feat(ocr): 扫描件与图片识别——OCR 进文字层、资质库上传识别、大图浏览

计划见 docs/architecture/vision-plan.md（VS1–VS13，docs/decisions.md）。

- 验证：OCR（RapidOCR + PP-OCRv6 small，CPU）和 DeepSeek Flash 看图在国动投标文件
  和 7 张证书上初测（tech-validation §7，代码 spikes/s5-ocr/）
- OCR 服务 services/ocr（镜像、Compose 服务）：整页转正（含 180°）、红章附近按红色通道重读
- 扫描页和插图识别后并入文字层 v6，句子标 source=ocr；出处标「OCR」（迁移 0013）；
  依据识别文字的问题降级，规则不查扫描附件；国动端到端见 check-eval §16
- 资质库上传识别：添加资质对话框最上面传证书照片，识别后填表，只预填和 OCR 文字
  对得上的字段；识别值留痕、照片挂成附件（迁移 0014，提示词 vision.cert_fields v1）
- 资质库改为查看详情（只读键值 + 附件缩略图），附件用大图浏览控件看，不开新标签页
  （设计规范 §7.23）；PDF 附件按页出预览图

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>

docs/architecture/architecture.md

@@ -862,9 +862,11 @@ S1–S4 风险最高，建议先做；S8（桌面外壳 PoC）等桌面版立项
 | SK12 | 参考 BidEngine 的五项改进（2026-11-03） | 见 `ref-bid-engine-analysis.md` §5。**原因码**：没通过校验的结果记具体原因（`extract.FAILURES`，存在清单项 `ai_values.failures`），解析结果按原因计数（`verify_failures`），提示词规则和原因码的对照表在 `prompts/README.md`。**分块**：相邻分块重叠约 800 字；模型输出被截断（`finish_reason=length`）或不是合法 JSON 时，把分块对半重跑，最多 3 层，拆到底仍不完整的记 `output_incomplete`（以前当成「这一块没有结果」，审计发现 deepseek-flash 有输出正好停在 8192 token、整块条目悄悄丢掉的情况）。**项目基本信息**：提示词 v2，12 个字段每个都要表态 found / ambiguous / not_found，跨分块合并后分 found / absent（文件本身没写）/ needs_review（抽取有问题），记在解析结果 `info_fields`。**占位符**：「____元」「××」「（ ）」「待填」不算取值。**提示词**：substantive v4，qualification / scoring / schedule / tech_param v3，每条禁止事项对应一个原因码。三份样本的待确认：国动 4 → 2，S02 13 → 3，S06 57 → 55（S06 有 4 次对半重跑，截断的分块都救回来了） | 已实现 |
 | SK13 | S01–S10 标注集评测后的修正（2026-11-03） | 见 `extract-eval.md` §7。规则：合并时待确认条目不再「借道」正式条目（`pending_categories`），表后说明、章识别、★ 节标题、输出接近上限按截断处理、格式范本和整表概括句不收；提示词 substantive v5、qualification v4、schedule v4、tech_param v4；WPS 旧版 DOC 直接修正字体表字符集；表格按单元格切句（切句 s3-v4）。口径 Q1–Q4 见 decisions.md。报告分数有过拟合，只按人工标注算未全部达标，泛化未测，见 `extract-status.md` | 已实现 |
 | SK14 | 查标第 1 步（2026-11-04） | 见 `m3-plan.md`「第 1 步落地记录」。解析流水线的前几个阶段（格式核对、转换、文字层、扫描件判断）拆到 `document/pipeline/normalize.py`，解析任务和检查批次共用；投标文件每个版本只解析一次，扫描页不报错，交给检查按「请人工核对」处理（C10）。新增 `check`、`ops`（反馈）模块，worker 任务 `check_project`。Valkey 客户端设 2 秒超时、SSE 连接池上限 500（SK1）；CI 加 Gotenberg、直接跑 `init-roles.sh`（SK2） | 已实现 |
+| SK15 | OCR 进文字层（2026-11-05，vision-plan 第 1 步） | **OCR 服务** `services/ocr`（uv workspace 成员、镜像 `deploy/docker/ocr.Dockerfile`、Compose 服务 `ocr`）：RapidOCR + PP-OCRv6 small，CPU；整页转正（90° / 270° 试识别、180° 用方向分类模型判）；找红章，章附近按红色通道重读；返回行坐标、转正后坐标、红章位置。**worker**（`document/pipeline/ocr.py`）：`BD_OCR_PROVIDER=http` 时，扫描页整页、文字页里占页面 5% 以上的图片区域渲染成 200 dpi 图片发给服务；OCR 行换算回 PDF 坐标，和文字层重叠的去掉，章上沿圆弧排的字去掉；切句沿用文字层规则，插图里的字各自成句；句子带 `source = "ocr"` 和置信度，接在原有句子后面编号（文字层 v6，原有编号不变）。OCR 服务不可用按基础设施错误退回额度（`ocr_unavailable`）。**查标**：识别文字参与响应匹配；依据识别文字的问题降一级、报价数字降到提示（VS4）；规则检查不看扫描附件和插图上的识别文字（整份扫描件除外）；扫描件兜底的说法改为「识别了文字但没认出这份材料」。**出处**：`citation.ocr`（迁移 0013），界面和报告在原句前标「OCR」（设计规范 §7.3，报告模板 v5）。国动真实投标文件 183 页识别约 65 秒，见 `check-eval.md` §16 | 已实现 |
+| SK16 | 资质库上传识别（2026-11-05，vision-plan 第 2 步） | 「添加资质」对话框最上面传证书照片，识别后填表（单一入口，VS12；一张图一张证书，VS11）。接口 `POST/GET/DELETE /qualification-scans`，页面图走签名地址；worker 任务 `recognize_qualification`（`qualification/recognize.py`）：OCR 服务 → DeepSeek Flash 看图（`vision.cert_fields` v1，`ai.run_json` 加 `images` 入参、`ai_call.job_type` 加 `qualification_scan`）→ 字段引用 OCR 行逐个校验（一致、日期一致、识别不确定、不一致、格式不对），只有一致的预填。识别值存 `qualification.ai_values`，照片挂成附件；新增 `qualification.holder`（迁移 0014）。附件支持 WEBP。不扣额度，每企业每天 100 次 | 已实现 |
 
 SK11 修正前后（同一模型 deepseek-chat，即 deepseek-flash 不思考模式）的待确认数：国动 46 → 4，S02 17 → 13，S06 174 → 57；同一句被拆成多条的情况没有了。剩下的待确认多数是表格两栏或竖排文字串行（要按单元格切句才能解决）。实质性条款任务上比较了 flash 不思考、flash 思考（deepseek-reasoner）、deepseek-v4-pro：抽到的条款大体一致、互有多少，后两者慢 15～45 倍、输出 token 多 7～12 倍，没有看出明显更准；选型等标注集评测出结果再定。
 
 用国动便民小程序（71 页）、S02、S06 三份文件实测（真实模型 DeepSeek）：单份 33～87 秒，清单 216～1348 条，正式清单里的条目都带页码和原句。发现并已修复：标注规则说明的碎片被当成条款、页码混进正文、跨页拆成两条、「做无效响应处理」等写法漏认、上级标题下列出的无效情形被合成一条或漏掉、「无效质疑」被误当成投标无效、「是否接受联合体」取错证据。
 
-还没做、留了 TODO 的：转换镜像的字体包（S1）、OCR（S5）、分包对应到清单项、模型路由的候选列表、降级和限流、查标全部。S01–S10 标注集评测和修复见 `extract-eval.md`。
+还没做、留了 TODO 的：转换镜像的字体包（S1）、分包对应到清单项、模型路由的候选列表、降级和限流、查标全部。S01–S10 标注集评测和修复见 `extract-eval.md`。