feat(check): 候选句带同一行的单元格；提示词 check.match v2

检索常命中投标人照抄要求原文的那一格，响应和偏离写在同一行的别的格里，模型看不到。现在候选句在表格里
时，把同一行（同一页、上下范围重叠）的单元格一起交给模型，也可以引用；v2 说明怎么读一行。
开发集 17 份上查标召回 30% → 50%，带标志词的问题 2% → 54%，规矩投标文件上的误报略降，输入 token +44%；
漏响应和响应对象错位变差，下一轮看（docs/architecture/check-eval.md §3）。

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

docs/architecture/check-eval.md

@@ -83,8 +83,28 @@
 | 条件性要求（「如依法免税则须提供」）被当作必须提供的材料挂 D11 | 待修：按投标人情况排除 |
 | 低密度（每份 5～8 个问题）的投标文件还没做 | 待做：选 3 份 |
 
-## 3. 下一步
+## 3. 第一轮改进：整行上下文（2026-11-04）
 
-1. 修 §2.3 的待修项，补 3 份低密度的投标文件。
+**改了什么**：候选句在表格里时，把同一行的单元格一起交给模型，也可以引用（`check/match.py`）；提示词 `check.match` v2 说明怎么读一行（要求格 / 响应格 / 偏离格）。对应 §2.2 的第 ① 项。v2 的规则写法避开了开发集注入词库里的说法（重合的只有「负偏离」「完全响应」，是招标文件格式自带的用语）。
+
+**评测集同时修了 §2.3 的前三项**（「暂不支持」只套功能类要求、伞状单元和条件性要求不挂问题），7 份马虎的投标文件用原来的种子重新生成，另加 3 份低密度的，共 17 份。新目标 55 个由 Fable 复核（通过 54 个），用户抽查 11 个全部同意（三批合计抽查 56 个，全部同意）。因为注入的问题换了一批（「负偏离未说明」多了、「暂不支持」少了），下表的「旧做法」要和同一批投标文件比，不能和 §2 的数字直接比。
+
+| 指标（17 份，复核通过的问题） | 旧做法（v1、不带整行） | 新做法（v2 + 整行） |
+|---|---|---|
+| 查标召回 | 43 / 145（30%） | **73 / 145（50%）** |
+| 致命级召回 | 9 / 31（29%） | **15 / 31（48%）** |
+| 带标志词 | 1 / 65（2%） | **35 / 65（54%）** |
+| 负偏离未说明 D06 / 写明不支持 D05 / 数值不满足 D03 | 0 / 58、1 / 7、3 / 7 | 28 / 58、7 / 7、6 / 7 |
+| 漏响应 D01 / 响应对象错位 D09 | 18 / 27、3 / 14 | **14 / 27、0 / 14**（变差） |
+| 规矩的投标文件报出的问题 | 699 | 639 |
+| 规矩响应的要求上的误报 | 153 / 620（24.7 / 100） | 132 / 620（21.3 / 100） |
+| 不需要响应的要求上报的问题 | 334 | 329 |
+| 输入 / 输出 token | 189 万 / 32 万 | 273 万 / 28 万 |
+
+**读法**：整行上下文解决了「看不见响应格、偏离格」的问题，带标志词的问题从几乎查不出到过半；误报略降。代价是输入 token 多 44%。**两处变差**：漏响应（D01）和响应对象错位（D09）。推测是同一行或相邻行的内容让模型更容易「找到点什么就判已响应」：漏掉的那一行不在了，检索命中的是相邻要求的行；错位的那一行响应格写的是另一条参数，模型没比对参数名。下一轮在提示词里要求先核对响应格说的是不是同一个参数 / 设备，并单独看 D01、D09 的漏报明细。不需要响应的要求上的误报（329）没有变化，要靠第 ② 项（C12）。
+
+## 4. 下一步
+
+1. 看 D01、D09 的漏报明细，改提示词（v3）：先核对响应格说的是不是同一个参数 / 设备。
 2. 第 2 步（投标侧结构识别、规则、C12 响应方式抽取）和第 3 步（整行上下文、偏离表直取、presence 判断）按 §2.2 的顺序改，每改一轮在开发集 14 份上重跑对比。
 3. 留出集（S03、S06、S09，风格 B + C，封存的词库）和真实国动投标文件，在第 3 步冻结代码后只跑一次。