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>

docs/architecture/architecture.md

@@ -858,7 +858,10 @@ S1–S4 风险最高，建议先做；S8（桌面外壳 PoC）等桌面版立项
 
 | SK9 | 读标抽取（2026-11-03 补） | 五类清单（资格、无效 / 实质性、评分、日期与递交、技术参数）加项目基本信息各一个抽取任务、一份提示词（`prompts/extract.*`），分块并发调用；每类都过三道校验，第三道按类别核对：实质性条款核对标注或「无效」字样，其他类别核对日期、分值、参数值、金额在原文里找得到，是 / 否字段核对说法。各任务抽到同一条要求时按首句合并 | 已实现 |
 | SK10 | 文字层 v2 与结构识别 | 页眉页脚带（页码、各页重复的行）单独成句，不并进正文；标记写到页尾的句子，和下一页首句接续成一条要求（出处两页各一条）；最小结构识别：十进制分级编号和冒号引出的列表找上级条款，上级条款写明无效情形的，下面的条目照样认定。文字层 v1、v2 的句子编号不同，规范化 PDF 不变 | 已实现 |
+| SK11 | 待确认审计后的修正（2026-11-03） | 国动样本 73 条待确认里多数是好结果被校验误拦，逐条审计后按「规则只修真正的缺陷、不迁就模型的错误输出；模型输出不合理的改提示词」处理。**文字层 v3**：两端接竖线的横线是表格框线，不算下划线（功能表整格被误认成斜体下划线条款）；句号后紧跟的右括号、右引号并进同一句（切句 s3-v3，句子编号和 v2 不同）。**结构识别**：中文编号小节（「三、……否则投标无效」）下的 1. 2.，以冒号结尾的编号条目下的句子；依据核对沿上级链往上找。**校验**：比对引文前去掉我们自己加进输入的格式标记和〔…〕附注；不足 8 个字的短句整句复制时句末标点可省；取值核对认带量词的中文数字、同一行的单元格和评分因素标题；补「投标（响应）无效」「不能通过资格审查」「没有实质性响应」「拒收」等写法。引文最短 8 个字、编号必须对、证据要全部通过，这些不放宽。**提示词**：substantive v3、qualification / scoring / schedule / tech_param v2，统一证据规则（引文复制整句、并列多项不拆、跨页只引上一行、数字写阿拉伯数字），除实质性条款外输入改成纯文本；资格不收附件范本和价格扣除条件，日期不收合同条款，技术参数一句一条。**模型路由**：`BD_AI_MODELS` 按提示词声明的能力选模型，没配的用 `BD_AI_MODEL`。离线评测工具 `evals/run_extract.py` | 已实现 |
+
+SK11 修正前后（同一模型 deepseek-chat，即 deepseek-flash 不思考模式）的待确认数：国动 46 → 4，S02 17 → 13，S06 174 → 57；同一句被拆成多条的情况没有了。剩下的待确认多数是表格两栏或竖排文字串行（要按单元格切句才能解决）。实质性条款任务上比较了 flash 不思考、flash 思考（deepseek-reasoner）、deepseek-v4-pro：抽到的条款大体一致、互有多少，后两者慢 15～45 倍、输出 token 多 7～12 倍，没有看出明显更准；选型等标注集评测出结果再定。
 
 用国动便民小程序（71 页）、S02、S06 三份文件实测（真实模型 DeepSeek）：单份 33～87 秒，清单 216～1348 条，正式清单里的条目都带页码和原句。发现并已修复：标注规则说明的碎片被当成条款、页码混进正文、跨页拆成两条、「做无效响应处理」等写法漏认、上级标题下列出的无效情形被合成一条或漏掉、「无效质疑」被误当成投标无效、「是否接受联合体」取错证据。
 
-还没做、留了 TODO 的：转换镜像的字体包和 WPS 旧版 DOC 预处理（S1）、表格按单元格切句（S3）、OCR（S5）、章节层级和分包对应到清单项、模型路由表和限流、在 S01–S10 上的标注集评测（召回率）、PDF 阅读器、读标的修改类接口、查标全部。
+还没做、留了 TODO 的：转换镜像的字体包和 WPS 旧版 DOC 预处理（S1）、表格按单元格切句（S3）、OCR（S5）、章节层级和分包对应到清单项、模型路由的候选列表、降级和限流、在 S01–S10 上的标注集评测（召回率）、查标全部。