fix(check): 修国动真实投标文件暴露的 6 处（规则集 r5）

国动真实投标文件查标一次（check-eval §14）：44 个问题里有用的 9 个，
致命、重要两级都是误报。按决策 E3 全部修（§15）：
- 响应错位：「完全满足，无偏离。」这类复合肯定写法整体算肯定
- 附加条件：「不以……另行收费」是承诺
- 扫描件：文字层 v5 记每页图片占比，带一行说明的扫描页也认；提示写明扫描页范围
- 不需要这家投标人回答的：无特定资格要求、总括性资格要求、中标后才做的事、
  投标文件没声称适用的联合体和价格扣除
- 「方案应明确 A、B、C……」逐项再检索
- 同一批送出的片段都可引用（引文照样核对）；出处没过校验的不沿用

国动重新检查 44 → 11（全是提示，有用的 9 个都在）；开发集召回 112 → 111
（模型重跑波动），致命级 25/32 不变，规矩的投标文件问题 239 → 213。

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

docs/architecture/check-eval.md

@@ -309,7 +309,66 @@
 
 **局限**：资质情况表和词表是同一个人对着同一批样本写的，分数说明不了泛化；真实投标文件的资质表写法、扫描件比例都没测。国动真实投标文件到了以后，请用户按公司的真实证书录资质库再跑一次（`qualification-plan.md` §5）。
 
-## 14. 下一步
+## 14. 国动真实投标文件（2026-11-05，跑一次）
+
+用户提供的真实响应文件（南京长卿科技有限公司，183 页 PDF，WPS 导出；第 18–33 页里有 23 页是没有文字的扫描件，第 104–169 页是合同和劳动合同的扫描件，每页带一行文字页眉）。招标文件用当前代码重新读标（DOC 扩展名、实际是 DOCX，71 页，45 秒，299 条、待确认 3 条，响应方式技术 / 商务都认成「逐条响应」）。用户看过清单、没有改动，资质库空，直接查标。代码是 `5b77012`（规则集 `2026.11-r4`、提示词 `check.match` v2）。文件放在 `samples/tenders/GD/`，不进 git。
+
+**结果**：26 秒，模型调用 31 次（输入 15.6 万 token、输出 2.1 万）；249 条参与检查，203 条判「已响应」。报出 44 个问题：致命 1、重要 1、提示 42。没有金标准，下表是逐条对照投标文件原文的人工判断（Claude 判，用户未复核）：
+
+| 问题 | 个数 | 判断 |
+|---|---|---|
+| 响应错位（含唯一的致命） | 15 | **全部误报**。响应格写「完全满足，无偏离。」，`POSITIVE` 去掉「完全满足，」后剩下「无偏离。」，不在 `MARKER` 里，被当成「别的内容」。真实投标文件最常见的写法，开发集、留出集没有 |
+| 附加条件（重要） | 1 | 误报。原句是「……均包含在合同价中，**不**以正常接口对接和适配工作**另行收费**」，是承诺不是附加条件 |
+| 出处没能核对 | 4 | 误报。部署分区（第 72 页）、架构图（第 61–63 页）、人员经验和岗位（第 132–133 页）原文都有 |
+| 未找到响应 | 10 | 5 条有用：平台费用三条（商务表里确实没有逐条回应）、没有承诺延长质保（评分项）、没有声明演示系统是自主研发；5 条误报：售后、实施、数据治理三条「方案应明确……」对应的章节都有，响应时限承诺第 100 页写了 15 分钟 / 1 小时，「合同签订后细化进度计划」不是投标时要回答的 |
+| 疑似不满足 | 1 | 误报。团队配置第 132–133 页列了 3 名核心人员和分工，模型的说明「只写了满足」不对 |
+| 扫描件兜底「请人工核对」 | 12 | 4 条有用：第二十二条的证明材料（确实在扫描页上），以及软件自主研发、团队专业能力、国产化适配三个评分项（投标文件里确实没有材料，人员证书一栏都写「无」，但提示说「可能在扫描件里」，说法不对）；8 条是噪音：不接受联合体、无特定资格要求、须具备资格要求、联合体协议、特定资格证明，以及残疾人福利单位、监狱企业、本国产品三种价格扣除，都不需要这家投标人回答 |
+
+合计有用 9 个、误报或噪音 35 个；**致命、重要级 2 个全是误报**。报价规则（大小写、分项合计 43.2 万、低于限价 45 万）、落款日期、有效期都没有报问题，原文核对也确实没有问题。
+
+**产品没查、人工看到的真问题**：第 3 页「评分索引表」写的页码和实际页码对不上（表上写到第 209 页，文件只有 183 页，「履约能力」写的是第 124–194 页，实际是第 102–169 页），总目录也一样。评委按索引翻页会找不到。这属于「目录页码和实际页码一致」，覆盖范围里还没有这一项。
+
+**暴露的问题**（按规矩只记录，修不修由用户定）：
+
+1. **响应错位的肯定写法**：「完全满足，无偏离」「满足，无偏离；」这类复合写法要整体当成肯定回答。影响最大，唯一的致命就是它。
+2. **附加条件的否定句**：「不……另行收费」「不以……为由另行……」是承诺，不算附加条件。
+3. **扫描件判断只看整页有没有字**：第 104–169 页的扫描件因为有一行页眉，不算扫描页，所以提示写「23 页扫描件」，实际有 80 多页。另外，评分项要的材料文字部分没有时，提示一律说「可能在扫描件里」，即使扫描页全是别的材料也这么说。
+4. **「要不要投标人回答」漏判**：联合体、特定资格「无」、价格扣除这些条目（投标人没有声称适用的），以及合同签订后才做的事，不该出问题。
+5. **评分细则的「方案应明确……」**：投标文件有整章对应时，模型在候选句里没找到。这类条目要整章去对，不是逐句去找。
+6. **出处核对**：4 条模型找对了页，引文没能核对上，降成了「未找到」。
+
+**读法**：真实文件上的问题数（44）不多，原因是这份投标文件很规矩：偏离表逐条照抄、全写「完全满足」。但最高两级全是误报，说明规则在没见过的写法上还很脆。召回测不出来，因为这份文件本身没有致命问题，第 1、2 条的误报正好落在最显眼的位置。
+
+## 15. 修国动暴露的 6 处（2026-11-05，决策 E3）
+
+规则集 `2026.11-r5`。每处都配了单元测试，例句不取自国动、开发集或留出集。
+
+1. **响应错位的复合肯定写法**（`check/deviation.py`）：响应格开头连着写的肯定回答（「完全满足，无偏离。」「符合，无负偏离；」）一起去掉，剩下有内容的才拿来和要求比；「完全满足，显示器升降行程：150mm」照报。
+2. **附加条件的否定句**（`check/rules.py`）：「不以……另行收费」「不以……为由另行计取」是承诺；「另行收取」「另行协商」照报。
+3. **扫描件判断**（`text_layer` v5，`check/match.py`、`findings.py`）：每页记图片占比。字数不到 20，或图片占两成以上且不到 60 字，或占四成半以上且不到 120 字，都算扫描页（带插图的正文页字多，不算）。提示写明扫描件在哪几页，例如「投标文件第 16–23、26–33、104–131 页是扫描件（共 82 页）……材料如果附在这些页上，请人工核对，没有附就是缺了」，不再说「材料可能在扫描件里」。投标分册下次检查时按 v5 重新抽文字层，句子编号不变。
+4. **不需要这家投标人回答的条目**（`check/applicability.py`）：写明没有的（「无特定资格要求」；有这条时，「特定资格要求的证明文件」也不查）、总括性的「须具备招标文件规定的资格要求」、标题以「合同签订后 / 中标后」开头的，都不找响应。条件性要求（标题里是联合体、残疾人福利性单位、监狱企业、本国产品的）要投标文件里出现了对应的文件才查。「不接受联合体」不算「没有要求」：投标人真是联合体时恰恰要报。这些都写进检查覆盖范围。
+5. **提纲式要求**（`check/match.py`）：「方案应明确 / 包括 A、B、C……」里列出的每一项（至少 3 项）再各检索 1 句，候选句最多 10 句，模型能看到整章的内容。
+6. **同一批片段的出处核对**（`check/match.py`、`reuse.py`、`runner.py`）：同一批送给模型的片段，任何一条都可以引用，引文照样要和原文核对；出处没过校验的结论不再沿用到下次检查（以前沿用回来会变成普通的「未找到」）。
+
+**国动（看过结果才修的，只作参考）**：重新检查报出 11 个问题，全是提示级，用时 7 秒（大部分结论沿用上次，只调了 2 次模型）。§14 里判为有用的 9 个都还在，剩 2 个误报：团队配置的「只写了满足」、更优响应时限（这两条的结论是沿用上次的）。原来的 4 条出处核对失败、「方案应明确……」的 4 条都改判已响应，出处页码是对的（第 61–63、79–85、87、94–101、132 页）。
+
+**开发集不退化**（17 份，运行 `r5` 对比 `r4`）：
+
+| 指标 | r4 | r5 |
+|---|---|---|
+| 查标召回 | 112 / 149（75%） | 111 / 149（74%） |
+| 致命级召回 | 25 / 32 | 25 / 32 |
+| 规矩的投标文件报出的问题 | 239 | 213 |
+| 其中落在不需要响应的要求上 | 79 | 53 |
+| 规则问题 | 57 / 57，误报 4 | 57 / 57，误报 4 |
+
+召回少的 1 个是模型重跑的波动：跳过的条目变了以后，批次重新组合，大部分批次没命中缓存，模型重新判了一遍（各类此消彼长：D01 +1、D05 +1、D03 −1、D06 −2）。漏掉的 4 个，把第 6 处临时关掉（全部走缓存）结论一样，不是修复造成的。派生的报价、资质评测文件（8 份）的规则和资质问题和上次完全一样。
+
+**留出集（看过，只作参考）**：召回 51 → 49 / 74，致命级 26 → 26 / 41，规矩的投标文件报出的问题 82 → 78，规则问题 19 / 20 不变。少的 2 个（S06-C 的 D09、S09-C 的 D01）关掉第 6 处后结论也一样，同样是重新组批后模型判法变了。
+
+**局限**：这 6 处都是看着一份真实文件改的。第 4 处的「条件性要求」只认标题里的这几种主体；第 3 处的阈值是按国动这一份文件的扫描页定的，别的文件扫描页的版式（整页图片、多张小图）还没见过。
+
+## 16. 下一步
 
 1. 分项报价表和采购需求清单逐项对照（P13）**暂缓**：在开发集 7 份招标文件上试读「名称 + 数量」的采购清单表，S02、S08（服务类）没有这种表；S04 把「是否进口」一栏读成了名称；S10 采购包 2 的表跨页、第二页没有表头，漏了大半；S01 9 行里能和投标文件的分项对上名称的只有 7 行。P13 是致命级，按这个抽取质量在真实文件上会大量误报「缺项」，评测集里也没有注入过，先不上，覆盖范围里照写「还没有上线」。散文写法的单价上限同样暂缓。
 2. 第 3 步冻结前：确认各项改动的单元测试都有开发集以外的反例；冻结后跑留出集（S03、S06、S09，风格 B + C）和国动真实投标文件，各一次。

docs/decisions.md

@@ -4,6 +4,12 @@
 
 ---
 
+## E3 · 2026-11-05 · 国动真实投标文件暴露的 6 处全部修
+
+- **决策**：国动真实投标文件跑完一次（`check-eval.md` §14）后，暴露的 6 处全部修：响应错位的复合肯定写法、附加条件的否定句、扫描件判断、不需要这家投标人回答的条目、提纲式的「方案应明确……」、同一批片段的出处核对。规则集 `2026.11-r5`。
+- **理由**：用户决定。致命、重要两级报出来的都是误报，而且都是真实投标文件最常见的写法。
+- **影响**：国动的正式成绩以 §14（修之前）为准，修后的数字只作参考（看过结果才修的）。真实文件仍然只有这一份，泛化要等更多真实投标文件。
+
 ## Q2（修订）· 2026-11-05 · ★ 一律按实质性条款处理
 
 | # | 决策 | 理由 |