diff --git a/docs/DEPLOYMENT.md b/docs/DEPLOYMENT.md
new file mode 100644
index 0000000..ace0a85
--- /dev/null
+++ b/docs/DEPLOYMENT.md
@@ -0,0 +1,102 @@
+# 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 `127.0.0.1:8080`。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）。
+- 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与图片输入。
+- 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。
+
+## 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 --build -d
+docker compose ps
+curl http://127.0.0.1:8080/api/health
+```
+
+打开 <http://127.0.0.1:8080>。`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。
+
+## Windows Docker Desktop 启动
+
+1. 安装 Docker Desktop，启用 WSL2 后端并允许访问存放材料的磁盘。
+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 --build -d`，访问 <http://127.0.0.1:8080>。
+
+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。
+
+## 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。
+
+扫描 PDF 的 OCR 使用 PaddleOCR；需在离线环境准备其运行所需的 OCR 模型缓存。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。
+
+## 教师操作
+
+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。
+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 pytest
+uv run uvicorn wisegrade.main:app --reload
+```
+
+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`。测试中的 DeepSeek 请求使用 mock，不会使用真实 API Key。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。
+- 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。
diff --git a/docs/阶段报告3.pdf b/docs/阶段报告3.pdf
new file mode 100644
index 0000000..0df46b1
Binary files /dev/null and b/docs/阶段报告3.pdf differ