feat: 读标可以走完一份文件；审计待确认区，修规则缺陷、提示词出新版本

读标操作（FR-M2-07、08）
- 后端：清单项详情（ETag）、修改（If-Match 选填，记 edited_fields 和 AI 原值）、
  采纳（补出处或声明「人工确认、无出处」，可带修改）、删除 / 丢弃与恢复、人工新增、
  替换出处、人工建出处（选同一页的句子）、修改记录（来自审计）、确认清单（不可变版本，
  内容没变复用上一版）、版本列表；正式清单有变化时已确认的清单回到草稿；项目已递交只读
- 重新解析不推翻人工决定：丢弃的不再冒出来，采纳的留在正式清单，人工补过的出处不被覆盖
- 前端：待确认区采纳 / 补上出处后采纳 / 修改后采纳 / 丢弃，正式清单修改、补出处、删除
  （可撤销）、修改记录、新增条目、确认清单；pdf.js 原文查看器（点出处跳页、按坐标框高亮、
  选句补出处），整屏对照布局，J / K 上下条；跨页的一句话合成一处出处显示

待确认审计（架构 §13 SK11）
- 规则只修真正的缺陷：表格框线不算下划线（文字层 v3）；句号后的右括号并进同一句
  （切句 s3-v3）；中文编号小节和冒号编号条目的上级条款，依据沿上级链核对；取值认中文
  数字、同一行单元格和评分因素标题；补几种无效写法；比对引文前去掉我们加进输入的标记
- 不放宽：引文最短 8 个字、编号必须对、证据全部通过
- 提示词新版本：substantive v3，qualification / scoring / schedule / tech_param v2；
  引文复制整句、并列多项不拆、跨页只引上一行，除实质性条款外输入改成纯文本
- BD_AI_MODELS 按提示词声明的能力选模型；离线评测工具 evals/run_extract.py
- 待确认：国动 46 → 4，S02 17 → 13，S06 174 → 57

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

AGENTS.md

@@ -197,4 +197,6 @@ samples/
 - 2026-11-03：接口契约 v0.1（`docs/architecture/api-design.md` + `openapi.yaml`，OpenAPI 3.1，64 个路径、81 个操作），覆盖 MVP 原型 13 页的主流程，运营后台另行定义。API1–API5 全部按建议确认：骨架搭好前以 `openapi.yaml` 为准，之后以 FastAPI 生成的快照为准；事件流用 fetch 读；异地登录确认后挤掉旧设备；扣点说明和实际不一致时拒绝、不扣点；报告后台生成。
 - 2026-11-03：工程骨架完成（分支 `feat/engineering-skeleton`）。「上传 → 解析 → 显示清单」最小链路在真实样本 S02、S06 和虚构样例上跑通：分片上传、按文件头识别格式、Gotenberg 转 PDF、文字层与稳定句子编号、实质性条款抽取（假模型 + 三道校验 + 标注类规则兜底）、并入清单；额度预扣 / 结算 / 退回、行级安全策略、对象加密都有测试。后端 30 个测试、pyright 严格模式、import 规则全部通过；前端 5 个页面按设计规范 v0.2 实现，类型检查和构建通过。搭建中的调整记在架构 §13（SK1–SK8），SK1、SK2 待确认。
 - 2026-11-03：测试环境接上真实模型（DeepSeek，配置在不进 git 的根目录 `.env`）。读标补齐五类清单和项目基本信息的抽取，修了国动样本暴露的 4 个问题（标注规则碎片、页码混入与跨页拆分、无效写法漏认、上级标题下的无效情形），见架构 §13 SK9、SK10。
-- 下一步：在 S01–S10 上做标注集评测（各类召回率、准确率），再做读标的修改类接口和 pdf.js 原文查看器；之后是查标（M3）。
+- 2026-11-03：读标可以走完一份文件：待确认区采纳 / 补上出处后采纳 / 修改后采纳 / 丢弃，正式清单修改、补出处、删除恢复、人工新增、修改记录，确认清单生成不可变版本；右侧 pdf.js 原文查看器点出处跳页、按坐标框高亮原句，选句补出处。实现约定见 `docs/architecture/api-design.md` §10。
+- 2026-11-03：审计待确认区：多数是好结果被校验误拦，根源在输入（表格框线被认成下划线）、提示词（要求逐项拆开）和模型没守规则。规则只修真正的缺陷，不迁就模型的错误输出；提示词出新版本（引文复制整句、并列不拆、跨页只引上一行，除实质性条款外输入改成纯文本）。国动的待确认 46 → 4，S02 17 → 13，S06 174 → 57。见架构 §13 SK11；离线评测工具 `evals/run_extract.py`。
+- 下一步：在 S01–S10 上做标注集评测（各类召回率、准确率），据此定模型选型；之后是查标（M3）。