docs(architecture): 完成技术验证 S1–S4，确定 FR-M2-05/06 目标值

- spikes/：Word 转 PDF（Gotenberg）、格式识别、原句坐标、DeepSeek 抽取四项验证代码与两版提示词；样本派生产物和 .env 不进 git
- tech-validation.md：完整结论。四项都可行：WPS 字体字符集要修正并改用行高调整过的字体；格式识别不需要 Docling；表格内切句待改进；抽取需第三道依据校验与规则兜底
- architecture.md：§3.5 加预处理与字体包，§3.6 证据校验改为三道，§10 回填结论
- 03 功能需求与 decisions.md（TV1）：召回 ≥ 99%、采纳准确率 ≥ 95%、页码 100%、高亮正文 ≥ 98% / 表格 ≥ 95%

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

spikes/s1-convert/convert.py

@@ -0,0 +1,30 @@
+"""S1：用 Gotenberg 把 10 份样本转成 PDF，记录页数、耗时、是否失败。
+用法：python -I convert.py <配置名> <Gotenberg 地址> [预处理后的 DOCX 目录]
+"""
+import json, sys, time, pathlib
+sys.path.insert(0, str(pathlib.Path(__file__).resolve().parent.parent))
+import httpx, pypdfium2 as pdfium
+from common import IDS, sample_file, sniff
+
+cfg, base = sys.argv[1], sys.argv[2]
+src_dir = pathlib.Path(sys.argv[3]) if len(sys.argv) > 3 else None  # 预处理后的 DOCX 目录
+out = pathlib.Path(__file__).parent / "out" / cfg
+out.mkdir(parents=True, exist_ok=True)
+rows = {}
+with httpx.Client(timeout=600) as c:
+    for sid in IDS:
+        f = (src_dir / f"{sid}.docx") if src_dir else sample_file(sid)
+        ext = sniff(f)  # 按真实格式给扩展名，LibreOffice 据此选过滤器
+        t = time.monotonic()
+        r = c.post(f"{base}/forms/libreoffice/convert",
+                   files={"files": (f"{sid}.{ext}", f.read_bytes())})
+        dt = round(time.monotonic() - t, 1)
+        if r.status_code != 200:
+            rows[sid] = {"ok": False, "status": r.status_code, "err": r.text[:200], "sec": dt}
+        else:
+            pdf = out / f"{sid}.pdf"
+            pdf.write_bytes(r.content)
+            n = len(pdfium.PdfDocument(str(pdf)))
+            rows[sid] = {"ok": True, "pages": n, "sec": dt}
+        print(cfg, sid, rows[sid], flush=True)
+(out / "result.json").write_text(json.dumps(rows, ensure_ascii=False, indent=1))