Update to EW Golden Baseline Model

{
  "description": "Select backend-confirmed executable deterministic golden-baseline algorithms and generate a reusable process-selector SKILL.md from a plain-language equipment or process description. Use when users should not need to understand RMSE, correlation, DTW, lag, slope, area, stability, or missing-data methods themselves; route unsupported needs to the analysis builder and do not diagnose equipment faults.",
  "included_files": [
    {
      "relative_path": "agents/openai.yaml",
      "size_in_bytes": 425
    }
  ],
  "name": "golden-baseline-algorithm-selector",
  "skill_md_contents": "---\nname: golden-baseline-algorithm-selector\ndescription: Select backend-confirmed executable deterministic golden-baseline algorithms and generate a reusable process-selector SKILL.md from a plain-language equipment or process description. Use when users should not need to understand RMSE, correlation, DTW, lag, slope, area, stability, or missing-data methods themselves; route unsupported needs to the analysis builder and do not diagnose equipment faults.\n---\n\n# 黃金基線算法選擇技能產生器\n\n把使用者對設備、工藝、訊號與比較目的的自然語言描述，轉成一份可重複使用的專用 `SKILL.md`。不要要求使用者自己選擇統計或訊號處理算法，也不得把尚未編譯或未通過固定案例的候選算法當成可執行能力。\n\n## 收集工藝事實\n\n只詢問使用者能以領域知識回答的缺漏資訊：\n\n- 設備用途、正常工藝階段、事件如何開始與結束。\n- 訊號名稱、物理意義、單位、採樣間隔與是否跨設備雲。\n- 哪些偏差會影響品質、能耗、產量、安全或穩定運轉。\n- 是否有 PLC、批次、Tagger 或人工事件錨點。\n- 歷史封閉事件、即時開放事件，或兩者都需要。\n\n不得要求使用者指定 RMSE、DTW、Cross-correlation、門檻公式或距離函數。不得自行發明安全極限、法規門檻或設備供應商規格。\n\n## 可執行算法來源\n\n只可從系統提供的 `available_algorithms` 選擇，且每個項目必須同時具備：\n\n- `execution_status: executable`\n- 明確 `algorithm_id` 與 `version`\n- 相容的 `engine_api_version`\n- 適用執行模式、訊號角色、單位及品質要求\n\n`specification_only`、`compiled`、`fixtures_passed`、`requires_revision`、`rejected` 或狀態缺失的算法，一律不得放入執行方案。若需求只能由這些候選能力滿足，政策必須標示 `review_required`，並把需求放入 `proposed_algorithms`。\n\n## 選擇規則\n\n- `missing_deviation`：所有時序都選；品質不足時，其他算法不得輸出正常結論。\n- `time_alignment`：跨來源、多通道或需要圖層疊圖時選。\n- `value_deviation`：連續數值且單位相容時選。\n- `time_deviation`：有可信起點、終點、階段或峰值錨點時選。\n- `waveform_deviation`：相同工藝階段且點數足以表達形狀時選；DTW 不得掩蓋真正時間延遲。\n- `slope_deviation`：上升／下降速率有物理意義且採樣密度足夠時選。\n- `area_deviation`：對時間積分有明確業務意義時選，例如累積能耗或流量。\n- `stability_deviation`：穩態或平台階段選；正常升降載階段通常不選。\n\n歷史封閉事件可選依賴終點的算法；即時開放事件只選不依賴終點的算法，事件結束後再重算完整結果。從滿足需求的可執行算法中選最小組合，不得為了看似完整而全部啟動。\n\n## 未支援需求流程\n\n當現有可執行算法不足時：\n\n1. 保留使用者的工藝目的、訊號角色、品質條件及期望判斷。\n2. 在 `proposed_algorithms` 說明缺少能力，不指定使用者不懂的數學模型。\n3. 建議使用 `$baseline-analysis-builder` 建立或升級候選算法 Skill。\n4. 候選 Skill 經後端編譯、固定案例、版本相容檢查與管理員核准成為 `executable` 後，才可重新產生 ready 政策。\n\n## 產生專用 Skill\n\n輸出一個完整 Markdown 文件，包含：\n\n1. `name` 與清楚觸發條件的 `description`。\n2. `metadata.schema_version: golden-baseline-algorithm-skill/v1`。\n3. `metadata.skill_role: process-selector`。\n4. 適用／不適用範圍、工藝階段、訊號角色、必要輸入與品質閘門。\n5. 每個算法的選用與不選用規則、原因碼，以及歷史／即時模式差異。\n6. 可執行狀態與版本證據、白名單限制、安全邊界及待確認資訊。\n7. 固定的候選政策 JSON 輸出契約。\n\n新 Skill 必須自包含，不可依賴本產生器仍在對話中，也不可包含 Python、SQL、Shell、網址或外部工具呼叫。\n\n## 候選政策契約\n\n專用 Skill 被使用時，只輸出一個 JSON 物件，至少包含：\n\n```json\n{\n  \"schema_version\": \"golden-baseline-algorithm-plan/v1\",\n  \"selector_skill_name\": \"string\",\n  \"selector_skill_version\": \"string\",\n  \"equipment_type\": \"string\",\n  \"process_name\": \"string\",\n  \"execution_mode\": \"historical_closed_event\",\n  \"policy_status\": \"ready\",\n  \"stage_plans\": [],\n  \"quality_gates\": {},\n  \"algorithm_registry_snapshot\": [\n    {\n      \"algorithm_id\": \"value_deviation\",\n      \"version\": \"1.0.0\",\n      \"execution_status\": \"executable\"\n    }\n  ],\n  \"required_information\": [],\n  \"proposed_algorithms\": [],\n  \"assumptions\": [],\n  \"review_notes\": []\n}\n```\n\n`execution_mode` 只能是 `historical_closed_event` 或 `realtime_open_event`。`policy_status` 只能是 `ready`、`review_required` 或 `insufficient_information`。`ready` 政策中的每個已選算法都必須出現在 `algorithm_registry_snapshot`，且版本固定、狀態為 `executable`；否則政策不得標示 `ready`。\n\n## 最終輸出\n\n產生完整的新 `SKILL.md`，不要只提供大綱。若可建立檔案就直接建立；否則只輸出一個從 YAML frontmatter 開始的 Markdown 程式碼區塊。不得宣告候選算法已通過系統驗證。\n"
}