用途：把他人已完成的法律文本歧义分析（interpretive-ambiguity audit）转换为可交付的成品文档，支持六种格式：多页网站（默认）、单页交互网站、单文件 HTML、Microsoft Word 文档、PowerPoint 演示文稿、LaTeX 源码。
主要能力：核心思路是数据相同、渲染不同。分析被抽象为一组场景（situation、两种对立立场、文本弱点、可能结果、建议改写），锚定到源文本条款；先构建统一的 JSON 规范（spec.json），再按用途选择格式渲染。
使用方式：分四阶段。阶段1识别输入，三种形态：结构化 stress-test 输出、半结构化报告、原始散文；需确认源文本。阶段2构建规范，schema 见 resources/data-format.md，锚点 ID 需与源条款 ID 一致，保存为 spec.json。阶段3先做能力检查（能否运行 Python 3 并写文件、docx/pptx 技能是否可用、是否安装 LaTeX 发行版），再选格式与设计（强调色、字体、品牌标签）。阶段4渲染：网站用 python scripts/generate_site.py --spec <output-dir>/spec.json --out <output-dir>/site --mode multi（或 single）；LaTeX 用 python scripts/generate_latex.py --spec <output-dir>/spec.json --out <output-dir>/report.tex；Word 与 PowerPoint 委托 docx、pptx 技能；单文件 HTML 无需脚本直接写出。
适用场景：需要按场景引用 URL 的参考站点、仪表盘式内部工具、需邮件发送的单文件、供诉讼或立法者审阅的 Word、会议或 CLE 演示、学术排版交付。
限制：不执行歧义分析本身（由 ambiguity-stress-test 负责），不编辑源文本，不核实引注或现行法律，不生成印刷版式。多数格式需要具备相应能力的主机；PDF 需本机安装 LaTeX 发行版，否则交付 .tex。脚本生成的网站从 Google Fonts 加载字体，离线或受限网络下回退系统字体。设计调整时从已保存的 spec.json 重新渲染，不重新解析输入。