用途：在按任务复杂度路由的基础上，让路由具备输出感知能力。低成本模型先完成抽取、回答或摘要，验证器检查输出，只有被标记的问题项才升级到强模型（Claude），从而在接近强模型质量的同时降低成本。
主要能力：流程分为四步——EXTRACT（低成本模型产出结果）、VERIFY（分解式验证器针对每个字段提出狭义的 yes/no 问题，并以“坏=真”的方式返回每题的 P(wrong)）、GATE（任一问题的 P(wrong) 超过阈值即升级，取最大值而非均值）、ESCALATE（仅被标记项使用强模型，其余保留低成本答案）。验证器可插拔。
使用方式：验证器脚本位于 skills/verify-cascade/verify_cascade.py，可运行 python3 "$VC" 做自测（使用桩判断器，无网络、无模型）。默认 LocalVerifier 在本机运行，通过一次调用让低成本 CLI 模型完成整套分解问题，返回 {field::metric: P(wrong)}，不访问外部服务。判断模型通过 MAGGY_JUDGE_CMD 设置（默认 deepseek --flash），提示词以 stdin 传入，因此该命令必须从 stdin 读取；也可传入自定义 judge=callable(prompt)->text。问题按完整批次评分，源文本过长时会在 stderr 告警而非静默截断。可选的 TypeSafeVerifier 需显式启用并安装 typesafe_sdk、设置 TYPESAFE_API_KEY，其 verify() 会把 source_text、schema 和抽取结果 POST 到 api.typesafe.ai，数据会离开本机，默认关闭。
适用场景：输出可与来源对照核验的任务，如抽取、RAG 回答、数据抓取、结构化摘要。对于没有标准答案的开放式生成，应继续使用按任务复杂度的路由；两者可组合，先分类选低成本档，再验证决定是否升级。
限制：schema 校验必要但不充分，低成本模型可能生成看似合理、符合 schema 的虚构内容（如用编造值填充空字段），结构检查无法发现，需语义验证器；验证器应保持狭义、有依据、逐字段、独立且低成本，并经过校准，才能用单一阈值区分接受与升级。