docs(tasks): Jev 修复单补产品拍板：线上模型=DeepSeek Flash、来源 B 157 条已交付

Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_0155nFCgCHtoA7jhSDGmZmMu

docs/tasks/TASK-rectification-jev-intent-classifier-research-fix-20260919.md

@@ -39,8 +39,20 @@
 
 1. 产品 2026-09-19 原话：「能不能让 agent 模拟生时流程来得语料……不怕消耗 token」。这是来源 C 的授权来源，**模板拼接不满足**；本单据此要求全量重造来源 C。
 2. 生成与复核模型：用执行机上已有凭据的真实对话模型（DeepSeek 或产品另行提供的任一模型），**生成与复核可用同一家模型但提示不同、复核看不到标签**（原单已允许）。若能用两家不同模型更好，不强求。
-3. 现行分类器对照：生产会话默认模型由数据库模型目录决定，代码里没有；产品在本单开工前告知模型名（或确认 `deepseek-flash` 就是线上默认）。未告知前，对照继续用 DeepSeek，但报告必须继续标「不是线上会话模型」。
+3. 现行分类器对照：产品 2026-09-19 确认**线上现行模型就是 DeepSeek Flash**。原报告的对照模型身份因此成立，偏差只剩「抽 33%」；本单要求全量（红线 8），报告改标「= 线上会话模型」。
-4. 来源 B：执行机拿不到 staging 库。若产品授权，由 Claude 会话在 staging 主机 `docker exec … psql` 只读抽取、脱敏后交给执行方本地文件；未授权则维持让步 1（只报数、不判定）。本单不阻塞在来源 B 上。
+4. 来源 B：产品 2026-09-19 授权，Claude 会话已从 staging 只读抽取并去重脱敏，文件 `source_b.jsonl`（157 条，不入仓）由产品转交执行方，放到 `.cache/jev_intent/source_b.jsonl`（已 gitignore）。抽取口径：`agentic_rectification_turns.user_message` 非空 697 行 → 剔除点选回显（`A. …` / 「先这样」）339 行 → 剔除前端建议芯片原文 76 行 → 按消息文本去重 → 157 条；每条带当轮焦点（按 `asked_at ≤ turn.created_at` 取最近一条，`focus_stale` 标记焦点已在本轮前 resolved 的 22 条）与可反推的 `runtime_intent`（85 条：no 49 / weak_yes 18 / yes 13 / unsure 5）。`gold` 留空，执行方逐条人工标注。
+
+   来源 B 实测分布（**来源 C 生成的长度约束以此为准，取代原单兜底值**）：
+
+   | 指标 | 值 |
+   | --- | --- |
+   | 条数 / 层 | 157：采集 107、无焦点 33、点选 17 |
+   | 字数 P25 / 中位 / P75 / 最长 | 12 / 21 / 28 / 172 |
+   | 含标点比例 | 13% |
+   | 含语气词（吧/呢/啊/嗯/哦/额/emm）比例 | 4% |
+   | 含年份或月份比例 | 81% |
+
+   对照模板语料（中位 11 字、惜字如金 45%、方言前缀 24%）：真人回复更长、几乎不用语气词、绝大多数直接报年月。生成提示的人设权重必须按此校正：「惜字如金」与「方言/网络语」两种人设合计不得超过 20%。
 5. 原报告结论「不可接」**撤回改为「缺数据」**，`docs/tasks/README.md` 状态行同步改；不得保留「不可接」字样误导后续拍板。
 
 ## 5. 硬红线
@@ -48,8 +60,8 @@
 原单 §4 五条全部继续生效，另加：
 
 6. `jev_intent_corpus_build.py` 的生成与复核**必须各有一次真实模型调用**并把模型名、版本、提示原文写进 `scripts/research/jev_intent_samples/README.md`；`GENERATOR_NAME` / `REVIEWER_NAME` 必须是模型标识，不得再出现 `template` / `rule`。`tests/test_jev_intent_research.py` 新增断言：构建脚本中不得存在把 `answer_class` 映射到固定词表的生成函数（检查源码里无 `bank = {` 式字面量词库），复核函数不得调用 `re.search` 判标签。
-7. 来源 C 去重后唯一条数 ≥ 810（≥ 90%）；单条重复不得超过 5 次；八种人设每种 ≥ 60 条（点选+采集合计）。不满足即重跑，不得进 T2。
+7. 来源 C 去重后唯一条数 ≥ 810（≥ 90%）；单条重复不得超过 5 次；八种人设每种 ≥ 40 条（点选+采集合计），且「惜字如金」+「方言/网络语」合计 ≤ 20%；字数 P25 / 中位 / P75 落在来源 B 实测值 ±30% 内（即 P25 8–16、中位 15–27、P75 20–36）。不满足即重跑，不得进 T2。
-8. 现行分类器对照不得再抽样：来源 C **全量**跑一次（自洽率第二次可抽 1/3，与原单让步 2 一致）。
+8. 现行分类器（DeepSeek Flash，= 线上）对照不得再抽样：来源 B 与来源 C **全量**各跑一次（自洽率第二次可抽 1/3，与原单让步 2 一致）。
 
 ## 6. 任务分解
 
@@ -74,10 +86,11 @@
 - 结论三选一：可接 / 不可接 / 缺数据，附 T3 全表、θ 曲线、错例画像（改写后）。来源 B 仍为 0 时，结论最高只能给到「可接（待真机代表性检验）」或「不可接」，不得写成无条件可接。
 - 验收：报告「模型」一节列出生成模型、复核模型、对照模型三行各自的模型名 / 版本 / 是否线上会话模型。
 
-### F4 · 来源 B（条件项）
+### F4 · 来源 B
 
-- 仅当产品授权且 Claude 会话交付脱敏文件后执行：执行方逐条人工标注 ≥ 30 条，跑代表性检验（原单 T3）。
+- 文件已交付（§4 第 4 条）。执行方逐条人工标注全部 157 条 `gold`；`runtime_intent` 只做参考列，不得直接抄为 gold。
-- 未授权：BLOCKED 条目保持 open，报告写「代表性检验缺席」。
+- 跑 Jev 两次 + 现行一次，做原单 T3 代表性检验：来源 B 与来源 C 同层准确率差 > 10pp → 结论降为「缺数据」并写明是哪一层。
+- 验收：README 来源 B 段填实际条数、三层分布、长度分布、标注耗时；BLOCKED 来源 B 条目划掉。
 
 ### F5 · 记录
 
@@ -91,8 +104,7 @@
 1. 争议率两轮提示后仍 > 15%：按实际通过条数跑，配额偏差如实报；**不得**回退到模板生成补数。
 2. 单条生成三次重试仍不过复核：丢弃该组合，换人设重抽；红线 7 三项仍须满足。
 3. 模型调用限流：退避重试，脚本断点续跑；不得缩小样本。
-4. 现行对照模型名产品未告知：用 DeepSeek 顶，报告标明。
+4. 来源 B 人工标注做不完 157 条：至少标满点选 17 + 采集 60 + 无焦点 20 = 97 条，其余标 `unlabeled` 不计入分母；不得用模型代标。
-5. 来源 B 未授权：维持让步 1。
 
 ## 8. 开工前置命令