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>

server/src/bid_doctor/ai/providers/openai_compat.py

@@ -1,7 +1,8 @@
 """OpenAI 兼容协议的国产模型（DeepSeek、通义千问、豆包、GLM、Kimi 等，T1）。
 
 供应商地址和模型由运维在部署配置里设置，用户和租户都不能填（架构 §3.6）。
-TODO(路由表)：按能力配候选列表、按「供应商 × 租户」限流；现在只有一个供应商一个模型。
+按提示词声明的能力（fast / reasoning / vision）选模型：BD_AI_MODELS 里配了就用配的，否则用 BD_AI_MODEL。
+TODO(路由表)：按能力配候选列表和降级、按「供应商 × 租户」限流；现在只有一个供应商。
 """
 
 from __future__ import annotations
@@ -18,10 +19,11 @@ class OpenAICompatProvider:
     name = "openai_compat"
 
     async def complete_json(self, system: str, user: str, capability: str, task: str) -> Completion:
-        del capability, task
+        del task
         s = get_settings()
+        model = s.ai_models.get(capability) or s.ai_model
         body = {
-            "model": s.ai_model,
+            "model": model,
             "temperature": 0,
             "response_format": {"type": "json_object"},
             "messages": [{"role": "system", "content": system}, {"role": "user", "content": user}],
@@ -48,7 +50,7 @@ class OpenAICompatProvider:
         return Completion(
             data=data,
             raw=raw,
-            model=payload.get("model", s.ai_model),
+            model=payload.get("model", model),
             tokens_in=usage.get("prompt_tokens"),
             tokens_out=usage.get("completion_tokens"),
         )