regelrecht-scenario-traces
Maakt regelrecht-scenario's vindbaar en hun norm-ketens leesbaar/geassert. Aan de invoerkant — vertaal een platte lijst leaf-parameters naar benoemde casus-assen + een herbruikbare persona-bibliotheek
SKILL.md.claude/skills/regelrecht-scenario-traces/SKILL.md
GitHubRegelrecht scenario's & traces — casus vindbaar, keten leesbaar
Een dossier-agnostische techniek-skill die beide werk-skills delen:
regelrecht-audit-products schrijft scenario's (de casus-kant),
regelrecht-stelselanalyse reviewt traces (de keten-kant). Deze skill levert de
methode om scenario's zó te modelleren dat (A) de casuïstiek terugvindbaar is en
(B) de juridische logica-keten zichtbaar én geassert is.
Geen casus-inhoud in de skill; concrete persona's, assen en norm-namen komen uit het corpus tijdens toepassing.
Het probleem dat deze skill oplost
Een scenario dat alleen een handvol leaf-parameters flipt en de endpoint assert, verbergt twee dingen tegelijk:
- A — casus onvindbaar. De casus ("welke persoon is dit?") bestaat alleen in je hoofd, in de scenario-titel en in comments. Met tientallen platte booleans moet je de mapping persona → leafs elke keer handmatig reverse-engineeren. Twee scenario's met identieke invoer maar een ander bedóeld onderscheid zien er identiek uit.
- B — keten onzichtbaar. De engine berekent een keten van tussen-normen tussen de leafs en de endpoint. Alleen de endpoint asserten betekent: een foute keten die op jouw gesamplede casus toevallig dezelfde endpoint geeft, slipt er geluidloos door. En lezend is de juridische structuur niet uit het scenario te halen.
Kernprincipe: de ontbrekende middenlaag
Tussen menselijke casus en engine-output zit een middenlaag die first-class, vindbaar én geassert moet zijn:
menselijke casus ENGINE uitkomst
"wie is deze persoon?" ─► leaf-feiten ─► keten ─► endpoint
│ │ │ │
[A] benoemde persona ───────────┘ │ │
op casus-assen │ │
[B] benoemde norm-keten ┘
(keten-checkpoints + golden trace)
- Invoerkant (A): geef de casus een naam en plaats hem op een paar casus-assen;
bundel de leaf-deltas in een herbruikbare persona. →
references/casus-assen.md,references/persona-bibliotheek.md. - Uitvoerkant (B): bepaal het kritieke pad door de YAML-DAG en assert elke knoop
erop; leg de volledige trace vast als golden snapshot met branch-coverage. →
references/keten-checkpoints.md,references/golden-traces.md.
De vier mechanismen
| # | Mechanisme | Lost op | Reference / template |
|---|---|---|---|
| 1 | Assen-groepering — platte leaf-lijst → casus-assen (dimensie-reductie) | A | references/casus-assen.md |
| 2 | Persona-bibliotheek — benoemde, herbruikbare leaf-bundel op de assen; twin-persona's (één-as-verschil) | A | references/persona-bibliotheek.md · templates/persona-bibliotheek.md · templates/casus-matrix.md |
| 3 | Keten-checkpoints — assert elke knoop op het kritieke pad, niet alleen de endpoint | B | references/keten-checkpoints.md · templates/keten-kaart.md |
| 4 | Golden traces — volledige trace snapshotten + diffen + branch-coverage | B | references/golden-traces.md · templates/golden-trace-review.md |
Schaal naar de vraag: een snelle opschoning gebruikt 1+3; een regressie-bestendige cross-law-keten gebruikt alle vier.
Werkstroom
Vind de assen. Reduceer de platte leaf-lijst tot een handvol onafhankelijke casus-assen (zie
references/casus-assen.md). Groepeer de baseline-parameters per as — alleen al volgorde + kopjes maken de lijst scanbaar.Bouw de persona-bibliotheek + casus-matrix. Druk elke casus uit als benoemde bundel leaf-deltas op de assen (
templates/persona-bibliotheek.md). Leg de reverse-lookup vast: persona ↔ scenario ↔ keten-pad ↔ uitkomst (templates/casus-matrix.md). Voeg twin-persona's toe waar een onderscheid anders onzichtbaar blijft.Bepaal het kritieke pad & leg keten-checkpoints vast. Leid uit de YAML de DAG van tussen-normen naar de endpoint af (
templates/keten-kaart.md). Laat elk scenario elke knoop op zijn pad asserten, niet alleen de endpoint (references/keten-checkpoints.md).Snapshot golden traces + branch-coverage. Leg de volledige engine-trace per scenario vast en diff bij wijziging; rapporteer welke takken nog ongetest zijn (
references/golden-traces.md,templates/golden-trace-review.md).Voer de meta-check uit. Maken de scenario's en de YAML dezelfde fout? Dan valideert de suite de YAML, niet de wet. Keten-checkpoints + golden-traces zijn het concrete wapen hiertegen — zie de hook naar
regelrecht-stelselanalyse.Schrijf naar het corpus/dossier, niet in de skill. Persona's, matrices en trace-snapshots horen bij het corpus: feature-files in de
scenarios/-map naast de wet die ze testen, verderdocs/. Wijzig nooit de skill-bestanden met casus-inhoud. Commit/push alleen op verzoek.
Bestanden in deze skill
references/
casus-assen.md— van een platte leaf-lijst naar onafhankelijke casus-assen (dimensie-reductie); hoe je assen herkent en de baseline groepeert.persona-bibliotheek.md— persona = benoemde leaf-bundel op de assen; expressievormen (Scenario Outline / customGiven persona-step / fixtures); twin-persona's.keten-checkpoints.md— kritiek pad uit de YAML-DAG; de conventie "assert elke knoop"; sensitiviteits-/twin-scenario's; band met de features-vs-YAML meta-check.golden-traces.md— volledige trace vastleggen, diffen, branch-coverage; wanneer wel/niet.
templates/
persona-bibliotheek.md— persona | assen-coördinaat | leaf-deltas | keten-checkpoints | endpoint.casus-matrix.md— reverse-lookup index: persona ↔ scenario ↔ keten-pad ↔ uitkomst.keten-kaart.md— per endpoint de knoop-DAG met coverage-markering per schakel.golden-trace-review.md— trace-snapshot-review + branch-coverage-rapport.
Routing & handoff
Dit is een techniek-laag die beide werk-skills bedienen. Twijfel je waar te beginnen →
regelrecht-dossier. Bij het ontwerpen van expert-testcases gebruikt
regelrecht-audit-products/templates/testcase-scenarios deze persona-methode; bij
regressie/validatie voert regelrecht-stelselanalyse (engine-tests + de
features-vs-YAML meta-check) de keten-checkpoints + golden-traces uit.
Belangrijke regels
- Dossier-agnostisch blijven. Geen vaste wet-namen, norm-namen, bedragen of casus-voorbeelden in de skill-bestanden. In output (corpus/features) mag casus-inhoud uiteraard wel.
- Assert de keten, niet alleen de endpoint. Een groene endpoint met een ongeteste keten bewijst niets over de tussenstappen.
- Persona is de bron, scenario is de afgeleide. Eén persona-definitie, hergebruikt over scenario's — niet dezelfde leaf-bundel telkens opnieuw met de hand.
- Twin-scenario's voor elk onderscheid dat het model niet vanzelf ziet. Eén-as-verschil maakt de keten falsifieerbaar.
- Stille truncatie loggen. Cap je coverage (top-N personas, niet alle takken) → meld expliciet wat je overslaat.