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>

evals/check/run_check.py

@@ -186,6 +186,7 @@ async def main() -> None:
     ap.add_argument("--rules-only", action="store_true", help="只重跑规则检查，写回已有运行的 results.json")
     ap.add_argument("--no-direct", action="store_true", help="不做偏离栏直读（对比用）")
     ap.add_argument("--no-mismatch", action="store_true", help="不做响应错位判断（对比用）")
+    ap.add_argument("--modes", help="人工确认后的响应方式，如 technical=implicit,commercial=implicit")
     args = ap.parse_args()
     d = OUT / args.bid
     manifest = json.loads((d / "manifest.json").read_text())
@@ -246,6 +247,10 @@ async def main() -> None:
     decisions: dict[UUID, applicability.Decision] = {}
     if not args.no_modes:
         modes = response_mode.detect(gold.sentences(manifest["tender"]))
+        for pair in filter(None, (args.modes or "").split(",")):
+            cat, mode = pair.split("=")  # 模拟清单页上人工确认 / 改过响应方式（C12 的人工确认点）
+            m = modes[cat]
+            modes[cat] = response_mode.Mode(cat, mode, "found", m.explicit, m.implicit)
         decisions = {i: applicability.decide(p, modes) for i, p in items.items()}
         items = {i: p for i, p in items.items() if decisions[i].match}
     results, stats = await match.run(ctx, uuid4(), items, docs, progress)