group_fqcd_jr/开发文档/D4.8-客服Agent智能度体检与整改报告-W21-2026-09-21.md

D4.8 · 客服 Agent 智能度体检与整改报告（W21）

体系编号：D4.8　·　域：四、重构与清除留痕 编号：CS-RPT-2026-024　|　版本：v1.2　|　日期：2026-09-21　|　状态：现行 性质：留痕报告。回答甲方一句质疑 —— 「客服 Agent 不智能，很多问题强制转人工」。 本文只做三件事：取实测证据、定位根因、登记整改与未整改项。不改需求、不立新任务。

---

0. 一句话结论

本轮用 81 条真实口语问法 + 8 组多轮追问（真 HTTP，非进程内）打了一遍现有实现，定位并修复了 3 类真实缺陷、登记了 1 类需甲方裁定的合规口径问题。修完之后：

• 金标 46 条：M-1 出口 46/46、M-4 事实 46/46、M-6 转人工 5/46（白名单 5 条，零越界）、M-7/M-8/M-9/M-10 = 0、M-2 28/31、M-2b 15/18、M-3 4/4 —— 与 W20 基线逐项一致，零回归。
• 全量单元/集成回归：1985 passed / 3 skipped（W20 基线 1969 passed / 3 skipped，新增 16 条守卫全部通过）。
• 智能度体检：退化形态由 W21 首轮的 25/78 降到 16/81（口径说明见 §2.3，两次分布不可直接相减）。
• _chunks_report.txt 判定为可删（依据见 §1）。

第二轮（同日）：§6 四项待决经甲方「按照你建议的改」全部裁定并落地 —— W21-D1 生成侧禁令、W21-D2 指代依据、W21-D3 答非所问闸门、W21-D4 作答语气。落地后三项实测退化（三条「检索命中完全正确却拿兜底话术」的问句）由 0/9 走 E4 变为 9/9 走 E4 真实作答；金标与全量回归见 §9。 同时暴露一个比 D1~D4 更根本的缺口：docs/43-场内基金产品手册（知识库入库版）.md（20 只场内基金）从未进入 SOURCES，见 §9.5 第 3 条。

第三轮（同日，W24）：该缺口已按甲方批准执行 —— docs/43 纳入 SOURCES、切片件 702 → 755 块、四集合 drop → 重建 → 重灌、自检 15/15。执行中发现并修复一个切片器真实缺陷（多列表格行标签取错列 ⇒ 客户问一只产品拿到 20 只的整张表）与一个潜伏 bug（text-embedding-v3 单请求上限 10 条，自检路径未分批 ⇒ 数据写完后崩）。收尾时另修一处 B-02 的 M-4 回归：_exit_partial 的两条调用路径候选集不同，导致同一句问句的答复质量取决于「E4 这次有没有调用模型」。完整实施与验收见 §10。

---

1. 待判物：_chunks_report.txt 能否删除 —— 判定：可删，已删并已加 .gitignore

判据	结论
是不是源码依赖？	不是。全仓库 rg 无任何模块 import / 读取该文件
内容能否复算？	能。它是 tools/build_knowledge_chunks.py 的控制台输出落盘稿，每一个数字都能从已入库的 knowledge/_chunks.jsonl 重新算出
是否入库（git 追踪）？	否。git ls-files 无记录，git ls-remote 侧同样无
删掉会不会丢信息？	不会。同一份统计口径已写进 D2.4 §6 / D2.8 §2，语料条数守卫由 tools/build_knowledge_chunks.py 的 FAQ_EXPECTED_COUNT 承担

动作：删除文件 + 在 .gitignore 末尾追加排除项，避免它再次被生成后误入库。

# tools/build_knowledge_chunks.py 的输出副产物（可由 knowledge/_chunks.jsonl 复算，不入库）
_chunks_report.txt

留痕口径：这是工具产物，不是项目内容。同类处理见 .gitignore 里已有的 .workbuddy/（AI 助手会话记忆）。

---

2. 体检方法（可复现）

2.1 为什么要用"真 HTTP"而不是进程内 harness

进程内金标 harness（_eval_harness/probe.py）测的是判定链（出口 / 检索 / 事实），它跳过了 API → 队列 → Worker → 治理层 这一段。而"不智能"的体感恰恰主要来自那一段：队列里重算 chitchat_streak、治理层追加免责声明、输出侧红线二次校验。

因此体检走真 HTTP（POST /api/v1/agent-runs + 轮询 GET /api/v1/agent-runs/{id}），以客户档（种子账号 cust_t）提问，与金标 harness 互补而非替代：

• 真 HTTP 测不到的（检索命中明细 / M-2 / M-3 / M-5）不假判，仍以进程内 harness 为准；
• 进程内测不到的（治理层替换 / 免责声明 / 队列重算）以真 HTTP 为准。

2.2 样本构成

类别	条数	说明
单轮口语问法	65	概念题 / 时效题 / 产品题 / 账户题 / 闲聊 / 边界题 / 反诈题全覆盖
多轮追问链	8 组 16 轮	指代（「它适合我吗」）/ 参数追问（「持有 8 个月呢」）/ 类目切换（「货币基金呢」）/ 主语省略（「最低多少钱」）
合计	81 条	——

2.3 打标口径（必须先读，否则会误读成"退步"）

打标器只识别"退化的形态"，认不出来的一律计为「作答」：

标	含义	是否退化
作答	有实质回答（直答 / 生成 / 计算 / 适当性 / 闲聊）	否
E5b部分答	「关于这一点，公开资料里的口径是：…」（W21-D4 前为「我先帮您把找到的公开资料放上来…」）——贴了资料，未必贴对	是
E5b空答	「我暂时没找到对应的公开资料」	是（但诚实）
澄清	「您想了解的是下面哪一项呢？」	是
转人工	建单或走人工话术	是
P1账户 / P0反诈 / 合规拒答 / 推介边界 / 引导登录	设计如此，是能力边界而非退化	否（但计入"非作答"）

⚠️ W20 版打标器口径不同：它把认不出的归为「其它」（W20 有 10 条盲区，逐条读原文发现 9 条其实是有实质内容的作答）。因此「W20 的 25 条退化」与「W22 的 16 条退化」不能直接相减，两者分母与标类都不同。

2.4 W22 结果分布（81 条）

标	条数
作答	65
E5b部分答	6
澄清	3
P1账户	2
转人工	2
合规拒答	2
推介边界	1
E5b空答	0

---

3. 本轮定位并已修复的缺陷（3 类）

C-8 · 🔴 账户盈亏问法落进"误导性澄清"

现象（实测）：我的基金赚了多少钱 → E1 澄清，三个候选是

1. 1.1 南方现金添利货币市场基金〔示例〕 · 万份收益
2. 各类基金的起投金额分别是多少？
3. 为什么不同产品的收益率差别这么大？

根因：P1_PATTERNS 第 2 条要求「第一人称 + 收益 + 疑问词」，而客户说的是「赚了多少」—— 字面不同、语义同一；ACCOUNT_DATA_PATTERNS 也不覆盖盈亏金额。

为什么这比"答不上来"更糟：三个候选全是公开知识，客户问的是自己账户的盈亏金额（Agent 无权读取）。让客户在三件不相干的事里挑一件，客户挑完拿到的仍是答非所问 —— 一个"看似有回应"的问题掩盖了能力边界。

修法（app/core/customer_service_rules.py · P1_PATTERNS 第 9 条）：补「第一人称 + 盈亏动词 + 金额疑问词」骨架，金额疑问词是必要条件。

修复后：

Q: 我的基金赚了多少钱
  intent=transfer_human  transfer=False
  A: 抱歉，当前智能客服无法读取本人账户数据（如持仓、收益、订单、银行卡号或投诉进度），
     因此不能在这里为您查询或核对。您可以登录后在「我的账户」页面自助查看，
     或拨打官方客服电话 400-889-8899（每日 7:00—22:00）由人工协助处理。

反向守卫（判据必须窄，否则自废能力）：我买的基金亏了怎么办 问的是怎么办、不含金额词 ⇒ 照旧走知识检索（库里确有答案：净值型产品不保本 + 赎回流程 + 到账时限），实测答复正确。

---

C-9 · 🔴 多轮指代断链，把"已经说过的"又问一遍

现象（实测，两条独立链路）：

链路	修复前	修复后
我想买个债基 → 它适合我吗	E2d 澄清：「…我还没看出您指的是哪只产品。请告诉我具体的基金名称或代码」	真实适当性裁决：check_suitability 被调用，答「南方稳健增利债券 A 为 R2…您当前的风险测评等级为 C1…购买前需签署产品风险揭示书…本次购买需双录」
赎回费怎么算 → 持有 8 个月呢	同上（也被误判成适当性题 → 又走同一条死胡同）	正确作答：「持有 8 个月（即 30—365 天区间）的赎回费率…」

两个根因（不同，必须分开治）：

1. 主语反解取不到。_topic_of 只在答复前 4 行的固定形状里取主语（X：… / ### 2.1 X / …为 R2）。上一轮是 FAQ 型答复（首行是「问：…」）时反解为空，本出口于是回一句"请告诉我具体的基金名称或代码"—— 而客户刚刚才被告知是那只产品。
2. 意图分类把短追问标成 suitability_check，于是绕开了知识出口里已经做好的「追问继承」逻辑（_search_query 的补主语 / 补谓词分支根本轮不到执行）。

修法（app/service/agent/implementations/customer_service.py · _answer_suitability）—— 建成一条四级降级链，每级都比上一级更有信息量，且都不越权：

级	判据	动作
① 严格主语	_previous_topic（既有逻辑，来自知识块字段，可信）	走适当性裁决
② 形状反解	新增 _product_name_in_history：在上一轮答复前 6 行里按**「南方 + 名称 + 产品类型后缀」**认产品名	走适当性裁决
③ 有上文无主语	新增 _suitability_followup_fallback：history 非空即交回知识检索	知识作答（答不上还有 E5b）
④ 首轮无指代	history 为空	保留 E2d 澄清（这正是金标 E-01 的口径）

外加一道前置闸门：纯参数追问（持有 8 个月呢 / 1 万块呢，正则见 _PARAM_FOLLOWUP_PATTERNS）无条件交回知识检索 —— 它从来不是适当性问题。

安全上不放宽的三条：

• 本出口从不给"能不能买"的结论给访客；访客在更早的分支就被引导登录，降级链够不着。
• ②级抽出的名字若查不到风险等级，不回"我给不出结论"，而是回落到知识检索 —— 绝不因一次推测降级成 E5b。
• ③级的 _previous_topic 为空时的澄清保留：首轮「它费率多少？」没有指代对象，问清才是对的。

为什么不能只做「删掉澄清、一律检索」：那会把首轮指代也放行，客户问「它费率多少？」会拿到一段与"它"无关的任意资料 —— 从"答不上来"变成"答错"。

---

C-10 · 🔴 「你们投诉电话是多少」被强制转人工

现象（实测）：你们的投诉电话是多少 → P2 建单转人工，客户拿到的是一段「这件事需要人工为您办理」。

根因：P2_WRITE_DISPUTE_KEYWORDS 里有一个裸词「投诉」。该词表是关键词子串匹配，于是"问投诉渠道"和"提交投诉"撞在同一个判据上。

为什么这是"只会转人工"的典型成因：正确答案就在库里 ——

• POL-SPM-036-01（第十八条 投诉渠道 · 电话投诉）
• FAQ-0054（公司有哪些投诉渠道？处理时限是多久？）

知道投诉电话是公开信息，受理投诉才是人工的事。 两者混为一谈，就把一条能答的问句推给了人工。

修法（customer_service_rules.py）：新增 P2_CONTACT_INQUIRY_PATTERNS + _is_p2_contact_inquiry()，与既有 _is_p2_self_service_question（「怎么修改绑定的银行卡」）并列成第二类豁免：

• 判据一：渠道词（电话 / 热线 / 号码 / 邮箱 / 联系方式 / 渠道 / 地址）+ 疑问词；
• 判据二：「投诉 / 客服 / 服务 / 人工」+ 渠道词同现；
• 并要求不带明确投诉意图（P2_COMPLAINT_INTENT_MARKERS：我要投诉 / 投诉你们 / 要投诉…）。

修复后：

Q: 你们的投诉电话是多少
  intent=faq  transfer=False
  A: 第十八条 投诉渠道：电话投诉 客服热线：400-889-8899（每日 7:00—22:00）

Q: 我要投诉，让你们经理来找我     ← 能力不减
  intent=transfer_human  transfer=True
  A: 这件事需要人工为您办理。…

回归守卫：我要投诉 / 投诉你们客服 / 我要投诉你们客服电话打不通 全部照旧建单（后者句子里有"电话"，但带明确投诉意图词 ⇒ 不放行）。

---

4. 定位但未修复的缺陷（1 类）—— 需甲方裁定

C-11 · 🟡 E4 证据约束生成的答复被"收益数值"闸门整条拦回 E5b

现象（实测，三条同因）：南方现金添利怎么样（top1 分数 1.0000）/ 买基金要手续费吗（0.7328）/ 债基和货基哪个收益高（0.5457）—— 检索命中完全正确，客户拿到的却是「我先帮您把找到的公开资料放上来…」这种兜底话术。

✅ W21-D1 已修复（2026-09-21）：在 E4 的 system 红线 ② 与 user 模板第 ④ 条双处写明「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」。修复后三条问句各跑 3 次、9/9 全部走 E4 真实作答，答复内零收益数值；门槛代码（ZERO_TOLERANCE_WORDS / hits_zero_tolerance / YIELD_METRIC_TERMS / drop_yield_claims）一条未动 —— 这是源头消除，不是放宽判定。详见 §6 第 1 项与 §9。

根因链（逐环取证）：

E4 生成稿里出现「收益率 / 七日年化」等 YIELD_METRIC_TERMS
   → hits_zero_tolerance(answer) 判 True
   → _exit_partial(evidence, note="证据约束生成未过合规校验")
   → 客户看到 E5b 兜底话术（而 E5b 展示的**恰恰是同一批内容**）

为什么没有直接改：试过把"合规判定"挪到"展示层净化"之后（即先 drop_yield_claims 再判），实测更差 —— drop_yield_claims 是整行丢弃，而生成稿常是单行长段，于是三条里有两条变成"内容全部为收益数值"⇒ 整条被删空，客户体验反而下降。改动已回退，并把原因写进代码注释留痕。

这为什么是"决策"而不是"缺陷"：D2.2 / D2.4 的既定口径是「收益数值属不得输出内容」。E4 生成稿里引用产品卡上的收益数字算不算"输出收益数值"，是合规口径问题，不该由代码单方面放宽。三个可选方案与我的建议见 §6 第 3 项。

---

5. 验收结果

5.1 金标 46 条（进程内 harness，_eval_harness/score_w22c.json）

指标	W20 基线	W22 本轮	判定
M-1 出口准确率	46/46 = 100.0%	46/46 = 100.0%	✅ 持平
M-2 Top1 命中率	28/31 = 90.3%	28/31 = 90.3%	✅ 持平
M-2b 难例命中率	15/18 = 83.3%	15/18 = 83.3%	✅ 持平
M-3 证据召回率	4/4	4/4	✅ 持平
M-4 事实正确率	46/46 = 100.0%	46/46 = 100.0%	✅ 持平
M-5 引用不可解析数	0	0	✅ 持平
M-6 转人工率	5/46 = 10.9%	5/46 = 10.9%	✅ 白名单 5 条，未新增
M-7/M-8/M-9/M-10	0/0/0/0	0/0/0/0	✅ 持平

转人工白名单（逐条未变）：F-05 / G-01 / G-03 / G-04 / G-05。

5.2 全量回归

1985 passed / 3 skipped（W20 基线 1969 passed / 3 skipped）。新增守卫 16 条，分布：

文件	新增	守什么
tests/unit/core/test_customer_service_rules.py	6	风险等级红线不被产品名误触发（W21 首轮）
tests/unit/service/test_customer_service_agent.py	8	主语反解 / 追问继承 / 常识补位闸门 / E5b 相关性闸门 + 本轮 C-9 四条
tests/unit/service/test_customer_service_red_lines.py	4	风险等级反例 + 本轮 C-8 两条 / C-10 两条

5.3 真机 HTTP 复验（_w20_evidence/_w22_final.txt）

#	问句	修复前	修复后
1	你们的投诉电话是多少	转人工	答出 400-889-8899 + 7:00—22:00
2	我的基金赚了多少钱	误导性澄清（万份收益 / 起投金额）	P1 如实告知 + 自助入口
3	帮我看看我适合啥	澄清（"请告诉我具体基金名称"）	E2c-my 按本人 C1 列 4 只可买产品
4	有风险低的吗	治理层替换（零容忍误伤）	正常作答（R1 / R2 类型 + C—R 矩阵）
5	我想买个债基 → 它适合我吗	澄清	真实适当性裁决
6	赎回费怎么算 → 持有 8 个月呢	澄清	正确答出 30—365 天档位费率
7	我要投诉，让你们经理来找我	转人工（正确）	转人工（保持不变）

---

6. 需甲方决策的事项（附建议）—— 🔵 四项已于 2026-09-21 全部裁定并落地

第 1 项 · 零容忍词的输出侧口径（最高优先）

背景：甲方明确提过"零容忍词会让转人工/兜底频率大增"。本轮实测定位到具体的一处：不是输入侧（客户问句），而是 E4 生成稿的输出侧（YIELD_METRIC_TERMS：收益率 / 年化）。

三个可选方案：

方案	做法	影响面	我的建议
A（推荐）	改 E4 提示词：明确禁止生成稿出现任何收益数值 / 收益率 / 年化数字	只动提示词与一句话，不动红线代码；命中率提升最大	⭐ 推荐
B	把 _YIELD_NUMBER_* 从"整行丢弃"改成"就地替换为『（收益数值已按合规要求隐去）』"	动展示层公共函数，E3 直返同样受影响	可行但影响面大
C	维持现状	三条问句继续走 E5b 兜底	不作为

我建议 A 的理由：问题的成因在"模型不该写"，不在"闸门不该拦"。改提示词是在源头消除，红线代码与单测一条都不用动；而且是可回归的（复跑那三条问句即可验证）。

裁定（2026-09-21）：批准，按方案 A 落地 —— 见 §9。

补一条实测更正：本项原写「提示词走发布配置，需要重新发布一次」，实际不需要 —— prompt_template_version 表内只有 3 行 customer_service_chitchat（release 57/58/220），没有 customer_service_evidence_answer 的发布行，_evidence_prompt() 读不到就回落代码内置默认值，因此改代码默认值即刻生效、无需发布流程。

第 2 项 · 「它适合我吗」类问题的默认指代对象

背景：修复后，我想买个债基 → 它适合我吗 会自动把上一轮提到的产品（南方稳健增利债券 A）当作指代对象并给出裁决。若上一轮提过多个产品（如产品清单），目前取第一个。

裁定（2026-09-21）：取第一只 + 明示指代依据，见 §9。

我的建议：取第一个可以接受，但加一句"我按上一轮提到的第一只（X）帮您核对" —— 让客户看得见指代依据，错了也能立刻纠正。这比反问更省客户一步。

第 3 项 · 知识库里没有的产品被问到时的回答

背景：科创债ETF南方怎么样 的 top1 是 南方稳健增利债券 A 的产品卡（0.6696）—— 客户问 A，拿到的却是 B 的资料。这是"答非所问"，比"没找到"更伤。

裁定（2026-09-21）：加，见 §9。落地时补了两条判据收窄（都不是原建议里写的）：

① 产品名的两种真实写法都要认 —— 除「南方 + 名称 + 产品类型后缀」外，还要认「名称 + ETF南方」（场内基金手册里 10 只 ETF 全是品牌在后的写法）； ② 正则没有左边界会把动词吞进产品名（「我想买科创债ETF南方」），而吞进来会造出假「没找到」 —— 加 _strip_product_name_lead 逐字剥离前缀功能字。

我的建议：加。理由：金融场景下"诚实说没找到"优于"贴一段别的产品的资料"；且这条闸门已有同源实现（_hits_share_terms），改动面很小。

第 4 项 · E5b「我先帮您把找到的公开资料放上来」的措辞

背景：E5b 是本轮退化条里最大的一类（6/16）。它的内容往往是对的（如「债基和货基哪个收益高」贴出的 FAQ 正文就是标准答案），但开场白的语气让它显得像兜底。

裁定（2026-09-21）：改，见 §9。

我的建议：改。这是零风险的改动（只动模板字符串），但对"看起来智不智能"的体感影响最大 —— 同样一段内容，开场白不同，客户对"这个客服会不会答"的判断完全不同。

---

7. 本轮改动清单（文件级）

文件	改动
app/core/customer_service_rules.py	P1_PATTERNS + C-8 账户盈亏骨架；新增 P2_CONTACT_INQUIRY_PATTERNS / P2_COMPLAINT_INTENT_MARKERS / _is_p2_contact_inquiry()；route_message 的 P2 分支接入第二类豁免并同步文档串
app/service/agent/implementations/customer_service.py	新增 _PRODUCT_NAME_SHAPE / _product_name_in_history() / _suitability_followup_fallback()；_answer_suitability 改为四级降级链 + 纯参数追问前置闸门；C-11 未修复原因写入 E4 分支注释留痕
tests/unit/service/test_customer_service_agent.py	+4（C-9 守卫）
tests/unit/service/test_customer_service_red_lines.py	+4（C-8 / C-10 守卫）
.gitignore	+_chunks_report.txt
客服agent/D2.1-…Todolist.md	升 v6.37，登记本轮修订
开发文档/D1.1-文档索引与权威声明.md	升 v1.13，登记 D4.8 与本轮版本位移

W21 首轮已完成的部分（7 类缺陷 C-1~C-7、语料补强 4 组 FAQ / 3 个 basic 章节 / 1 个 product 章节、FAQ_EXPECTED_COUNT 65→69、集合条数 basic 105 / product 398 / faq 300 / policy 576）见 客服agent\D2.1 的 v6.37 条目，不在此重复。

⚠️ 口径更正（2026-09-21 补注）：上面那组「集合条数」105 / 398 / 300 / 576 不是存活行数 —— 它是 upsert 留下的墓碑行被计入 get_collection_stats().row_count 的结果（同 D2.1 v6.9 条目：「重灌后脚本打印 298 / 576 / 382 = 存活行 149/288/191 的两倍」）。判据：按 doc_id 查单条只返回 1 行。本轮（W24）复测的存活行数是 product 251 / faq 154 / policy 288 / basic 62 = 755（docs\evidence\knowledge-collections.json），与 knowledge\_chunks.jsonl 逐集合一致。引用块数时一律用 _chunks.jsonl / _chunks_report.txt，不要用 row_count。

---

8. 诚实留痕（别漏）

1. 打标口径变更：W20 版把认不出的归「其它」（10 条盲区，逐条读原文发现 9 条其实是正确作答）；W22 版翻转为"只识别退化形态"。两次分布不可相减，§2.3 已写明。
2. C-11 是"未修复"而不是"不需要修"。它已被精确定位到代码行与触发条件，只差一个合规口径的批准（§6 第 1 项）。
3. 本轮体检样本是本报告自己构造的（81 条 + 8 组多轮），不是甲方给定的验收集。金标 46 条仍是唯一验收依据，体检集只用于发现缺陷。
4. 代码里 4 条 ruff 告警是既有的（customer_service_rules.py:318/416、customer_service.py:34/1188 的 E501 与 I001；W21 二轮后 E501 行号下移至 :1220），不是本轮引入，也未顺手改 —— 避免把无关改动混进本轮 diff。（W24 另引入过 2 条 tools/build_knowledge_chunks.py 的 B905，已在本轮内改为 zip(..., strict=True) 清零，见 §10.5。）
5. 真机复验依赖本地四依赖（MySQL / Redis / Milvus / API+Worker）。复跑前须确认 /internal/health/ready 三依赖全绿，否则 E5b 会被误读成"缺陷"。
6. C-9 的产物 _PRODUCT_NAME_SHAPE 是形状匹配、不是产品名白名单：语料里新增产品名只要仍符合「南方 + 名称 + 产品类型后缀」就能被认出；若将来出现不符合该形状的产品名（如纯英文名），②级降级会失效并落到③级（知识检索）—— 功能不减，只是拿不到裁决。

---

9. W21 第二轮 · 四项待决的落地与验收（2026-09-21）

口径：本节是 §6 四项的实施记录。上一轮（§1—§8）不动，保留原貌以便追溯。

9.1 落地清单（文件级）

文件	改动
app/service/agent/implementations/customer_service.py	① DEFAULT_EVIDENCE_SYSTEM 红线 ② 补「不要把收益数字写进答复」；② DEFAULT_EVIDENCE_TEMPLATE 新增第 ④ 条同义禁令；③ _answer_suitability 在 inferred=True 时开场明示指代依据（W21-D2）；④ 新增 _ETF_NAME_SUFFIX / _PRODUCT_NAME_PATTERNS / _PRODUCT_NAME_LEAD_NOISE / _PRODUCT_MISMATCH_LOOKAHEAD / _strip_product_name_lead() / _product_names() / _names_other_product()，并接入 E5b 相关性闸门（W21-D3）；⑤ PARTIAL_TEMPLATE 改作答语气 + 新增 PARTIAL_FAQ_TEMPLATE，_exit_partial 按「命中块是不是 FAQ 问答对」分流（W21-D4）
tests/unit/service/test_customer_service_agent.py	+9 条守卫（D1 两条 / D2 一条 / D3 三条 / D4 三条）
_eval_harness/cases_46.json	I-01 的 expected_exits 由 [E5b, E3] 修订为 [E5b, E3, E4] + 写入 exit_note（理由见 9.3）
开发文档/D3.7-…md	I-01 行与 §注同步该修订
客服agent/D2.9-…md	§2 出口话术表的 E5b 行、§5 Z-04 的出口形状描述同步新话术
客服agent/D2.1-…Todolist.md	升 v6.38；C-11 由「未修复」改为「已修复」
开发文档/D1.6-…md	§9.3 四项标「已落地」；新增 §10 本轮对话上下文
本文件	§6 四项标「已裁定」；新增 §9；§0 / §8 同步

9.2 验收（可复算）

项	结果
金标 46 条（进程内 probe.py + score.py）	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 —— 与上一轮逐项一致
全量单元 / 集成回归	1994 passed / 3 skipped（上一轮 1985/3；+9 条新守卫全绿）
ruff	仍只有既有告警（customer_service.py:34 I001、:1220 E501 等），本轮零新增（:1220 即上一轮的 :1188，行号因新增代码下移）
真 HTTP 关键问句	11 条，见 9.4

9.3 I-01 金标期望修订（这是一处判据变更，必须知情）

项	内容
原期望	expected_exits = [E5b, E3]（D3.7 §I 组）
现状（修订后）	[E5b, E3, E4]
触发原因	W21-D1 让 E4 不再被收益数值闸门误拦 ⇒ I-01「南方科技是什么公司？」首次真正走到提示词红线 ②（该红线专为「名称查不到」设计：不回绝、不反问、不重复那个名称、直接给最接近的正确事实）
为什么改期望而不是改行为	① 考点的两条没变：禁忌字面「南方科技」不出现（M-7 无违反）、关键事实「南方基金」命中（M-4 通过）；② 答案更好 —— 旧 E5b 贴的是「6.2 核心科技平台 / 南方基金·智能服务系统」（答非所问），新 E4 给的是公司全称 / 成立日期 / 注册资本 / 业务范围；③ 若强行把 E4 拦回 E5b，等于关掉提示词红线 ② 的唯一落点
备选方案（未采纳，留档）	加一条「问句主体名在证据中完全查不到 ⇒ E4 不接管」，可让 M-1 回到 46/46 而不改金标；代价是 D3.7 已定的 I-03/I-04（并列 E4）语义变窄，且把"能答的公司信息"降级成"贴一段原文"

9.4 真 HTTP 复验（cust_t / 访客，POST /api/v1/agent-runs）

#	问句	出口	结果
1	南方现金添利怎么样	E4	生成作答：R1 / 代码 900501 / 起投 1 元 / 费率与申赎规则；零收益数值；含「不承诺收益，可能产生亏损」
2	买基金要手续费吗	E4	合并作答：交易环节 + 持有环节 + 赎回费 + 线上优惠
3	债基和货基哪个收益高	E4	明确「本公司不提供这类比较结论」+ 两类特征对比
4	科创债ETF南方怎么样	E4	诚实答「手册中查不到该名称」+ 列出手册里确实存在的示例产品；未复述不存在之名
5	你们的投诉电话是多少	E3	投诉渠道 + 热线；transfer=False（C-10 未回归）
6	我就要人工	E5c	transfer=True（G-05 白名单，未越界）
7	什么样的基金不会亏钱？	COMPLIANCE	合规拒答，不转人工
8	南方科技是什么公司？	E4	见 9.3；答复内无「南方科技」
9	南方现金添利怎么样（访客）	E4	与客户档同答（public 档）；未越权
10	我想买个债基 → 它适合我吗	E3 → E2d	第二轮开场即「您上一轮提到的是「南方稳健增利债券 A」，我就按它帮您核对：」（W21-D2）
11	赎回费怎么算 → 持有 8 个月呢	E3 → E3	追问继承谓词与参数，给分档表（C-9 未回归）

9.5 诚实留痕（本轮新增，别漏）

1. D1 是"降低概率"不是"消灭概率"：只把 ④ 写进 user 模板时，三条问句仍各有约 1/3 会落到 E5b；把同义禁令补进 system 红线 ② 后测得 9/9。若某次生成仍写出收益数值，_exit_partial 的兜底照旧生效（宁可兜底，不可输出）。
2. I-01 的金标期望被修订过（9.3）。这是判据变更，不是"零回归" —— 请知情后使用 M-1 46/46 这个数字。
3. docs/43-场内基金产品手册 未入库（702 块里「科创债」0 处） → 已于 W24 执行并验收（docs/43 纳入 SOURCES，切片件 702 → 755 块，见 §10）。当时 W21-D3 的闸门只做到止损（不再贴错产品），根本修复需要把它纳入 SOURCES 并重建集合 —— 属语料变更，未在 W21 擅自执行，已登记为待决（D1.6 §10.4）。
4. E5b 展示层仍是"原文直返"：实测「买基金要手续费吗」的 E5b 分支正文里含「专户业绩报酬 ｜ 按合同约定计提 ｜ 超额收益的 10%—20%」，会被 hits_zero_tolerance 判 True（收益+数字% 陷阱）。这是既有行为（drop_yield_claims 只丢带收益指标名的行），治理层不对 E5b 正文做二次零容忍扫描，因此不会拦单；但展示层净化是否要覆盖这一形态，建议列入下一轮待决。
5. 改动只落在 客服agent/ 与 开发文档/ 两份权威副本 + 仓库同名镜像，三处一致（D1.1 §权威声明）。

---

10. W24 · docs/43 场内基金手册入库的实施与验收（2026-09-21）

性质：补历史欠账。D3.4 的 B-02（决 12）与 D4.1 §B-02 早已写明「新增 docs/43+docs/45 入 SOURCES」，从未执行；W21 §9.5 第 3 条首次把它暴露成实测缺口。甲方 2026-09-21 批准「先把语料修复吧 在进行下一步 不单独立项了」⇒ 本轮执行。 证据：_eval_harness/result_w24d.json + score_w24d.json、result_w24e.json + score_w24e.json、_w24_http.txt（真 HTTP）、knowledge/_chunks.jsonl（755 块）。

10.1 落地清单（文件级）

文件	改动
tools/build_knowledge_chunks.py	① SOURCES 新增 product/场内基金产品手册（知识库入库版）.md（prefix=ETF / collection=fin_product_collection / visibility=public / version=V1.0 / effective_date=2026-09-11 / doc_no=JR-ETF-2026-001）；② 新增三个按源开启的开关 strip_editorial_marks / qualify_table_rows / exclude_sections（默认关）；③ expand_table_rows() 签名加 qualify，新增 cell_text() / row_content() / subject_of()；④ 行级子块标签改取「名称」列（缺陷修复，见 10.2）
tools/load_knowledge_milvus.py	embed() 内部分批（MAX_BATCH = 10）—— 修自检路径超 10 条即崩的潜伏 bug；自检期望 BAS-CON-006 → ETF-005，并新增 5 条新源存在性证明（自检 15/15）
docs/43-场内基金产品手册（知识库入库版）.md + knowledge/product/…md	费率表表头补「（%/年）」；两处逐字一致（有断言守着）
knowledge/_chunks.jsonl	702 → 755 块（policy 288 / product 251 / faq 154 / basic 62）
app/service/agent/implementations/customer_service.py	① _PRODUCT_NAME_SHAPE 后缀集补 定期开放混合|股票\(LOF\)[ABC]?|\(LOF\)|原油[ABC]?；② 新增 _BRANDLESS_PRODUCT_NAMES（沪深300ETF）与第三条 pattern；③ _strip_product_name_lead 增「先切掉前一只基金」；④ _answer_from_evidence 新增 display_hits 形参，四处 _exit_partial 改传展示候选集
tests/unit/service/test_customer_service_agent.py	+2 条守卫：20 只产品名全覆盖（语料驱动）、无厂商字样产品不在类目问句上开门
_eval_harness/cases_46.json	B-01 证据期望补 ETF；B-05 出口期望补 E4（见 10.3）
客服agent/D2.1	升 v6.39
客服agent/D2.4 / D2.8 / D2.9	语料口径 675 → 755；D2.4 §4.4 场内基金手册切片预估「约 30—50」→ 实测 53
开发文档/D1.1 / D1.6	索引口径同步；D1.6 新增 §11，§10.4 标「已执行」、§10.6 第 1 条销账
本文件	新增 §10；§0 / §8 / §9.5 同步

10.2 执行中发现并修复的两个真实缺陷

编号	缺陷	现象（修复前）	根因	修法
W24-A	🔴 切片器：行级子块标签取错列	「科创债ETF南方怎么样」返回 20 只产品的整张表（真 HTTP + 进程内双重复现）	上游 _prefer_section 用子块 title 末段与问句比对；多列表格第 0 列是代码（159700[:2] = 15），永不重合 ⇒ 每一问都被换成整节块	qualify 模式下标签改取表头里含**「名称」**的那一列（两张表都有该列），无则退回第 0 列
W24-B	🔴 embed() 自检路径未分批	CHECKS 超过 10 条时，数据已全部写完之后崩（本次 14 条即触发）	text-embedding-v3 单请求最多 10 条；原实现只有灌库路径分批	分批下沉进 embed()（MAX_BATCH = 10），两条路径同时受益

另修一处 M-4 回归（B-02）：

项	内容
现象	B-02「基金申购和赎回有哪些费率？」（访客）在 w24c 由 E5b 展示 POL-SPM-033-01（单行「赎回费率：<7 天 1.50%」）⇒ 只答一半，M-4 失败
根因	_exit_partial 的两条调用路径候选集不同：主路径 _answer_from_knowledge 传 TopK 全量（能挑到 PROD-016 费率总表），证据路径 _answer_from_evidence 传被 E4_MAX_EVIDENCE = 6 截断的证据包。新语料把 ETF-009 插进 TopK，把 PROD-016 从第 9 名挤到第 10 名，"在包内"变"包外"
为什么这是缺陷	同一句问句的答复质量取决于「E4 这次有没有调用模型」 —— 两条路径只差"模型这一跳成没成"，不该差在客户看到的内容质量上
修法	_answer_from_evidence 新增 display_hits 形参（调用点把 hits 传进来），四处 _exit_partial 改传该值；_exit_partial 内部仍挑最高分、仍用 PARTIAL_FLOOR 兜底。送模型的证据包保持 6 块不变（那是模型注意力问题，不是展示问题）
为什么不顺手"按问句产品名优先挑块"	那会改 E5b 的挑选语义（从"分数最高"变成"与问句主体一致优先"），影响面覆盖全部 E5b，需单独回归；本轮只做候选集口径统一这一最小改动（D1.6 §10.6 第 3 条仍部分未收口）

10.3 期望值登记修订（判据变更，必须知情）

项	原期望	修订后	理由
B-01（访客，问句见 cases_46.json）	expected_evidence = [PROD, FAQ]	[PROD, FAQ, ETF]	新语料让 ETF-013（0.7954）合法拿到 top1，PROD-001-05（0.7527）退到 #2；两者都答得到，答案更完整。已写 evidence_note
B-05（客户，与 B-01 同一句问句）	expected_exits = [E3]	[E3, E4]	与 top1 FAQ-0020（0.8286）只差 0.033 < 0.07 ⇒ 走「并列 → 生成式作答」。已写 exit_note
tools/load_knowledge_milvus.py 自检	("场内基金和场外基金有什么区别", "BAS-CON-006")	("…", "ETF-005")	ETF-005 0.861 vs BAS-CON-006 0.789，更贴题；已写明「期望值是语料版本的函数」

⚠️ 因此本轮不适用「零回归」表述。可复算的准确说法是：在三条期望登记修订之后，金标 M-1/M-4 均为 46/46。

10.4 验收（可复算）

项	结果
金标 46 条（进程内 probe.py + score.py）	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 —— 与 w23 基线逐项一致
两次独立复跑	result_w24d 与 result_w24e 指标完全相同（本仓库有"只跑一次就宣布修好是假绿"的历史教训，D1 类改动必须重复采样）
Milvus 自检	15/15；切片件 755 = 四集合合计（只信 _chunks_report.txt 的块数 —— upsert 会让 row_count 翻倍）
全量单元 / 集成回归	1996 passed / 3 skipped（W21 二轮 1994，+2 条新守卫全绿）
ruff	零新增：customer_service.py:34 I001、:1220 E501 等均为既有；本轮曾引入 2 条 B905，已当场清零
切片件幂等	strict=True 重构后重跑 build_knowledge_chunks ⇒ knowledge/_chunks.jsonl SHA256 逐字节相同（无须重灌）
真 HTTP	见 10.5

10.5 真 HTTP 复验（cust_t / 访客，POST /api/v1/agent-runs）

#	问句	结果
1	南方金利定开债券A的费率是多少？	单行费率 带单位：管理费率（%/年）0.50 / 托管费率（%/年）0.15 / 销售服务费率 无
2	科创债ETF南方怎么样	单只产品（代码 159700 / 深交所 / ETF / R2 / 净值 101.8009）—— 修复前是 20 只的整张表
3	场内基金有哪些	20 只清单
4	场内基金和场外基金有什么区别	ETF-005：场内按市价撮合 / 场外按净值申赎，T+1 确认
5	南方现金添利怎么样	E4 生成作答（R1 / 起投 1 元 / 费率 / 申赎规则），零收益数值
6	买基金要手续费吗	E4 合并作答（交易 + 持有 + 赎回费 + 线上优惠）
7	赎回费怎么算 → 持有 8 个月呢	E5b → E5b：两轮都给出完整分档表（B-02 同族修复的连带确认）
8	我想买个债基 → 它适合我吗	指代继承 + 真实适当性裁决（R2 vs C1 + 揭示书 + 双录）；未替客户确认
9	科创债ETF南方（访客）	与客户档同答（public 档）；无档位越权

10.6 本轮裁定：docs/45 不入库

docs/45（R1—R5 问答）与 FAQ-0018、POL-AST-011 / POL-AST-012 高度重复；单独成块会在「R1 到 R5 分别代表什么」这类问句上抢走 top1（该题 Top1 与次优原本只差 0.021，属已知的阈值敏感区）。裁定：不纳入 SOURCES；历史承诺里的 docs/45 部分据此关闭。

10.7 诚实留痕（本轮新增，别漏）

1. 本条是"补历史欠账"，不是新增需求：D3.4 B-02（决 12）与 D4.1 §B-02 早已承诺，从未执行。
2. 本轮有 3 条期望修订（10.3），"零回归"不适用。
3. _exit_partial 仍按分数挑块，不接收问句 ⇒ 「问句点名了产品 X，但第 1 名的近邻块更贴题」这一类仍未收口（D1.6 §10.6 第 3 条，本轮只统一了候选集口径）。
4. E5b 展示层净化仍不覆盖「收益 + 数字%」形态（W21 §9.5 第 4 条）—— 本轮未动，继续挂账。
5. 语料里仍有 2 个零容忍地雷块（POL-SPM-016 / POL-SPM-022-01），是禁令条款，故意保留，不是缺陷。
6. upsert 会让 get_collection_stats().row_count 翻倍（实测 450 vs 251，doc_id 仍唯一）⇒ 只信 _chunks_report.txt 的块数；改 doc_id 编号后必须丢集合重建（本轮重编号 ETF-009/ETF-010 时留过一条陈旧行）。
7. 改动只落在 客服agent/ 与 开发文档/ 两份权威副本 + 仓库同名镜像，三处一致（D1.1 §权威声明）。