docs: consolidate project guide and organize prompts

2026-09-30 18:15:48 +08:00
parent 83aa0e84a2
commit 540d0e2918
11 changed files with 1171 additions and 1133 deletions
@@ -1,6 +1,6 @@
 # WiseGrade（智评）交接说明
-更新日期：2026-09-27。先阅读 [技术规格](docs/WISEGRADE_TECHNICAL_SPEC.md)、[会话页面与业务 Agent](docs/CHAT_AGENT.md) 和 [部署与使用指南](docs/DEPLOYMENT.md)；本文件记录当前实现、验证边界和接手后的优先事项。
+更新日期：2026-09-27。先阅读 [项目指南](docs/GUIDE.md)（部署、使用、技术设计与会话实现）；本文件记录当前实现、验证边界和接手后的优先事项。
 ## 当前状态
@@ -33,7 +33,7 @@
 ## 启动与检查
-首次部署复制 `.env.example` 为 `.env`，设置学生目录 `WISEGRADE_DATA_DIR`、随机 `WISEGRADE_SECRET_KEY`、DeepSeek 地址及密钥，并把离线 BGE-M3 模型放在 `models/bge-m3/`。扫描版 PDF 另需 `models/ocr/detection/` 和 `models/ocr/recognition/`。模型目录和 `.env` 均不提交到 Git。详情及 Windows 路径写法见 [部署指南](docs/DEPLOYMENT.md)。
+首次部署复制 `.env.example` 为 `.env`，设置学生目录 `WISEGRADE_DATA_DIR`、随机 `WISEGRADE_SECRET_KEY`、DeepSeek 地址及密钥，并把离线 BGE-M3 模型放在 `models/bge-m3/`。扫描版 PDF 另需 `models/ocr/detection/` 和 `models/ocr/recognition/`。模型目录和 `.env` 均不提交到 Git。详情及 Windows 路径写法见 [部署指南](docs/GUIDE.md)。
 ```bash
 docker compose up
@@ -56,7 +56,7 @@ uv run pytest -q
 ## 已验证与尚未验证
 - 部署镜像内完整后端测试：**19 通过、0 跳过**，包括 DOCX/PPTX 转换与页面图像测试。宿主机运行结果为 18 通过、1 跳过，因为宿主机未安装 LibreOffice；部署容器内为 25.2.3.2。另已用课程 DOCX 和验收 PPTX 实际验证页数、文字及页面图片。
- 2026-09-25：后端测试已改用独立 PostgreSQL + pgvector，并通过真实 DeepSeek 和本地 BGE-M3 模型测试。19 个其他测试通过；使用课程示例材料的完整流程单独重跑通过，22 个评分项全部完成，教师复核和导出检查通过。测试命令见 `docs/DEPLOYMENT.md`。
+- 2026-09-25：后端测试已改用独立 PostgreSQL + pgvector，并通过真实 DeepSeek 和本地 BGE-M3 模型测试。19 个其他测试通过；使用课程示例材料的完整流程单独重跑通过，22 个评分项全部完成，教师复核和导出检查通过。测试命令见 `docs/GUIDE.md`。
 - 2026-09-25 旧版部署时：前端生产构建通过；Compose 的 PostgreSQL、Redis、API、worker、Web 启动，首页、深链接、`/api/health`、课程及仪表盘 API 返回正常。数据库当时为 `0002`；全新 SQLite 数据库迁移至 `0002` 也已验证。
 - 2026-09-26 当前源码：宿主机独立 PostgreSQL 测试执行 `uv run pytest -q -m 'not integration'`，**24 通过、1 跳过、2 个真实集成测试未运行**；使用既有测试镜像加只读源码挂载执行 Compose 同组测试，**25 通过、2 个真实集成测试未运行**。单独构造旧版 `0002` 表结构，在临时 PostgreSQL 数据库升级 `0003` 通过；新数据库迁移也由测试覆盖。前端 `npm run build` 和新 Nginx 配置 `nginx -t` 通过。
 - 2026-09-26 最小真实 DeepSeek `tool_calls` 兼容性探针通过，完整工具白名单也返回 `list_courses` 原生调用；该端点拒绝 `tool_choice="required"`，适配层已使用 `auto` 并校验返回的工具调用。未在该探针发送学生原件。
@@ -1,33 +1,27 @@
 # WiseGrade（智评）
-WiseGrade 是面向《自动化专业综合实践》课程的教师端自动评分系统。
+WiseGrade 是面向《自动化专业综合实践》课程的教师端自动评分系统，采用个人电脑本地部署、单机单管理员模式。
-教师端系统包含持久会话与业务 Agent、课程版本、挂载目录导入、自动文档解析与索引、知识库检索、独立评分批次、教师复核及导出。完整技术规格见：
+系统支持课程与评分规则版本管理、挂载目录导入、文档解析与知识库检索、独立评分批次、教师复核、Excel 成绩表和逐生 PDF 反馈导出。教师也可通过持久会话查询材料、调用业务功能，并在确认卡片中核对和执行写入操作。
 - [技术方案与开发规格](docs/WISEGRADE_TECHNICAL_SPEC.md)
 - [会话页面与业务 Agent](docs/CHAT_AGENT.md)
 - [Codex Goal 模式开发提示词](docs/CODEX_GOAL_PROMPT.md)
 ## 当前约束
 - 仅供教师使用
 - 通过宿主机挂载目录读取学生材料
 - 支持 PDF、DOCX、PPTX 和 PPT 导出的 PDF
 - 使用本地 BGE-M3 嵌入模型
 - 使用 `deepseek-flash` 进行文本和图像理解
 - 支持课程、评分规则和评分批次版本化
 - 支持 Excel 成绩表和逐生 PDF 反馈导出
 ## 资料
 课程原始资料位于 `docs/` 目录。
 ## 快速启动
-1. 复制 `.env.example` 为 `.env`，设置 `WISEGRADE_DATA_DIR`、`DEEPSEEK_API_KEY` 和 `WISEGRADE_SECRET_KEY`。
+1. 复制 `.env.example` 为 `.env`，设置学生材料目录 `WISEGRADE_DATA_DIR`、`DEEPSEEK_API_KEY` 和随机 `WISEGRADE_SECRET_KEY`。
-2. 将离线嵌入模型放在 `models/bge-m3/`（或修改 `EMBEDDING_MODEL_PATH`）。
+2. 将离线 BGE-M3 模型放在 `models/bge-m3/`；扫描 PDF 另需离线 OCR 模型。
-3. 运行 `docker compose up`，访问 <http://127.0.0.1:18080>。
+3. 在仓库根目录运行 `docker compose up`，访问 <http://127.0.0.1:18080>。
-打开系统默认进入空白“会话”草稿；点击“新建”也只切换草稿，发送第一条消息才保存会话。历史会话可从列表继续或删除；回答上方可逐层展开工具调用，末尾可展开引用原文与页面链接。查询可直接执行，导入、入库、建批、启动、复核和导出先展示确认卡片，由教师点击后执行。学生材料只从只读挂载的 `/data/inbox` 读取。没有本地嵌入模型或 API 密钥时，系统仍可启动和完成导入；索引、会话或评分会显示明确错误。详细部署和使用步骤见 [部署与使用指南](docs/DEPLOYMENT.md)。
+学生材料从只读挂载的 `/data/inbox` 读取，支持 PDF、DOCX、PPTX 和 PPT 导出的 PDF。默认使用本地 BGE-M3 嵌入模型及 `deepseek-flash` 模型配置；模型端点需支持所用功能的文本、图像和工具调用。没有本地嵌入模型或 API 密钥时仍可启动和导入，依赖模型的功能会显示配置错误。
-评分证据与会话检索引用共用文档 ID 和页码。页面文字来自 PostgreSQL 的完整资料页记录，检索片段与向量也在 PostgreSQL；页面 PNG 位于 `data/processed/`，可从引用的“查看图像”打开。数据库直接生成的课程目标和规则没有实体页图像，因此只显示“查看页面文字”。历史引用由迁移 `0005` 一次性规范化。
+## 文档入口
 部署、使用和技术说明统一维护在 **[项目指南](docs/GUIDE.md)**：
 - [部署与配置](docs/GUIDE.md#deployment)：Linux、Windows Docker Desktop、离线模型和 OCR。
 - [教师使用](docs/GUIDE.md#usage)：导入、评分、复核、导出与会话确认规则。
 - [业务规则与技术设计](docs/GUIDE.md#design)：成绩结构、课程依据、解析、RAG、评分和版本管理。
 - [会话与业务 Agent 实现](docs/GUIDE.md#agent)：任务、数据、工具边界、API 和恢复机制。
 - [开发与测试](docs/GUIDE.md#development) · [故障定位](docs/GUIDE.md#troubleshooting)。
 [开发提示词](docs/prompts/README.md) 集中存放阶段任务说明；[交接记录](HANDOFF.md) 保留实现进展、验证记录和接手事项。
 课程原始资料及测试示例仍位于 `docs/` 根目录，应用和测试按现有路径读取；学生原件、模型权重和运行产物不纳入项目文档。
@@ -1,35 +0,0 @@
 # 会话页面与业务 Agent
 更新日期：2026-09-27。本功能在原单机教师端内实现；原课程、导入、评分、复核和导出页面继续可用。
 ## 使用
 打开系统默认进入空白“会话”草稿，点击“新建”立即切换到另一空白草稿，不弹窗、不写数据库。可在输入区直接提问，并在首次发送前反复选择或清除课程版本、评分批次和学生项目。发送首条非空消息时，会话和消息在同一事务保存；此后范围固定且在界面显示为只读。旧版留下的空会话仍可编辑范围。选择批次或项目会自动带入所属课程版本，清除课程版本会同时清除下级选择。范围固定后，工具不能读取范围之外的对象。会话列表、消息、引用、待确认操作和运行状态保存在数据库，刷新后可查看历史会话；刷新或再次进入页面仍打开新草稿。
 可先问“列出课程版本”“扫描 batch 目录”“查看批次 3 的失败评分项”“查询项目 12 的报告实验数据”。课程目标与规则来自数据库；指定批次时使用批次创建时的快照。课程资料和报告通过 BGE-M3/pgvector 检索，回答附资料名、页码或幻灯片编号、原文片段和来源链接。评分证据与 Agent 检索引用都使用 `KnowledgeDocument` 的文档 ID、页码，对应同一 `KnowledgePage`：`/api/knowledge/documents/{id}/pages/{page}` 返回该页完整提取文字，`/image` 返回存在的页面 PNG。评分引用另有“查看评分”链接。历史引用由迁移 `0005` 一次性改写为这些统一地址；会话读取不再猜测旧图像链接。实体 PDF、DOCX、PPTX 页面经解析后通常同时有文字和图像；数据库直接生成的课程目标、评分规则等虚拟资料没有实体页面图像，只提供文字。没有证据时应明确说明。正式回答上方的“工具调用”先整体折叠，展开后每次调用仍独立折叠，可逐项查看参数和结果；回答末尾的“引用”也默认整体折叠。会话页不显示全局后台进度卡片，正在运行的会话仍在列表中标记。
 扫描只读，可直接执行。导入、课程资料入库、创建批次、启动或重试、教师复核、导出和索引重试会生成确认卡片。卡片列出目标、范围、现值、新值及异常；教师点击“确认执行”才写入。模型工具白名单没有确认工具，聊天文字也不能代替按钮。导入候选有重复、识别异常或待确认文件时，卡片禁用确认；教师在卡片中修正身份、类别和文件选择，再“更新预览”。导入确认同时授权后台解析、必要 OCR 和项目索引。
 教师复核必须在当前消息明确写出分数，例如“给 8 分”。Agent 可草拟评语，确认卡片展示批次、学生、评分项、模型原分、教师原分、证据、异常、新分和修改原因。失败或无法评分的项也可人工复核；原始模型分、证据和教师修改历史保留。
 ## 数据与任务
 迁移 `0003` 添加会话、消息、运行、待确认操作、索引任务和批次固定项目清单；`0004` 添加首次请求幂等键与有界工具进度记录；`0005` 回填完整资料页文字与相对图像路径，并将历史会话中的引用一次性转换为统一页面链接。检索片段的文字和 1024 维向量保存在 PostgreSQL 的 `knowledge_chunks`；供教师核对的完整页文字单独保存在 `knowledge_pages`，避免以有重叠的检索片段拼接页面。PNG 文件位于共享 `data/processed/`，数据库只存相对于处理目录的路径；学生原件仍只读挂载在 `/data/inbox`。新批次在创建时保存项目 ID 列表；评分、结果查询和导出都使用该列表。旧批次该字段为 `NULL`，界面显示“历史项目清单未知”，只能按课程版本当前项目兼容读取，不能声称还原了创建时的范围。批次状态为 `created`、`queued`、`running`、`partial`、`failed`、`completed`；重复启动已入队或运行中的批次返回冲突。重试保留已评分项和教师复核。
 导入后的每个待解析文件对应持久 `IndexTask`。worker 复用评分的解析和 RAG 入库代码；同一文件用共享处理目录中的文件锁串行化，避免自动索引与评分竞争写入。任务有 queued/running/completed/failed 状态、错误和重试入口。课程资料入库在会话中也作为索引任务执行。若 Redis 不可用，导入数据仍保存，索引任务标记失败并可重试。原始学生文件只从只读 `/data/inbox` 读取，文件 SHA-256 在预览和确认时复查。
 待确认操作保存不可变参数、20 分钟有效期、幂等键和预期数据状态。确认时再次比对课程发布状态、规则与项目范围、批次状态、成绩与文件哈希。状态变化返回“重新预览”；重复确认已完成操作返回原结果。执行与会话 ID 写入审计日志。服务异常的操作标记失败，需重新准备；若进程在执行中崩溃，卡片保留 `executing` 状态，管理员应先核查实际业务记录再处理，不应直接重复写入。
 批次汇总从数据库和现有权重规则计算完成数、未完成数、状态数量、分布、模型原始分均值和教师最终分均值。只有完整项目参与成绩均值及分布；失败、无法评分和待处理项不补零。详情仍可按学生、批次和评分项状态筛选。
 ## 模型与安全边界
 会话使用模型设置页的 OpenAI 兼容 `/chat/completions` 地址、模型和后端 API Key。适配层按 [DeepSeek 原生工具调用文档](https://api-docs.deepseek.com/guides/tool_calls) 发送 `tools`，在每轮前用不含学生资料的 `wisegrade_ping` 最小探针验证端点会返回 `tool_calls`。当前 `deepseek-flash` 端点支持自动工具选择，但拒绝强制 `tool_choice="required"`，因此探针采用 `auto` 并检查返回结构。模型不支持时会显示明确配置错误，不会伪装工具已执行。既有评分 `json_call` 保持原有 JSON 行为。
 工具输入由 Pydantic 校验，后端再校验课程、批次和项目关系。每条教师消息默认最多调用工具 32 次，成功、失败与跳过的尝试均计数；模型最多请求 33 轮，以便用完工具次数后还能生成回答。同一轮中工具名和经校验的参数（含默认分页值）完全相同时，后续调用会标为“已跳过”，模型收到前次调用标识并使用此前结果，不再执行工具；不同查询词、筛选或分页偏移仍会正常执行。可在 `.env` 中通过 `CHAT_MAX_TOOL_CALLS` 调整工具上限（1–64），修改后重新创建 API 容器。`get_scores` 每次最多返回一个项目的六项评分，响应给出 `next_criterion_offset` 和 `next_project_offset` 供继续查询；长结果保留结构化评分数据，不再变成无内容的截断提示。检索工具的运行记录保留每次调用找到的有界原文片段；回答引用对各次调用的证据去重后保存，不再只取前 20 条。工具没有任意 SQL、任意文件路径、HTTP 请求、代码执行或确认能力。检索片段只作为数据，不作为工具指令。模型只收到当前问题所需的规则摘要、检索片段或紧凑统计；API Key 不写入日志或会话表。
 ## API 与故障恢复
 草稿仅存在于浏览器；`POST /api/conversations/first-message` 以 UUID 请求键原子创建会话、首条教师消息及运行，重复请求返回同一 ID。`POST /api/conversations` 保留给旧客户端。`GET /api/conversations` 返回列表和各会话运行标识；`GET /api/conversations/{id}` 恢复消息、卡片、工具记录和运行状态；`PUT /api/conversations/{id}/scope` 仅允许首条教师消息前编辑范围；`DELETE /api/conversations/{id}` 删除非运行中的会话。删除会话会清理消息、运行与待确认卡片，不回滚已经确认的业务操作，相关业务审计仍保留。`POST /api/conversations/{id}/messages/start` 在提交消息后启动独立后台运行；`GET /api/conversations/{id}/runs/{run_id}/events` 可按运行 ID 订阅持久 SSE 事件。旧版 `POST /api/conversations/{id}/messages` 继续提供 SSE 的 `run`、`tool`、`message`、`error`、`done` 事件。确认、取消和导入编辑分别为 `POST /api/conversations/{id}/actions/{action_id}/confirm|cancel|edit-import`。索引任务可通过 `GET /api/index-tasks`、`GET /api/index-tasks/{id}` 查询，失败任务可重试。Nginx 对消息流关闭代理缓冲并设置 900 秒读取超时。
 回答生成由后台线程执行，页面切换或 SSE 断开不会停止运行；前端按运行 ID 订阅 SSE，并轮询列表和当前会话详情恢复进度，可同时运行多个不同会话。同一会话仍拒绝并发发送。刷新后默认打开新草稿，点击历史会话即可查看正在运行的工具状态或最终结果。运行中的会话删除返回冲突，应待完成后重试。服务进程异常留下的 `running` 记录超过 15 分钟，在读取会话时标为中断。模型失败时，已提交的教师消息仍保留，可在同一会话继续提问。工具记录保存有界查询词、筛选、分页及必要标识；教师复核评语和原因只显示省略标记，未知字段与密钥不保存。旧记录中未保存的检索查询词无法还原，界面明确标明；旧评分记录可从工具结果恢复实际分页偏移。检索工具记录有界原文片段，评分工具记录有界评分行，其他工具记录结构摘要。回答按安全 Markdown 渲染，HTML 不执行，链接仅允许 HTTP(S)；工具过程在回答上方，引用在回答最后，二者默认折叠。待确认卡片始终独立显示。若嵌入模型或 OCR 缺失，任务保留具体失败原因；补齐离线模型后重试。若课程资料缺失、原件哈希变化、课程或批次状态变化，应重新预览。
@@ -1,132 +0,0 @@
 # WiseGrade（智评）部署与使用
 WiseGrade 是单机单管理员教师端。Web 服务仅绑定 `127.0.0.1`，默认端口为 `18080`，可通过 `.env` 中的 `WISEGRADE_WEB_PORT` 修改。学生原件通过只读目录挂载进入容器，不经过浏览器上传。
 ## 准备
 - Docker Engine + Compose v2（Linux），或 Windows Docker Desktop（WSL2 后端，运行 Linux 容器）。
 - 一个存放学生材料的宿主机目录；其下每个批次目录包含 `学号_姓名_选题题目` 子目录。
 - `deepseek-flash` 可访问的 OpenAI 兼容 API 地址和密钥；该端点必须支持文本、图片输入及原生 `tool_calls`。若只做评分而不使用对话，仍可沿用已有 JSON 调用。
 - 离线嵌入模型包。默认使用 BAAI/bge-m3。内存不足时可改用 BAAI/bge-small-zh-v1.5。
 仓库的 `docs/` 是课程资料，不是学生原件。旧版 `.doc` 只用于课程模板，经 LibreOffice 转换；学生输入只接受 PDF、DOCX、PPTX。
 LibreOffice 已安装在后端 Docker 镜像中。按本指南使用容器时，教师不需要在 Windows 或 Linux 宿主机单独安装 LibreOffice；仅在脱离容器运行后端时才需自行安装。
 ## Linux 启动
 ```bash
 cp .env.example .env
 mkdir -p data/inbox data/processed data/exports models/bge-m3
 ```
 编辑 `.env`：
 ```env
 WISEGRADE_DATA_DIR=/absolute/path/to/WiseGradeData
 DEEPSEEK_API_KEY=your-key
 WISEGRADE_SECRET_KEY=用随机值替换且至少32位
 EMBEDDING_MODEL_PATH=/models/bge-m3
 ```
 也可以启动后在“模型设置”页面填写 API Key。密钥由后端加密保存，浏览器不会直接调用模型服务。`WISEGRADE_SECRET_KEY` 一旦用于加密设置，不要随意更换，否则已保存的密钥将无法解密。
 ```bash
 docker compose up
 docker compose ps
 curl http://127.0.0.1:18080/api/health
 ```
 打开 <http://127.0.0.1:18080>。`api` 启动时执行 Alembic 迁移并创建初始课程、目标、指标点和规则。评分任务由 `worker` 容器处理。
 如 `18080` 端口已被占用，在 `.env` 中将 `WISEGRADE_WEB_PORT` 改为其他空闲端口，重新运行 `docker compose up -d`，并使用对应端口访问。
 ## Windows Docker Desktop 启动
 1. 安装并启动 Docker Desktop，启用 WSL2 后端，保持 Linux 容器模式。
 2. 在 PowerShell 中进入项目目录：`Copy-Item .env.example .env`。
 3. 编辑 `.env` 中的 `WISEGRADE_DATA_DIR`，使用正斜杠绝对路径，例如 `D:/WiseGradeData`。不要在 `.env` 中添加引号。
 4. 将离线模型目录放在 `models/bge-m3`，填写 API 配置和随机 `WISEGRADE_SECRET_KEY`。
 5. 运行 `docker compose up`，访问 <http://127.0.0.1:18080>。
 如果挂载失败，先确认 `WISEGRADE_DATA_DIR` 存在、Docker Desktop 已取得对应磁盘访问权，再运行 `docker compose config` 查看展开后的挂载路径。首次启动后若修改了 `.env` 中的 API Key 等配置，运行 `docker compose up -d --force-recreate api worker web`，使容器读取新值。当前仓库尚未在 Windows 实机验证上述路径和文件挂载。
 ## 离线模型包
 应用镜像不在启动时下载 BGE-M3。将独立模型包解压到 `models/bge-m3/`，目录应包含模型权重、`config.json`、分词器文件及 SentenceTransformers 配置。容器中该目录只读映射为 `/models/bge-m3`。替代模型需同时修改：
 ```env
 EMBEDDING_MODEL_NAME=BAAI/bge-small-zh-v1.5
 EMBEDDING_MODEL_PATH=/models/bge-small-zh-v1.5
 EMBEDDING_MODEL_VERSION=your-package-version
 ```
 `EMBEDDING_MODEL_VERSION` 会写入每个评分批次快照。若模型目录缺失或内容不完整，导入仍可完成，知识库入库和评分会显示错误。可离线分发 `docker save` 生成的镜像包及单独的 `models-bge-m3.tar.zst`；目标机执行 `docker load -i docker-images.tar` 后解压模型包，运行相同的 Compose 配置。
 也可以把模型复制进后端镜像，但当前 Dockerfile 和 Compose 采用只读目录挂载；若改成镜像内置模型，须同时调整构建上下文，并移除会遮盖镜像内 `/models` 的挂载。本机 BGE-M3 必需文件约 2.29 GB，后端镜像当前约 1.08 GB；直接内置后镜像未压缩体积预计约 3.37 GB。API 与 worker 可以共用镜像层，不必各存一份模型。独立模型包便于单独更新和分发。
 扫描 PDF 的 OCR 使用 PaddleOCR。离线 OCR 包放在 `models/ocr/detection/` 和 `models/ocr/recognition/`，或修改 `OCR_MODEL_DIR` 指向包含这两个子目录的位置。没有 OCR 模型且 PDF 无可提取文字时，文件进入解析失败状态并显示原因；系统不会在解析时自动下载 OCR 模型。
 下面这组 PP-OCRv5 mobile 中文识别模型已在 PaddleOCR 3.7.0 中验证。下载后将压缩包的顶层目录去掉，使 `detection/` 和 `recognition/` 内直接包含 `inference.yml`、`inference.json` 和 `inference.pdiparams`：
 ```bash
 mkdir -p models/ocr/detection models/ocr/recognition
 curl -fL -o models/ocr/PP-OCRv5_mobile_det_infer.tar https://paddle-model-ecology.bj.bcebos.com/paddlex/official_inference_model/paddle3.0.0/PP-OCRv5_mobile_det_infer.tar
 curl -fL -o models/ocr/PP-OCRv5_mobile_rec_infer.tar https://paddle-model-ecology.bj.bcebos.com/paddlex/official_inference_model/paddle3.0.0/PP-OCRv5_mobile_rec_infer.tar
 tar -xf models/ocr/PP-OCRv5_mobile_det_infer.tar --strip-components=1 -C models/ocr/detection
 tar -xf models/ocr/PP-OCRv5_mobile_rec_infer.tar --strip-components=1 -C models/ocr/recognition
 ```
 模型名称从各自的 `inference.yml` 读取，不能让 PaddleOCR 使用与离线权重不匹配的默认模型。模型目录经 Compose 只读挂载，放入权重后无需修改 `.env`。
 ## 教师操作
 打开系统默认进入“对话”。可新建并限定课程版本、批次和学生项目，使用自然语言查询规则、报告和进度。扫描目录可直接执行；导入、课程资料入库、建批、启动／重试、复核和导出须核对确认卡片并点击“确认执行”。有重复或识别异常的文件需先在卡片中修正选择。刷新后会话、引用和卡片保留。后台索引任务和评分进度可在对话页查看。详细规则见 [对话页面与业务 Agent](CHAT_AGENT.md)。
 1. 在“课程与规则”中查看初始课程版本和评分规则。已发布版本不能直接覆盖；复制草稿、编辑、保存并发布新版本。课程目标、指标点、选题方向、模板和三个 Prompt 都属于课程版本。
 2. 在“知识库资料”中选课程版本并入库课程资料。入库使用本地嵌入模型和 PostgreSQL `pgvector`。
 3. 在“目录扫描与导入”中浏览 `/data/inbox` 下的相对目录，选择学生总目录并扫描。修正学号、姓名、选题和材料类型；PPT 导出的 PDF 必须确认成“汇报PPT/PDF”。每类材料只选择一个文件。
   确认导入后，材料自动进入后台解析、必要 OCR 和索引任务；评分前即可检索已完成索引的报告。失败任务可从索引任务列表重试。
 4. 在“评分批次”中选择已发布课程和规则版本，创建并启动批次。每次评分建立独立批次；重试不会覆盖其他批次。
 5. 在“评分与复核”中查看逐项模型原始分、原文证据、页码、页面图像和异常。教师可逐项填写分数、评语和修改说明；修改历史单独保留。
 6. 在“导出任务”中按批次导出 Excel，按学生导出 PDF 反馈。缺失或无法评分的项目显示待处理，不自动补零。
 成绩为阶段报告 1、2、3 各占 10%，期末占 70%。期末四项为任务完成度 20、报告规范性 20、汇报答辩 40、结果分析 20。系统的“汇报答辩”只评价 PPT 或 PPT PDF 页面内容，不评价口头答辩。
 ## 开发与测试（uv）
 Python 依赖由 `backend/pyproject.toml` 管理：
 ```bash
 cd backend
 uv sync --extra ocr --group dev
 uv run alembic upgrade head
 uv run uvicorn wisegrade.main:app --reload
 ```
 测试从仓库根目录运行：
 ```bash
 docker compose --profile test run --build --rm test
 ```
 先验证无需真实 API Key 的测试可运行：`docker compose --profile test run --build --rm test pytest -q -m 'not integration'`。宿主机运行同一测试时，须把 `TEST_DATABASE_URL` 指向独立 PostgreSQL 测试库，并将 `EMBEDDING_MODEL_PATH` 指向本机离线模型目录。完整集成测试会访问真实模型，应单独执行和记录。
 测试使用独立的 PostgreSQL 16 + pgvector 容器和 `test-redis`，不连接业务数据库或业务任务队列。每个数据库测试创建临时数据库，执行 Alembic 迁移后运行，结束时删除；`test-db` 的数据目录为 tmpfs，不会写入业务数据卷。测试会从 `.env` 读取真实 DeepSeek API Key，并加载 `models/bge-m3` 和 `models/ocr` 中的离线模型；完整流程测试会发起真实模型请求。在宿主机直接运行 `uv run pytest` 时，需先设置指向专用 `wisegrade_tests` 数据库的 `TEST_DATABASE_URL`（使用 `postgresql+psycopg` 驱动，账号需有创建数据库的权限），并提供可用的模型配置。
 本地开发需提供 PostgreSQL、Redis 和与容器路径一致的挂载目录；可用 Compose 启动 `db` 和 `redis`。Vite 前端：
 ```bash
 cd frontend
 npm install
 npm run dev
 ```
 开发服务器将 `/api` 代理到 `localhost:8000`。集成测试从仓库 `docs/` 复制阶段报告 1、2、3 与最终报告，并生成一份汇报 PDF 测试材料。
 ## 故障定位
 - `docker compose logs api worker` 查看迁移、解析和任务异常。日志不输出 API Key。
 - 模型请求失败后按配置有限重试，评分项显示失败原因；可修复配置后重试该批次。
 - 对话若提示端点或模型不支持 `tool_calls`，在“模型设置”中选择支持工具调用的 OpenAI 兼容端点和模型。探针不发送课程或学生资料；普通模型对话仍有调用次数和超时限制。
 - 导入后索引任务若显示失败，查看 `/api/index-tasks/{id}` 的错误并修复 Redis、离线 BGE-M3 或 OCR，再重试。批次若已入队或运行，重复点击启动会返回冲突。
 - 原件哈希变化后必须重新扫描并确认导入，否则解析会报“源文件已变化”。
 - 源文件和模型目录为只读挂载；解析产物在 `data/processed/`，导出在 `data/exports/`，均被 Git 忽略。
@@ -1,931 +0,0 @@
 # WiseGrade（智评）技术方案与开发规格
 > 2026-09-26 增量实现：默认“对话”页面、应用内固定工具 Agent、持久会话、待确认操作、自动索引任务和批次固定项目清单。具体状态机、API 与恢复流程见 [对话页面与业务 Agent](CHAT_AGENT.md)。旧版正文的阶段计划按原始系统设计编写，新增业务边界以该增量文档及当前代码为准。
 ## 1. 项目概述
 ### 1.1 基本信息
 - 英文名：**WiseGrade**
 - 中文名：**智评**
 - 当前服务课程：**自动化专业综合实践**
 - 使用对象：教师
 - 部署形态：个人电脑本地部署
 - 当前开发环境：Linux
 - 目标运行环境：Linux、Windows（Docker Desktop）
 - 主要大模型：`deepseek-flash`
 - 主要能力：课程材料管理、学生材料批量导入、RAG 辅助评分、教师复核、成绩和反馈导出
 ### 1.2 项目目标
 构建一个前后端分离的自动评分系统，对自动化专业综合实践课程中的以下材料进行内容评分：
 1. 阶段报告 1
 2. 阶段报告 2
 3. 阶段报告 3
 4. 最终报告
 5. 汇报 PPT，或 PPT 导出的 PDF
 系统输出可复核的逐项评分、原文证据、页码或幻灯片编号、缺失内容、评语和改进建议。
 ### 1.3 非目标
 第一版不实现：
 - 学生账号和在线提交
 - 现场口头答辩、答辩视频和语音评分
 - 学生个人贡献度自动识别
 - 代码仓库自动审查
 - AI 生成内容检测
 - 自动控制实验硬件的远程接入
 课程评分表中的“汇报答辩 40 分”保留原名称，但本系统只依据 PPT 内容或 PPT PDF 内容评分，不评价现场口头答辩。
 ## 2. 已确定的业务规则
 ### 2.1 教师使用流程
 系统只供教师使用，采用单机单管理员模式。教师不需要创建学生账号。
 教师流程：
 ```text
 选择课程和学期
  -> 选择评分规则版本
  -> 选择挂载数据目录中的学生总文件夹
  -> 扫描学生子文件夹
  -> 自动识别学生信息和五类材料
  -> 教师确认导入结果
  -> 批量解析和评分
  -> 查看模型评分和证据
  -> 修改分数和评语
  -> 导出 Excel 成绩表和逐生 PDF 反馈
 ```
 ### 2.2 学生目录结构
 宿主机数据目录示例：
 ```text
 WiseGradeData/
 └── 2026春季第1批/
    ├── 1023009006_李傲琦_基于ROS2系统的自瞄移动机器人/
    │   ├── 阶段报告1.pdf
    │   ├── 阶段报告2.pdf
    │   ├── 阶段报告3.pdf
    │   ├── 自动化专业综合实践报告.pdf
    │   └── 汇报PPT.pptx
    └── 其他学生/
 ```
 学生目录命名格式：
 ```text
 学号_姓名_选题题目
 ```
 文件夹名称只用于初步识别。系统还要从文件首页、标题和正文中抽取姓名、学号、项目题目和选题方向，并在不一致时提醒教师确认。
 ### 2.3 支持文件
 支持：
 - PDF
 - DOCX
 - PPTX
 - PPT 导出的 PDF
 不支持旧版 `.doc` 作为学生输入。
 PPT PDF 必须在导入确认阶段标记为“汇报材料”，以免与最终报告 PDF 混淆。
 ### 2.4 成绩结构
 总评成绩：
 ```text
 总评 = 阶段报告1 × 10%
     + 阶段报告2 × 10%
     + 阶段报告3 × 10%
     + 期末成绩 × 70%
 ```
 期末评分保持课程评分表结构：
 | 评分项 | 分值 |
 |---|---:|
 | 任务完成度 | 20 |
 | 报告规范性 | 20 |
 | 汇报答辩（系统仅按 PPT 内容评价） | 40 |
 | 结果分析 | 20 |
 ### 2.5 评分批次
 每次评分创建独立批次。批次之间不覆盖、不替代，也不设置唯一“正式批次”。每个批次均可查看、复核和导出。
 批次必须保存：
 - 课程版本
 - 评分规则版本
 - 课程目标版本
 - `deepseek-flash` 模型配置快照
 - 嵌入模型名称和版本
 - 创建时间和结束时间
 - 评分任务状态
 ## 3. 课程和评分依据
 初始资料位于 `docs/`：
 - `课程导学-自动化专业综合实践.pdf`
 - `自动化专业综合实践三融合选题课程概述.pdf`
 - `大作业评分表-自动化专业综合实践.docx`
 - `阶段报告1模板.doc`
 - `阶段报告2模板.doc`
 - `阶段报告3模板.doc`
 - `阶段报告1.pdf`
 - `阶段报告2.pdf`
 - `阶段报告3.pdf`
 - `自动化专业综合实践报告.pdf`
 ### 3.1 课程目标和毕业要求指标点
 系统初始知识库必须包含并建立关联：
 - 课程目标 1：问题解决与研究能力
 - 课程目标 2：知识运用与分析能力
 - 课程目标 3：实验设计与操作能力
 - 课程目标 4：数据处理与报告撰写能力
 - 毕业要求指标点 2.3、2.4
 - 毕业要求指标点 4.1、4.2、4.3、4.4
 - 毕业要求指标点 11.1、11.2
 ### 3.2 阶段报告要求
 #### 阶段报告 1：复杂自动化工程问题解决方案论证报告
 重点内容：
 - 文献调研和技术现状
 - 复杂工程问题分析
 - 主方案和至少一套替代方案
 - 方案原理、适用场景和优劣对比
 - 数理或工程依据下的可行性论证
 - 进度计划、资源配置、成本构成和经济性分析
 初始评分框架：
 | 评分项 | 分值 |
 |---|---:|
 | 复杂工程问题和需求分析 | 25 |
 | 文献调研和技术现状总结 | 20 |
 | 主方案和替代方案设计 | 25 |
 | 可行性、风险和合理性论证 | 15 |
 | 工程管理、进度和成本分析 | 10 |
 | 报告完整性和规范性 | 5 |
 | 合计 | 100 |
 #### 阶段报告 2：实验系统设计与硬件搭建方案
 重点内容：
 - 硬件选型清单、参数和依据
 - 系统架构图、硬件连接或接口关系
 - 分步骤实验计划、测试方法和预期指标
 - 安全风险、防护措施和操作规范
 初始评分框架：
 | 评分项 | 分值 |
 |---|---:|
 | 系统架构和实现思路 | 20 |
 | 硬件选型及选型依据 | 20 |
 | 系统框图、连接关系和接口设计 | 20 |
 | 实验方案、测试方法和预期指标 | 20 |
 | 安全风险和防护措施 | 10 |
 | 阶段进展及下一阶段计划 | 10 |
 | 合计 | 100 |
 #### 阶段报告 3：软件设计与系统调试报告
 重点内容：
 - 软件逻辑、流程图或状态图
 - 核心代码片段和实现说明
 - 调试过程、故障现象、原因和解决方法
 - 实验数据整理和初步分析
 - 系统功能、性能指标和存在问题
 初始评分框架：
 | 评分项 | 分值 |
 |---|---:|
 | 软件逻辑和系统实现 | 20 |
 | 核心代码和功能说明 | 20 |
 | 调试过程、问题分析和解决方法 | 20 |
 | 实验数据和初步分析 | 20 |
 | 功能和性能指标验证 | 15 |
 | 下一阶段计划及报告规范性 | 5 |
 | 合计 | 100 |
 阶段评分框架必须作为可编辑的初始规则导入，不能写死在业务代码中。
 ## 4. 总体架构
 ```text
 React 前端
    |
 FastAPI 后端
    |-- 课程、版本和规则管理
    |-- 挂载目录扫描和导入
    |-- 文档解析和事实抽取
    |-- RAG 检索
    |-- 评分编排和批次管理
    |-- 教师复核
    |-- Excel/PDF 导出
    |
 PostgreSQL + pgvector
 Redis + RQ
 本地文件存储
 本地 BGE-M3 嵌入模型
 DeepSeek API（deepseek-flash）
 ```
 采用模块化单体后端，不在第一版拆分成大量微服务。模块边界清晰，后续可以拆分。
 ### 4.1 推荐技术栈
 - 前端：React、TypeScript、Vite、Ant Design
 - 后端：Python、FastAPI、SQLAlchemy、Pydantic
 - 数据库：PostgreSQL、pgvector
 - 后台任务：Redis、RQ
 - PDF 解析：PyMuPDF
 - DOCX 解析：python-docx
 - PPTX 解析：python-pptx
 - 页面转换：LibreOffice headless
 - OCR：PaddleOCR，扫描 PDF 时作为回退
 - 本地嵌入：`BAAI/bge-m3`
 - 模型调用：OpenAI 兼容客户端，统一模型名 `deepseek-flash`
 - Excel：openpyxl 或 pandas
 - PDF 反馈：HTML/CSS + WeasyPrint 或 Playwright
 - 部署：Docker Compose
 ## 5. 宿主机目录挂载方案
 原始学生材料不通过浏览器上传。前端只选择后端可见的挂载目录下的大文件夹，后端扫描和读取文件。
 ### 5.1 Docker 挂载
 ```yaml
 volumes:
  - ${WISEGRADE_DATA_DIR}:/data/inbox:ro
  - ./data/processed:/data/processed
  - ./data/exports:/data/exports
  - ./models:/models:ro
 ```
 Linux 示例：
 ```env
 WISEGRADE_DATA_DIR=/home/teacher/WiseGradeData
 ```
 Windows 示例：
 ```env
 WISEGRADE_DATA_DIR=D:/WiseGradeData
 ```
 Windows 使用 Docker Desktop 时，教师需要允许 Docker Desktop 访问对应磁盘。
 ### 5.2 路径安全
 - 后端只允许访问 `/data/inbox`
 - 前端只提交挂载目录内的相对路径
 - 禁止提交绝对路径
 - 后端必须执行路径规范化和越界检查
 - 原始输入目录只读挂载
 - 解析结果、任务状态和导出文件写入独立目录
 ### 5.3 文件变更检测
 导入时保存：
 - 相对路径
 - 文件大小
 - 修改时间
 - SHA-256
 - MIME 类型
 - 解析状态
 若文件哈希未变化，不重复解析和向量化。源文件变化时提示重新导入。
 ## 6. 文档解析和结构化
 ### 6.1 统一文档对象
 每个文档解析为：
 ```json
 {
  "document_type": "stage1",
  "source_path": "...",
  "pages": [
    {
      "page_number": 1,
      "text": "...",
      "tables": [],
      "images": [],
      "rendered_image_path": "..."
    }
  ]
 }
 ```
 必须保留页码、章节名、表格和图片关联。
 ### 6.2 文件识别
 支持通过以下信号识别材料类型：
 - 文件名关键词
 - 文件扩展名
 - 文档标题
 - 首页文本
 - 章节标题
 - PPT 页数和标题
 识别结果包括：
 ```text
 确定
 不确定
 缺失
 重复
 无法解析
 ```
 不确定的文件进入教师确认界面。
 ### 6.3 PPT/PDF 视觉处理
 - 提取 PPT 原生文字、表格和备注
 - 将每一页渲染为图片
 - PDF 每页保存页面图像
 - 评分相关页面连同文字一起发送给 `deepseek-flash`
 - 图片证据必须关联页码或幻灯片编号
 ## 7. RAG 方案
 ### 7.1 知识库分层
 #### 公共课程知识库
 - 课程导学
 - 课程目标
 - 毕业要求指标点
 - 评分表
 - 三个阶段模板
 - 各选题方向要求
 - 优秀报告
 - 课程版本资料
 #### 学生项目知识库
 每个学生独立命名空间：
 ```text
 course_2026/project_1023009006/
  stage1/
  stage2/
  stage3/
  final_report/
  presentation/
 ```
 禁止评分时检索其他学生的材料。
 ### 7.2 文本切分
 - 按标题和章节进行结构感知切分
 - 普通文本块约 400～800 个中文字符
 - 重叠约 80～120 个中文字符
 - 表格单独保存
 - 图片及图片说明单独保存
 - 每块必须保留页码、章节、文档类型和评分指标关联
 ### 7.3 检索
 采用混合检索：
 ```text
 PostgreSQL 全文检索
 + pgvector 向量检索
 + 课程版本过滤
 + 学生项目过滤
 + 报告类型过滤
 + 阶段过滤
 ```
 默认每个评分项取 8～12 个候选证据块，去重后送入模型。
 ### 7.4 嵌入模型
 默认：
 ```text
 BAAI/bge-m3
 ```
 低配置电脑可配置：
 ```text
 BAAI/bge-small-zh-v1.5
 ```
 模型通过独立离线包提供，不在应用镜像中强制在线下载。配置中保存模型名称、版本和本地路径。
 ## 8. DeepSeek 接入
 ### 8.1 统一模型
 只使用一个模型配置：
 ```yaml
 provider: deepseek
 base_url: https://api.deepseek.com
 model: deepseek-flash
 ```
 同一个模型负责：
 - 文本理解
 - 图像理解
 - 事实抽取
 - 评分
 - 评语生成
 - PPT 分析
 - 跨文档一致性检查
 ### 8.2 密钥管理
 教师可以在设置页面配置：
 - API Key
 - Base URL
 - 模型名
 - 并发数
 - 超时时间
 - 重试次数
 安全要求：
 - 前端不直接调用 DeepSeek
 - API Key 只发送给后端
 - 数据库保存加密后的密钥
 - 日志禁止输出 API Key
 - 支持环境变量初始化
 ### 8.3 发送数据范围
 原始文件保存在本地。模型请求只发送当前评分项所需的：
 - 文本证据块
 - 表格内容
 - 必要的页面图片
 - 课程评分标准
 - 已抽取的项目事实
 不把全部报告无条件重复发送给每一个评分项。
 ## 9. 评分引擎
 评分采用多阶段流程：
 ```text
 文件导入
  -> 文档解析
  -> 项目事实抽取
  -> 规则检查
  -> 指标级 RAG 检索
  -> 指标级评分
  -> 跨文档一致性检查
  -> 分数汇总
  -> 教师复核
 ```
 ### 9.1 事实抽取
 抽取：
 - 学号、姓名、项目名称
 - 选题方向
 - 功能目标
 - 性能指标
 - 硬件型号
 - 软件技术
 - 实验方案
 - 实验数据
 - 进度计划
 - 成本信息
 - 结论和改进方向
 ### 9.2 评分输出
 每个评分项必须返回结构化 JSON：
 ```json
 {
  "criterion_id": "stage1.solution_design",
  "score": 17,
  "max_score": 20,
  "reason": "...",
  "evidence": [
    {
      "document": "阶段报告1",
      "page": 12,
      "quote": "..."
    }
  ],
  "missing_evidence": ["..."],
  "suggestion": "...",
  "confidence": 0.84
 }
 ```
 模型不得对没有证据的内容自行假设。结构化输出必须经过 Pydantic 校验；失败时自动重试或进入人工处理。
 ### 9.3 跨文档一致性
 至少检查：
 - 阶段 1 计划是否在阶段 2、3 中落实
 - 各报告中的项目名称、硬件型号和技术路线是否一致
 - 实验数据是否前后一致
 - 最终报告和 PPT 是否描述同一成果
 - 指标是否存在明显夸大或矛盾
 ## 10. 规则配置和版本管理
 规则不能写死在 Prompt 或 Python 代码中。
 ### 10.1 评分指标结构
 ```yaml
 criterion_id: stage1.solution_feasibility
 name: 方案合理性与可行性
 max_score: 15
 description: 评价方案是否具有工程依据、可实施性和风险分析
 linked_outcomes: [2.3, 2.4, 4.1]
 required_evidence:
  - 主方案
  - 替代方案
  - 方案比较
  - 风险分析
 score_levels:
  - min: 12
    max: 15
    description: 论证充分，方案比较清晰，风险分析具体
  - min: 6
    max: 11
    description: 基本完成论证，但证据或分析不充分
  - min: 0
    max: 5
    description: 缺少核心论证
 ```
 ### 10.2 版本要求
 课程、课程目标、毕业要求、模板、评分规则和 Prompt 都需要版本号。评分批次保存完整版本快照。
 教师修改规则后创建新版本，不覆盖历史版本。
 ## 11. 核心数据表
 建议至少包含：
 ```text
 courses
 course_versions
 course_objectives
 graduation_indicators
 topic_directions
 rubric_versions
 rubric_criteria
 rubric_score_levels
 knowledge_documents
 knowledge_chunks
 students
 projects
 submissions
 submission_files
 scoring_batches
 criterion_scores
 score_evidences
 teacher_revisions
 export_tasks
 app_settings
 audit_logs
 ```
 ### 11.1 评分批次
 ```text
 scoring_batches
  id
  course_version_id
  rubric_version_id
  model_name
  model_config_snapshot
  embedding_model_name
  embedding_model_version
  status
  created_at
  finished_at
 ```
 ### 11.2 评分项结果
 ```text
 criterion_scores
  id
  batch_id
  project_id
  criterion_id
  model_score
  teacher_score
  final_score
  model_comment
  teacher_comment
  confidence
  status
 ```
 ```text
 final_score = teacher_score（存在时）或 model_score
 ```
 模型原始结果不得被教师修改覆盖。
 ## 12. 前端页面
 第一版页面建议：
 1. 仪表盘
 2. 课程管理
 3. 课程版本和评分规则管理
 4. 课程资料/知识库管理
 5. 数据目录扫描与导入确认
 6. 学生项目列表
 7. 评分批次列表
 8. 批量评分进度
 9. 学生评分详情
 10. 证据和页码查看
 11. 教师复核
 12. Excel/PDF 导出
 13. 模型和系统设置
 ## 13. 后端 API 初稿
 ### 课程和规则
 ```text
 GET    /api/courses
 POST   /api/courses
 GET    /api/courses/{id}/versions
 POST   /api/courses/{id}/versions
 GET    /api/rubrics/{version_id}
 PUT    /api/rubrics/{version_id}
 POST   /api/rubrics/{version_id}/publish
 ```
 ### 文件扫描和项目导入
 ```text
 GET    /api/storage/directories
 GET    /api/storage/directories/{relative_path}/children
 POST   /api/import/scan
 POST   /api/import/confirm
 GET    /api/projects
 GET    /api/projects/{id}
 ```
 ### 评分
 ```text
 POST   /api/scoring-batches
 GET    /api/scoring-batches
 GET    /api/scoring-batches/{id}/progress
 POST   /api/scoring-batches/{id}/start
 GET    /api/scoring-batches/{id}/scores
 GET    /api/projects/{id}/scores?batch_id={batch_id}
 PUT    /api/criterion-scores/{id}/review
 ```
 ### 导出
 ```text
 POST   /api/exports/excel
 POST   /api/exports/project-pdf
 GET    /api/exports/{id}
 ```
 ## 14. 缺失和异常处理
 材料状态：
 ```text
 已提交
 缺失
 重复
 无法解析
 内容不完整
 待人工确认
 ```
 处理原则：
 - 缺失阶段报告：该阶段进入待人工处理，不默认静默给零分
 - 缺失 PPT：汇报材料项显示无法评分
 - 缺少章节：按照对应评分项判断并扣分
 - 文件损坏：进入人工确认列表
 - DeepSeek 调用失败：自动有限重试，仍失败则标记评分项失败
 - 评分批次允许部分完成，但导出时必须显示未完成项目
 ## 15. 模型离线分发
 `bge-m3` 不依赖启动时在线下载。推荐单独提供模型包：
 ```text
 WiseGrade-release/
 ├── docker-images.tar
 ├── models-bge-m3.tar.zst
 ├── docker-compose.yml
 ├── .env.example
 └── README.md
 ```
 也支持将模型目录放在：
 ```text
 ./models/bge-m3/
 ```
 容器只读挂载：
 ```yaml
 volumes:
  - ./models:/models:ro
 ```
 在线下载脚本是可选工具，不得成为系统正常启动的前置条件。
 ## 16. 测试要求
 ### 16.1 单元测试
 - 目录扫描
 - 学号/姓名/题目解析
 - 文件类型识别
 - 路径越界防护
 - 文件哈希检测
 - 规则权重计算
 - 缺失材料处理
 - 分数汇总
 - 评分 JSON 校验
 - 版本绑定
 ### 16.2 集成测试
 - 从示例材料导入到项目生成
 - PDF/DOCX/PPTX 解析
 - PPT PDF 识别
 - 知识库入库和检索
 - 模型 API mock 调用
 - 评分批次创建、运行和查询
 - 教师修改分数
 - Excel 导出
 - PDF 反馈导出
 ### 16.3 验收测试
 至少使用当前 `docs/` 中的示例材料完成一次完整流程：
 ```text
 扫描目录
  -> 导入学生项目
  -> 解析五类材料
  -> 创建评分批次
  -> mock 或真实调用 deepseek-flash
  -> 查看逐项证据
  -> 修改分数
  -> 导出 Excel
  -> 导出学生 PDF 反馈
 ```
 不应在测试中提交真实 API Key。使用环境变量或 mock 服务。
 ## 17. Git 开发要求
 开发前初始化 Git：
 ```bash
 git init
 ```
 必须创建合理的 `.gitignore`，至少忽略：
 ```text
 .env
 data/processed/
 data/exports/
 models/
 __pycache__/
 .pytest_cache/
 node_modules/
 dist/
 *.pyc
 ```
 开发和测试过程中按阶段提交，推荐提交节点：
 ```text
 chore: initialize project structure
 feat: add backend foundation
 feat: add course and rubric versioning
 feat: add mounted directory scanning
 feat: add document parsing pipeline
 feat: add knowledge base and hybrid retrieval
 feat: add deepseek-flash adapter
 feat: add scoring batch orchestration
 feat: add teacher review workflow
 feat: add excel and pdf exports
 test: add integration coverage
 docs: add deployment and usage guides
 ```
 每个提交应保持可理解、可回退、尽量可运行。禁止把 API Key、真实学生隐私数据和模型权重提交到 Git。
 ## 18. 开发优先级
 ### P0：可运行骨架
 - Git、README、Docker Compose
 - 前端和后端健康检查
 - 数据库迁移
 - 单管理员设置
 ### P1：课程和导入
 - 课程版本和规则配置
 - 挂载目录扫描
 - 学生目录识别
 - 文件识别和导入确认
 ### P2：解析和知识库
 - PDF/DOCX/PPTX 解析
 - 页面渲染
 - OCR 回退
 - BGE-M3 嵌入
 - pgvector 混合检索
 ### P3：评分
 - 事实抽取
 - 指标级 RAG 评分
 - 跨文档一致性检查
 - 批次状态和失败重试
 ### P4：复核和导出
 - 教师修改分数和评语
 - Excel 成绩表
 - 逐生 PDF 反馈
 - 审计日志
 ### P5：验收和部署
 - 示例材料完整验收
 - Linux 部署文档
 - Windows Docker Desktop 部署文档
 - 离线模型包说明
 ## 19. 完成标准
 当以下条件全部满足时，第一版系统完成：
 - Linux 上可以通过 Docker Compose 启动
 - Windows Docker Desktop 有明确部署步骤
 - 教师可以选择挂载目录下的大文件夹
 - 系统可以识别每个学生目录
 - 支持五类材料和 PPT PDF
 - 规则、课程目标和课程版本可编辑
 - 可创建独立评分批次
 - 使用本地嵌入模型完成检索
 - 使用 `deepseek-flash` 完成文本和图像评分
 - 每项评分显示证据和页码/幻灯片编号
 - 教师可以修改分数和评语
 - 每个批次都可以导出 Excel 和逐生 PDF
 - 示例材料可以完成端到端测试
 - Git 历史包含清晰的阶段提交
@@ -7,7 +7,7 @@
 ## 先了解现状
-先检查工作区状态并阅读 README.md、HANDOFF.md、docs/WISEGRADE_TECHNICAL_SPEC.md、docs/DEPLOYMENT.md。核对当前代码，尤其是 frontend/src/App.tsx、frontend/src/api.ts、backend/wisegrade/api.py、models.py、storage.py、parsing.py、rag.py、llm.py、scoring.py、exports.py、settings_store.py、migrations/ 和 backend/tests/。以当前代码和本提示词确定本次增量工作；旧版 docs/CODEX_GOAL_PROMPT.md 中“从零创建系统”的步骤不适用于本次任务。保留工作区已有用户修改，不泄露或提交 .env、API Key、模型权重、运行数据及学生原件。
+先检查工作区状态并阅读 README.md、HANDOFF.md、docs/GUIDE.md。核对当前代码，尤其是 frontend/src/App.tsx、frontend/src/api.ts、backend/wisegrade/api.py、models.py、storage.py、parsing.py、rag.py、llm.py、scoring.py、exports.py、settings_store.py、migrations/ 和 backend/tests/。以当前代码和本提示词确定本次增量工作；旧版 docs/prompts/CODEX_GOAL_PROMPT.md 中“从零创建系统”的步骤不适用于本次任务。保留工作区已有用户修改，不泄露或提交 .env、API Key、模型权重、运行数据及学生原件。
 现有系统是单机单教师应用：React/TypeScript/Vite/Ant Design 前端，FastAPI/SQLAlchemy 后端，PostgreSQL + pgvector，Redis + RQ；原始学生材料只从只读挂载目录 /data/inbox 读取。现有课程版本、规则、扫描导入、解析、知识库、评分批次、教师复核和导出功能必须继续可用。当前 DeepSeekClient 主要支持结构化 JSON 评分调用，尚无对话工具编排；RAG 检索主要服务评分；学生材料通常在评分时解析和建索引。
@@ -39,13 +39,13 @@
 前端应支持从对话引用跳到原有课程、项目、评分和导出详情，并保持必要的上下文。导入预览应显示学号、姓名、选题、材料类型、缺失、重复、识别异常和文件选择；这些可由教师在确认前修正，不得由模型静默代选有歧义的文件。批次部分完成或导出包含待处理项目时，确认卡片应明确提示。
-更新 README.md、docs/DEPLOYMENT.md、docs/WISEGRADE_TECHNICAL_SPEC.md 或新增专门设计文档，说明对话操作、确认规则、索引任务、模型配置及异常处理；同步更新 HANDOFF.md 中与本次实现相关的状态，但不要编造未实际验证的结果。现有教师单机、只读挂载目录、课程和评分版本化、证据可追溯及导出规则不能退化。
+更新 README.md、docs/GUIDE.md 或新增专门设计文档，说明对话操作、确认规则、索引任务、模型配置及异常处理；同步更新 HANDOFF.md 中与本次实现相关的状态，但不要编造未实际验证的结果。现有教师单机、只读挂载目录、课程和评分版本化、证据可追溯及导出规则不能退化。
 ## 验收与验证
 新增有意义的后端测试，使用模拟模型工具调用和独立测试数据库验证：工具参数校验与作用域隔离、课程及批次快照规则、跨学生检索隔离和引用、扫描预览与文件哈希变化、确认前无副作用及重复确认幂等、导入后自动索引、批次项目清单固定与重复入队防护、明确分数的教师复核与修改历史、部分完成批次总结不补零、失败和断线后的恢复。验证原有 API 和评分流程无回归；前端至少完成 TypeScript 和生产构建，并检查主页面、会话恢复、确认卡片和跳转。
-优先运行不依赖真实 API Key 的自动测试；若当前环境具备有效配置，可另外做一次最小真实 DeepSeek tool_calls 冒烟验证，不输出密钥或学生原件。按 docs/DEPLOYMENT.md 的 uv／pytest、npm 构建及 Docker Compose 路径执行适用验证。若环境限制导致某项无法运行，明确记录具体命令、原因和剩余风险；不要把未执行验证写成通过。
+优先运行不依赖真实 API Key 的自动测试；若当前环境具备有效配置，可另外做一次最小真实 DeepSeek tool_calls 冒烟验证，不输出密钥或学生原件。按 docs/GUIDE.md 的 uv／pytest、npm 构建及 Docker Compose 路径执行适用验证。若环境限制导致某项无法运行，明确记录具体命令、原因和剩余风险；不要把未执行验证写成通过。
 按可验证的阶段持续完成工作：共享业务服务与数据迁移 → 自动索引和可引用检索 → Agent 工具编排与持久会话 → 对话页面和确认流程 → 回归测试及文档。每阶段发现与现有代码不符的细节时，以本提示词的用户确认边界为准做合理实现调整。不要因普通实现选择停下询问；只有确实无法从代码和本提示词解决的业务矛盾才提出问题。完成后给出改动、验证结果和实际限制；遵循仓库现有 Conventional Commits 惯例提交可回退的阶段性修改，不提交秘密或运行数据。
 ```
@@ -0,0 +1,75 @@
 # WiseGrade 目录、摘要与正文证据治理：Codex Goal 模式提示词
 将下方提示词完整复制到 Codex Goal 模式，在本仓库执行。本提示词授权新任务修改仓库源码和隔离测试环境；不授权改写当前业务数据库、批次 3 或会话 6。
 ~~~text
 你是 WiseGrade（智评）项目的开发代理。请在 /home/sky/files/Agent/WiseGrade 完整实现“区分报告目录、摘要与正文的证据检索和评分”功能，完成迁移、测试、界面衔接及文档更新。持续推进到下列验收条件全部满足，不要只提交设计方案。
 ## 先了解现状
 先检查工作区状态，阅读：
 - /home/sky/files/Agent/WiseGrade/README.md
 - /home/sky/files/Agent/WiseGrade/HANDOFF.md
 - /home/sky/files/Agent/WiseGrade/docs/GUIDE.md
 重点检查 backend/wisegrade 下的 parsing.py、rag.py、models.py、scoring.py、llm.py、indexing.py、services.py、agent_tools.py、chat_api.py、exports.py、actions.py，以及 frontend/src/App.tsx、frontend/src/Chat.tsx、数据库迁移和相关测试。以当前代码为准，保留工作区已有修改。
 当前问题已通过只读检查确认：批次 3 的 77 条评分引文中有 14 条来自目录页，涉及 9 个评分项；会话 6 保存的 20 条引用中有 5 条指向阶段报告 1 的目录页。目录既被当作正文证据，也挤占候选位置，使实际存在的正文难以检索到。上述数字是诊断基线，不是要求修改这些历史记录。
 ## 已确定的业务规则
 1. 目录可以证明章节和报告结构，也可以帮助定位正文；不能证明章节的具体内容、完成质量、测试结果或分析。
 2. 摘要可以用于“摘要称……”这类明确归属的概述，不能单独证明方法已实现、实验已完成或指标已达标。
 3. 内容性评分必须使用正文中的实质段落、数据、表格或适用的附录。正文页上的单独章节标题也不能充当内容证据。
 4. 经过针对性正文补检后，若内容性评分目标仍只有目录或摘要命中，该评分项进入“待教师复核”：模型分为 null，总分保持待处理；不得自动给低分或断言“学生未写”。
 5. 教师已录入的复核分、评语和修改历史必须保留。不要自动改写批次 3 的既有分数或会话 6 的历史消息。
 ## 页面标注
 以文档实际页码或 PPT 幻灯片编号为主要标注单位，至少区分 cover、abstract、toc、body、references、unknown。普通知识片段继承所在页面类型。允许 mixed 页面：当目录和正文确实共处一页时，仅对该页按文本块进一步区分，不把整页正文排除。
 识别目录时结合页首标题、章节条目密度、点线与末尾页码，并识别跨页续目录；摘要、参考文献也要识别连续页面。不能只凭“目录”一词或固定页号判定。清理重复页眉页脚，保留判定依据和识别版本。对有疑义的页面标为 unknown，不强行认作正文。
 设计统一的页面级持久化结构，让学生材料和公共课程资料都能查询页面类型；知识片段关联其来源页。另行提取真正的正文章节路径，不要直接把当前“页面第一行”字段当成章节。
 ## 证据政策与检索
 把“必备证据的用途”纳入可版本化的评分规则，并随批次保存快照；对既有字符串形式的 required_evidence 做兼容处理。结构目标允许封面、目录或参考文献等对应页面；内容目标只允许正文及有实质内容的附录。不要只在 Prompt 中写规则，也不要仅按评分项 ID 临时硬编码。
 每个必备证据目标分别检索。先限定课程版本、学生项目、材料类别和允许的页面类型，再取候选；页面过滤必须发生在候选数量限制之前。扩大初始候选池，让语义匹配和关键词匹配分别有召回机会，再合并去重。评估现有 PostgreSQL simple 全文检索对中文材料的表现，采用适合当前语料的关键词召回方式。融合排序时避免直接相加未经归一化的语义分与关键词分，可采用基于排名的融合，并用回归样本调整参数。
 第一轮优先分散到不同页面；有可靠章节路径后，再对同一章节设置软上限。名额不足时可回填同页或同节的其他正文片段，但不能放宽证据类型。评分最终给模型的片段数量保持受控，Agent 搜索也保持受控。宽泛的跨报告问题适度覆盖不同文档；明确指定某一报告时不要强制跨文档。
 若某个内容目标未找到正文，利用目录标题匹配实际正文标题，补检该章节及相邻正文页。目录只作导航，最终内容引文必须落在实际正文页。评分发送给模型的页面图像也应优先选择相关的不同正文页，而非目录页。
 ## 评分与 Agent 出口
 扩展评分输出及校验，使每条引文关联它要支持的评分目标。除现有原文与页码校验外，还须校验证据来源类型是否获准；内容性判断不能仅由目录、摘要或单独标题支撑。LLM 负责理解证据、判断评分要求和提出补检目标；页面权限及状态转换由代码执行，LLM 不能绕过。
 新增清晰的“待教师复核”评分状态，与材料缺失、解析失败和模型调用失败区分。补检仍不足时记录缺少的正文证据目标和检索范围，模型分保持 null。同步更新批次完成状态、仪表盘待处理数、API 与 Agent 状态筛选、评分详情、导出及教师复核流程。待复核项的教师评分输入框不能预填 0；教师复核后应能正常形成最终分，同时保留原始检索问题记录。
 项目事实抽取也要遵循来源类型，避免从目录标题推断实现结果。
 Agent 的内容搜索和结构／目录查询使用相同的证据政策；可调整现有工具参数或增加清晰区分的只读工具，但保持原有项目范围隔离。工具返回页面类型和稳定的引用标识。最终回答仅附上实际使用、能对应回答判断的引用，而不是汇总所有工具命中。旧批次评分证据若来自目录，展示为“历史评分引用”，不能自动当作报告正文证据。
 ## 迁移与历史数据
 增加必要的 Alembic 迁移和索引版本升级。优先利用已保存的学生材料解析页面重新分类和建索引；公共课程资料按现有入库路径处理。旧版索引在完成升级前不得被默默当作已分类正文使用。迁移和重建过程应可重试、可审计，保留原始文件、评分批次、教师复核及会话历史。
 本任务只可在隔离测试数据库和测试材料上执行迁移、重建索引及评分验证。不要对当前业务数据库运行迁移、重建索引、重新评分或修改批次 3／会话 6。提供业务环境应用步骤和批次 3 的复核清单，但不执行这些业务数据操作。
 ## 有意义的回归验证
 使用现有报告的已知页面及必要的合成混合页作为回归样本，至少覆盖：
 1. 阶段报告 1 的目录页与第 6–7 页文献调研正文正确区分；stage1.literature 能召回正文分析。
 2. 阶段报告 3 的目录页与第 11–12 页测试正文正确区分；stage3.data 能召回测试描述。不要把“找到了这些页”直接等同于“应得某个分数”。
 3. 最终报告的摘要页、跨页目录和正文正确区分；目录仍可支持章节完整性评分。
 4. 混合页、目录续页、重复页眉和识别不确定页面不会被静默当作普通正文。
 5. 内容性评分不得引用目录、摘要或单独标题；结构性评分仍能合理使用目录。
 6. 正文补检仍不足时，模型分为 null、状态为待教师复核、总分待处理；教师能够正常复核，界面不预填 0。
 7. Agent 最终引用只包含回答实际使用且通过校验的来源；历史评分引文不会被误用作正文证据。
 8. 学生项目隔离、课程版本隔离、已有评分与导出功能保持可用。
 优先运行针对性后端测试、隔离 PostgreSQL 集成测试、前端类型检查和生产构建。需要真实模型才能验证的部分单独说明，不要把未运行的验证写成通过。更新必要的项目文档，最后报告修改内容、实际测试结果、批次 3 建议复核的项目，以及尚待业务环境执行的步骤。
 ~~~
@@ -7,7 +7,7 @@
 ## 最高优先级要求
-1. 先完整阅读 `docs/WISEGRADE_TECHNICAL_SPEC.md`，它是本项目的技术规格和业务约束。
+1. 先完整阅读 `docs/GUIDE.md`，它是本项目的技术规格和业务约束。
 2. 当前项目英文名为 WiseGrade，中文名为智评。
 3. 当前只实现“自动化专业综合实践”，但课程、课程版本、课程目标、毕业要求指标点、评分规则、选题方向和 Prompt 必须可配置、可版本化，未来可以扩展其他课程。
 4. 系统只供教师使用，采用单机单管理员模式，不实现学生账号。
@@ -41,7 +41,7 @@
 ### 第一步：检查和初始化
 - 检查当前目录、现有文件和 `docs/` 资料。
- 阅读 `docs/WISEGRADE_TECHNICAL_SPEC.md`。
+- 阅读 `docs/GUIDE.md`。
 - 如果没有 Git，执行 `git init`。
 - 创建合理的 `.gitignore`，不得忽略课程资料和源代码，但必须忽略 `.env`、模型目录、运行数据、缓存、构建产物和真实学生材料。
 - 创建 `README.md`，说明项目名称、启动方式、配置方法和开发状态。
@@ -5,7 +5,7 @@
 ```text
 你是 WiseGrade 项目的开发代理。请直接在当前仓库完成“对话”界面的增量更新，包含必要的前后端、数据库迁移、测试和文档修改，直到下面的验收条件全部满足。不要只给出方案或界面样例。
-先检查 git 工作区状态，阅读 README.md、HANDOFF.md、docs/CHAT_AGENT.md，并查看 frontend/src/App.tsx、Chat.tsx、style.css、api.ts，backend/wisegrade/chat_api.py、actions.py、models.py，相关 Alembic 迁移及 backend/tests/test_chat_agent.py。保留已有用户修改；沿用当前 React/TypeScript/Ant Design、FastAPI/SQLAlchemy、SSE 和业务 Agent 架构。旧的 docs/CODEX_CHAT_AGENT_GOAL_PROMPT.md 是上一阶段的实现提示词，本次以当前代码和以下需求为准。
+先检查 git 工作区状态，阅读 README.md、HANDOFF.md、docs/GUIDE.md，并查看 frontend/src/App.tsx、Chat.tsx、style.css、api.ts，backend/wisegrade/chat_api.py、actions.py、models.py，相关 Alembic 迁移及 backend/tests/test_chat_agent.py。保留已有用户修改；沿用当前 React/TypeScript/Ant Design、FastAPI/SQLAlchemy、SSE 和业务 Agent 架构。旧的 docs/prompts/CODEX_CHAT_AGENT_GOAL_PROMPT.md 是上一阶段的实现提示词，本次以当前代码和以下需求为准。
 ## 产品行为
@@ -25,5 +25,5 @@
 补充有意义的后端测试，覆盖首次发送的持久化时机与幂等／并发、范围修改与锁定、关联数据删除、运行中删除、历史会话兼容、工具记录恢复、切换或断开连接后原会话继续运行，以及不同会话并行且事件不串流。前端至少完成 TypeScript 与生产构建，并实际检查新建无弹窗、范围选择、历史切换、删除确认、Markdown、引用、工具折叠、运行时切换会话、多会话同时运行及移动端布局；若具备浏览器测试工具，执行交互验证。按项目现有方式运行适用测试；环境无法验证的项目说明具体原因，不把未运行的测试写成通过。
-同步更新 README.md、docs/CHAT_AGENT.md 和必要的 HANDOFF.md 描述。完成后报告主要改动、实际验证命令及结果、仍有的限制。不要提交 .env、API Key、运行数据或学生原件。除确实无法从代码和本目标推断的业务矛盾外，自主完成实现，不停在普通实现选择上征求确认。
+同步更新 README.md、docs/GUIDE.md 和必要的 HANDOFF.md 描述。完成后报告主要改动、实际验证命令及结果、仍有的限制。不要提交 .env、API Key、运行数据或学生原件。除确实无法从代码和本目标推断的业务矛盾外，自主完成实现，不停在普通实现选择上征求确认。
 ```
@@ -0,0 +1,12 @@
 # 开发提示词
 本目录集中保存供 Codex 执行的阶段开发任务。请在仓库根目录使用；提示词正文中的文件路径均相对于仓库根目录（明确写出的绝对路径除外）。使用前先阅读 [项目指南](../GUIDE.md) 和 [交接记录](../../HANDOFF.md)，核对当前实现及任务范围。
 | 提示词 | 用途 |
 |---|---|
 | [初始系统开发](CODEX_GOAL_PROMPT.md) | 从零搭建系统的历史任务，保留作需求参考。 |
 | [业务 Agent](CODEX_CHAT_AGENT_GOAL_PROMPT.md) | 会话、业务工具、操作确认与自动索引的阶段任务。 |
 | [会话界面](CODEX_SESSION_UI_GOAL_PROMPT.md) | 草稿、范围、历史会话、Markdown、工具记录和后台运行的增量任务。 |
 | [目录、摘要与正文证据治理](CODEX_EVIDENCE_RAG_GOAL_PROMPT.md) | 页面分类、检索与评分证据治理任务，包含业务数据库不可改写的明确边界。 |
 提示词记录任务要求，不代表功能已经完成或通过验证。应用运行时的评分 Prompt 由课程版本管理，不在本目录维护。