch-service רץ. התקנה: pm2 start scripts/legal-court-fetch-drain.config.cjs && pm2 save.	pm2 cron (host-side)
reembed_voyage.py	python	Re-embed כל הוקטורים ב-DB עם המודל ב-VOYAGE_MODEL (לאחר שינוי מודל). 5 טבלאות, 1024 דמ', batches של 100. ראה docs/voyage-upgrades-plan.md	ידני (אחרי החלפת VOYAGE_MODEL)
multimodal_backfill.py	python	Backfill voyage-multimodal-3 page embeddings על מסמכי תיקים קיימים. idempotent (skips by default), forces MULTIMODAL_ENABLED=true ל-run, רץ מהקונטיינר. שלב C — ראה docs/voyage-upgrades-plan.md	ידני per-case (python multimodal_backfill.py 8174-24 8137-24)
backfill_chunk_pages.py	python	Backfill page_number ב-document_chunks קיימים. legacy chunker לא tracked עמודים → page_number=NULL חוסם boost של multimodal hybrid (text+image join על אותו עמוד). re-extracts כל PDF (re-OCR אם צריך, ~$0.0015/page), מחשב page_offsets, ומעדכן chunks. idempotent	ידני per-case (python backfill_chunk_pages.py 8174-24 8137-24)
compute_ndcg.py	python	חישוב nDCG@10 על search_relevance_feedback (TaskMaster #50, Stage C). aggregation לפי search_type ולפי שבוע, כולל top-cited case_law ו-coverage %. דגלים: --k 10, --weeks 12, --pretty. read-only, פלט JSON. משמש גם את GET /api/admin/rag-metrics (מיובא inline) — שינוי חתימה ב-compute() ישבור את ה-endpoint	ידני / cron עתידי לדיווח שבועי
backfill_multimodal_precedents.py	python	Backfill voyage-multimodal-3 page embeddings על רשומות case_law (external_upload + internal_committee) שחסרות precedent_image_embeddings. בונה אינדקס קבצים מ-data/precedent-library/ ו-data/internal-decisions/, מנסה התאמה לפי tokens של מספרי תיק (כולל parts-match לפורמטים שונים של Nevo doc-id). מדלג על רשומות בלי קובץ-מקור או עם MD בלבד (PyMuPDF לא מרנדר MD). תומך --dry-run (default) / --apply / --only external_upload|internal_committee / --limit N. רץ בקונטיינר (יש /data + Voyage env). הופעל 2026-05-26: 70 חסרים → 26 backfilled (503 pages, ~$0.21 voyage tokens), 44 אין-קובץ-מקור. ניתן להריץ שוב אחרי שיועלו עוד PDF/DOCX לספרייה	ידני

אחסון, DB ותורים

Script	Type	Purpose	Scheduled
reap_orphan_procs.py	python	reaper לתהליכים-יתומים שמרווים את שרת Nautilus — הורג task-master-mcp (Node, מתנפח ל~3GB) ו-camoufox-bin (Firefox מ-X13 fetch שקרס) רק כשהם יתומים (ppid=1) — תהליך עם הורה-חי לעולם לא נוגעים בו. /proc טהור, בלי psutil. --dry-run (דיווח), --loop N (דמון כל N ש'). ראה זיכרון project_taskmaster_mcp_memory_leak.	דרך legal-reaper.config.cjs (pm2)
legal-reaper.config.cjs	pm2/js	דמון pm2 ל-reap_orphan_procs.py --loop (ברירת-מחדל 180ש', REAP_INTERVAL_S לעקיפה). max_memory_restart 100M (ה-reaper עצמו לא ידלוף). התקנה: pm2 start scripts/legal-reaper.config.cjs && pm2 save. לוגים: pm2 logs legal-reaper.	pm2 (host-side)
drain_metadata_queue.py	python	ריקון תור חילוץ-המטא של הפסיקה — process_pending_extractions(kind='metadata') ב-batches עד ריק. רץ על Gemini Flash (structured JSON, gemini_session) — מהיר ואמין, במקום ה-claude CLI ה-agentic שפגע ב-error_max_turns. no-op מהיר כשריק. הרצה ידנית: mcp-server/.venv/bin/python scripts/drain_metadata_queue.py [batch].	דרך legal-metadata-drain.config.cjs (pm2 cron)
legal-metadata-drain.config.cjs	pm2/js	תזמון כל 15 דק' של drain_metadata_queue.py (cron */15 * * * *, METADATA_DRAIN_CRON לעקיפה) — מונע סתימה של תור חילוץ-המטא ב-/precedents. דורש GEMINI_API_KEY ב-~/.env. התקנה: pm2 start scripts/legal-metadata-drain.config.cjs && pm2 save.	pm2 cron (host-side)
backup-db.sh	bash	גיבוי PostgreSQL יומי ל-data/backups/ (gzip)	לתזמן: 0 2 * * *
restore-db.sh	bash	שחזור DB מגיבוי (companion ל-backup-db.sh)	ידני
migrate_blobs_to_minio.py	python	#106.4 — הגירת בלובים לדיסק→MinIO (DB-driven, dry-run-default). סורק 6 עמודות-נתיב (documents.file_path · cases.active_draft_path · digests.source_document_path · draft_final_pairs.final_path · *_image_embeddings.image_thumbnail_path), מנרמל 3 פורמטי-נתיב legacy (container-abs /data/, host-abs, relative) ל-key יחסי-DATA_DIR, וגוזר bucket per-file-semantic (מסמך→documents, thumbnail→derived). dry-run מפיק תוכנית+מניפסט CSV (data/audit) + מדווח חסרים; --apply מעלה דרך mcli ומאמת size (דיסק לא נוגע → הפיך). אומת 2026-06-11: 3404 קבצים/899MB, 0 outside, 28 חסרים. חובה mcli alias legalminio.	ידני — הגירת-אחסון X14
storage_leak_tripwire.py	python	INV-STG1 tripwire (ניטור-ריצה). משלים את ה-CI leak-guard: סורק בלובים ב-data/{cases,precedent-library,internal-decisions,digests,training} ומשווה מול ה-key-sets החיים של legal-documents/legal-derived (json-key match, סיווג bucket per-file כמו בהגירה). מדווח בלובים שדלפו (בדיסק אך לא ב-MinIO → יאבדו בניקוי, לא מוגשים/מגובים). read-only, --since <ISO>. אומת: 0 דליפות. חובה מקומי (mcli legalminio).	תקופתי / לפני ניקוי-דיסק #128

הלכות, פאנל וסגנון

Script	Type	Purpose	Scheduled
halacha_goldset.py	python	#81.7 — הארנס gold-set לאיכות חילוץ-הלכות. export --n N מייצא מדגם מרובד (לפי precedent×rule_type) ל-CSV עם עמודות-תיוג ריקות (is_holding/correct_type/quote_complete) לתיוג ידני (חיים/דפנה). score --in <csv> קורא את ה-CSV המתויג ומודד כל ולידטור (compute_quality_flags/is_fact_dependent/is_quote_truncated/is_thin_restatement) מול אמת-המידה האנושית: P/R/F1 + confusion. בסיס ל-#81.8 (כיול סף האישור). מייבא את אותם ולידטורים שה-extractor מריץ. רץ עם venv של mcp-server. הערה: קיים גם דף-תיוג אינטראקטיבי DB-backed (/goldset) — זה ה-CSV-fallback	ידני — export→תיוג→score
goldset_panel_label.py	python	#81.7 — תיוג ה-gold-set בקונצנזוס תלת-מודלי (ללא man-in-the-loop, הנחיית-יו"ר 2026-06-11). מריץ את שלושת השופטים העצמאיים (Opus/claude_session · DeepSeek · Gemini, מיובאים מ-halacha_panel_approve) עם ה-prompt העשיר (is_holding+type+נימוק מ-goldset_ai_recommend) על כל פריט; רוב 2/3 נכתב ל-is_holding/correct_type עם tagged_by='panel:opus+deepseek+gemini' (פיצול→NULL→יו"ר, INV-G10). מודד Fleiss κ (3 מעריכים) ומריץ מבחן-אנונימיזציה (שמות-תיק ממוסכים→שיפוט-מחדש; flip=שינון). לא מעגלי — הוולידטורים הנמדדים rule-based. כותב per-model+consensus+anon ל-DB ודוח ל-data/audit/. מחליף תיוג-ידני; goldset_ai_recommend/goldset_independent_judge נשארים כבדיקות single-model. --limit/--no-anon/--force. חובה מקומי.	ידני — לאחר יצירת/הרחבת batch
goldset_ai_recommend.py	python	#81.7 QA (single-model, נבלע ב-panel) — חוות-דעת claude בלבד ל-ai_*. כעת לינאז' 1/3 בתוך goldset_panel_label; נשאר כבדיקת-claude עצמאית/חידוש נקודתי. --force/--limit. חובה מקומי.	ידני — בדיקה נקודתית
goldset_independent_judge.py	python	INV-DM7 ולידציה — שופט-תפקיד עצמאי שני ממודל אחר (DeepSeek API ישיר, OpenAI-compatible) ששובר את עיגון-ה-AI: מסווג rule_role בעיוור (בלי לראות תיוג-אדם או המלצת-claude) ומחשב מטריצת-הסכמה (deepseek↔אדם מול ai↔אדם) + ציר-גס (כלל-בר-הכללה מול application/obiter). ממצא (2026-06-07): ai↔אדם=100% (מעוגן), deepseek↔אדם=50% מדויק אך 92% גס → תת-הסוג holding/interpretive/procedural עמום-מטבעו (לא לשער עליו); הציר-הגס אמין חוצה-מודלים. read-only על הזהב. --model/--limit/--concurrency. מפתח מ-~/.hermes/profiles/deepseek/.env. raw→/tmp/goldset_judge_raw.json.	ידני — ולידציית אמינות-תוויות
halacha_panel_approve.py	python	פאנל-אישור הלכות (Trust-or-Escalate, dry-run). 3 שופטים בלתי-תלויי-לינאז' (Opus/claude_session · DeepSeek · Gemini-2.5-flash) מצביעים על הציר-הגס האמין (92% חוצה-מודלים): נקיות→"הלכה לשמירה?"; nli_unsupported→"הציטוט תומך בכלל?" (שיפוט-מחדש); פגומות→re-extraction. רק ורדיקט מוסכם פועל אוטומטית, פיצול מסלים ליו"ר (INV-G10). --apply מחווט (clean: רוב 2/3; nli: פה-אחד-entailed מנקה flag) — הפיך, מגבה ל-data/audit/ קודם. מפתחות: DeepSeek מ-~/.hermes/..., Gemini מ-~/.env. חובה מקומי. dry-run 2026-06-07: 197→103 אוטו (פה-אחד) / ~15 (רוב). FU-1 (#133): כל סבב — הצבעות +נימוקי-כל-שופט — נשמר ל-halacha_panel_rounds בשני המצבים (capture-only, לא נוגע ב-halachot; apply_mode מתעד dry-run מול apply); ה-seed ללמידה נוצר בהצלבה מול הכרעת-היו"ר המאוחרת על אותה הלכה. --no-capture לדילוג.	ידני / שלב-אימות-הלכות במסלול-הסופי
style_lesson_panel.py	python	פאנל-סגנון דו-סוכני (למידה כפולה). על-גבי דיסטילציית-ה-Opus (draft↔final ב-draft_final_pairs.analysis), שני שופטים בלתי-תלויים — DeepSeek + Gemini-2.5-flash — מצביעים לכל לקח על השאלה הגסה "האם זו הנחיית-סגנון מופשטת ובת-הכללה (INV-LRN5 — קול ולא מהות)?". הסכמה 2/2-keep → נכתב כ-decision_lesson (source=panel:deepseek+gemini); 2/2-drop → לא נכתב; פיצול/substance → מוסלם ליו"ר. --apply הפיך, מגבה ל-data/audit/. הטמעה ל-SKILL.md/lessons.md נשארת שער-יו"ר ידני (INV-G10). מפתחות כמו פאנל-ההלכות. חובה מקומי. --case <num> / --pair-id <uuid>.	שלב-למידה במסלול-הסופי
final_learning_pipeline.py	python	תזמור שלב-הלמידה (פקודה אחת). מופעל ע"י הרמס כשלוחצים "הרץ למידת-קול" במסלול-הסופי. דטרמיניסטי: (1) ingest_final_version עם נתיב-הסופי, (2) רישום לקורפוס-הסגנון (idempotent), (3) style_lesson_panel --apply. עמיד (X16/INV-DUR1): 3 הצעדים רצים דרך _pipeline_runtime.py (משותף עם halacha) עם checkpoint לכל תיק — קריסה בפאנל [3] ממשיכה מ-[3] במקום לשלם שוב על דיסטילציית-Opus [1]. ברירת-מחדל auto-resume; --fresh ריצה נקייה. idempotent. חובה מקומי. --case <num> / --force / --fresh.	אוטו (כפתור run-learning) / ידני
final_halacha_pipeline.py	python	תזמור שלב-אימות-ההלכות (פקודה אחת). מופעל ע"י הרמס כשלוחצים "הרץ אימות-הלכות". דטרמיניסטי: (0) precedent_extract_halachot (החלטה), (1) extract_internal_citations(chair), (2) corroboration.build_all(), (3) halacha_panel_approve --apply. עמיד (X16/INV-DUR1): 4 הצעדים רצים דרך _pipeline_runtime.py עם checkpoint לכל תיק — קריסה בפאנל [3] ממשיכה מ-[3]. ברירת-מחדל auto-resume; --fresh ריצה נקייה. חובה מקומי. --case <num> / --limit N / --fresh.	אוטו (כפתור run-halacha) / ידני
_pipeline_runtime.py	python	runtime עמידות משותף (X16 / INV-DUR1) ל-final_halacha_pipeline ו-final_learning_pipeline (מימוש אחד, G2). עוטף רשימת-צעדים async ב-LangGraph StateGraph ליניארי עם AsyncSqliteSaver (checkpoint לכל צעד; resume מדלג על צעדים שהושלמו). degradation חיננית: ללא langgraph (pip install -e ".[durable]") — ריצה ליניארית כמו קודם (הכפתור לא נשבר). Step(name, run) + run_pipeline(steps, thread_id, checkpoint_db, fresh). נבדק: mcp-server/tests/test_pipeline_runtime.py.	מיובא ע"י סקריפטי-המסלול-הסופי
curator_apply_pipeline_branch.py	python	מקור-אמת לחיווט-הכפתורים של הרמס. prompt-ה-curator חי רק ב-Paperclip DB (agents.adapter_config.promptTemplate). הסקריפט מקדים branch כך שיקיצה עם reason final_learning_*/final_halacha_* מריצה את ה-pipeline המתאים (HOME/DOTENV/DATA_DIR מוחלטים → DeepSeek+Gemini keys + DATA_DIR נפתרים נכון) ועוצרת, אחרת §A/§B כרגיל. idempotent (מסיר branch קודם). מחיל על שני הסוכנים (CMP+CMPA). --verify. להריץ אחרי reset/יצירה-מחדש של סוכן-curator.	אחרי reset prompt של curator
halacha_panel_audit.py	python	רשת-ביטחון לפאנל (selective-prediction monitoring) — דוגם הלכות שאושרו ע"י הפאנל (reviewer LIKE 'panel:%'), מריץ עליהן שוב את הצבעת-ה-KEEP של 3 השופטים, ומציף כל מקרה שכעת נוטה DROP (false-keep פוטנציאלי). report-only כברירת-מחדל; --flag מחזיר את ה-flips ל-pending_review לסקירת-יו"ר. --sample N/--seed. בסיס 2026-06-07: 0/15. מיועד להרצה תקופתית (שבועי). מייבא שופטים מ-halacha_panel_approve. חובה מקומי.	תקופתי (שבועי) — ניטור
halacha_panel_calibrate.py	python	כיול + מדידת הפאנל (Trust-or-Escalate, ICLR 2025). --source live (ברירת-מחדל): מריץ את שאלת-ה-KEEP על מדגם-הזהב ומודד מול is_holding precision+coverage+split-rate לכל מדיניות + false-keep/false-drop (מייבא שופטים מ-halacha_panel_approve, חובה מקומי). #133/FU-5 — --source captured: אפס-עלות (בלי re-vote/LLM) — מצליב סבבים שמורים (FU-1) מול הכרעות-יו"ר (FU-2) דרך db.panel_rounds_vs_chair ומדווח split-rate+auto-precision לכל סבב (מגמת הלולאה: ככל שהרובריקה משתפרת precision נשמר ו-split יורד); משתף את analyze_pairs של FU-4 (מקור-יחיד). שתי המדידות מדווחות anon-stability (מבחן-אנונימיזציה #81.7) כמטריקת-בריאות נגד echo-chamber. --batch/--limit/--concurrency.	ידני — לפני חיווט --apply (live) / תקופתי — מעקב-לולאה (captured)
halacha_rubric_distill.py	python	#133/FU-4 — זיקוק-רובריקה PROPOSE-ONLY. מצליב halacha_panel_rounds (FU-1, הצבעות+נימוקים) מול הכרעות-היו"ר (FU-2, seeds ב-halacha_goldset batch chair-live) דרך db.panel_rounds_vs_chair (read-only), מנתח דטרמיניסטית כשלים שיטתיים (false-keep/false-drop, פיצולים-שהוכרעו, שיעור-מחלוקת-עם-היו"ר לכל שופט), ומציע KEEP_SYSTEM v2 + exemplars מופשטים (claude_session מקומי, אפס עלות) כדוח-diff ל-data/learning/rubric-proposal-<ts>.md. לעולם לא auto-apply — אימוץ v2 = עריכה אנושית של הקבוע דרך PR (INV-LRN1); exemplars מופשטים בלבד (INV-LRN5); הסיגנל היחיד = הכרעת-יו"ר, לא הצבעות-פאנל (anti-echo). מתחת ל-12 זוגות → "אין מספיק נתונים". --no-llm (סטטיסטיקה בלבד) / --limit N. חובה מקומי.	תקופתי — אחרי שהצטברו הכרעות-יו"ר על מחלוקות-פאנל
backfill_canonical_halachot.py	python	V41 — הקמת מודל ההלכות הקנוניות (חד-פעמי + idempotent). (1) בונה רכיבים-קשורים (connected components) מ-equivalent_halachot (transitive closure — union-find). (2) לכל אשכול: בוחר נציג-קנוני (הכי הרבה corroboration → confidence → earliest), יוצר שורת canonical_halachot, ומעדכן canonical_id + instance_type לכל חברי האשכול. (3) לסינגלטונים (ללא קישורי-שוויון): 1:1 canonical. (4) מאכלס halacha_citation_corroboration.canonical_id מ-halachot.canonical_id. --dry-run (ברירת-מחדל, מחשב ומדווח בלבד) / --apply (כותב) / --verbose. לאחר הרצה: canonical_statement = ניסוח-נציג (pending_synthesis); עוקב: backfill_canonical_synthesis.py (Phase 4) יסנתז ניסוח-רחב דרך LLM. הרץ: mcp-server/.venv/bin/python scripts/backfill_canonical_halachot.py --apply.	חד-פעמי (לאחר deploy V41) / idempotent לפי צורך
build_verified_layer.py	python	#153 — בניית שכבת-המאומת מאזכורים. "מאומת=אזכור, לא ביקורת" (chaim 2026-06-20): מריץ את ה-citator (extract_internal_citations) על כל החלטות-הוועדה (לא רק דפנה), ואז db.refresh_verified_layer שמחשב halachot.verified/cite_count מ-precedent_internal_citations (verified=פס"ד-המקור צוטט ע"י יו"ר; cite_count=# החלטות מצטטות). idempotent, גדל-אוטומטית עם החלטות חדשות. regex/embeddings בלבד, אפס-LLM. --no-citator (refresh בלבד). הרץ: mcp-server/.venv/bin/python scripts/build_verified_layer.py.	חוזר (אחרי קליטת החלטות-יו"ר)
backfill_practice_area.py	python	#153 step 4 — חוזה-קליטה. 87% מהפסיקה-החיצונית בלי practice_area → אחזור-מסונן-תחום מחמיצן. מריץ סיווג קיים (derive_domain_practice_area דטרמיניסטי → precedent_metadata_extractor.extract_and_apply LLM) על הלא-מסווגים. מרוסן (extract_metadata=claude/sonnet). --dry-run/--apply/--limit/--no-throttle. going-forward כבר מחווט (ingest.py:233 מתזמן metadata); זה ל-backfill הקיימים (חלופה: להזין ל-metadata_extraction_requested_at ולתת ל-drain).	חד-פעמי (backfill)
compute_principle_gold.py	python	#153 (נטוש) — גישת זיהוי-זהב ברמת-עיקרון דרך התאמת-match_context→הלכה. הוחלף ע"י "מאומת=אזכור" (build_verified_layer.py) אחרי שההתאמה נכשלה (match_context=רשימת-הפניות). נשמר לעיון.	deprecated
cull_principles.py	python	#152 Phase C — סינון רטרואקטיבי של קורפוס-העקרונות דרך פאנל-3 (הפיך). מריץ על כל עיקרון 'original' קיים את אותו משטר שה-extractor משתמש בו להבא (services/panel_extraction.panel_keep_score, G2): 3 שופטים (Claude מקומי + DeepSeek + Gemini) מצביעים keep+score → כלל-האישור (3 קולות→שורד · 2 וציון≥0.85→שורד · 2 ו<0.85→יו"ר · ≤1→נדחה) → תקרת HALACHA_PANEL_MAX_NEW=5 לכל החלטה לפי ציון (apply_cap). נדחה → halachot.review_status='rejected' + ה-canonical שלו rejected (הפיך, גיבוי-CSV ב-data/audit/ לפני כל כתיבה). מרוסן ב-usage_limits (עוצר-רך בתקרת-שימוש, resumable). --dry-run (ברירת-מחדל) / --apply / --sample N (החלטות אקראיות) / --limit N / --no-throttle / --verbose. חובה מקומי (3 שופטים). הרץ: cd mcp-server && HOME=/home/chaim .venv/bin/python ../scripts/cull_principles.py --apply.	חד-פעמי (סינון ראשוני) + ניתן-לחזרה
backfill_canonical_synthesis.py	python	V41 Phase 4 — סינתזת-LLM ל-canonical_statement (idempotent + resumable). עובר על canonicals ב-review_status='pending_synthesis' (רב-instance ראשונים) ומזקק לכל אחד ניסוח אחד כללי ומעוגן בציטוטי-המופעים (INV-AH) דרך services/canonical_synthesis.py (מסלול-יחיד, G2). שערים: עיגון/הימנעות, drift-floor (cosine מול המקור, ברירת-מחדל 0.80 — סטייה גדולה→נשמר המקור), ואיסור ציטוטי-תיק חדשים. בכל מקרה הסטטוס מתקדם ל-pending_review לשער-היו"ר (G10/INV-LRN6). מודל Opus (HALACHA_CANONICAL_SYNTH_MODEL). מרוסן ע"י usage_limits (עוצר-רך בתקרת-שימוש, resumable). --dry-run (ברירת-מחדל) / --apply / --sample N (מדגם אקראי לבדיקה) / --limit N / --no-throttle / --verbose. CSV-audit ל-data/audit/canonical-synthesis-*.csv. חובה מקומי (claude_session). הרץ: cd mcp-server && HOME=/home/chaim .venv/bin/python ../scripts/backfill_canonical_synthesis.py --apply. שוטף: כלי-MCP canonical_synthesize_pending.	חד-פעמי (המסה הראשונית) + idempotent לחדשים
backfill_lesson_synthesis.py	python	#158 / INV-LRN8 — סינתזת-LLM של decision_lessons (idempotent + resumable). עובר על shards של practice_area+category עם ≥2 לקחי-סגנון approved, מאשכל near-duplicates (cosine ≥ LESSON_SYNTH_CLUSTER_THRESHOLD), וממזג כל אשכול ל"לקח-על" אחד מעוגן-מקור (INV-AH) עם drift-floor (LESSON_SYNTH_DRIFT_FLOOR מול centroid) דרך services/lesson_synthesis.py (מסלול-יחיד, G2). הלקח-על נכתב source='synthesis' (review_status='approved', שער-מדורג-הפיך), המקורות→superseded. כך הסט שזורם לכותב קטֵן ומשתבח (פותר את חיתוך limit=15, #157). מודל Opus (LESSON_SYNTH_MODEL), מרוסן usage_limits. --dry-run (ברירת-מחדל) / --apply / --practice-area / --category / --no-throttle / --verbose. CSV-audit ל-data/audit/lesson-synthesis-*.csv. חובה מקומי (claude_session). הרץ: cd mcp-server && HOME=/home/chaim .venv/bin/python ../scripts/backfill_lesson_synthesis.py --apply. שוטף: כלי-MCP lesson_synthesize_pending.	idempotent — הרצה לפי צורך/כשמצטברים לקחים
halacha_batch_reconcile.py	python	#82.7 — dedup חוצה-פסקים offline (שמרני, dry-run בלבד). dedup-on-insert משווה רק תוך-פסק; כאן סף מחמיר (cosine ≥0.95, --cosine) ולא-הרסני: מאתר זוגות הלכות near-duplicate בין פסקים שונים (pgvector <=> exact) עם איתות לקסיקלי (Jaccard/Levenshtein) ומדווח ל-CSV ב-data/audit/ לסקירת היו"ר. לא מדלג/ממזג/מוחק. --include-pending. --link רושם את הזוגות שנמצאו כ-equivalent_halachot (parallel authority, #84.2 — deprecated post-V41 — השתמש ב-backfill_canonical_halachot.py --apply במקום). רץ עם venv של mcp-server.	deprecated — הוחלף ב-backfill_canonical_halachot.py (V41). נשמר לצורכי audit
calibrate_halacha_dedup.py	python	#82.1 — כיול ספי ה-dedup הלקסיקלי (#82.3) מול gold-set הניקוי. קורא halacha-cleanup-manifest-*.csv (זוגות duplicate↔survivor מתויגי-אדם), טוען טקסט-survivor מה-DB, ו-sweep של (jaccard_min × levenshtein_min) עם P/R/F1, מסמן את נקודת-העבודה המוגדרת. אימת ש-(0.55, 0.70) → precision 1.0 (אפס false-merge), recall 0.30 — מתאים לאיתות-משני שחוסם auto-approve. --manifest <path>. רץ עם venv של mcp-server	חד-פעמי — כיול (בוצע 2026-06-06)
ab_halacha_opus48.py	python	A/B לא-הרסני לחילוץ הלכות (Claude) — מריץ מחדש חילוץ הלכות על פסק-דין בודד דרך מודל/effort נבחרים (AB_MODEL/AB_EFFORT, ברירת-מחדל claude-opus-4-8/xhigh) ומשווה לסטטיסטיקות ההלכות הקיימות ב-DB בלי למחוק/לכתוב כלום. משכפל את halacha_extractor.extract() (אותם פרומפטים, בחירת-צ'אנקים, אימות-ציטוט) ומחליף רק את קריאת ה-LLM ב-claude -p --model --effort. מפיק data/ab_halacha_<case>_<effort>.json. הרצה: DOTENV_PATH=/home/chaim/.env DATA_DIR=.../data .venv/bin/python scripts/ab_halacha_opus48.py <case_law_id>. ממצא 2026-05-31 (שטיין 1128-08-20): Opus 4.8@xhigh חילץ 51 מול 124 בייצור (100% quote-verified מול 96%) אך ביטחון מכויל-נמוך יותר (חציון 0.75 מול 0.82) — ולכן לא מקטין את תור-האישור-הידני תחת sweep אוטו-אישור conf≥0.78 (26 מול 24). שיפור איכות, לא צמצום-תור.	ידני (החלטת מודל-חילוץ)
ab_halacha_codex.py	python	A/B לא-הרסני לחילוץ הלכות (Codex/gpt-5.5) — עמית ל-ab_halacha_opus48 אך מחליף את claude -p ב-codex exec --model gpt-5.5 (אימות ChatGPT, ללא OPENAI_API_KEY). אותם פרומפטים ואותו הסקת quote-verification. הפלט האחרון של הסוכן (-o FILE) נפענח כ-JSON. AB_MODEL (default gpt-5.5), AB_REASONING low/medium/high/xhigh (default medium), AB_CONCURRENCY (default 1), CODEX_BIN. מפיק data/ab_halacha_codex_<case>_<model>_<reasoning>.json. הרצה: DOTENV_PATH=/home/chaim/.env DATA_DIR=.../data mcp-server/.venv/bin/python scripts/ab_halacha_codex.py <case_law_id>. ממצא 2026-06-17 (8181-21 האוניברסיטה העברית): gpt-5.5@medium חילץ 27 מול 28 של Opus (quote-verified 100%/100%), ביטחון חציון 0.86 מול 0.78 — אך 0 פריטים מתחת ל-0.7 (לעומת 9/28 של Opus = 32%), דבר המצביע על over-confidence. holding↑ (12 מול 7), procedural↓ (4 מול 7). מסקנה: ריאלי כ-fallback חירום; לא מוכן לייצור ללא כיול-ביטחון.	ידני (בנצ'מרק מודל codex)
calibrate_effort.py	python	#208 (WS5/Q1, INV-G8 eval-harness) — כיול model×effort של הכותב מול הסופיים. A/B per-(תיק,בלוק,effort) על draft_final_pairs בעלי final_text: מייצר מחדש כל בלוק דרך מסלול-הייצור (block_writer.write_block(effort_override=…) → claude_session.query → claude -p, Opus 4.8 נעוץ, מקומי-בלבד) ומודד מול הסקשן המתאים בסופי דרך services/style_distance.block_distance_to_final (מקור-מדידה יחיד, G2): change_percent (compute_diff_stats) · anti_pattern_total (lessons.ANTI_PATTERNS, הסיגנל הנקי-לסגנון) · golden_ratio_deviation_pp · distance מרוכב. ממליץ per-בלוק על ה-effort בעל ה-distance-הממוצע-הנמוך (לצד ברירת-המחדל מ-#204). מפיק data/eval/effort-calibration-<ts>.{json,md} בכתיבה אינקרמנטלית — הדוח נכתב מחדש אחרי כל בלוק שמסתיים, כך שקריסה באמצע הגריד לא מאבדת בלוקים שכבר יוצרו (INV-G8). כל תא-(תיק,בלוק,effort) שנכשל (rate-limit חולף, או חריגה) נרשם כ-warning ומדולג — לא מפיל את הריצה. block-yod (דיון) הוצא מברירות-המחדל (CALIBRATABLE_BLOCKS) — דורש כיוון-מאושר (brainstorm→approve_direction) שתיקי-הכיול חסרים ולכן write_block זורק; נשאר ב-VALID_BLOCKS לכפייה ידנית (--blocks block-yod) על-אחריות-המשתמש, כשהשער-per-תא שומר אותו לא-פטאלי. ⚠️ גודל-מדגם מודפס בראש הדוח — עדות-כיוון, לא רגרסיה (מעט סופיים-עלויים). --self-test (offline, אפס DB/CLI — מוכיח את לוגיקת-המדידה) · --dry-run (תכנון-גריד) · --efforts/--blocks/--case/--repeats. חובה מקומי (claude CLI; לא בקונטיינר/worktree-ללא-CLI). הרצה: POSTGRES_PASSWORD=… mcp-server/.venv/bin/python scripts/calibrate_effort.py.	ידני — לכיול ברירות-effort של הכותב
monitor_halacha_quality.py	python	מנטר איכות חילוץ הלכות. בודק drift של avg(confidence) בין baseline היסטורי לחלון אחרון. מחזיר JSON מטריקות + alert ב-stderr אם drift > threshold (ברירת מחדל 5%). 2 סדרות: trusted (approved+published) ו-all_extracted. תומך --window N / --threshold X / --min-sample N / --silent / --exit-on-alert. רץ ב-container או מקומית עם mcp-server/.venv (אין תלות ב-LLM, רק SQL). תזמון מומלץ: 0 8 * * 1 (יום ראשון 08:00, שבועי)	0 8 * * 1 (לתזמן)
audit_training_corpus.py	python	audit של style_corpus — לכל החלטה: שדות מטא-דאטה מאוכלסים (summary/outcome/key_principles/appeal_subtype/subject_categories), קישור ל-documents (FK + chunks + embeddings). מפיק data/audit/corpus-YYYY-MM-DD.json + summary בקונסול. דרוש POSTGRES_URL או POSTGRES_*. אין תלויות חיצוניות מלבד asyncpg. רץ מהמכונה המקומית (לא קונטיינר) — חיבור ישיר ל-Postgres :5433	ידני / קדם-עבודה לפני enrichment של מטא-דאטה
backfill_style_exemplars.py	python	T1 (style-acquisition) — מאכלס style_exemplars מקורפוס דפנה (style_corpus + internal_committee chair=דפנה): מפצל לסעיפים (chunker._split_into_sections) → פסקאות (25-450 מילים) → embed (Voyage) → שמירה עם section/outcome/practice_area. מאפשר לכותב לאחזר פסקאות-בלוק אמיתיות של דפנה (T2/T3). מקור-סגנון בלבד (INV-LRN5). אידמפוטנטי (מנקה per-decision). --dry-run (default) / --apply. דורש POSTGRES_URL + Voyage. רץ מקומית (venv).	ידני (python scripts/backfill_style_exemplars.py --apply)

פסיקה, קורפוס ויומונים

Script	Type	Purpose	Scheduled
nevo_ratio_benchmark.py	python	#86.3 — מדידת איכות חילוץ-הלכות מול ה-מיני-רציו של נבו (gold-set מקצועי חינמי). לכל פסק עם nevo_ratio (או נגזר מ-full_text אם טרם בוצע backfill): LLM-judge מקומי (claude_session, אפס עלות) ממפה סמנטית את הלכות-המערכת מול הלכות-נבו ומפיק recall (כיסוי הלכות-נבו), precision (אחוז הלכותינו הממופות), granularity (יחס פירוק — איתות over-extraction ל-#81.5). --case <num> / --all [--limit N] / --model / --out. כותב CSV ל-data/audit/. רץ עם venv של mcp-server (דורש Claude CLI מקומי). אומת על בג"ץ 1764/05: recall 0.875, precision 1.0, granularity 1.75x	ידני — מדידת-איכות (CI/ad-hoc)
nevo_corpus_audit.py	python	#86.2/#86.3 — אודיט קורפוס-נבו (read-only). leak סורק chunks+הלכות למרקרי-preamble של נבו (מיובאים מ-extractor._NEVO_MARKERS), מבחין בין הווקטור המזיק (מרקר בתוך הלכה=רציו-עריכה כהלכה) ל-benign (רשימת-ציטוטים), ומפיק CSV. אומת 2026-06-11: 0 הלכות מזוהמות (שכבת-הידע נקייה) → אין purge/re-ingest (גם נוגד no-reocr). leak --apply מבצע backfill אדיטיבי של case_law.nevo_ratio מטקסט שמור (extract_nevo_ratio, ללא re-OCR) — captured 16→32. benchmark משווה הלכות-שלנו מול ה-מיני-רציו דרך הפאנל התלת-מודלי → recall כיסוי (1110-20: 13 הלכות, recall=1.0). חובה מקומי (benchmark).	ידני — ניטור-זיהום / ground-truth
audit_corpus_integrity.py	python	בדיקה תקופתית של עקביות הקורפוס — 5 בדיקות SQL read-only על case_law ו-cases: (A) external_upload עם prefix פנימי ערר/בל"מ; (B) internal_committee חסר chair_name/district; (C) cases.practice_area מחוץ ל-{rishuy_uvniya, betterment_levy, compensation_197, ''}; (D) תיקים מוכרעים (final/exported/reviewed) ללא chair_name (chair ריק מפיל בשקט את העתק-הסופי לקורפוס-הפסיקה — INV-G1); (E) תיקי final חתומים שחסרים מקורפוס-הפסיקה הפנימי (internal_committee). כותב log מצטבר ל-data/logs/corpus_integrity_audit.log ובמצב הפרות שולח wakeup ל-CEO ב-Paperclip (best-effort, רק אם PAPERCLIP_API_URL+PAPERCLIP_API_KEY מוגדרים). דגל: --no-notify. Idempotent, יוצא 0. Cron יומי 07:00: 0 7 * * * /home/chaim/legal-ai/mcp-server/.venv/bin/python /home/chaim/legal-ai/scripts/audit_corpus_integrity.py	0 7 * * * (cron)
backfill_legal_arguments.py	python	Backfill legal_arguments לתיקים עם claims קיימים (TaskMaster #36). מקבץ פרופוזיציות גולמיות לטיעונים משפטיים מובחנים (~6-12 לכל צד) דרך argument_aggregator.aggregate_claims_to_arguments (Claude CLI). תומך --dry-run/--apply/--force/--case <num>.... חייב לרוץ מהמכונה המקומית (לא קונטיינר) — claude_session דורש Claude CLI	ידני per-case (python scripts/backfill_legal_arguments.py --apply --case 1017-03-26)
ingest_bulletins.py	python	קליטת ארכיון העלון החודשי "עו"ד על נדל"ן" לקורפוס-הגילוי (X12) — כל PDF ב-data/bulletins/incoming/ מפוצל ע"י LLM למצביעי-פסיקה (digest_kind='decision') + מאמרים (digest_kind='article'), עם tag publication='עו"ד על נדל"ן', דרך bulletin_library.ingest_bulletin. idempotent (dedup per-item לפי content_hash; הרצה חוזרת מוסיפה רק חדשים); כשל בעלון אחד לא עוצר את ה-batch. רץ מהמכונה המקומית (LLM מקומי-בלבד) עם venv של mcp-server: mcp-server/.venv/bin/python scripts/ingest_bulletins.py [--dir PATH] [--limit N].	ידני, per-batch

תשתית, CI ו-hooks

Script	Type	Purpose	Scheduled
spec-guard.sh	bash	PreToolUse hook לאכיפת "פרוטוקול כתיבת-קוד" (CLAUDE.md §פרוטוקול כתיבת-קוד) — בכל Edit/Write/MultiEdit על נתיב-קוד (web/, mcp-server/, web-ui/src/, scripts/, adapters/) מזריק תזכורת ל-Claude לקרוא את docs/spec/00-constitution.md+ספ-התחום ולוודא קיום G1–G12 — לפני שכותבים. + leak-guard בזמן-אמת (G12): על כתיבה ל-mcp-server/src/* בודק את התוכן-הנכתב (new_string/content) ומזהיר אם מוזרק מונח-Paperclip לשכבת-האינטליגנציה (לא-deduped). המקבילה האינטראקטיבית ל-INV-AG1. קלט JSON ב-stdin, פלט hookSpecificOutput.additionalContext (non-blocking, exit 0). Dedup פעם-בסשן לתזכורת-הספ. רשום ב-.claude/settings.json.	נקרא אוטומטית ע"י Claude Code (hook)
leak_guard.py	python	המאכף הקנוני של INV-G12 (שער-הפלטפורמה / docs/spec/X15 §4 / R4). שני כללים קשיחים: (1) mcp-server/src ללא סמלי-Paperclip (allowlist מנומק לפי substring); (2) רק web/agent_platform_port.py (+ קבצי-המעטפת) מייבאים את לקוח-Paperclip. stdlib-בלבד (אין venv). leak_guard.py = סריקת-repo (exit 1 על הפרה); leak_guard.py <file>... = קבצים נתונים (ל-hook). משותף ל-spec-guard.sh (hook), ל-CI (.gitea/workflows/leak-guard.yaml) ול-mcp-server/tests/test_platform_port_leak_guard.py.	CI + hook + pytest
check_undefined_names.py	python	CI gate ל-undefined names (מחלקת ה-NameError). מריץ pyflakes על web, mcp-server/src, scripts ומפיל build (exit 1) רק על "undefined name"/"may be undefined" — לא על imports-לא-בשימוש/f-strings (רעש). זו בדיוק מחלקת-הבאג של PR #249 (שינוי-שם תיק → 500): שם שמופנה אך לא מיובא/מוגדר, חבוי בתוך background_tasks עד זמן-ריצה. דורש pyflakes (ה-workflow מתקין ל-venv זמני). משותף ל-CI (.gitea/workflows/lint.yaml).	CI
auto-sync-cases.sh	bash	סנכרון תיקי ערר ל-Gitea — רץ כל דקה	* * * * * (cron)
host_sync.sh	bash	מסנכרן את עץ-המארח ~/legal-ai ל-origin/main (ff-only) כדי שקוד-המארח (כותב/פאנלים/MCP שרצים מהעץ, לא בקונטיינר) יתעדכן אחרי merge; restart מדויק ל-chat/court-fetch/reaper רק כשקבציהם משתנים. בטוח: אף-פעם לא force; tasks.json הדירטי נשמר. סוגר את פער-פריסת-המארח (TaskMaster #160)	* * * * * (cron, flock)
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

סקריפטים שהורצו פעם-אחת (מיגרציות / backfills / POCs), נשמרים לרפרנס. מקובצים לפי אותם תת-נושאים.

סוכנים, Paperclip ואדפטרים

Script	Type	Purpose	Scheduled
sync_missing_agent_skills.py	python	סקריפט "אל-כשל" להוספת paperclipSkillSync ל-הגהת מסמכים ו-מנתח משפטי שפיספסו את ה-sync ההיסטורי (Gap #28). תומך --verify/--dry-run/--apply. גיבוי אוטומטי ל-agents-pre-skill-sync-*.sql. דורש PAPERCLIP_BOARD_API_KEY (Infisical /paperclip ב-nautilus env). idempotent.	חד-פעמי (בוצע 2026-05-04). שמור לרפרנס
fix_paperclipai_skills_drift.py	python	סקריפט חד-פעמי (בוצע 2026-05-04) שניקה drift על paperclipai/* skills בין CMP ל-CMPA. הסיר paperclip-dev מכל 14 הסוכנים, ודאג ש-paperclip-converting-plans-to-tasks קיים רק על CEO ו-analyst. תומך --apply (ברירת מחדל: dry-run). דורש PAPERCLIP_BOARD_API_KEY. נשמר לרפרנס למקרה שhdrift חוזר.	חד-פעמי (בוצע)

אחזור, embeddings ו-multimodal

Script	Type	Purpose	Scheduled
voyage_context3_poc.py	python	POC #1 — voyage-3 vs voyage-context-3 על פסיקה אחת קצרה (קלמנוביץ, 63 chunks). הכרעה: context-3 לא מציג שיפור עקבי	בנצ'מרק חד-פעמי, נשמר לרפרנס
voyage_context3_poc_long.py	python	POC #2 — voyage-context-3 על פסיקה ארוכה (אהרון ברק 219 chunks) עם sliding windows. הכרעה: context-3 לא משתפר על פסיקה גדולה	בנצ'מרק חד-פעמי, נשמר לרפרנס
voyage_multimodal_poc.py	python	POC #3 — voyage-multimodal-3 על דוח שמאי (89 עמודים). הכרעה: שיפור משמעותי לטבלאות + 22 עמודי image-only שhttp text-OCR מאבד	בנצ'מרק חד-פעמי, מוכן לשלב C
voyage_rerank_judge_poc.py	python	POC #4 — voyage-3 vs rerank-2 vs context-3 על אהרון ברק, 18 שאילתות, claude-haiku-4-5 כ-judge. הכרעה: rerank-2 ניצח עם +9% mean@3	בנצ'מרק חד-פעמי
voyage_rerank_corpus_poc.py	python	POC #5 — voyage-3 vs rerank-2 על קורפוס מלא (785 docs). הכרעה: +4.5% mean@3 כללי, +11.6% על P queries (practical)	בנצ'מרק חד-פעמי, אישר את שלב B
rechunk_legacy_precedents.py	python	#57 — re-chunk + re-embed פסיקה שהוטמעה לפני תיקון ה-chunker (#55). בוחר כל case_law עם chunk זעיר (length(trim(content))<50 — טביעת-האצבע של ה-chunker הישן) ומריץ ingest.reindex_case_law (re-chunk+re-embed מ-full_text שמור בלבד — ללא re-OCR/LLM, feedback_no_reocr_retrofit; idempotent DELETE-then-INSERT). idempotent ברמת-הבאטץ' (שואב מחדש את הסט המושפע בכל ריצה). דגל --limit N. רץ עם venv של mcp-server (cd mcp-server && .venv/bin/python ../scripts/rechunk_legacy_precedents.py)	חד-פעמי — מיגרציית-נתונים של פסיקה legacy (תוקן 2026-06-03)

אחסון, DB ותורים

Script	Type	Purpose	Scheduled
reconcile_metadata_status.py	python	נרמול metadata_extraction_status תקוע (G1) — שורות עם ברירת-המחדל 'pending' שאינן בצנרת-Gemini נערמות כ-backlog-רפאים שהדריינר (סורק *_requested_at IS NOT NULL) לעולם לא מנקה ומנפח את מונה "ממתין" ב-/operations. מיישב כל שורה למצב-אמת במקור: internal_committee→completed (מטא דטרמיניסטי, מחוץ ל-Gemini), external_upload מלא→completed, external_upload עם טקסט וחסר שם/תקציר→חותם requested_at (הדריינר יטפל), cited_only (אין טקסט)→skipped. מכסה את שני התורים (#140): אותו cited_only→skipped מוחל גם על halacha_extraction_status (תור-תאום, G2). אידמפוטנטי. תיקון-המקור הנלווה ב-db.create_internal_committee_decision + מסנן EXTRACTION_ELIGIBLE_PREDICATE ב-list_pending_extraction_requests. הרצה: mcp-server/.venv/bin/python scripts/reconcile_metadata_status.py.	חד-פעמי / re-runnable כהגנת-drift

הלכות, פאנל וסגנון

Script	Type	Purpose	Scheduled
reconcile_under_extracted_halacha.py	python	#144 — שחזור פסיקה תת-מחולצת שהושלמה אך עם 0 הלכות למרות ≥3 מקטעי-נימוק (legal_analysis/ruling/conclusion) — חתימת ה-checkpoint-הריק שנוצרה לפני תיקון limit-notice ב-claude_session. מאפס checkpoints + request_halacha_extraction (נתיב קנוני, G2) → הדריינר מחלץ מחדש. שמרני (≥3 מקטעים → לא מטפל ב-remand לגיטימי חסר-הלכה; אפס אובדן כי 0 הלכות ממילא). מחריג cited_only. אידמפוטנטי, dry-run כברירת-מחדל / --apply. הרצה: HOME=/home/chaim mcp-server/.venv/bin/python scripts/reconcile_under_extracted_halacha.py --apply.	חד-פעמי / re-runnable
halacha_rule_role_backfill.py	python	INV-DM7 — backfill חד-פעמי: מסווג-מחדש את ההלכות הישנות (rule_type IN ('binding','persuasive') — ערכי-סמכות שנשמרו במסווה תפקיד לפני פיצול הצירים) לאחד מחמשת תפקידי-הכלל (holding/interpretive/procedural/application/obiter) דרך claude_session המקומי (אפס עלות). לא נוגע בסמכות (נגזרת מ-precedent_level). --apply (ברירת-מחדל dry-run) / --limit N / --concurrency. כותב backup CSV ל-data/audit/ תחילה. fail-safe (פריט שנכשל → נשמר ערך ישן). חובה מקומי (claude_session).	ידני חד-פעמי אחרי deploy של פיצול-הסמכות
calibrate_halacha_dedup.py	python	#82.1 — כיול ספי ה-dedup הלקסיקלי (#82.3) מול gold-set הניקוי. קורא halacha-cleanup-manifest-*.csv (זוגות duplicate↔survivor מתויגי-אדם), טוען טקסט-survivor מה-DB, ו-sweep של (jaccard_min × levenshtein_min) עם P/R/F1, מסמן את נקודת-העבודה המוגדרת. אימת ש-(0.55, 0.70) → precision 1.0 (אפס false-merge), recall 0.30 — מתאים לאיתות-משני שחוסם auto-approve. --manifest <path>. רץ עם venv של mcp-server	חד-פעמי — כיול (בוצע 2026-06-06)

תיקים, מספור ומיגרציות

Script	Type	Purpose	Scheduled
migrate_gap51_outcomes.py	python	GAP-51 (FU-14) — נרמול ערכי outcome לאוצר הקנוני (rejected→rejection, accepted→full_acceptance, partial→partial_acceptance) ב-decisions.outcome + cases.expected_outcome. betterment_levy לא ממופה (practice_area, לא outcome). --dry-run (ברירת-מחדל) / --apply (גיבוי ל-data/audit/gap51-outcome-backup-*.csv + UPDATE טרנזקציוני). דורש POSTGRES_URL. בוצע 2026-06-06 (9 שורות). נוגע רק ב-cases/decisions — בטוח במקביל לחילוץ.	חד-פעמי (בוצע)
fu2b_reconcile_internal_case_numbers.py	python	FU-2b (GAP-07/08) — תיאום case_number של internal_committee מציטוט-מלא למספר-בסיס קנוני (X1: trim·prefix-strip·/→-, חודש נשמר). דטרמיניסטי (token יחיד; 0/>1 → flag). --dry-run (ברירת-מחדל) מפיק טבלת-תיאום ל-data/audit/fu2b-reconciliation-*.{csv,md} עם flags (DUP_CHECK / PROC_MISMATCH / MISMATCH). --apply --approved <csv> מגבה ואז מעדכן רק שורות שאושרו ע"י היו"ר. scope: internal בלבד (external → #68). FK-safe.	חד-פעמי, chair-gated (apply רק אחרי אישור דפנה)
fu2c_reconcile_external_case_numbers.py	python	FU-2c (GAP-08, #68) — תיאום case_number של פסיקה חיצונית (source_kind <> internal_committee) מציטוט-מלא לצורה קנונית מציין-הליך + docket (החלטת-יו"ר 2026-05-31, Option A: / נשמר, לא -; תואם db.py:369 ו-INV-ID2). דטרמיניסטי (designator+docket; 0/>1 docket → flag). --dry-run (ברירת-מחדל) מפיק data/audit/fu2c-reconciliation-*.{csv,md} עם flags (MISMATCH / NO_CITATION / CIT_NO_DOCKET / DESIG_MISMATCH / DUP_CHECK). --apply --approved <csv> מגבה ואז מעדכן שורות לא-חוסמות (כולל ADVISORY/NO_CITATION). --overrides <csv> (id,proposed_canonical,reason) פותח שורות-חוסמות בהכרעת-יו"ר מפורשת (למשל פס"ד מאוחד — ראה data/audit/fu2c-overrides.csv לרשומת לויתן/קלמנוביץ). לוגיקת-החילוץ + פיצול flags אומתו offline על 24 רשומות. scope: external בלבד (internal = FU-2b). FK-safe.	חד-פעמי, chair-gated (apply רק אחרי אישור דפנה)
fix_137_committee_case_number.py	python	#137 — תיקון-נתון חד-פעמי: רשומת internal_committee בודדת (1bf0bae0) שבה ציטוט-מלא זיהם את שדה-המזהה (case_number=85074/0425, case_name=ציטוט שלם) — הפרת INV-ID2 ממסלול missing_precedent_upload (לפני תיקון-הקוד ב-#137). מתקן case_number→85074-04-25, case_name→צדדים, ו-token ב-citation_formatted. אומת היחיד עם _canonical_case_number(num)≠num ב-internal_committee (138 ה"מזוהמים" האחרים = מקור-חיצוני/cited_only מקודמים-קידומת, X1 §5 — מחוץ-לתחום). document_id=NULL, 0 ציטוטים-נכנסים → ללא נתיב/קובץ לשנות. guard-התנגשות על (case_number,proceeding_type). אידמפוטנטי, dry-run כברירת-מחדל / --apply. הרצה: HOME=/home/chaim PYTHONPATH=mcp-server/src mcp-server/.venv/bin/python scripts/fix_137_committee_case_number.py --apply.	חד-פעמי (בוצע 2026-06-15)
retrofit_case.py	python	retrofit רטרואקטיבי — מזריק bookmarks לקובץ קיים של תיק ספציפי ומגדיר אותו כ-active_draft	ידני (חד-פעמי לתיק)
backfill_case_status_trim.py	python	צמצום תפריט-הסטטוס 17→10 — ממפה כל cases.status שהוסר (uploading/in_progress/analyst_verified/research_complete/brainstorming/analysis_enriched/ready_for_writing/drafting/qa_failed) לסטטוס-הליבה הקודם-ביותר ברצף (→processing/outcome_set/documents_ready/direction_approved/qa_review), כך ששורות קיימות לא נתקעות על ערך מחוץ ל-SSoT. מציג קודם את פילוח-הסטטוסים המלא. אידמפוטנטי, dry-run כברירת-מחדל / --apply. רץ בקונטיינר (Postgres :5433 משותף): docker exec <c> python /tmp/backfill_case_status_trim.py --apply.	חד-פעמי (אחרי deploy של הצמצום)

פסיקה, קורפוס ויומונים

Script	Type	Purpose	Scheduled
ocr_benchmark_mistral.py	python	בנצ'מרק OCR — Mistral מול Google Vision (מחקר חד-פעמי, הוביל למעבר ל-Mistral). מוריד מסמכים מ-MinIO, קורא טקסט קיים מה-DB, שולח ל-Mistral OCR, מחשב מטריקות (כיסוי/ניקיון/עברית%), שומר דוח ל-data/audit/ocr-benchmark-mistral.md + טקסטים גולמיים ל-data/audit/ocr-benchmark-raw/. הרצה: mcp-server/.venv/bin/python scripts/ocr_benchmark_mistral.py. דורש MISTRAL_API_KEY ו-mcli alias legalminio. ממצא: Mistral מנצח ב-4/5 תיקים בדוגמה ומטפל נכון ב-OCR שבור (1044-03-26 שהחזיר "English garbage" ב-Vision).	חד-פעמי (בוצע 2026-06-27)
backfill_missing_precedents.py	python	הזנת missing_precedents פתוחים לתור-האחזור (X13) — מסווג כל פער-פתוח; עליון-סדרתי→Tier-0(supremedecisions), נט-format→Tier-1; ועדת-ערר/לא-מזוהה→דילוג. יוצר court_fetch_jobs (idempotent). --apply (ברירת-מחדל dry-run). אחרי הרצה: drain-court-fetch קולט.	ידני (חד-פעמי/לפי-צורך)
derive_missing_from_cited_only.py	python	#143 — איחוד cited_only↔missing_precedents (G2): גוזר רשומת missing_precedents 'open' לכל stub cited_only (פסיקה מצוטטת ללא טקסט), כך ש-31 ה-stubs מופיעים בדף "פסיקה חסרה" (היו היו חפיפה≈0). (1) backfill citation_norm (מפתח-dedup designator-aware — court_citation.citation_dedup_key) ל-291 הקיימים; (2) לכל stub → create_missing_precedent(discovery_source='cited_only', linked_case_law_id=stub, notes=מצטטים) עם dedup. linked_case_law_id=זהות-קנונית-ידועה, status='open' עד העלאת-טקסט (→ promote-in-place דרך ON CONFLICT). אידמפוטנטי, dry-run / --apply. הרצה: HOME=/home/chaim mcp-server/.venv/bin/python scripts/derive_missing_from_cited_only.py --apply.	חד-פעמי / re-runnable
backfill_digest_missing_precedents.py	python	#136 — חיבור יומונים-לא-מקושרים ל"פסיקה חסרה": לכל digest עם underlying_citation ו-linked_case_law_id IS NULL (461) מריץ את digest_library.try_autolink הקנוני (G2) — מקשר אם אפשר, אחרת פותח gap: ערר/בל"מ/unknown → missing_precedent (discovery_source='digest', dedup designator-aware), פס"ד בתי-משפט → court_fetch_job (X13). dry-run מציג פילוח-tier (369 ערר + 21 unknown → MP; 71 fetchable → court_fetch). אידמפוטנטי. הרצה: HOME=/home/chaim mcp-server/.venv/bin/python scripts/backfill_digest_missing_precedents.py --apply.	חד-פעמי / re-runnable
backfill_plans_registry.py	python	ייבוא מרשם-התכניות (V38) מקורפוס-ההחלטות — סורק data/cases/*/drafts/decision.md + data/training/cmp/*.md, מאתר פסקאות-תוקף ("פורסמה למתן תוקף"), מחלץ רשומת-תכנית מובנית (plans_extractor, claude CLI מקומי) ועושה upsert_plan(review_status='pending_review') עם provenance. ה-SSOT לזהות+תוקף של תכנית, פעם-אחת במקום גזירה-מחדש מהשומות בכל תיק (G2). idempotent על plan_number מנורמל (G1/G3). --dry-run (ברירת-מחדל, כלום לא נכתב) / --apply / --glob (תת-קבוצה). אחרי הרצה: אישור-יו"ר ב-plan_review/תור-האישור (G10). הרץ: mcp-server/.venv/bin/python scripts/backfill_plans_registry.py.	ידני (חד-פעמי + לפי-צורך כשנוספות החלטות)
backfill_precedent_citations.py	python	#145 — backfill ל-citation_formatted (מראה-מקום) ברשומות case_law ריקות, באמצעות db.format_precedent_citation הדטרמיניסטי (X1 §3 / INV-ID2 — שדה-תצוגה נגזר, לא מעוצב ע"י LLM ש-הפיל אותו, #145). שני מעברים לכל שורה: (1) ללא-LLM — הרכבה מהשדות השמורים (ממלא שורות-ועדה עם parties+docket+date); (2) LLM — אם (1) נמנע ויש full_text, מריץ את מחלץ-המטא (extract_and_apply) שמחלץ רכיבים (parties, citation_prefix) ואז מרכיב — זה ממלא את 171 פסקי-בתי-המשפט מהכותרת. שורות בלי רובריקה (אין צדדים) נשארות ריקות ומדווחות, לא מנוחשות (INV-AH). idempotent — רק שדה ריק (G3). --apply / --limit N / --no-llm. הרץ: HOME=/home/chaim mcp-server/.venv/bin/python scripts/backfill_precedent_citations.py.	ידני (חד-פעמי + לפי-צורך)
backfill_nevo_preamble.py	python	#86.2 — מיגרציית-נתונים: חיתוך preamble/רציו של נבו שדלף לפסיקה שהוטמעה לפני תיקון #86.1. מאתר כל case_law ש-strip_nevo_preamble(full_text) עדיין מקצר (דליפה היסטורית), ומבצע: (1) לכידת ה-מיני-רציו ל-case_law.nevo_ratio (gold-set ל-#86.3); (2) שכתוב full_text החתוך + חישוב-מחדש של content_hash; (3) reindex_case_law (re-chunk+embed, ללא re-OCR/LLM); (4) סימון (לא מחיקה) הלכות ש-supporting_quote שלהן בתוך ה-preamble שהוסר → pending_review + quality_flag nevo_preamble_leak. שומר-בטיחות: שורות עם keep%<--min-keep (ברירת-מחדל 60) מוחרגות מ---apply כחשד over-strip (אלא אם --include-suspicious). dry-run כברירת-מחדל; --apply כותב backup JSON + manifest CSV ל-data/audit/ תחילה. idempotent. רץ עם venv של mcp-server. chair-gated (לאמת manifest לפני apply)	מיגרציית-נתונים — dry-run בוצע (19 פסקים, 27 הלכות מזוהמות); apply ממתין לאישור
upload_blam_decisions.py	python	חד-פעמי (2026-05-26) — העלאת 2 החלטות בל"מ ל-case_law (8126/24 סופר נוח, 8047/23 הרנון) דרך ingest_internal_decision ישיר, עוקף MCP server שטרם נטען מחדש אחרי הוספת proceeding_type. לא להריץ שוב	חד-פעמי — להעביר ל-.archive/ בהזדמנות
process_pending_blam.py	python	חד-פעמי (2026-05-26) — הרצת metadata + halacha extraction על 2 החלטות בל"מ שעלו ב-upload_blam_decisions.py. עוקף MCP (אותו טעם). לא להריץ שוב	חד-פעמי — להעביר ל-.archive/ בהזדמנות

תיקיית .archive/ — סקריפטים שהושלמו

סקריפטים חד-פעמיים שהפונקציונליות שלהם הוטמעה ב-MCP server או ב-API. נשמרים ב-git לצורך היסטוריה — אין להריץ אותם.

Script	Original Purpose	Superseded By
backfill_pattern_frequency.py	עדכון תדירות דפוסי סגנון ב-DB	web/app.py::_extract_pattern_variants()
batch_upload_training.py	העלאת קורפוס אימון (16 קבצים)	Web UI: /api/training/upload
benchmark_embeddings.py	השוואת מודלי embeddings (voyage-3 vs voyage-4)	הושלם — voyage-3-large נבחר
benchmark_new_vs_old.py	השוואת Google Vision vs markdown קיים	הושלם — בדיקה חד-פעמית לתיק 1130-25
decompose-decisions.py	פירוק החלטות סופיות ל-12 בלוקים	MCP: write_block(), write_all_blocks()
export-decision-docx.py	ייצוא החלטה ל-DOCX	MCP: export_docx()
extract-citations.py	חילוץ ציטוטי פסיקה מבלוק י	MCP service: references_extractor.py
extract-claims.py	חילוץ טענות מבלוק ז	MCP: extract_claims() + claims_extractor.py
extract_claims_8174.py	חד-פעמי — חילוץ טענות חסרות לתיק 8174-24 אחרי timeout של האנליסט (43 טענות עורר נוספו 30/04/26)	phase 1: claude_session async + 30min timeout + chunking סמנטי
extract_all_google_vision.py	OCR בכמות עם Google Vision	MCP: document_upload() pipeline
extract_originals.py	חילוץ טקסט מ-PDF עם Claude Opus	MCP service: extractor.py
extract_originals_ocr.py	חילוץ OCR מלא מ-PDF	MCP service: extractor.py
generate-embeddings.py	יצירת embeddings לבלוקים ופסיקה	אוטומטי — נוצרים עם יצירת בלוקים
link-claims-to-discussion.py	קישור טענות לפסקאות דיון	MCP service: qa_validator.py
proofread_training_corpus.py	ניקוי Nevo מ-DOCX/PDF ל-Markdown	MCP service: proofreader.py + Web UI
seed-appeals.py	seeding תיקי ערר ראשוניים ל-DB	MCP: case_create()
seed-knowledge.py	seeding לקחים, ביטויי מעבר, פסיקה	MCP: record_chair_feedback(), precedent_attach()
validate-decision.py	ולידציה מול block-schema	MCP: validate_decision() + qa_validator.py
run_curator_deepseek_test.sh	A/B test #1 (2026-05-05) — Hermes Curator על CMP-78 דרך DeepSeek V4-Pro ב-provider:custom, ללא interaction. תוצאה: 6:33 דק׳, 5 ממצאי סגנון/לקסיקון, פי 3 מהיר מ-Sonnet baseline (CMP-80) ופי ~20 זול. הסקריפט נקודתי לתיק 1130-25 — לא להריץ שוב	החלפת Curator לאדפטר DeepSeek מקומי (בתהליך)
run_curator_deepseek_test_v2.sh	A/B test #2 (2026-05-05) — אותו run אבל עם interaction. תוצאה: 9:08 דק׳, 5 ממצאים, היחיד מ-4 הריצות שזיהה תוצאה עובדתית נכונה (קבלה חלקית). interaction נכשל ב-API ("Agent run id required" בריצה ידנית).	החלפת Curator לאדפטר DeepSeek מקומי
run_curator_sonnet_rerun.sh	A/B test #3 (2026-05-05) — ריצה חוזרת של Sonnet 4.5 על אותו CMP-78. תוצאה: 12:52 דק׳ (לעומת 20:13 בריצה המקורית — כי בלי לולאת interaction.json). זיהה תוצאה שגויה ("דחייה") בעקביות עם הריצה המקורית — Sonnet עקבי-בטעות, DeepSeek אקראי.	בדיקה חד-פעמית — לא להריץ שוב
ingest_incoming_batch.py	python	קליטת batch של החלטות ועדת ערר מ-data/precedents/incoming/ דרך המסלול הקנוני (ingest_internal_decision) + חילוץ מטא-דאטה לכל תיק (המסלול הפנימי לא מתזמן metadata — INV-ING3). רצף (לא מקבילי, להימנע מעומס CLI). רשימת DECISIONS נערכת ידנית לכל batch. config מ-~/.env. תומך תהליך project_precedent_incoming_workflow.
drain_halacha_queue.py	python	ריקון תור חילוץ ההלכות (process_pending_extractions kind='halacha') תיק-בודד לסבב (limit=1) עד שהתור ריק (2 סבבים ריקים), עם קצב pl.INTER_PRECEDENT_COOLDOWN_SEC בין תיקים (נשמר אחרי המעבר ל-limit=1 שביטל את המרווח הפנימי-לסבב). רץ רק בחלון-לילה 23:00–05:00 שעון ישראל (_in_window, zoneinfo DST-safe — המכונה UTC); מחוץ לחלון ===SKIP===, ונעצר ===STOP=== כשהחלון נסגר (השאר ממשיך בלילה הבא, FIFO+checkpoint). env: HALACHA_DRAIN_WINDOW_START/_END/HALACHA_DRAIN_TZ. שער-סף-ניצול (נוהל-יו"ר): בין כל תיק בודק את ניצול-claude.ai דרך מקור-האמת המשותף legal_mcp.services.usage_limits (USAGE_CEILINGS — אותו שה-supervisor קורא) ועוצר ===STOP=== usage ceiling reached כשנחצה סף-רך (5-שעות ≥75% / שבועי ≥65%, env HALACHA_DRAIN_CEILING_5H/_WEEKLY). הבדיקה בין תיקים → התיק שרץ תמיד מסתיים על המכסה שנותרה ופשוט לא מתחיל חדש — עצירה לפני 429, לא קטילה. fail-OPEN אם ה-endpoint לא-זמין (ה-supervisor מגבה בקטילת-429). kill-switch /operations: בודק is_drain_disabled בעלייה וגם בתחילת כל סבב — כיבוי באמצע-ריצה עוצר את הלולאה בגבול-הסבב הבא (התהליך עצמו נהרג מיד דרך ה-UI-toggle/סופרוייזר). חילוץ-הלכות נשאר על claude_session (לא Gemini). self-heal ל-orphaned processing. ההלכות נוחתות pending_review (שער-יו"ר). חילוץ תיק-בודד שהיו"ר מבקש רץ מיד דרך ה-CEO (precedent_extract_halachot) ואינו מגודר כאן.
legal-halacha-drain.config.cjs	pm2/js	תזמון חלון-לילה של drain_halacha_queue.py (cron UTC 10 20,21,22,23,0,1,2,3 * * * = superset שמכסה את 23:00–05:00 ישראל בקיץ ובחורף; הסקריפט גוזם לחלון המדויק ב-zoneinfo). דקת-הצתה :10 (לא :00) כדי לא לחלוק דקה עם metadata-drain (:00) או supervisor (:05) — מונע deadlock של DDL-המיגרציה כששני דריינים עולים יחד. HALACHA_DRAIN_CRON לעקיפה. ירייה כל שעה גם מחדשת one-shot שמת באמצע (advisory-lock הופך חפיפה לבטוחה). דורש claude CLI. התקנה: pm2 start scripts/legal-halacha-drain.config.cjs && pm2 save.
halacha_drain_supervisor.py	python	מנהל-בריאות קבוע ל-legal-halacha-drain (אפס צריכת-Claude — קורא DB/לוגים/pm2 ומצית את הדריינר הקיים). טיק יחיד: מכבד is_drain_disabled בעדיפות עליונה — אם כבוי ב-/operations עוצר את הדריינר ולא מצית · מצית כשבטל+תור≠ריק · restart ל-run תקוע (liveness לפי checkpoints-per-chunk, לא mtime-לוג שמתעדכן רק בסיום תיק ~10 דק') · זיהוי rate-limit: ה-PRIMARY הוא quota_exhausted() הסמכותי (wrapper דק מעל מקור-האמת המשותף legal_mcp.services.usage_limits — subscription_usage()+ceiling_status()+USAGE_CEILINGS, אותו שהדריינר קורא, G1/G2 בלי כפילות; endpoint לא-מתועד GET /api/oauth/usage, token מ-~/.claude/.credentials.json + UA claude-code/* חובה אחרת 429 — אותו אחוז-ניצול 5-שעות/שבועי/שבועי-Sonnet שה-UI מציג. ספי-עצירה-רכים USAGE_CEILINGS (נוהל-יו"ר 2026-06-15): עוצר לפני 429 — 5-שעות ≥75%, שבועי+שבועי-Sonnet ≥65% (עקיפה: HALACHA_DRAIN_CEILING_5H/HALACHA_DRAIN_CEILING_WEEKLY); הגעה לסף = בדיוק כמו מיצוי, cooldown עד resets_at של אותו חלון. הנימוק: 429 באמצע-תיק כופה חילוץ-מחדש של תיק שהושלם ומשחית אותו), durable ואינו תלוי בעומק-זנב-הלוג; scan_rate_limit (429 + parse איפוס, מגודר-טריות) רק כ-fallback כש-endpoint לא-זמין — תיקון הבאג שבו 429 שגלל מתחת ל-churn של ה-restart נקרא כ"hung" וגרר restart-storm שבזבז מכסה. שתי תגובות ל-cooldown: בסף-רך (≥75/65, בלי 429 טרי) — hold-soft: אינו קוטל, הדריינר קורא את אותו סף ועוצר לבד בין תיקים אחרי שמסיים את התיק הנוכחי (יש מכסה לסיים); קטילה (hold-stopped, pm2 stop) רק ב-429 טרי אמיתי (log_rl — הקריאות באמת נכשלות). מצית-מחדש כשהמכסה חוזרת (כל החלונות מתחת לסף; fallback claude -p זעיר אם ה-endpoint לא זמין). status מדפיס ניצול/סף-עצירה · חלון catch-up בוקר [05:00–07:00 IDT) (CATCHUP_END) שנפתח רק לניקוי backlog שנותר כשהמכסה חזרה — איפוס-5-שעות מאוחר נוחת לרוב מעט אחרי 05:00; מגודר ב-(לא-מוגבל)+(תור≠ריק), והקצה המורחב מועבר לדריינר כך ש-window-self-guard שלו מקבל את סבבי-ה-catch-up · מאמת ש-staging מתחייב. BURST (חלון "רוץ ברצף עכשיו" ידני): מקור-אמת = drain_controls.burst_until ב-DB — אותו ערך ש-/operations קורא/כותב (G1 מקור-יחיד, G2 בלי מסלול מקביל); בעתיד→חלון מורם, אחרת חלון-לילה 23-05; פג-תוקף אוטומטי במועד. תת-פקודות: tick (ברירת-מחדל), burst-on [--until], burst-off, status.
legal-halacha-supervisor.config.cjs	pm2/js	תזמון כל 15 דק' של halacha_drain_supervisor.py (cron 5-59/15 * * * * = :05,:20,:35,:50, HALACHA_SUPERVISOR_CRON לעקיפה; דקת-הצתה :05 כדי לא לחלוק דקה עם metadata-drain :00 או halacha-drain :10 — מונע deadlock של DDL-המיגרציה). autorestart:false (one-shot per tick). מצב-state ב-~/halacha-drain-monitor/ (מחוץ ל-repo). התקנה: pm2 start scripts/legal-halacha-supervisor.config.cjs && pm2 save.
ingest_digests_batch.py	python	קליטת batch של יומוני "כל יום" מ-data/digests/incoming/ דרך המסלול העצמאי של קורפוס-הגילוי (digest_library.ingest_digest) — חילוץ-LLM (תג-מושג, כותרת-הלכה, מראה-מקום, שני-תאריכים), embedding יחיד, ו-autolink לפסק המקורי (X12/INV-DIG3). רצף (לא מקבילי). מזהה-יומון+תאריך נגזרים משם-הקובץ; העלון החודשי מדולג. לא מעביר קבצים — ה-DB (content_hash) הוא מקור-האמת היחיד; הרצה חוזרת מדלגת על קיימים (exists). config מ-~/.env.
drain_digests.py	python	ריקון תור ההעשרה של יומונים (X12): מעבד כל digest בסטטוס pending דרך digest_library.enrich_digest (חילוץ-LLM Sonnet + embedding + autolink). מקבילי (CONCURRENCY=3, env-tunable), idempotent. מוסיף ~/.local/bin ל-PATH כדי שה-claude CLI יימצא תחת cron. בודק דגל drain_controls('legal-digest-drain') ב-startup → no-op כשכבוי מ-/operations.
legal-digest-drain.config.cjs	pm2/js	תזמון כל שעתיים של drain_digests.py (cron 12 */2 * * *, DIGEST_DRAIN_CRON לעקיפה; דקת-הצתה :12 כדי לא לחלוק דקה עם metadata-drain :00 — מונע deadlock של DDL-המיגרציה) — הועבר מ-crontab של המערכת ל-pm2 כדי שיופיע ויהיה שליט בדף /operations (הרץ-עכשיו/הפעל/כבה). autorestart:false (one-shot per tick). דורש claude CLI + VOYAGE_API_KEY. התקנה: pm2 start scripts/legal-digest-drain.config.cjs && pm2 save.

| renumber_cases.py | python | מיגרציה חד-פעמית (בוצעה 2026-06-12) — תיקון 11 מספרי-תיקים לפורמט קנוני NNNN-MM-YY (הוספת ספרות-חודש; 1046-26→1024-02-26 תיקון-סידורי). רץ על ה-host (לא בקונטיינר): DB pool של האפליקציה + mcli (MinIO) + Gitea API + Paperclip DB. אטומי per-case עם גיבוי ל-data/audit/ ואימות-אחרי. FK-ים על cases.id (UUID) לא נגעו; משכתב כל עמודה עם cases/{old}/ (file_path וגם image_thumbnail_path שהוא storage-key בלי /data), מנרמל זהות חוצת-קורפוס (case_law/style_corpus/style_exemplars/citations — לא תוכן/full_text), מעביר מפתחי-MinIO ב-3 buckets (legal-immutable=WORM copy-only), משנה-שם repo ב-Gitea, ומעדכן ב-Paperclip את שם-הפרויקט + plugin_state.legal-case-number + כותרות-issues (3 המשטחים ש-get_case_issues נשען עליהם — בלי (b)+(c) ה-issues נשארים על המספר הישן ו-run-learning/run-halacha מדלגים בשקט עם "no_issue"; תוקן 2026-06-28 אחרי שהפער התגלה ב-8137-11-24). dry-run כברירת-מחדל; --apply --tier clean\|archive. מיצוי — לא להריץ שוב (ה-MAPPING היסטורי); לתבנית-עתידית: ה-Paperclip-step המעודכן הוא הרפרנס. | חד-פעמי — בוצע |

סקריפטים שנמחקו (git history בלבד)

Script	Reason
import-final-decisions.py	מיגרציה הושלמה — כל ההחלטות ב-data/training/
compare_extractions.py	בדיקה חד-פעמית לתיק 1130-25
decompose-decisions-v2.py	כפילות של v1
extract_google_vision.py	hardcoded לתיק בודד
extract_google_vision_single.py	wrapper חד-פעמי
test-search.py	סקריפט דיבאג