docs: 读标抽取现状、遗留问题和下一步；改正「三项目标全部达标」的说法

- 新增 docs/architecture/extract-status.md：指标两种读法（报告值 / 只按人工标注）、
  已确认的进展、泛化风险（Fable 过拟合评估）、P0–P3 遗留问题、找样本和建留出集的流程
- extract-eval.md、AGENTS.md、架构 SK13、evals/README.md 改正达标说法并指向新文档
- 读标召回率优化暂停，后续专项优化从 extract-status.md 接着做

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

AGENTS.md

@@ -202,5 +202,6 @@ samples/
 - 2026-11-03：请 Fable 做顾问深读参考项目的解析流水线（`docs/architecture/ref-bid-engine-analysis.md` §5），采纳五项：待确认记原因码、分块重叠和截断后对半重跑、项目基本信息逐项表态、占位符不算值、提示词规则对应原因码。发现并修复了模型输出被截断时整块条目悄悄丢失的问题。见架构 §13 SK12。
 - 2026-11-03：抽取模型定为只用 DeepSeek Flash，不再对比 Pro 和思考模式，效果靠规则和提示词优化（`docs/decisions.md` M1）。
 - 2026-11-03：S01–S10 标注集评测 v1（`docs/architecture/extract-eval.md`，工具和标注集在 `evals/`）。1,829 个标注单元由 AI 标注、逐条裁定，未经人工复核。标注类实质性条款召回 99.7% 达标；写明无效类召回 85.4%、实质性条款准确率 87.8%、资格条件准确率 38.4% 不达标，主因是规则缺陷（合并时待确认条目被并进正式条目、表后「上述……否则无效」说明认不出、模型提前收尾的静默丢失），修复清单 F1–F8 见该文 §4。每份文件实测约 1.4 元。还发现产品转换流程缺 WPS 旧版 DOC 预处理（S07 正文全是乱字）。
-- 2026-11-03：按评测修复 F1–F8，口径 Q1–Q4 按建议确认（`docs/decisions.md`）；请 Fable 当顾问审读修复，改了它指出的 7 个问题。修复后三项目标全部达标：标注类召回 99.4%、写明无效类召回 98.1%（含待确认区）、实质性条款准确率 98.4%；资格条件准确率 38% → 90%，每份文件约 1.2 元。还剩的问题见 `docs/architecture/extract-eval.md` §7.4。
-- 下一步：查标（M3）。标注集还没人工复核，建议先抽查实质性条款（S03、S06）。
+- 2026-11-03：按评测修复 F1–F8，口径 Q1–Q4 按建议确认（`docs/decisions.md`）；请 Fable 当顾问审读修复，改了它指出的 7 个问题。修掉了几个确定的缺陷（合并时假致命、输出临近上限的静默丢失、WPS 旧版 DOC 乱码、表格串行）；报告分数是在同一批样本上调、又用同一批评的，请 Fable 评估后确认有过拟合：只按人工标注算，实质性条款准确率 72%、标注类召回 98.9%，泛化未测。
+- 2026-11-03：读标召回率优化暂停。现状、遗留问题（含泛化风险）和下一步整理在 `docs/architecture/extract-status.md`；后续专项优化先建留出集（多省份、招标投标体系、扫描件）并人工标注。
+- 下一步：查标（M3）。