Word-canonical forms 對齊 — 讓真實 Word 文件升級 DSL channel（format-alignment step 2）

[kiki830621]

Problem

Original text:
「好，開一個新的 Spectra change 或 issue 來規劃這條線，所以看起來複製是step1, 然後用合法的operation來序列化是第二步」
— Source: 使用者於 format-alignment-engine（#130）完成歸檔後的方向指示（2026-07-08 session）

format-alignment-engine（#130，已歸檔，ooxml-swift v1.1.0–v1.3.0）完成了兩步框架的第一步：

• Step 1 複製（done）：raw channel byte-equal floor。真實 Word 文件（90_template_ja.docx、thesis-fixture）reverse → script → rebuild 全部 Stage B byte-equal。
• Step 2 用合法 operation 序列化（本 issue）：讓真實 Word 文件的內容能被 typed operations 表示、且 reducer + serializer 重建出 identical bytes——即通過既有的 trial-rebuild byte-equal gate（Decision 3），使 DSL coverage 從 0% 誠實爬升。

現狀（docs/format-alignment-baselines.md 實測）：五層 extraction（run rPr / paragraph pPr / sections / canonical tables / text+style）對自家 writer 產物已達 57.5% DSL coverage，但對 Word-authored 文件是 0%——extraction 在 Word 的 XML forms 上誠實 bail 到 raw：rsid 屬性群、多命名空間 root（mc:Ignorable 等）、xml:space、attribute 順序、以及 ReverseExtractor.Result.rawReasons 記錄的其他 unsupported-form。

Type

feature

Expected

真實 Word 文件（以 90_template_ja.docx 為 acceptance fixture，經 MACDOC_TEMPLATE_DIR env-gate）：

1. document.xml 通過 trial-rebuild byte-equal gate 升級 DSL channel，aggregate coverage 顯著 > 0%
2. 升級後 --slot 對它可用——實用驗收：對日本心理學會 template 指定 title/body slots，填新內容產生格式完整的新投稿文件（template-content-slots spec 的 title-and-body scenario 在真實 template 上成立）
3. Stage B 恆綠（既有 UpgradeClassGuardTests + FormatAlignmentAcceptanceTests 機制保護）

Actual

• Word-authored 文件 DSL coverage = 0.0%（90_template_ja 13 parts / 134,050 bytes 全 raw；thesis-fixture 39 parts / 1,746,868 bytes 全 raw）
• --slot 對 raw-channel 段落 loud-fail（strict mode 設計如此）

技術方向（初步，propose 時細化）

1. Form-gap corpus 分析：細化 rawReasons 到具體 bail 點清單（元素/屬性/form 統計），對 gated real templates 跑量測，決定詞彙擴充的優先序
2. 詞彙擴充：rsid 屬性群（w:rsidR/rsidRDefault/...）、root namespace 集參數化（emptyAuthoringDocument 目前固定 xmlns:w + xmlns:w14）、xml:space="preserve"、rPr/pPr 長尾（szCs、rFonts hint/hAnsi/cs、lang、kern…）
3. Sibling parts 的 typed 化（styles.xml/settings.xml 等）可作為後續 phase——分母的大宗（sibling-part class）
4. 每一步都受既有 trial-rebuild byte-equal gate 保護：升級只在 byte-equal 證明後發生，Stage A/B binary、無 fuzzy pass

Impact

• 這是 feat: format alignment engine — 從既有 docx 逆向 template schema 並單指令重建（word reverse 深化） #130「我要看的是你仿作的能力」的兌現線：coverage 是 imitation-ability score，0% → 高 coverage = 從複製到理解
• 解鎖實用場景：以真實學術 template 為底的 slot 化文件生成（JPA 投稿等）
• 機制風險低：dual-track 架構已保證任何失敗的升級自動 fallback raw、byte-equal 恆成立

關聯

• Refs feat: format alignment engine — 從既有 docx 逆向 template schema 並單指令重建（word reverse 深化） #130（format-alignment-engine，已歸檔 2026-07-08）
• 基線：docs/format-alignment-baselines.md
• 機制：ooxml-swift ReverseExtractor（trial-rebuild gate）、PartFidelity、ScriptExporter.exportSwift(log:slots:)

Clarity Surface(idd-clarify run 2026-07-08T15:55:37Z)

Type	Source	Suggested canonical	Status
ambiguity	"aggregate coverage 顯著 > 0%"	「顯著」未定義具體驗收閾值——propose 時需定：以 90_template_ja 的 document.xml 佔比推導目標（如 document.xml 全升級 ≈ 34%），或以 slot 可用性（Expected #2）為功能性驗收、不設數值閾值	surfaced
missing-context	"Form-gap corpus 分析：…對 gated real templates 跑量測"	corpus 範圍未指定——目前已知僅 2 個 gated 真實文件（90_template_ja、thesis-fixture）；是否需收集更多樣本（不同 Word 版本/語言/來源）以避免詞彙擴充過擬合單一 template	surfaced

Linked-Context Siblings Filed (v2.48.0+ #529)

• docs: baseline doc 重現指令含本機完整路徑，暴露未發表研究專案目錄名 (sibling concern from #131) #132 — baseline doc 重現指令的本機路徑洩漏（docs/privacy hygiene）
• fix(test): CLITestHelper timeout 後直接讀 terminationStatus — process 未退出時拋 NSInvalidArgumentException (sibling concern from #131) #133 — CLITestHelper timeout race（terminate 後未 waitUntilExit）