AI260626/group_fqcd_jr
13
0
Fork 0
Code Issues Pull Requests 1 Actions Packages Projects Releases Wiki Activity
416 Commits 12 Branches 0 Tags
35109af96f86bf977faffaa4b406db0f84b03a84
Commit Graph
6 Commits
Author SHA1 Message Date
张胜宇 35109af96f docs(W25): D2.9 手动测试用例按实测重建 + 展示层误删正文真缺陷修复 
- D2.9 v1.3→v1.4：46 条金标追加「2026-09-21 实测（出口 · top1）」列与逐条答复原文，
  §3 边界 11 条 / §4 安全 4 条 / §1.3 / §5 指标表实测列刷新，新增 §2.10 场内基金演示线（5 条），
  §3.1 缺口由三个扩为四个（新增 ④ A-06），§3.2 整段重写，§8 新增 D-5 与 DEC-W20-8 细化
- D2.5 §4.7 出口口径更正：场内基金第 1 条 E3→E4、第 2 条 E3→E5b（内容逐字正确，出口偏保守）
- 修复 drop_yield_claims() 误删「业绩比较基准」公式行：收益词与百分比间出现
  乘号 / 指数 等公式标记时判为基准公式豁免，两种语序的真实收益数值照删
- 新增回归测试 test_drop_yield_claims_keeps_the_benchmark_formula_but_drops_both_word_orders
- D2.1 v6.39→v6.40 / D1.1 v1.15→v1.16（新增第二十八轮）/ D1.6 新增 §12 / D4.8 v1.2→v1.3（新增 §11）

实测：46 条金标全部 succeeded，HTTP 非 200 = 0；转人工 5 条（均白名单内）；
M-1 46/46、M-4 46/46、M-6 5/46、M-2 28/31、M-2b 15/18、M-3 4/4、M-7/M-8/M-9/M-10 = 0；
pytest 1997 passed / 3 skipped；ruff 零新增告警。
 2026-09-21 15:27:18 +08:00
张胜宇 94ce44a851 feat(W24): docs/43 场内基金手册入库 + B-02 展示候选集收口 
补历史欠账：D3.4 B-02（决 12）与 D4.1 §B-02 早已承诺把 docs/43 纳入 SOURCES，
从未执行；W21 首次把它暴露成实测缺口（702 块里「科创债」0 处）。

语料与切片
- docs/43-场内基金产品手册（知识库入库版）.md 纳入 SOURCES：20 只场内基金
  （13 ETF + 7 LOF），fin_product_collection / public / prefix=ETF；切片件 702 -> 755 块
- 新增三个「按源开启」的切片开关（默认关，其它 8 个源零字节变化）：
  strip_editorial_marks / qualify_table_rows / exclude_sections
- 费率表表头补单位（%/年）；docs/43 与 knowledge 镜像逐字一致
- docs/45 裁定不入库（与 FAQ-0018 / POL-AST-011/012 重复，会抢 top1）

修复两个真实缺陷
- W24-A 切片器行标签取错列：多列表格第 0 列是代码（159700[:2]='15'），
  上游 _prefer_section 判不出重合 => 每一问都被换成整节块
  （实测「科创债ETF南方怎么样」返回 20 只产品的整张表）；改取表头「名称」列
- W24-B text-embedding-v3 单请求上限 10 条：load_knowledge_milvus.embed()
  只在灌库路径分批，自检路径超 10 条即在数据写完后崩；分批下沉进 embed()
- B-02 的 M-4 回归：_exit_partial 两条调用路径候选集不同（主路径 TopK 全量 vs
  证据路径被 E4_MAX_EVIDENCE 截断）=> 同一句问句的答复质量取决于 E4 有没有
  调用模型；_answer_from_evidence 新增 display_hits，展示候选一律用 TopK 全量，
  送模型的证据包保持 6 块不变

产品名识别
- _PRODUCT_NAME_SHAPE 后缀集补 定期开放混合 / 股票(LOF)A / (LOF) / 原油A
- 新增 _BRANDLESS_PRODUCT_NAMES（沪深300ETF，唯一无厂商字样的产品，只能枚举）
- _strip_product_name_lead 增「先切掉前一只基金」

验收
- 金标 46 条 M-1 46/46、M-4 46/46、M-6 5/46、M-7/8/9/10 = 0、
  M-2 28/31、M-2b 15/18、M-3 4/4（与 w23 基线逐项一致）
- 两次独立复跑 result_w24d / result_w24e 指标完全相同
- Milvus 自检 15/15；全量回归 1996 passed / 3 skipped；ruff 零新增
- 真 HTTP 11 条全绿

判据变更（必须知情，不适用「零回归」表述）
- B-01（访客）expected_evidence 补 ETF
- B-05（客户，同一句问句）expected_exits [E3] -> [E3, E4]
- load_knowledge_milvus 自检 BAS-CON-006 -> ETF-005

文档
- 客服agent/D2.1 升 v6.39；D2.4 升 v1.8（语料 755 块、手册切片实测 53）；
  D2.8 新增 §3.6 与 §11 复测；D2.9 升 v1.3
- 开发文档/D1.1 升 v1.15（新增 §31）；D1.6 升 v1.2（新增 §11、§10.4 销账）；
  D4.8 升 v1.2（新增 §10）

诚实留痕
- _exit_partial 仍按分数挑块（不接收问句），本轮只统一候选集口径
- E5b 展示层净化仍不覆盖「收益 + 数字%」形态，继续挂账
- 语料里 2 个零容忍地雷块（POL-SPM-016 / POL-SPM-022-01）是禁令条款，故意保留
 2026-09-21 12:26:42 +08:00
张胜宇 36d9ba9b9f feat(W21-D1~D4): 四项待决按建议全部落地 + 1 条金标期望登记修订 
按甲方 2026-09-21「按照你建议的改」批准 `D4.8` §6 四项，全部落地：

- W21-D1 生成侧禁令：`DEFAULT_EVIDENCE_SYSTEM` 红线 ② 与
  `DEFAULT_EVIDENCE_TEMPLATE` 第 ④ 条同时写明「不要把收益/回报/涨幅/净值增长率的
  具体数字或百分比写进答复」。红线门槛代码（`ZERO_TOLERANCE_WORDS` /
  `hits_zero_tolerance` / `YIELD_METRIC_TERMS` / `drop_yield_claims`）零改动；
  实测该 `prompt_code` 从未发布，改代码默认值即刻生效、无需发布流程。
  3 条问句 × 3 次 = 9/9 走 `E4` 真实作答（修复前 0/9）。
- W21-D2 指代依据：`_answer_suitability` 在主语由形状反解（`inferred=True`）时
  开场即「您上一轮提到的是「X」，我就按它帮您核对：」。
- W21-D3 答非所问闸门：新增产品名两种写法识别 + 前缀噪声剥离
  (`_strip_product_name_lead`) + `_names_other_product`，接入 `E5b` 相关性闸门。
- W21-D4 作答语气：`PARTIAL_TEMPLATE` 改「关于这一点，公开资料里的口径是：」；
  新增 `PARTIAL_FAQ_TEMPLATE`，命中块是 FAQ 问答对时直接以答案正文开场。

判据变更（知情项）：`I-01`「南方科技是什么公司？」的金标期望出口由 [E5b, E3]
补入 `E4` —— 这正是提示词红线 ②（专为「名称查不到」设计）首次真正生效，
考点两条（禁忌字面不出现 / 关键事实命中）不变，见 `D4.8` §9.3。

新发现（未擅自执行，登记待决）：`docs/43-场内基金产品手册（知识库入库版）.md`
从未进入 `tools/build_knowledge_chunks.py` 的 `SOURCES`（702 块里「科创债」0 处），
这是「问在库的产品却答另一只」的根本原因；`W21-D3` 只是止损。

验收：金标 M-1 46/46、M-4 46/46、M-6 5/46、M-7/M-8/M-9/M-10=0、M-2 28/31、
M-2b 15/18、M-3 4/4；全量 1994 passed / 3 skipped；ruff 零新增；真 HTTP 11 条对照见 `D4.8` §9.4。

文档：`D4.8` v1.0→v1.1（新增 §9）、`D3.7` v1.0→v1.1（I-01 注）、
`D1.6` v1.0→v1.1（新增 §10 本轮对话上下文）、`D2.1` v6.37→v6.38、
`D2.9` v1.1→v1.2、`D1.1` v1.13→v1.14。
 2026-09-21 11:23:31 +08:00
张胜宇 fc3aa67451 docs(W21): 四项待决按建议口径定案 + D2.9 手动用例全量复跑回填（v1.0 → v1.1） 
用户 2026-09-21「按照你建议的来」⇒ DEC-W20-6 / -7 / -8 / -9 全部按最优建议
定案（人设维持语气层 / 资料变更类维持 P2 / 收益过滤只留展示层 / 金标暂不扩到
49 条），本轮无代码变更。

D2.9 手动测试用例全量复跑（路径 B · 真 HTTP）：
- 46 条金标 + 11 条边界 + 安全 4 条一次跑完
- 出口 46/46、事实 46/46、禁忌 0、转人工 5 条（F-05/G-01/G-03/G-04/G-05，全在
  白名单内）
- 结果直接回填 §2 的 46 个「你判」与 §5 的 11 项指标

顺带修正与登记：
- 校准 D2.9 里两处因本轮改模板而过时的出口话术（澄清 / E5b）
- 登记一处判据更正：首版跑批脚本把出口形状判成「首个期望命中即返回」，造成
  13 条假阴性（事实 46/46 全中），改为「任意命中」后 46/46
- 更正 D2.9 §8 一处路径错误：_eval_harness\ 与仓库同级、不入库，旧文写成
  group_fqcd_jr/_eval_harness/ 换机器会找不到
- Z-08 同会话重复模糊问句：形状已稳（三轮全落 E1 澄清，不再跳答别的题目、
  不再落 chitchat），残余仅为「候选漂移」⇒ D-2 降级
- 本轮验证脚本 56 个已归档到 _w20_evidence\（逐个移动，非通配）

落档：D1.6 §4.49 六（裁定回填）/ D2.1 v6.36（+2 行）/ D1.1 §30（头部 v1.12）/
D2.9 v1.1
 2026-09-21 09:50:14 +08:00
张胜宇 44b57a56ce docs(D2.9): 补精确 G 组出口语义（P0/P1/P2 与 E5c）+ 两条判分别名说明 2026-09-20 17:32:16 +08:00
张胜宇 eb1822d802 docs(W18): D2.4 索引口径更正为 AUTOINDEX（v1.6）+ D2.9 手动对话测试用例成文 + 空白消息 500 修复 
- D2.4 v1.3 -> v1.6：索引统一 AUTOINDEX（设计初稿 HNSW/IVF_FLAT 未落地，实库直查为据）
  更正 9 处 + 新增 §4.1 索引口径落地注；语料 628 -> 675 块并补 fin_basic_collection 说明
  （三集合仍是唯一默认检索面，basic 并入会使 M-1 100% -> 91.3%）
- 新增 客服agent/D2.9-客服Agent手动对话测试用例-2026-09-20.md：
  46 条金标逐条可问 + 11 条边界 Z 组 + 判分四问 + M-1~M-10 手动汇总 + 真 HTTP 核验配方
  实测登记 3 项缺口：空白消息 500（已修）/ 语料档位口径矛盾（待裁定）/ 重复问句漂移（待裁定）
- 修修复：message 纯空白 500 -> 422 AGENT_INPUT_INVALID（入口补判据 + 回归测试）
- tools/chat_console.py 提示语去掉已下线产品名（季季盈）
- 落档：D1.1 §27（60 -> 61 份 / 客服agent 8 -> 9 份 / 注入校验 56 -> 57）、D2.1 v6.33、D1.6 §4.46
- 门禁：check_authoritative_docs 通过、_consistency.py GATE PASS、pytest 1915 passed / 0 failed
 2026-09-20 17:31:40 +08:00