feat(evals): 留出集生成——风格 C、留出集改写导出；评测可模拟人工确认响应方式

- build.py / mutate.py：补风格 C（叙述型），由封存一侧的会话按封存说明实现；开发集风格 A / B 输出逐字节不变
- build.py：复述要求时去行首编号不再吃掉「2路服务器」这类内容数字
- export_rewrite.py：没有风格 A 稿时从未改写的风格 B 稿导出
- run_check.py：--modes 模拟清单页上人工确认的响应方式（C12 的人工确认点）
- check-eval.md：第 3 步冻结点（a60d16e）

查标代码（server/src、prompts）自冻结后未改。

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

docs/architecture/check-eval.md

@@ -224,7 +224,11 @@
 
 **读法**：按单元格分行和上一轮基本持平（召回 -1、致命 +1、误报略少），在一次模型重跑的波动范围内，结构上更对，保留。D09 少的 2 条是响应错位判断依赖模型引用「照抄的要求格」，模型换了引用就不触发——它是补漏，不是主力。业绩条款的修正带来 D13 +1、D01 +1；规矩的投标文件上多了 3 个提示（新查的业绩评分项）。
 
-## 10. 下一步
+## 10. 第 3 步冻结（2026-11-04）
+
+查标代码冻结在 `a60d16e`（规则集 `2026.11-r2`、提示词 `check.match` v2）。之后跑留出集（S03、S06、S09，风格 B 规矩 + 风格 C 马虎）和国动真实投标文件各一次，结果只记录，不据此调规则和提示词（GUIDELINES §8）；留出集上发现的生成器错误按「响应清单错误」单独记数。
+
+## 11. 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。