research(jev-intent): 修复轮重造语料并全量对照

来源 C 改为 DeepSeek Flash 生成+独立复核，撤回模板拼接结论。来源 B 157 条人工标注后跑 Jev x2 与 Flash 全量对照，结论为缺数据。

scripts/research/jev_intent_samples/README.md

@@ -34,20 +34,107 @@ limit 500;
 ```
 
 - 本地路径（worktree 外，已 gitignore）：`G:/Ferti/Jyotisha/.cache/jev_intent/source_b.jsonl`
-- 本机抽取条数：0（无 staging 库凭据则为 0，长度分布用任务书兜底 P25≤6 / 中位≤15 / P75≤40）
-- 真值：执行方逐条人工标注；能从后续动作反推的另存 `runtime_intent` 列。**不得提交原文。**
+- 本机抽取条数：157（点选 17 / 采集 107 / 无焦点 33），gold 已全部人工标注，未用模型代标
+- 长度：P25=12 / 中位=21 / P75=28 / 最长=172
+- 标注耗时：约 40 分钟（`runtime_intent` 只作参考，85 条有反推 intent，不抄成 gold）
+- 真值：执行方逐条人工标注。**不得提交原文。**
 
-## 来源 C · Agent 模拟语料（提交，主测试集）
+## 来源 C · 模型模拟语料（提交，主测试集）
 
-`simulated.jsonl`。问题池 `question_pool.json`：20 例公开 AA holdout 走 `discriminating_event_probes` 出点选题；采集题用 `USER_COLLECT_QUESTION` / retry / `TARGETED_YEAR_PROMPT`。
+`simulated.jsonl`。问题池 `question_pool.json`：20 例公开 AA holdout 走 `discriminating_event_probes` 出点选题；采集题用 `USER_COLLECT_QUESTION` / retry / `TARGETED_YEAR_PROMPT`。生成与复核各一次真实模型调用；复核看不到目标标签。
 
-- 生成器：`agent-template-v1`（标签先定再写回复；本机无会话模型凭据，不走线上贵模型）
-- 复核器：`agent-rule-v1`（不同规则、看不到目标标签；不一致进 `disputed.jsonl`，不用第三次投票）
-- 生成统计：{"generated": 1328, "accepted": 900, "disputed": 113, "dispute_rate": 0.08509036144578314, "generator": "agent-template-v1", "reviewer": "agent-rule-v1", "seed": 20260919}
-- 配额：{"choice": {"actual": 400, "target": 400, "max_share_delta": 0.0, "ok": true}, "collect": {"actual": 400, "target": 400, "max_share_delta": 0.0, "ok": true}, "none": {"actual": 100, "target": 100, "max_share_delta": 0.0, "ok": true}}
-- 长度：{"n": 900, "p25": 3.0, "median": 11.0, "p75": 25.0}
-- sha256 simulated: `a8611e75bf56024fa984fb204d34a5e16405f18b3eaa5a3bee91f96e43918bf7`
-- sha256 disputed: `b4aed8567bd6b3fdd5cc98c73d9139197d62a96120a0ee29f474b8f08c050def`
+- 生成模型：`deepseek-flash`（temperature 0.85，prompt_version `gen-review-v3`）
+- 复核模型：`deepseek-flash`（temperature 0.0，同一家模型、不同提示、看不到标签）
+- 生成统计：{"generated": 1261, "accepted_raw": 1225, "accepted": 900, "disputed": 36, "dispute_rate": 0.028548770816812053, "generator": "deepseek-flash", "reviewer": "deepseek-flash", "prompt_version": "gen-review-v3", "seed": 20260919, "usage": {"generate_input_tokens": 553685, "generate_output_tokens": 18677, "review_input_tokens": 700669, "review_output_tokens": 29296, "generate_calls": 1389, "review_calls": 1318, "generate_cached": 53, "review_cached": 79}, "reselect_only": true}
+- 争议分层：{"by_layer": {"collect": 33, "choice": 3}, "by_intent": {"answer_current_focus": 33, "unclear": 3}}
+- 配额：{"choice": {"actual": 400, "target": 400, "max_share_delta": 0.045, "ok": true}, "collect": {"actual": 400, "target": 400, "max_share_delta": 0.0325, "ok": true}, "none": {"actual": 100, "target": 100, "max_share_delta": 0.0, "ok": true}}
+- 长度：{"n": 900, "p25": 16.0, "median": 20.0, "p75": 24.0, "min": 6.0, "max": 39.0}
+- 人设：{"choice_collect": {"rambling": 371, "answer_then_event": 94, "deny_then_event": 49, "terse": 51, "impatient_stop": 57, "ask_result": 51, "off_topic": 48, "dialect_netspeak": 79}, "all": {"rambling": 407, "answer_then_event": 94, "deny_then_event": 49, "terse": 71, "impatient_stop": 63, "ask_result": 54, "off_topic": 53, "dialect_netspeak": 109}, "each_ge_40": true, "terse_dialect_share_all": 0.2, "terse_dialect_share_choice_collect": 0.1625, "min_choice_collect": 48}
+- 去重：{"n": 900, "unique": 825, "max_repeat": 5, "unique_ok": true, "repeat_ok": true}
+- sha256 simulated: `53f13012fdc8f3721335bbe2961edf8c506a2f705b62bd9d302fce83ce2ef88d`
+- sha256 disputed: `e80c5cd69c521a099d743e4a4632ad6bc103c3b5a505f5b376a7c9cebedb7646`
 - 问题池条数（点选题）：103
 
+### 生成提示原文
+
+系统：`你在模拟一位真人用户，正在做出生时间校正问答。只输出用户会打的那句话，不要解释，不要加引号，不要输出 JSON。`
+
+用户提示模板示例：
+
+```
+当前问题：
+2023 年前后，工作状态是否出现明显变化？
+
+选项：
+- A. 这段时间没有明显变化（对应态度：no）
+- B. 记不清当时的情况（对应态度：unsure）
+- C. 变化明显而且时间吻合（对应态度：yes）
+- D. 有变化但程度比较弱（对应态度：weak_yes）
+
+你必须体现的语义（不要写出这些标签名，不要解释标签）：
+- 这句话的作用：这句话是在直接回答当前这道题，不是另起一件无关的事，不是要求停止整套校正，也不是在问结果。
+- 对当前问题的态度：明确否定当前问题：没有发生、没有变化、这方面没什么。不要再补一句「其实也有一点」。
+- 是否另说一件带年月的新经历：不要另说一件带年份或月份的新经历。若当前是采集题且态度是肯定或弱肯定，可以在回答里带上这件事本身的年月，那是在答当前题，不是另说一件；这种情况下也必须出现四位数字年份。若不是采集题的肯定回答，不要写任何 19xx / 20xx 年份。
+
+
+人设：口语啰嗦，会绕半句再落到要点，但仍要把必需要素说清楚。少用「嗯/啊/emmm」。
+
+硬约束：
+- 只输出用户会打的那句话
+- 字数约 16–28 个汉字（含标点），不要明显超出
+- 不得逐字复述上面的选项原文
+- 不得出现真实姓名、地名、学校名、公司名、医院名、单位名
+- 不要用「有的 / 发生了 / 就是那段 / 没这回事」这种套话，写得像真人随手打的
+- 需要带时间时，用大概年份或年月，事件用普通生活经历
+
+```
+
+### 复核提示原文
+
+系统：`你只做出生时间校正当前轮的意图分类。不回答用户，不修改状态。只输出一个 JSON 对象，不要解释。`
+
+用户提示模板示例：
+
+```
+根据当前问题和用户回复分类。看不到任何预设标签。
+
+intent 只能是：
+- answer_current_focus：用户在回答当前问题
+- provide_new_evidence：没有回答当前问题，只补充了一件带大概年或月的经历
+- stop_rectification：明确要求停止整个校正；说当前这件事没发生不是停止
+- ask_about_result：在问结果、范围、候选分钟或好了没
+- unclear：以上都不成立，或混在一起无法单选
+
+answer_class：
+- 仅当 intent 是 answer_current_focus 时非空，否则必须为 null
+- 点选题：按选项 label 的含义选 yes / weak_yes / no / unsure，不要按 A/B/C/D 位置猜
+- 采集题：没有/没发生/这方面没什么 → no；记不清/不记得/忘了/想不起来/以后再说 → unsure；
+  用带大概年月的经历直接回答当前采集题 → yes（程度弱则为 weak_yes）
+- 不要把「没有」或「记不清」标成 yes
+- 采集题若既没有否定、也没有记不清、也没有带年月经历 → intent 为 unclear，answer_class 为 null
+- 同一句既明确否定当前采集题又补充了新的带时间经历：intent 仍为 answer_current_focus，answer_class 为 no
+
+has_new_dated_event：
+- 仅在同一句里除了回答当前问题之外，还提供了新的、带大概时间的经历时为 true
+- 单纯否定、单纯记不清、或只用带年月经历来直接回答当前采集题，都是 false
+- 无当前问题时，带年月的经历 → intent 为 provide_new_evidence，has_new_dated_event 为 true
+
+只输出：
+{"intent":"...","answer_class":"yes"|"weak_yes"|"no"|"unsure"|null,"has_new_dated_event":true|false}
+
+
+当前问题：
+2023 年前后，工作状态是否出现明显变化？
+
+选项：
+- A. 这段时间没有明显变化 (answer_class=no)
+- B. 记不清当时的情况 (answer_class=unsure)
+- C. 变化明显而且时间吻合 (answer_class=yes)
+- D. 有变化但程度比较弱 (answer_class=weak_yes)
+
+用户回复：
+（用户回复）
+
+```
+
 公开案例姓名不得出现在回复正文。