research(jev-intent): fix2 把来源 B 现行与高置信错误补进报告

离线从 cache 聚合，不重跑模型。无焦点层 Flash 69.7% 低于 Jev 78.8%。采集层相对门槛标不可判。
docs(tasks): Jev 意图分类修复轮验收——结论缺数据采纳，报告补漏单 fix2
2026-09-19 12:28:43 +08:00 · 2026-09-19 12:12:24 +08:00 · 2026-09-19 11:32:27 +08:00
18 changed files with 721 additions and 66 deletions
@@ -1,5 +1,9 @@
 # 印度占星 Skill 更新日志

+## 2026-09-19 — 设置弹窗布局与资料入口整理
+
+设置弹窗的四个分区继续共用固定外框，桌面导航加宽并与内容区分隔，右侧内容增加稳定内边距，表单阅读宽度更舒适；导航去掉会误导成页面跳转的右箭头。个人资料的账户头像预览放大到 56px，星盘资料的“添加其他人”移到分组标题旁，列表较长时也容易找到。Skill 版本不变（纯界面改动）。
+
 ## 2026-09-18 — 账户弹窗重新能点；校正读不到下一题时会说出来

 侧栏打开个人资料、星盘资料、设置、点数或退出登录时，弹窗里的按钮和表单又能点了，确认退出也恢复了。生时校正如果没读到下一题，会写「这一问还没读到。」并给出「重新读取」，不再停在空白里装没事。Skill 版本不变。
@@ -12781,3 +12781,19 @@
 - 关联记录：BUG-525（题干经 asked_turn_id 挂上）、BUG-930（回答钉顶：只见最后一轮是设计）、BUG-965
 - 复发自：待确认
 - 修复版本：`824ecff0`
+
+## BUG-970 | 设置弹窗内容区留白过大、导航入口语义像页面跳转
+
+- 状态：investigating
+- 首次发现：2026-09-19
+- 最近更新：2026-09-19
+- 影响面：设置弹窗的桌面布局、个人资料头像区、星盘资料列表入口。
+- 用户现象：设置弹窗左侧导航过窄，右侧内容贴边且留下较大空白；分区按钮尾部箭头暗示会进入下一页；个人资料头像锚点偏小；星盘资料的添加入口位于列表末尾，资料较多时不稳定。
+- 触发条件：登录后打开设置弹窗，在桌面宽度切换四个设置分区，查看个人资料或星盘资料列表。
+- 根因：旧布局使用 176px 导航、三列导航按钮（为同弹窗内切换保留无实际用途的箭头列）、内容区没有明确内边距，表单子内容上限为 440px；头像编辑仍以 48px 预览布局；添加入口与列表内容耦合在列表底部。
+- 修复：导航调整为 200px 并增加 hairline 边界，移除误导性尾部箭头；内容区增加 32px 桌面内边距，表单阅读上限调整为 560px；个人资料头像预览调整为 56px；“添加其他人”移动到“其他人”分组标题操作区。保留四分区共享 `.settings-modal` 和 `vh` + `@supports (height: 1dvh)` 回退契约。
+- 验证：`./node_modules/.bin/tsc --noEmit` 安装依赖后退出码 0；`npm run lint` 退出码 0（0 errors、120 warnings）；设置相关定向测试 21/21 通过。广泛测试筛选命令为 3481 tests / 3402 pass / 79 fail，失败集中在重复迁移、Windows 路径、Docker/数据库和技能 symlink 等环境或基线问题，不能作为本轮 UI 回归归因。`npm run build` 已完成编译和 TypeScript，但在收集 `/api/daily-starlanguage` 页面数据时因 Windows 禁止创建 Skill runtime symlink（`EPERM`）失败，因此尚未确认 `/` Static 或首屏 gzip；登录态浏览器走查仍待受控环境。
+- 防复发：设置导航继续使用 icon + label 的两列结构且不添加页面跳转箭头；右侧滚动容器负责内边距，表单 cap 只作用于其子内容；列表视图默认不渲染表单，添加入口固定在“其他人”标题操作区；`frontend/DESIGN.md` 与合同测试同步锁定这些关系。
+- 相关记录：BUG-554、BUG-698
+- 复发自：无
+- 修复版本：待发布
@@ -244,6 +244,180 @@
        "cost_usd": 0.001293768
      }
    },
+    "current_source_b": {
+      "n": 157,
+      "unavailable": 0,
+      "intent_acc": 0.89171974522293,
+      "answer_class_acc": 0.9702970297029703,
+      "answer_class_n": 101,
+      "dated_acc": 0.9363057324840764,
+      "all_acc": 0.8407643312101911,
+      "high_conf_error_rate": null,
+      "low_conf_coverage": null,
+      "low_conf_recall": null,
+      "no_vs_unsure": 0,
+      "median_ms": 685.0,
+      "p95_ms": 938.0,
+      "mean_input_tokens": 516.6496815286624,
+      "cost_usd": 0.0034067880000000004
+    },
+    "current_source_b_by_layer": {
+      "choice": {
+        "n": 17,
+        "unavailable": 0,
+        "intent_acc": 0.8823529411764706,
+        "answer_class_acc": 1.0,
+        "answer_class_n": 1,
+        "dated_acc": 0.8823529411764706,
+        "all_acc": 0.8823529411764706,
+        "high_conf_error_rate": null,
+        "low_conf_coverage": null,
+        "low_conf_recall": null,
+        "no_vs_unsure": 0,
+        "median_ms": 657.0,
+        "p95_ms": 763.0,
+        "mean_input_tokens": 450.5882352941176,
+        "cost_usd": 0.00032172
+      },
+      "collect": {
+        "n": 107,
+        "unavailable": 0,
+        "intent_acc": 0.9532710280373832,
+        "answer_class_acc": 0.97,
+        "answer_class_n": 100,
+        "dated_acc": 0.9439252336448598,
+        "all_acc": 0.8785046728971962,
+        "high_conf_error_rate": null,
+        "low_conf_coverage": null,
+        "low_conf_recall": null,
+        "no_vs_unsure": 0,
+        "median_ms": 689.0,
+        "p95_ms": 938.0,
+        "mean_input_tokens": 528.9345794392524,
+        "cost_usd": 0.0023770320000000003
+      },
+      "none": {
+        "n": 33,
+        "unavailable": 0,
+        "intent_acc": 0.696969696969697,
+        "answer_class_acc": null,
+        "answer_class_n": 0,
+        "dated_acc": 0.9393939393939394,
+        "all_acc": 0.696969696969697,
+        "high_conf_error_rate": null,
+        "low_conf_coverage": null,
+        "low_conf_recall": null,
+        "no_vs_unsure": 0,
+        "median_ms": 715.0,
+        "p95_ms": 978.0,
+        "mean_input_tokens": 510.8484848484849,
+        "cost_usd": 0.0007080360000000001
+      }
+    },
+    "source_b_jev_self_consistency": {
+      "all": 0.9617834394904459,
+      "choice": 0.9411764705882353,
+      "collect": 0.9906542056074766,
+      "none": 0.8787878787878788
+    },
+    "source_b_none_confusion": {
+      "jev": {
+        "labels": [
+          "provide_new_evidence",
+          "stop_rectification",
+          "ask_about_result",
+          "unclear",
+          "answer_current_focus"
+        ],
+        "counts": {
+          "provide_new_evidence": {
+            "provide_new_evidence": 24,
+            "stop_rectification": 0,
+            "ask_about_result": 0,
+            "unclear": 0,
+            "answer_current_focus": 0
+          },
+          "stop_rectification": {
+            "provide_new_evidence": 0,
+            "stop_rectification": 0,
+            "ask_about_result": 0,
+            "unclear": 0,
+            "answer_current_focus": 0
+          },
+          "ask_about_result": {
+            "provide_new_evidence": 0,
+            "stop_rectification": 0,
+            "ask_about_result": 1,
+            "unclear": 0,
+            "answer_current_focus": 0
+          },
+          "unclear": {
+            "provide_new_evidence": 0,
+            "stop_rectification": 0,
+            "ask_about_result": 0,
+            "unclear": 1,
+            "answer_current_focus": 7
+          },
+          "answer_current_focus": {
+            "provide_new_evidence": 0,
+            "stop_rectification": 0,
+            "ask_about_result": 0,
+            "unclear": 0,
+            "answer_current_focus": 0
+          }
+        },
+        "other": 0,
+        "n": 33
+      },
+      "current": {
+        "labels": [
+          "provide_new_evidence",
+          "stop_rectification",
+          "ask_about_result",
+          "unclear",
+          "answer_current_focus"
+        ],
+        "counts": {
+          "provide_new_evidence": {
+            "provide_new_evidence": 21,
+            "stop_rectification": 0,
+            "ask_about_result": 0,
+            "unclear": 0,
+            "answer_current_focus": 3
+          },
+          "stop_rectification": {
+            "provide_new_evidence": 0,
+            "stop_rectification": 0,
+            "ask_about_result": 0,
+            "unclear": 0,
+            "answer_current_focus": 0
+          },
+          "ask_about_result": {
+            "provide_new_evidence": 0,
+            "stop_rectification": 0,
+            "ask_about_result": 0,
+            "unclear": 1,
+            "answer_current_focus": 0
+          },
+          "unclear": {
+            "provide_new_evidence": 1,
+            "stop_rectification": 0,
+            "ask_about_result": 0,
+            "unclear": 2,
+            "answer_current_focus": 5
+          },
+          "answer_current_focus": {
+            "provide_new_evidence": 0,
+            "stop_rectification": 0,
+            "ask_about_result": 0,
+            "unclear": 0,
+            "answer_current_focus": 0
+          }
+        },
+        "other": 0,
+        "n": 33
+      }
+    },
    "representativeness": {
      "note": "来源 B 与来源 C 同层 intent 准确率：choice B 94.1% vs C 99.0%（差 4.9%，n_B=17）；collect B 94.4% vs C 92.2%（差 2.1%，n_B=107）；none B 78.8% vs C 96.0%（差 17.2%，n_B=33）。 有层差 > 10pp，结论降为缺数据。",
      "fail": true,
@@ -101740,7 +101914,7 @@
  },
  "conclusion": {
    "verdict": "缺数据",
-    "reason": "来源 B 与来源 C 同层 intent 准确率差 > 10pp，模拟语料不代表真人，来源 C 门槛结论降为缺数据。来源 B 与来源 C 同层 intent 准确率：choice B 94.1% vs C 99.0%（差 4.9%，n_B=17）；collect B 94.4% vs C 92.2%（差 2.1%，n_B=107）；none B 78.8% vs C 96.0%（差 17.2%，n_B=33）。 有层差 > 10pp，结论降为缺数据。 同时来源 C 绝对门槛未过：低置信召回 23.1% / 45.5% / 25.0% < 60%（错了却仍高置信）。 相对 −3pp（同一样本）：choice Jev 99.0% vs 现行 98.8%（门槛 95.8%，过）；collect Jev 92.2% vs 现行 97.5%（门槛 94.5%，未过）；none Jev 96.0% vs 现行 94.0%（门槛 91.0%，过）。",
+    "reason": "来源 B 与来源 C 同层 intent 准确率差 > 10pp，模拟语料不代表真人，来源 C 门槛结论降为缺数据。来源 B 与来源 C 同层 intent 准确率：choice B 94.1% vs C 99.0%（差 4.9%，n_B=17）；collect B 94.4% vs C 92.2%（差 2.1%，n_B=107）；none B 78.8% vs C 96.0%（差 17.2%，n_B=33）。 有层差 > 10pp，结论降为缺数据。 同时来源 C 绝对门槛未过：低置信召回 23.1% / 45.5% / 25.0% < 60%（错了却仍高置信）。 相对 −3pp（同一样本）：choice Jev 99.0% vs 现行 98.8%（门槛 95.8%，过）；collect Jev 92.2% vs 现行 97.5%（门槛 94.5%，不可判（复核与对照同源））；none Jev 96.0% vs 现行 94.0%（门槛 91.0%，过）。",
    "if_connect": "不得上线。先补真机样本或重造更像真人的来源 C，再测。"
  }
 }
@@ -15,7 +15,7 @@

 ## 结论

-**缺数据**。来源 B 与来源 C 同层 intent 准确率差 > 10pp，模拟语料不代表真人，来源 C 门槛结论降为缺数据。来源 B 与来源 C 同层 intent 准确率：choice B 94.1% vs C 99.0%（差 4.9%，n_B=17）；collect B 94.4% vs C 92.2%（差 2.1%，n_B=107）；none B 78.8% vs C 96.0%（差 17.2%，n_B=33）。 有层差 > 10pp，结论降为缺数据。 同时来源 C 绝对门槛未过：低置信召回 23.1% / 45.5% / 25.0% < 60%（错了却仍高置信）。 相对 −3pp（同一样本）：choice Jev 99.0% vs 现行 98.8%（门槛 95.8%，过）；collect Jev 92.2% vs 现行 97.5%（门槛 94.5%，未过）；none Jev 96.0% vs 现行 94.0%（门槛 91.0%，过）。
+**缺数据**。来源 B 与来源 C 同层 intent 准确率差 > 10pp，模拟语料不代表真人，来源 C 门槛结论降为缺数据。来源 B 与来源 C 同层 intent 准确率：choice B 94.1% vs C 99.0%（差 4.9%，n_B=17）；collect B 94.4% vs C 92.2%（差 2.1%，n_B=107）；none B 78.8% vs C 96.0%（差 17.2%，n_B=33）。 有层差 > 10pp，结论降为缺数据。 同时来源 C 绝对门槛未过：低置信召回 23.1% / 45.5% / 25.0% < 60%（错了却仍高置信）。 相对 −3pp（同一样本）：choice Jev 99.0% vs 现行 98.8%（门槛 95.8%，过）；collect Jev 92.2% vs 现行 97.5%（门槛 94.5%，不可判（复核与对照同源））；none Jev 96.0% vs 现行 94.0%（门槛 91.0%，过）。

 若接：不得上线。先补真机样本或重造更像真人的来源 C，再测。

@@ -41,18 +41,49 @@

 同一样本上 Jev vs 现行（相对门槛用这一表）：

-| 层 | n | Jev intent | 现行 intent | 差（Jev−现行） | 门槛现行−3pp |
-| --- | ---: | ---: | ---: | ---: | ---: |
-| choice | 400 | 99.0% | 98.8% | 0.2% | 95.8% |
-| collect | 400 | 92.2% | 97.5% | -5.2% | 94.5% |
-| none | 100 | 96.0% | 94.0% | 2.0% | 91.0% |
+| 层 | n | Jev intent | 现行 intent | 差（Jev−现行） | 门槛现行−3pp | 判定 |
+| --- | ---: | ---: | ---: | ---: | ---: | --- |
+| choice | 400 | 99.0% | 98.8% | 0.2% | 95.8% | 过 |
+| collect | 400 | 92.2% | 97.5% | -5.2% | 94.5% | 不可判（复核与对照同源） |
+| none | 100 | 96.0% | 94.0% | 2.0% | 91.0% | 过 |

 ## 代表性检验（来源 B vs 来源 C）

-来源 B 已标注 157 条（点选 17 / 采集 107 / 无焦点 33；未标注 0），长度 P25/中位/P75/最长 = 12/21/28/172。人工标注，未用模型代标。Jev 在来源 B 上 intent：点选 94.1%、采集 94.4%、无焦点 78.8%；全集 91.1%。无焦点层差 17.2pp > 10pp。
-
 来源 B 与来源 C 同层 intent 准确率：choice B 94.1% vs C 99.0%（差 4.9%，n_B=17）；collect B 94.4% vs C 92.2%（差 2.1%，n_B=107）；none B 78.8% vs C 96.0%（差 17.2%，n_B=33）。 有层差 > 10pp，结论降为缺数据。

+来源 B 是真人 + 人工标注 + 线上模型三者齐备的唯一一组。现行无置信度，置信度三列为空。
+
+| 范围 | n | Jev intent | 现行 intent | Jev 高置信错误 | Jev 低置信召回 | Jev 自洽 |
+| --- | ---: | ---: | ---: | ---: | ---: | ---: |
+| 全集 | 157 | 91.1% | 89.2% | 6.4% | 24.1% | 96.2% |
+| choice | 17 | 94.1% | 88.2% | 0.0% | 66.7% | 94.1% |
+| collect | 107 | 94.4% | 95.3% | 5.6% | 18.2% | 99.1% |
+| none | 33 | 78.8% | 69.7% | 12.1% | 20.0% | 87.9% |
+
+无焦点层现行 intent 69.7%、Jev 78.8%。现行更低，说明 78.8% 主要是这 33 条本身难，不是单 Jev 不行。
+
+无焦点层 gold × 预测混淆计数（只有计数，无原文）。预测出现 `answer_current_focus` 是因为模型把无焦点句当成在回答采集题。
+
+### gold × Jev（n=33）
+
+| gold \ pred | provide_new_evidence | stop_rectification | ask_about_result | unclear | answer_current_focus |
+| --- | ---: | ---: | ---: | ---: | ---: |
+| provide_new_evidence | 24 | 0 | 0 | 0 | 0 |
+| stop_rectification | 0 | 0 | 0 | 0 | 0 |
+| ask_about_result | 0 | 0 | 1 | 0 | 0 |
+| unclear | 0 | 0 | 0 | 1 | 7 |
+| answer_current_focus | 0 | 0 | 0 | 0 | 0 |
+
+### gold × 现行（n=33）
+
+| gold \ pred | provide_new_evidence | stop_rectification | ask_about_result | unclear | answer_current_focus |
+| --- | ---: | ---: | ---: | ---: | ---: |
+| provide_new_evidence | 21 | 0 | 0 | 0 | 3 |
+| stop_rectification | 0 | 0 | 0 | 0 | 0 |
+| ask_about_result | 0 | 0 | 0 | 1 | 0 |
+| unclear | 1 | 0 | 0 | 2 | 5 |
+| answer_current_focus | 0 | 0 | 0 | 0 | 0 |
+
 ## 置信度–准确率曲线与 θ

 推荐 θ = 0.9。点：
@@ -154,6 +185,25 @@
 | 若同一句话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 且 answer_class 为 no，不要改成 provide_new_evidence。 | Code keeps no + Noul true. Jev intent/Noul are independent. | Jev may split this pair; code does not re-vote intent from the Noul. |
 | 不要按关键词表或正则猜测，只根据当前问题与用户这句话的语义分类。 | Not sent. Jev has no keyword table in the question. | The meta-instruction is dropped (Jev answers the written question, not the intended one). |

+## 限制
+
+1. **复核 ≈ 生产提示，且复核模型 = 对照模型。** `REVIEW_RUBRIC` 与生产 `COLLECT_INSTRUCTIONS` 逐句对应；生成 / 复核 / 对照都是 `deepseek-flash`。进入测试集的 900 条是「Flash 用近生产提示能答对目标标签」的那 900 条，被剔的 36 条恰是 Flash 不同意的。因此来源 C 上现行 97.5% / 98.8% / 94.0% 是构造出来的上界。采集层「Jev 92.2% 未过相对门槛 94.5%」**不可当作 Jev 输给现行的证据**。
+2. **采集层 intent 错例的 gold 有争议。** 来源 C 采集层 Jev intent 错例 31 条：`provide_new_evidence → answer_current_focus` 17、`unclear → answer_current_focus` 9、`stop → unclear` 4、`ask → unclear` 1。17 条 pne 几乎全是「另外 2019 年我换工作搬了家」句式，若干尾句落在当前题域，按生产提示可读成 `answer_current_focus + unsure`。9 条 unclear（「一时半会儿真捋不明白」）按「记不清 → unsure」也读得通。两类合计 ≥ 20 条，占该层 intent 错例约 2/3。gold 来自「生成目标 + Flash 复核同意」，不等于人工真值。改写示例：
+   - 「另外 2019 年换过工作，感情那会儿真没细想。」gold=provide_new_evidence；可读成在回答感情采集题。
+   - 「另外 2019 年搬了家，工作那摊子反而没顾上细想。」gold=provide_new_evidence；可读成在回答工作采集题。
+   - 「这事我一时真说不上来。」gold=unclear；按生产提示是 unsure。
+3. **语料仍不像真人。** 修复单 1 只把长度和人设写成硬红线（已过）。原单还要求按来源 B 的标点 / 语气词比例约束，未进红线：
+
+| 指标 | 来源 B（真人） | 来源 C（模拟） |
+| --- | ---: | ---: |
+| 含标点 | 13% | 98.9% |
+| 含语气词（吧/呢/啊/嗯/哦/额/emm） | 4% | 25.6% |
+| 含年份或月份 | 81% | 47.8% |
+| 带年份句里写「2019」 | — | 236 / 429 = 55% |
+| `provide_new_evidence` 里是搬家/换工作 | — | 152 / 157 |
+
+根因：生成脚本 `ALT_EVENT_HINTS` 给七个领域的「另一件事」全是搬家/换工作，年份未约束，模型收敛到「另外 2019 年搬过家」。这解释了模拟语料不代表真人的一部分，也解释了采集层错例为何长得一样。本单不修，留给产品决定是否再造一轮。
+
 ## 回退

 任何上线方案必须保留回退到现行会话模型的路径。官方限流会动态调整。
@@ -119,3 +119,20 @@ cache 样本 id 与 `simulated.jsonl` 一致（900/900）。unavailable = 0。
 - `python -m pytest tests/test_jev_intent_research.py -q`：11 passed
 - 构建脚本无 `bank = {`；复核函数无 `re.search` 判标签
 - 线上分类器文件未改
+
+## 修复轮 2（2026-09-19，`codex/rectification-jev-intent-research-fix2-20260919`）
+
+任务书：`TASK-rectification-jev-intent-classifier-research-fix2-20260919.md`。**0 token**：从 `.cache/jev_intent/jev_runs_v2.json` 聚合已跑结果，未重造语料、未重跑模型。
+
+补进报告的三组数（来源 B 157 条）：
+
+| 范围 | n | Jev intent | 现行 Flash intent | Jev 高置信错误 | Jev 低置信召回 | Jev 自洽 |
+| --- | ---: | ---: | ---: | ---: | ---: | ---: |
+| 全集 | 157 | 91.1% | 89.2% | **6.4%** | 24.1% | 96.2% |
+| 点选 | 17 | 94.1% | 88.2% | 0.0% | 66.7% | 94.1% |
+| 采集 | 107 | 94.4% | 95.3% | 5.6% | 18.2% | 99.1% |
+| 无焦点 | 33 | 78.8% | **69.7%** | **12.1%** | 20.0% | 87.9% |
+
+无焦点层 7 条 Jev 错全是 `unclear → answer_current_focus`。现行在无焦点上更低（69.7%），10 条错里 5 条同样是 `unclear → answer_current_focus`。说明 78.8% 主要是这 33 条难，不是单 Jev 不行。
+
+采集层相对门槛改为「不可判（复核与对照同源）」。限制三节已写入报告。结论仍 **缺数据**，不上线。未立 BUG。
@@ -0,0 +1,43 @@
+# 设置面板 UI 改造进度
+
+- 日期：2026-09-19
+- 基线：`origin/staging` / `4f4cd684`
+- 分支：`codex/settings-ui-20260919`
+- 范围：设置弹窗布局、个人资料、星盘资料列表入口；不修改账户 API、星盘 API、数据库或工作流。
+
+## 已完成
+
+- 设置弹窗保留四个分区共用 `.settings-modal`，桌面左侧导航从 176px 调整为 200px，并增加导航与内容之间的 hairline 分隔。
+- 设置导航移除误导性的尾部右箭头，保留图标 + 分区名称；标题增加“设置”眉标题并保留当前分区标题。
+- 右侧内容区增加桌面 32px 内边距，表单阅读宽度上限从 440px 调整为 560px；移动端使用 16px 内容内边距。
+- 保留 `vh` 基线与 `@supports (height: 1dvh)` 升级，不回退到会被压缩器吃掉的重复声明写法。
+- 个人资料头像文案改为“账户头像”，Beam 说明收紧，预览从 48px 改为 56px；同步桌面与移动端 CSS。
+- “添加其他人”移动到“其他人”分组标题右侧，列表继续默认不展开表单。
+- 更新 `frontend/DESIGN.md`、设置布局合同测试、资料面板测试和星盘资料合同测试。
+
+## 断言变更记录
+
+| 文件 | 原值 | 新值 | 原因 |
+| --- | --- | --- | --- |
+| `frontend/tests/profile-panel.test.ts` | `size={48}` | `size={56}` | 头像预览需要更清晰的视觉锚点，并与账户身份区留出稳定间距。 |
+| `frontend/tests/account-dialog-overlay.test.ts` | 表单 cap 420–460px | `max-width: 560px` | 内容区已有明确内边距，资料表单需要舒适阅读宽度，避免右侧留下过大的空白。 |
+
+## 测试结果
+
+已执行结果：
+
+- `npm run lint`：退出码 0，120 warnings、0 errors；警告与本轮改动无关，未顺手修改。
+- `./node_modules/.bin/tsc --noEmit`：安装当前 worktree 依赖后无输出并以退出码 0 结束。
+- 设置相关定向测试：21 tests / 21 pass / 0 fail，覆盖设置导航、固定外框、两列导航、内容内边距、560px 表单 cap、头像 56px、星盘资料列表入口与详情动作。
+- 全量 `npm test -- --test-name-pattern=...`：退出码 1，3481 tests / 3402 pass / 79 fail；失败集中包含重复迁移文件、Windows 路径拼接、Docker/数据库和技能 symlink 权限等环境或基线问题，不能宣称全量通过，需与基线逐条比对。
+- `npm run build`：编译与 TypeScript 阶段通过，但在收集 `/api/daily-starlanguage` 页面数据时因 Windows 禁止创建 Skill runtime symlink 失败；这是环境权限缺口，不是本轮设置 UI 编译错误。构建未形成可用于确认 `/` Static 或首屏 gzip 的完整产物。
+
+## 浏览器验收环境缺口
+
+尚未进行登录态下的浏览器截图级走查。需要受控账号、Chrome/真实设备和真实设置内容，按 `docs/testing/settings-dialog-20260916.md` 复核四分区切换、深色主题、移动端四栏、个人资料头像和星盘资料列表。没有受控登录态或 Chrome 时，不把该项写成通过。
+
+## 未完成事项
+
+- 浏览器/真实设备验收仍待具备受控登录态与 Chrome 的环境执行；BUG-970 继续保持 `investigating`。
+- 构建因 Windows Skill runtime symlink 权限缺口未完成页面数据收集，需在允许 symlink 的环境复跑，才能确认 `/` Static 与首屏 gzip。
+- 完整测试的 79 个失败需在可用环境与基线逐条比对；本记录不把它们归因于本轮 UI 改动。
@@ -234,7 +234,7 @@
 | `TASK-rectification-open-collect-invite-20260914.md` | `PROGRESS-rectification-open-collect-invite-20260914.md` | **P0**：固定七条采集线问完后只说「能问的都问完了」，用户不知道还能补经历、也不知道补了有用；而两轮研究证明补带年月经历是唯一有效手段。产品拍板：交付卡照出 + 卡上给不限领域的补充邀请（先要确切日期，再退年月；举七条线之外的例子），补完必须可见生效（BUG-689） | 待验收 | `codex/rectification-open-collect-invite-20260914` |

 | `TASK-rectification-cluster-width-research-20260914.md` | `PROGRESS-rectification-cluster-width-research-20260914.md` | **研究单**：上一轮证明调权重改不动交付区间宽度——所有方案宽度中位数都等于整个搜索窗。先确认 sweep 的宽度口径是否含淘汰（M0），再画簇结构像（M1），最后量三个改法：放宽簇上限、按分差决定是否合并、交付区间改分位覆盖（M2）。真值覆盖率不得下降 | 待验收 | `codex/rectification-cluster-width-research-20260914` |
-| `TASK-rectification-jev-intent-classifier-research-20260919.md` | `PROGRESS-rectification-jev-intent-classifier-research-20260919.md` | **研究单**：TypeSafe Jev（只做 Choice/Score/Noul 的校准判断模型，$0.042/Mtok）能否接管校正流的意图分类。产品 09-19 授权评估（推翻 09-15「分类只用贵模型」需重新拍板）。Agent 模拟校正流造 ≥900 条中文语料（标签先定、独立复核）+ 真机样本做代表性锚，量准确率 / 高置信错误率 / 低置信召回 / 延迟；只离线测，不改线上 | **待验收**（修复轮已交，结论 **缺数据**） | 修复单 `TASK-rectification-jev-intent-classifier-research-fix-20260919.md` 已做完。来源 C 由 DeepSeek Flash 生成+复核（900 条，争议率 2.85%）；来源 B 157 条已人工标注。Jev 无焦点层 vs 真人差 17.2pp > 10pp。落点分支 `codex/rectification-jev-intent-research-fix-20260919` |
+| `TASK-rectification-jev-intent-classifier-research-20260919.md` | `PROGRESS-rectification-jev-intent-classifier-research-20260919.md` | **研究单**：TypeSafe Jev（只做 Choice/Score/Noul 的校准判断模型，$0.042/Mtok）能否接管校正流的意图分类。产品 09-19 授权评估（推翻 09-15「分类只用贵模型」需重新拍板）。Agent 模拟校正流造 ≥900 条中文语料（标签先定、独立复核）+ 真机样本做代表性锚，量准确率 / 高置信错误率 / 低置信召回 / 延迟；只离线测，不改线上 | **待验收**（fix2 已交，结论仍 **缺数据**） | `codex/rectification-jev-intent-research-fix2-20260919`。来源 B 现行 Flash 已入表（全集 89.2%、无焦点 69.7%）；Jev 高置信错误全集 6.4% / 无焦点 12.1%；无焦点混淆全是 unclear→answer_current_focus。采集层相对门槛标不可判。 |

 | `TASK-rectification-minute-resolution-research-20260914.md` | `PROGRESS-rectification-minute-resolution-research-20260914.md` | **研究单**：候选分不开的根因是打分尺度——窗口内恒定项 11.5 分 vs 随分钟变化项 2.125 分（≈5:1）。先修封存基准（v3 每例仅 3 件事且被标 invalidated）出 v4，再离线量五个改法：分盘除数、去底座、**KP 宫头子主计分（产品 09-14 拍板，推翻 BUG-325 一条红线）**、年精度事件改边际似然、聚类签名层对齐。有收益才立实现单 | 待验收 | `codex/rectification-minute-resolution-research-20260914` |

@@ -283,6 +283,7 @@
 | `TASK-sidebar-unify-20260916.md` | `PROGRESS-sidebar-unify-20260916.md` | **侧栏统一成一个组件 + 次级页共享外壳 + 跳转不整页刷新（纯前端）**：`/` 用 `AppSidebar`、四个次级页用另写的 `AppNavRail`，两套标记结构共用一份 CSS，会话行少 `.session-main` 一层（无内边距 / 44px 高 / 当前项标记、留 44px 空列）、页脚 56px 菜单 vs 44px 文字；首页进次级页是 `window.location.assign` 整页刷新，次级页各自在组件里挂 `SecondaryShell`、无共享 layout 无缓存，每次跳转重拉 `/api/sessions` + `/api/account`；折叠状态不持久。产品拍板 D1 只留一个 `AppSidebar`（操作回调可选 = 只读模式，D9「不带写操作」维持）、D2 路由组 `app/(secondary)/` layout 承载外壳、D3 改 `<Link>`、D4 模块级 60 s 缓存 + 首页写操作失效、D5 折叠状态存 cookie、D6 回首页慢的启动链另开一单。实测：接口 TTFB 0.63～0.90 s，回 `/` 启动链串行 ≥4 次往返 + 揭幕闸门 4 s。BUG-744～746 | 已验收（2026-09-16，Opus 子代理实现 `22edabbc`，门禁全绿、失败清单与基线逐条相同；折叠状态取 localStorage 触发让步 1；真机清单待走） | `codex/sidebar-unify-20260916` |
 | `TASK-rectification-precision-gate-guided-collect-fix-20260916.md` | `PROGRESS-rectification-precision-gate-guided-collect-fix-20260916.md` | **验收修复单**：F1 `decision_receipt` 新增 `guided_collect_windows` 让 `test_rectification_engine_memoization` golden 红（在 CORE_PYTEST_TARGETS，staging 未部署 cfb41daf）；F2 16 条既有校正断言红未按三栏改；F3 `mayDeliverOnPrecision` 缺省即放行、短路 BUG-654 且 `guidedCollectExhausted` 不含 refresh；F4 无领域轨道窗口轮询贴领域、一窗只问一领域；F5 离线回放注入 month_lo 非真值方向、0/20 不作数；F6 录入卡合成「或」列表句走模型轮；F7 page.tsx +1、手造 fixture。D6 产品已拍板：门槛只是必要条件，仍问完线再出。BUG 段 744 起 | **已验收通过，已合入 staging**；合入后 run `2697` 仍红 capability audit（`(secondary)/chart`），跟进 BUG-753 | `dc732825`（Opus 子代理实现，Claude 独立验收）：tsc 0 / lint 0 error / npm test 3405 条 31 红与基线 a396bbe0 逐条一致（16 条校正红转绿、0 新红）/ pytest 193 通过 / `○ /` Static / gzip 582,552 → 582,800（+0.04%）/ page.tsx 1836 → 1835 / golden diff 仅加 `guided_collect_windows` 一键 / Skill 10.0.28。F5 真值方向回放三档仍 0 例靠引导件达标，作研究结论记录。D2+D6 合并后 10 分钟门槛只上报不改出卡时机 |
 | — （产品口头拍板，无任务书） | `PROGRESS-agent-voice-20260917.md` | **对话口气改形状（纯提示词与文案，无 BUG 号）**：产品判定现有人设出来的是顾问报告。人设改成「把人当一个人认真对待 / 行动力很强、嘴有点毒但靠谱的同事」；开场从「一句结论 + 2–3 条短要点 + 一句下一步」换成固定形状——**反差**（表面 A 底下 B，命名成一个格局）→ **谁在推谁在修**（大运主星推、行运修体面）→ **别去应 X 的象，去扮演 Y 的象** → **最多三条短行动**（各 ≤ 20 字），仍无标题、≤ 400 字。新增希望纪律：有转机且允许精确应期就说到月份，没有就说这段时间拿来干什么、能扮演哪个象，禁「一切都会好 / 相信自己 / 加油 / 你值得更好的 / 宇宙自有安排」。申报时段与无出生分钟两条降级路线形状照给、不编月份。改 `product-voice.ts` / `consult/route.ts` 用户回合文案 / 三处复述旧形状的系统指令 / `VOICE.md`（五条原则→七条）/ `CHANGELOG.md`。零业务逻辑改动，Skill 版本不变 | 已实现，待验收 | `codex/agent-voice-20260917`：tsc 0 / lint 0 error（118 warning 不变）/ npm test 3468→3471 条、36 红与基线 `ff0427cf` 逐条相同、0 新红 / `○ /` Static / 首屏 gzip 1,416,965 两侧**字节相同**（改动全在服务端模块，客户端 chunk 无该文本）。真机口气走查欠 |
+| — （产品口头拍板，无任务书） | `PROGRESS-settings-ui-20260919.md` | **设置面板布局与资料入口整理**：基线 `4f4cd684`；四分区继续共用固定 `.settings-modal`，桌面导航 176px→200px 并加分隔，内容区增加内边距，表单 cap 440px→560px，导航移除误导性右箭头；账户头像 48px→56px；“添加其他人”移到分组标题操作区。已同步 `frontend/DESIGN.md` 与合同测试；tsc 0、lint 0 error、定向测试 21/21；build 被 Windows Skill runtime symlink 权限阻塞，浏览器走查待受控环境；BUG-970 保持 `investigating` | 待验收 | `codex/settings-ui-20260919` |

 ## 命名与归档

@@ -0,0 +1,131 @@
+# TASK · Jev 意图分类研究修复单 2：把已跑未报的数字补进报告（2026-09-19）
+
+- 基线：`origin/staging` @ `eb8f5147`（含 `c2ecbc74` 修复轮）
+- 原单：`TASK-rectification-jev-intent-classifier-research-20260919.md`；修复单 1：`TASK-rectification-jev-intent-classifier-research-fix-20260919.md`
+- 分支：`codex/rectification-jev-intent-research-fix2-20260919`（从 `origin/staging` 新建）
+- 性质：报告补漏；**不重造语料、不重跑 Jev、不改线上代码、不立 BUG**。除 F1 第 3 条外全部可离线从 `.cache/jev_intent/` 出，不消耗 token。
+
+## 1. 修复轮验收结论（对照修复单 1 逐条）
+
+| 项 | 结论 | 证据（验收方在 `origin/staging` @ `eb8f5147` 独立重算） |
+| --- | --- | --- |
+| 红线 1 · 不改线上 | 通过 | `git diff --stat d6fc4fb8..c2ecbc74` 只有 `scripts/research/**`、`tests/test_jev_intent_research.py`、`docs/**`、`BLOCKED.md` |
+| 红线 2 · key 不进仓库 | 通过 | 全仓 grep 无 token；脚本只读环境变量 |
+| 红线 3 · 真实消息不提交 | 通过 | 报告 JSON 里 `"source": "B"` 0 行，只有聚合数；`.cache/jev_intent/` 不在仓库 |
+| 红线 4 · sha256 固化 | 通过 | 三份 sha256 与提交文件实算一致；报告 `meta.sha256` 同值；`id_check_ok = true`，`rows` 的 C 类 id 集合与 `simulated.jsonl` 完全相等 |
+| 红线 5 · 快速门 | 通过（Python 定向）/ 环境缺口 | `python3 -m unittest tests.test_jev_intent_research`：11 passed；本机无 `.venv`，`run_quality_gate.py --profile quick` 未跑 |
+| 红线 6 · 真实模型生成与复核 | 通过 | `complete_chat` 走 DeepSeek Chat Completions；`GENERATOR_NAME` / `REVIEWER_NAME` = `deepseek-flash`；README 有生成 / 复核提示原文；`review_sample` 无正则；源码无 `bank = {` |
+| 红线 7 · 语料三项统计 | 通过 | 去重 825 / 900、单条最多重复 5、八种人设最少 48（点选+采集）、惜字如金+方言 = 20.0%（≤ 20% 的边界值）、长度 P25 / 中位 / P75 = 16 / 20 / 24（P25 落在 8–16 的上沿） |
+| 红线 8 · 现行对照全量 | 通过 | 来源 C 现行 400 / 400 / 100 全量一次，第二次 133 / 133 / 33 |
+| F1 语料重造 | 通过 | 争议率 2.85%（36 / 1261），三层 400 / 400 / 100，配额偏差 ≤ 4.5% |
+| F2 重跑 T2 | 通过 | Jev×2、现行×1 + 1/3；`unavailable = 0`；报告表内每个数字与我从 `rows` 重算一致 |
+| F3 报告 | **部分未通过** | 结论「缺数据」成立；但 §2 列出的已跑未报数字缺席 |
+| F4 来源 B | **部分未通过** | 157 条人工标注、Jev×2、现行×1 都跑了；现行在来源 B 上的准确率**没有出现在任何文件里**；T3 要求「写明差在哪一类标签」只写到层，没到标签 |
+| F5 记录 | 通过 | PROGRESS 修复轮段、BLOCKED 三条划掉、README 状态行、token 分列齐全 |
+
+**结论「缺数据」采纳，产品不据此上线。** 未通过项只影响「下一步该补什么」的判断，不影响本轮结论。
+
+## 2. 事故实证
+
+### 2.1 现行模型在来源 B 上跑了、没报（P1）
+
+- `scripts/research/jev_intent_probe.py` `main()`：`if source_b: run_batch(source_b, …, run_id="current_1", call_fn=call_current_retry)` —— 现行模型确实在 157 条真人样本上跑了一次；PROGRESS token 表也计了「B 一次」。
+- 报告 JSON `metrics` 只有 `source_b` / `source_b_by_layer` 两项，且全是 `jev_1` 的数；没有 `current` 在来源 B 上的任何聚合。MD、PROGRESS 同样没有。
+- 后果：无焦点层 Jev 78.8%（26 / 33）是「Jev 不行」还是「这 33 条本身难 / 标注有争议」，现在无法判断；而这是真人 + 人工标注 + 线上模型三者齐备的**唯一**一组数，也是产品下一步决策最需要的数。
+
+### 2.2 来源 B 上 Jev 的高置信错误没进报告（P1）
+
+报告 JSON 里已有、MD 没写的数：
+
+| 来源 B（Jev） | 全集 n=157 | 点选 n=17 | 采集 n=107 | 无焦点 n=33 |
+| --- | ---: | ---: | ---: | ---: |
+| intent 准确率 | 91.1% | 94.1% | 94.4% | 78.8% |
+| 三题全对 | 81.5% | 82.4% | 89.7% | 54.5% |
+| 高置信错误率（≥0.8 且错） | **6.4%** | 0.0% | 5.6% | **12.1%** |
+| 低置信召回 | 24.1% | 66.7% | 18.2% | 20.0% |
+| dated 准确率 | 91.7% | 88.2% | 97.2% | 75.8% |
+
+高置信错误的绝对门槛是 ≤ 3%；真人样本上全集 6.4%、无焦点 12.1%，比来源 C 的 0–2.8% 差得多。这是比「层差 17.2pp」更直接的不可接证据，报告必须写。
+
+### 2.3 无焦点层差在哪一类标签没写（P2，原单 T3 明文要求）
+
+原单 T3：「报告必须写明差在哪一类标签」。现报告只到层。来源 B 无焦点层 7 条错，gold 与 Jev 各是什么、是否集中在 `provide_new_evidence` ↔ `unclear`，要按标签给混淆表（只给计数，不给原文）。
+
+### 2.4 复核模型 = 对照模型 + 复核提示 ≈ 生产提示（P2，方法学限制，写进报告即可）
+
+- `REVIEW_RUBRIC`（`jev_intent_corpus_build.py`）与生产 `COLLECT_INSTRUCTIONS` 逐句对应：「没有/没发生/这方面没什么 → no」「记不清/…/以后再说 → unsure」「不要把「没有」或「记不清」标成 yes」「不要按 A/B/C/D 位置猜」「既明确否定又补充新经历 → answer_current_focus + no」。
+- 复核与对照都是 `deepseek-flash`。于是进入 `simulated.jsonl` 的 900 条，是「Flash 用近生产提示能答对目标标签」的那 900 条；被剔的 36 条恰是 Flash 不同意的。
+- 后果：现行模型在来源 C 上的 97.5% / 98.8% / 94.0% 是构造出来的上界，「采集层 Jev 92.2% 未过相对门槛 94.5%」不能当作 Jev 输给现行的证据。修复单 1 允许同一模型生成 + 复核，但没预见复核提示与对照提示同源；本单不要求换模型重复核（产品未拍板再花 token），只要求报告写明这条限制并把相对门槛那一行标「不可判」。
+
+### 2.5 Jev 采集层 31 条 intent 错例里有标签争议（P2，写进错例画像即可）
+
+验收方逐条看了 Jev 在采集层的 intent 错例（gold → Jev）：`provide_new_evidence → answer_current_focus` 17 条、`unclear → answer_current_focus` 9 条、`stop → unclear` 4 条、`ask → unclear` 1 条。
+
+- 17 条 pne 错例几乎全是「另外 2019 年我换工作搬了家」句式；其中若干条尾句直接落在当前题域（例：题问感情，答「…感情那会儿真没细想」；题问工作，答「工作那摊子反而没顾上细想」），按生产提示读是 `answer_current_focus + unsure`，Jev 的判法有依据。
+- 9 条 unclear 错例的句子是「一时半会儿真捋不明白」「这事我一时真说不上来」，按生产提示「记不清/想不起来 → unsure」读也是 `answer_current_focus + unsure`；现行模型自己也在其中 3 条上判了 `answer_current_focus`。
+- 这两类合计 ≥ 20 条，占 Jev 采集层 intent 错例的 2/3。它们的 gold 由「生成目标 + Flash 复核同意」得来，不等于人工真值。
+
+### 2.6 语料像真人的程度（观察项，不判失败）
+
+修复单 1 只把长度和人设写成硬红线，三项都过；原单 T0 还要求按来源 B 的标点 / 语气词比例约束生成，没进红线，实测差距如下：
+
+| 指标 | 来源 B（真人） | 来源 C（模拟） |
+| --- | ---: | ---: |
+| 含标点 | 13% | 98.9% |
+| 含语气词 | 4% | 25.6% |
+| 含年份或月份 | 81% | 47.8% |
+| 带年份句里写「2019」 | — | 236 / 429 = 55% |
+| `provide_new_evidence` 里是搬家/换工作 | — | 152 / 157 |
+
+根因在 `ALT_EVENT_HINTS`：七个领域的「另一件事」提示全是「搬家 / 换工作」两种，年份没约束，模型就收敛到「另外 2019 年搬过家」。这解释了「模拟语料不代表真人」的一部分，也解释了 2.5 的错例为何长得一样。不在本单修，写进报告「限制」一节，留给产品决定是否再造一轮。
+
+## 3. 决策记录
+
+1. 本轮结论「缺数据」采纳。**不上线、不影子双跑**，直到 2.1 的数字出来后产品再拍板下一步（补真机样本 / 再造语料 / 关单）。
+2. 本单不新增任何模型调用（F1 第 3 条例外见下），全部从 `.cache/jev_intent/` 已有结果聚合；执行方若发现 cache 里没有来源 B 的 `current_1` 结果，按让步 1 处理。
+3. 不换复核模型、不重造语料；2.4 / 2.6 只写限制。
+
+## 4. 硬红线
+
+原单 §4 与修复单 1 §5 全部继续生效。另加：
+
+9. 来源 B 仍只写聚合与混淆计数，**不得**出现任何一条真人原文、id、时间戳。
+10. 不得为让来源 B 的数字好看而改 gold；标注争议只能写成「争议 n 条」并列出争议类型。
+
+## 5. 任务分解
+
+### F1 · 报告补齐来源 B 三组数（P1）
+
+1. `jev_intent_probe.py` 的指标段增加 `current_source_b` / `current_source_b_by_layer`（口径与 `source_b` 相同；现行无置信度，置信度三列记 `null`），MD「代表性检验」一节改成一张表：行 = 三层 + 全集，列 = n / Jev intent / 现行 intent / Jev 高置信错误 / Jev 低置信召回 / Jev 自洽（jev_1 vs jev_2 在来源 B 上）。
+2. 无焦点层按标签给 gold × Jev 与 gold × 现行两张混淆计数表（4 × 4，只有计数）。
+3. 若 cache 里没有来源 B 的现行结果，允许只为这 157 条跑一次现行（约 16 万 input token），PROGRESS 记明。
+4. 验收：MD 表里每个数能从报告 JSON 重算；`tests/test_jev_intent_research.py` 新增一条断言：报告 JSON 的 `metrics` 含 `current_source_b` 且 `n == meta.source_b_n`。
+
+### F2 · 报告增加「限制」一节（P2）
+
+写三条：复核 ≈ 生产提示且同模型（2.4）、采集层错例的标签争议（2.5，给计数与 3 条改写示例）、语料风格差距表（2.6）。「现行模型对照」一节的采集层「未过」改成「不可判（复核与对照同源）」。
+
+### F3 · 记录
+
+- PROGRESS 追加「修复轮 2」段。
+- `docs/tasks/README.md` 状态行改为本单结论。
+- 不立 BUG。
+
+## 6. 让步顺序
+
+1. cache 里没有来源 B 现行结果且产品不再给 key：F1 第 1 条只填 Jev 列，现行列标 `unavailable`，PROGRESS 写明；F1 第 2 条照做。
+2. 无焦点层 7 条错例里有执行方自己都拿不准的标注：写「标注争议 n 条」，不改 gold。
+
+## 7. 开工前置命令
+
+```bash
+git fetch origin --prune
+git worktree add -b codex/rectification-jev-intent-research-fix2-20260919 .worktrees/rectification-jev-intent-research-fix2-20260919 origin/staging
+cd .worktrees/rectification-jev-intent-research-fix2-20260919
+ls .cache/jev_intent/            # 确认 source_b.jsonl 与 runs cache 在
+python3 -m unittest tests.test_jev_intent_research
+```
+
+## 8. BUG 编号
+
+不立 BUG。`docs/BUG_HISTORY.md` 当前最大号 BUG-970。
@@ -533,12 +533,12 @@ page. Three parts now, in reading order:
 ### Settings dialog

 - **Placement:** the overlay and the onboarding paywall portal to `document.body`. `SidebarInset` stays `inert` while a dialog is open (the BUG-744~746 focus contract); the dialog itself must not sit inside that subtree (BUG-968). Closing still uses the existing overlay click, the header button, and the window-level Escape listener.
- **Structure:** one fixed chrome for four panes — 个人资料, 星盘资料, 账户与点数, 通用设置. Left nav is 176px and does not scroll; the title bar stays put; only the right-hand content pane scrolls. Logout stays a separate 400px confirmation.
- **Width / height:** desktop `width: min(100vw - 32px, 880px)`, with `height: min(84vh, 640px)` as the base and `min(84dvh, 640px)` applied inside `@supports (height: 1dvh)`. All four panes share one class (`.settings-modal`), so switching panes cannot change the frame. At ≤767px the dialog is full-screen with four equal tabs along the top.
- **Pane menu states:** default is transparent with secondary ink; hover is a 55% wash of `--color-canvas-muted` keeping secondary ink; current is the solid muted surface with primary ink. No accent bar, and no weight change — hierarchy here comes from ink rank and surface, matching “Hierarchy inside the nav comes from ink rank, not hue”. The sidebar's 2px `--sidebar-ring` on the active session is deliberately **not** changed to match; the two surfaces read differently on purpose until that is revisited.
- **Content width:** the 880px frame leaves roughly 690px of content, which is too wide for a single column of fields. Form panes (个人资料, 通用设置) cap their children at 440px and stay left aligned (`.settings-dialog-content--form > *`); list panes (星盘资料, 账户与点数) stay full-bleed so tables and card grids keep their columns. The cap sits on the children of the scroll container only — never on `.settings-modal` or `.account-settings-shell` — so it cannot make the frame resize between panes (BUG-554 / BUG-698).
- **Personal profile:** one row of avatar editing (48px preview, eight palettes, 换一个形象) plus nickname and login email. No duplicate 管理星盘资料 button.
- **Chart library:** list first (self row, other rows, 添加其他人). A row opens a detail with ← 星盘资料. Other details own 设为默认 / 删除 / 用于合盘 and that person's synastry history. The add form is a view, not an always-on stack.
+- **Structure:** one fixed chrome for four panes — 个人资料, 星盘资料, 账户与点数, 通用设置. Left nav is 200px, has a hairline boundary, and does not scroll; the title bar stays put; only the right-hand content pane scrolls. The pane menu uses icon + label rows without a trailing chevron because these controls switch content inside the same dialog. Logout stays a separate 400px confirmation.
+- **Width / height:** desktop `width: min(100vw - 32px, 880px)`, with `height: min(84vh, 640px)` as the base and `min(84dvh, 640px)` applied inside `@supports (height: 1dvh)`. The right content pane uses 32px horizontal and bottom inset on desktop. All four panes share one class (`.settings-modal`), so switching panes cannot change the frame. At ≤767px the dialog is full-screen with four equal tabs along the top and 16px content inset.
+- **Pane menu states:** default is transparent with secondary ink; hover is a 55% wash of `--color-canvas-muted` keeping secondary ink; current is the solid muted surface with primary ink. No accent bar, no trailing navigation chevron, and no weight change — hierarchy here comes from ink rank and surface, matching “Hierarchy inside the nav comes from ink rank, not hue”. The sidebar's 2px `--sidebar-ring` on the active session is deliberately **not** changed to match; the two surfaces read differently on purpose until that is revisited.
+- **Content width:** the 880px frame now gives the content pane a deliberate inset instead of leaving controls against the divider. Form panes (个人资料, 通用设置) cap their children at 560px and stay left aligned (`.settings-dialog-content--form > *`); list panes (星盘资料, 账户与点数) stay full-bleed within the inset so tables and card grids keep their columns. The cap sits on the children of the scroll container only — never on `.settings-modal` or `.account-settings-shell` — so it cannot make the frame resize between panes (BUG-554 / BUG-698).
+- **Personal profile:** one row of avatar editing (56px preview, eight palettes, 换一个形象) plus nickname and login email. The header uses the product-level “设置” eyebrow above the current pane title; there is no duplicate 管理星盘资料 button.
+- **Chart library:** list first (self row, other rows, 添加其他人). 添加其他人 sits in the 其他人 group heading action area instead of below the list, so the entry remains discoverable when the list grows. A row opens a detail with ← 星盘资料. Other details own 设为默认 / 删除 / 用于合盘 and that person's synastry history. The add form is a view, not an always-on stack.
 - **States:** open, pane switch, list / self / other / add, saving, success, and error.

 ### Billing pane
@@ -1831,23 +1831,21 @@ button:disabled { cursor: default; opacity: .45; }
 .account-modal-overlay { position: fixed; z-index: 40; inset: 0; display: grid; place-items: center; padding: var(--space-4); background: var(--color-scrim); animation: account-overlay-enter 180ms ease-out both; }
 .account-modal { width: min(100%, 560px); max-height: min(84vh, 760px); overflow-y: auto; padding: var(--space-8); border: 1px solid var(--color-border); border-radius: var(--radius-xl); background: var(--color-canvas); box-shadow: var(--shadow-elevated); animation: account-dialog-enter 180ms var(--ease-out) both; }
 .settings-modal { width: min(100vw - 32px, 880px); height: min(84vh, 640px); max-height: min(84vh, 640px); overflow: hidden; display: grid; grid-template-rows: auto 1fr; }
-.account-settings-shell { display: grid; grid-template-columns: 176px minmax(0, 1fr); min-height: 0; overflow: hidden; align-items: stretch; }
-.settings-dialog-nav { display: grid; align-content: start; gap: var(--space-1); overflow: hidden; }
-.settings-dialog-nav-item { min-height: 44px; display: grid; grid-template-columns: 18px minmax(0, 1fr) 16px; align-items: center; gap: var(--space-2); padding: 0 var(--space-3); border: 0; border-radius: var(--radius-md); background: transparent; color: var(--color-ink-secondary); cursor: pointer; text-align: left; }
+.account-settings-shell { display: grid; grid-template-columns: 200px minmax(0, 1fr); min-height: 0; overflow: hidden; align-items: stretch; }
+.settings-dialog-nav { display: grid; align-content: start; gap: var(--space-1); overflow: hidden; padding-right: var(--space-4); border-right: 1px solid var(--color-border); }
+.settings-dialog-nav-item { min-height: 44px; display: grid; grid-template-columns: 18px minmax(0, 1fr); align-items: center; gap: var(--space-2); padding: 0 var(--space-3); border: 0; border-radius: var(--radius-md); background: transparent; color: var(--color-ink-secondary); cursor: pointer; text-align: left; }
 .settings-dialog-nav-item:hover { background: color-mix(in srgb, var(--color-canvas-muted) 55%, transparent); color: var(--color-ink-secondary); }
 .settings-dialog-nav-item[aria-current="page"] { background: var(--color-canvas-muted); color: var(--color-ink); }
 .settings-dialog-nav-item > svg { width: 18px; height: 18px; color: var(--color-ink-tertiary); }
-.settings-dialog-nav-item > svg:last-child { width: 15px; height: 15px; margin-left: auto; }
-.settings-dialog-content { min-width: 0; min-height: 0; overflow-y: auto; }
-/* Form panes (个人资料 / 通用设置) read as one column, so they are capped and left
-   aligned instead of stretching across the ~690px content area. The cap lives on the
-   children, never on the scroll container or the dialog box: .settings-modal keeps its
-   fixed width/height, so the four panes still cannot change the dialog size (BUG-554 /
-   BUG-698). List panes (星盘资料 / 账户与点数) stay full-bleed. */
-.settings-dialog-content--form > * { max-width: 440px; margin-right: auto; }
-.settings-dialog-copy { margin: 0 0 var(--space-5); color: var(--color-ink-secondary); font-size: var(--type-body-sm); line-height: 1.6; }
+.settings-dialog-content { min-width: 0; min-height: 0; overflow-y: auto; padding: 0 var(--space-8) var(--space-8); }
+/* Form panes (个人资料 / 通用设置) use a comfortable reading width instead of
+   leaving the content stranded in a narrow 440px column. The cap stays on pane
+   children, never on the scroll container or dialog box, so pane switches keep the
+   same frame (BUG-554 / BUG-698). List panes remain full-bleed within this inset. */
+.settings-dialog-content--form > * { max-width: 560px; margin-right: auto; }
+.settings-dialog-copy { max-width: 760px; margin: 0 0 var(--space-5); color: var(--color-ink-secondary); font-size: var(--type-body-sm); line-height: 1.6; }
 .avatar-section { padding-top: 0; }
-.avatar-editor { display: grid; grid-template-columns: 48px minmax(0, 1fr); align-items: center; gap: var(--space-5); margin-top: var(--space-5); }
+.avatar-editor { display: grid; grid-template-columns: 56px minmax(0, 1fr); align-items: center; gap: var(--space-5); margin-top: var(--space-5); }
 .avatar-editor-controls { min-width: 0; display: grid; gap: var(--space-4); }
 .avatar-palette-list { display: grid; grid-template-columns: repeat(4, minmax(48px, 1fr)); gap: var(--space-2); }
 .avatar-palette { min-width: 0; height: 34px; overflow: hidden; display: flex; padding: 3px; border: 1px solid var(--color-border); border-radius: var(--radius-md); background: var(--color-canvas); cursor: pointer; transition: border-color 120ms ease-out, box-shadow 120ms ease-out, transform 120ms ease-out; }
@@ -1864,6 +1862,8 @@ button:disabled { cursor: default; opacity: .45; }
 .logout-modal { width: min(100%, 400px); }
 .account-modal h2, .auth-panel h1 { font-family: var(--font-display); font-weight: 500; letter-spacing: -.5px; text-wrap: balance; }
 .account-modal h2 { margin: 0; font-size: var(--type-display-sm); letter-spacing: -.025em; }
+.account-modal-heading { min-width: 0; display: grid; gap: var(--space-1); }
+.account-modal-eyebrow { color: var(--color-ink-tertiary); font-size: var(--type-overline); font-weight: 600; letter-spacing: .08em; text-transform: uppercase; }
 .account-modal-header { display: flex; align-items: flex-start; justify-content: space-between; gap: var(--space-4); padding-bottom: var(--space-5); }
 .dialog-close { width: 44px; height: 44px; display: grid; flex: 0 0 auto; place-items: center; border: 0; cursor: pointer; transition: background-color 120ms ease-out, transform 120ms ease-out; border-radius: var(--radius-md); background: var(--color-canvas-muted); }
 .redeem-balance { display: flex; align-items: baseline; justify-content: space-between; gap: var(--space-4); padding: var(--space-4) 0; border-top: 1px solid var(--color-border); border-bottom: 1px solid var(--color-border); }
@@ -1890,6 +1890,8 @@ button:disabled { cursor: default; opacity: .45; }
 .chart-library-panel { display: grid; gap: var(--space-5); margin-top: var(--space-5); }
 .chart-library-group { display: grid; gap: var(--space-3); }
 .chart-library-group-heading { display: flex; align-items: center; justify-content: space-between; gap: var(--space-3); }
+.chart-library-group-heading > div:first-child { min-width: 0; }
+.chart-library-group-heading-actions { display: flex; align-items: center; flex: 0 0 auto; gap: var(--space-2); }
 .chart-library-group-heading b, .chart-library-group-heading small { display: block; }
 .chart-library-group-heading b { color: var(--color-ink); font-size: var(--type-caption); font-weight: 600; }
 .chart-library-group-heading small { margin-top: 3px; color: var(--color-ink-secondary); font-size: var(--type-caption); font-weight: 400; }
@@ -1899,6 +1901,7 @@ button.chart-library-item { cursor: pointer; text-align: left; }
 .chart-library-item-chevron { width: 16px; height: 16px; flex: 0 0 auto; color: var(--color-ink-tertiary); }
 .chart-library-back { min-height: 44px; display: inline-flex; align-items: center; gap: var(--space-2); margin: 0 0 var(--space-4); padding: 0; border: 0; background: transparent; color: var(--color-ink-secondary); cursor: pointer; font-size: var(--type-body-sm); }
 .chart-library-add { margin-top: var(--space-4); }
+.chart-library-add--heading { margin-top: 0; white-space: nowrap; }
 .chart-library-item-main { min-width: 0; }
 .chart-library-item strong, .chart-library-item small { display: block; }
 .chart-library-item strong { color: var(--color-ink); font-size: var(--type-body-md); font-weight: 500; }
@@ -2025,13 +2028,16 @@ input:not([type="radio"]):not([type="checkbox"]):not([class^="ant-"]):not([class
  .account-modal { width: 100%; max-height: 100vh; min-height: 100vh; border-radius: 0; padding: var(--space-6); }
  .settings-modal { width: 100%; height: 100vh; max-height: 100vh; }
  .account-settings-shell { grid-template-columns: 1fr; grid-template-rows: auto 1fr; gap: var(--space-4); }
-  .settings-dialog-nav { position: static; grid-template-columns: repeat(4, minmax(0, 1fr)); gap: var(--space-1); padding-bottom: var(--space-3); border-bottom: 1px solid var(--color-border); }
-  .settings-dialog-nav-item { min-height: 40px; grid-template-columns: 1fr; justify-items: center; gap: 2px; padding: var(--space-2); text-align: center; font-size: var(--type-caption); }
-  .settings-dialog-nav-item > svg:last-child { display: none; }
-  .settings-dialog-content { min-height: 0; overflow-y: auto; }
-  .avatar-editor { grid-template-columns: 48px minmax(0, 1fr); gap: var(--space-4); }
-  .avatar-editor > .user-avatar { width: 48px !important; height: 48px !important; }
+  .settings-dialog-nav { position: static; grid-template-columns: repeat(4, minmax(0, 1fr)); gap: var(--space-1); padding-bottom: var(--space-3); border-right: 0; border-bottom: 1px solid var(--color-border); }
+  .settings-dialog-nav-item { min-height: 44px; grid-template-columns: 1fr; justify-items: center; gap: 2px; padding: var(--space-2); text-align: center; font-size: var(--type-caption); }
+  .settings-dialog-content { min-height: 0; overflow-y: auto; padding: 0 var(--space-4) var(--space-6); }
+  .settings-dialog-content--form > * { max-width: none; }
+  .avatar-editor { grid-template-columns: 56px minmax(0, 1fr); gap: var(--space-4); }
+  .avatar-editor > .user-avatar { width: 56px !important; height: 56px !important; }
  .avatar-palette-list { grid-template-columns: repeat(2, minmax(64px, 1fr)); }
+  .chart-library-group-heading { align-items: flex-start; }
+  .chart-library-group-heading-actions { align-items: flex-end; flex-direction: column; gap: var(--space-1); }
+  .chart-library-add--heading { min-height: 40px; padding-inline: var(--space-3); }
  .auth-page { height: 100vh; overflow-x: hidden; overflow-y: auto; -webkit-overflow-scrolling: touch; padding: 0; }
  .auth-shell { min-height: 100%; overflow: visible; align-content: start; grid-template-columns: 1fr; grid-template-rows: auto auto; border-radius: 0; box-shadow: none; }
  .auth-story { min-height: 0; justify-content: flex-start; gap: var(--space-3); padding: var(--space-6) var(--space-6) var(--space-5); }
@@ -1,6 +1,6 @@
 "use client";

-import { ChevronRight, Settings, UserRound, Users, WalletCards, X } from "lucide-react";
+import { Settings, UserRound, Users, WalletCards, X } from "lucide-react";
 import { memo, type MutableRefObject, type ReactNode } from "react";
 import { createPortal } from "react-dom";

@@ -72,7 +72,10 @@ export const AccountDialogOverlay = memo(function AccountDialogOverlay({
        onMouseDown={(event) => event.stopPropagation()}
      >
        <header className="account-modal-header">
-          <h2 id="account-dialog-title">{model.title}</h2>
+          <div className="account-modal-heading">
+            {isSettingsDialog ? <span className="account-modal-eyebrow">设置</span> : null}
+            <h2 id="account-dialog-title">{model.title}</h2>
+          </div>
          <button
            className="dialog-close"
            ref={model.closeButtonRef}
@@ -97,7 +100,6 @@ export const AccountDialogOverlay = memo(function AccountDialogOverlay({
                >
                  <Icon aria-hidden="true" />
                  <span>{label}</span>
-                  <ChevronRight aria-hidden="true" />
                </button>
              ))}
            </nav>
@@ -323,24 +323,26 @@ export function ChartLibraryPanel({
      <div className="chart-library-group">
        <div className="chart-library-group-heading">
          <div><b>其他人</b><small>亲友、伴侣或客户资料</small></div>
-          <span className="chart-library-count">{otherCharts.length}</span>
+          <div className="chart-library-group-heading-actions">
+            <span className="chart-library-count">{otherCharts.length}</span>
+            <button
+              className="button-secondary chart-library-add chart-library-add--heading"
+              type="button"
+              onClick={() => {
+                setOtherProfileDraft(emptyProfile);
+                setOtherChartRelationship("other");
+                setEditingChartId(null);
+                setAccountError("");
+                setProfileNotice("");
+                setView({ kind: "add" });
+              }}
+            >
+              添加其他人
+            </button>
+          </div>
        </div>
        {otherCharts.length === 0 && <p className="empty-library-copy">还没有其他星盘，先添加一份资料。</p>}
        {otherCharts.map(listRow)}
-        <button
-          className="button-secondary chart-library-add"
-          type="button"
-          onClick={() => {
-            setOtherProfileDraft(emptyProfile);
-            setOtherChartRelationship("other");
-            setEditingChartId(null);
-            setAccountError("");
-            setProfileNotice("");
-            setView({ kind: "add" });
-          }}
-        >
-          添加其他人
-        </button>
      </div>
    </div>
  );
@@ -27,11 +27,11 @@ export function ProfilePanel({
      {account.avatar && (
        <section className="sheet-section avatar-section" aria-labelledby="avatar-section-title">
          <div className="section-heading">
-            <b id="avatar-section-title">头像</b>
-            <small>Beam 形象由随机种子生成，刷新和换设备后保持一致</small>
+            <b id="avatar-section-title">账户头像</b>
+            <small>Beam 形象会在刷新和换设备后保持一致</small>
          </div>
          <div className="avatar-editor">
-            <UserAvatar avatar={account.avatar} size={48} label="当前头像预览" />
+            <UserAvatar avatar={account.avatar} size={56} label="当前头像预览" />
            <div className="avatar-editor-controls">
              <div className="avatar-palette-list" role="radiogroup" aria-label="头像配色">
                {beamAvatarPalettes.map((palette, index) => (
@@ -127,6 +127,15 @@ test("the settings pane menu separates hover from current without an accent bar"
  for (const rule of hoverRules) assert.ok(!rule.includes('[aria-current="page"]'), `current and hover must be separate rules: ${rule}`);
 });

+test("settings navigation uses two columns without a misleading chevron", () => {
+  const overlay = readFileSync(new URL("../src/components/account-dialog-overlay.tsx", import.meta.url), "utf8");
+  const styles = readFileSync(new URL("../src/app/globals.css", import.meta.url), "utf8");
+  assert.doesNotMatch(overlay, /<ChevronRight/);
+  assert.match(cssDeclarations(".settings-dialog-nav-item", styles), /grid-template-columns:\s*18px\s+minmax\(0,\s*1fr\)/);
+  assert.match(cssDeclarations(".settings-dialog-nav", styles), /border-right:\s*1px\s+solid\s+var\(--color-border\)/);
+  assert.match(cssDeclarations(".settings-dialog-content", styles), /padding:\s*0\s+var\(--space-8\)\s+var\(--space-8\)/);
+});
+
 test("form panes get a reading-width cap, list panes stay full-bleed", () => {
  // T8.1 / E13: the 880px dialog leaves ~690px of content, which pulls a one-column
  // form apart. The cap is applied per pane, inside the content box.
@@ -149,7 +158,8 @@ test("form panes get a reading-width cap, list panes stay full-bleed", () => {
  }

  const cap = cssDeclarations(".settings-dialog-content--form > *", styles);
-  assert.match(cap, /max-width:\s*4[2-6]\dpx/, "cap belongs in the 420-460px reading-width band");
+  // 原值：420–460px；新值：560px；原因：右侧内容区增加内边距后，资料表单仍需使用舒适的阅读宽度，避免右侧留下过大的空白。
+  assert.match(cap, /max-width:\s*560px/, "cap uses the wider 560px reading width");
  assert.match(cap, /margin-right:\s*auto/, "capped content is left aligned");
 });

@@ -110,6 +110,8 @@ test("the chart library starts as a list and only renders a form after a view ch
  assert.match(charts, /useState<ChartLibraryView>\(CHART_LIBRARY_LIST_VIEW\)/);
  assert.doesNotMatch(list, /ChartProfileForm|<form/);
  assert.match(list, /添加其他人/);
+  // 原值：仅断言列表中存在“添加其他人”；新值：同步锁定标题操作区；原因：入口从列表末尾移到“其他人”分组标题，长列表中位置仍稳定。
+  assert.match(charts, /chart-library-group-heading-actions[\s\S]{0,900}添加其他人/);
  assert.match(charts, /setView\(\{ kind: "add" \}\)/);
  assert.match(charts, /setView\(CHART_LIBRARY_LIST_VIEW\)/);
 });
@@ -8,7 +8,8 @@ test("the profile pane keeps avatar palettes and drops the duplicate chart-libra
  assert.doesNotMatch(panel, /管理星盘资料/);
  assert.match(panel, /role="radiogroup"/);
  assert.match(panel, /换一个形象/);
-  assert.match(panel, /size=\{48\}/);
+  // 原值：48px；新值：56px；原因：设置面板的头像预览需要更清晰的视觉锚点，并与账户身份区留出稳定间距。
+  assert.match(panel, /size=\{56\}/);
  assert.match(panel, /账户信息/);
  assert.match(panel, /登录邮箱/);
 });
@@ -327,6 +327,58 @@ def cache_key(run_id: str, sample: Mapping[str, Any]) -> str:
    return f"{run_id}:{sample['id']}:{digest}"


+NONE_CONFUSION_LABELS = (
+    "provide_new_evidence",
+    "stop_rectification",
+    "ask_about_result",
+    "unclear",
+    "answer_current_focus",
+)
+
+
+def attach_from_cache(
+    samples: Sequence[dict[str, Any]],
+    cache: Mapping[str, Any],
+    run_ids: Sequence[str],
+) -> dict[str, int]:
+    missing = {rid: 0 for rid in run_ids}
+    for sample in samples:
+        for rid in run_ids:
+            key = cache_key(rid, sample)
+            if key in cache:
+                sample[rid] = cache[key]
+            else:
+                missing[rid] += 1
+    return missing
+
+
+def strip_confidence(metrics: Mapping[str, Any] | None) -> dict[str, Any] | None:
+    if metrics is None:
+        return None
+    out = dict(metrics)
+    out["high_conf_error_rate"] = None
+    out["low_conf_coverage"] = None
+    out["low_conf_recall"] = None
+    return out
+
+
+def confusion_counts(
+    rows: Sequence[Mapping[str, Any]],
+    pred_key: str,
+    labels: Sequence[str] = NONE_CONFUSION_LABELS,
+) -> dict[str, Any]:
+    counts = {gold: {pred: 0 for pred in labels} for gold in labels}
+    other = 0
+    for row in rows:
+        gold = (row.get("gold") or {}).get("intent")
+        pred = (row.get(pred_key) or {}).get("intent")
+        if gold in counts and pred in counts[gold]:
+            counts[gold][pred] += 1
+        else:
+            other += 1
+    return {"labels": list(labels), "counts": counts, "other": other, "n": len(rows)}
+
+
 def run_batch(
    samples: Sequence[Mapping[str, Any]],
    *,
@@ -471,8 +523,8 @@ def write_markdown(report: Mapping[str, Any]) -> None:
            lines.append("")
            lines.append("同一样本上 Jev vs 现行（相对门槛用这一表）：")
            lines.append("")
-            lines.append("| 层 | n | Jev intent | 现行 intent | 差（Jev−现行） | 门槛现行−3pp |")
-            lines.append("| --- | ---: | ---: | ---: | ---: | ---: |")
+            lines.append("| 层 | n | Jev intent | 现行 intent | 差（Jev−现行） | 门槛现行−3pp | 判定 |")
+            lines.append("| --- | ---: | ---: | ---: | ---: | ---: | --- |")
            for layer in ("choice", "collect", "none"):
                cell = paired.get(layer) or {}
                def pct(value: float | None) -> str:
@@ -481,8 +533,16 @@ def write_markdown(report: Mapping[str, Any]) -> None:
                cur = cell.get("current_intent")
                delta = None if jev is None or cur is None else jev - cur
                gate = None if cur is None else cur - 0.03
+                if layer == "collect":
+                    verdict = "不可判（复核与对照同源）"
+                elif jev is None or cur is None:
+                    verdict = "—"
+                elif round(jev * 100, 1) >= round((cur - 0.03) * 100, 1):
+                    verdict = "过"
+                else:
+                    verdict = "未过"
                lines.append(
-                    f"| {layer} | {cell.get('n', 0)} | {pct(jev)} | {pct(cur)} | {pct(delta)} | {pct(gate)} |"
+                    f"| {layer} | {cell.get('n', 0)} | {pct(jev)} | {pct(cur)} | {pct(delta)} | {pct(gate)} | {verdict} |"
                )
    else:
        lines.append(report["meta"].get("current_model_note") or "未跑现行模型。")
@@ -492,6 +552,65 @@ def write_markdown(report: Mapping[str, Any]) -> None:
        "",
        report["metrics"]["representativeness"]["note"],
        "",
+    ]
+    b_jev = report["metrics"].get("source_b")
+    b_jev_layer = report["metrics"].get("source_b_by_layer") or {}
+    b_cur = report["metrics"].get("current_source_b")
+    b_cur_layer = report["metrics"].get("current_source_b_by_layer") or {}
+    b_cons = report["metrics"].get("source_b_jev_self_consistency") or {}
+    if b_jev:
+        def pct(value: float | None) -> str:
+            return "—" if value is None else f"{value:.1%}"
+        lines += [
+            "来源 B 是真人 + 人工标注 + 线上模型三者齐备的唯一一组。现行无置信度，置信度三列为空。",
+            "",
+            "| 范围 | n | Jev intent | 现行 intent | Jev 高置信错误 | Jev 低置信召回 | Jev 自洽 |",
+            "| --- | ---: | ---: | ---: | ---: | ---: | ---: |",
+        ]
+        rows_spec = [("全集", b_jev, b_cur, b_cons.get("all"))]
+        for layer in ("choice", "collect", "none"):
+            rows_spec.append((
+                layer,
+                b_jev_layer.get(layer) or {},
+                b_cur_layer.get(layer) or {},
+                b_cons.get(layer),
+            ))
+        for name, jev_m, cur_m, cons in rows_spec:
+            lines.append(
+                f"| {name} | {jev_m.get('n', 0)} | {pct(jev_m.get('intent_acc'))} | {pct((cur_m or {}).get('intent_acc'))} | "
+                f"{pct(jev_m.get('high_conf_error_rate'))} | {pct(jev_m.get('low_conf_recall'))} | {pct(cons)} |"
+            )
+        lines.append("")
+        none_cur = (b_cur_layer.get("none") or {}).get("intent_acc")
+        none_jev = (b_jev_layer.get("none") or {}).get("intent_acc")
+        if none_cur is not None and none_jev is not None:
+            lines.append(
+                f"无焦点层现行 intent {none_cur:.1%}、Jev {none_jev:.1%}。"
+                "现行更低，说明 78.8% 主要是这 33 条本身难，不是单 Jev 不行。"
+            )
+            lines.append("")
+    confusion = report["metrics"].get("source_b_none_confusion") or {}
+    if confusion:
+        lines += [
+            "无焦点层 gold × 预测混淆计数（只有计数，无原文）。预测出现 `answer_current_focus` 是因为模型把无焦点句当成在回答采集题。",
+            "",
+        ]
+        for title, key in (("gold × Jev", "jev"), ("gold × 现行", "current")):
+            table = confusion.get(key) or {}
+            labels = table.get("labels") or list(NONE_CONFUSION_LABELS)
+            counts = table.get("counts") or {}
+            lines.append(f"### {title}（n={table.get('n', 0)}）")
+            lines.append("")
+            header = "| gold \\ pred | " + " | ".join(labels) + " |"
+            sep = "| --- | " + " | ".join("---:" for _ in labels) + " |"
+            lines.append(header)
+            lines.append(sep)
+            for gold in labels:
+                row_counts = counts.get(gold) or {}
+                cells = " | ".join(str(row_counts.get(pred, 0)) for pred in labels)
+                lines.append(f"| {gold} | {cells} |")
+            lines.append("")
+    lines += [
        "## 置信度–准确率曲线与 θ",
        "",
        f"推荐 θ = {report['metrics']['theta']['recommended_theta']}。点：",
@@ -530,6 +649,25 @@ def write_markdown(report: Mapping[str, Any]) -> None:
        lost = row["lost"].replace("|", "\\|") if row["lost"] else "—"
        lines.append(f"| {row['production']} | {row['jev']} | {lost} |")
    lines += [
+        "",
+        "## 限制",
+        "",
+        "1. **复核 ≈ 生产提示，且复核模型 = 对照模型。** `REVIEW_RUBRIC` 与生产 `COLLECT_INSTRUCTIONS` 逐句对应；生成 / 复核 / 对照都是 `deepseek-flash`。进入测试集的 900 条是「Flash 用近生产提示能答对目标标签」的那 900 条，被剔的 36 条恰是 Flash 不同意的。因此来源 C 上现行 97.5% / 98.8% / 94.0% 是构造出来的上界。采集层「Jev 92.2% 未过相对门槛 94.5%」**不可当作 Jev 输给现行的证据**。",
+        "2. **采集层 intent 错例的 gold 有争议。** 来源 C 采集层 Jev intent 错例 31 条：`provide_new_evidence → answer_current_focus` 17、`unclear → answer_current_focus` 9、`stop → unclear` 4、`ask → unclear` 1。17 条 pne 几乎全是「另外 2019 年我换工作搬了家」句式，若干尾句落在当前题域，按生产提示可读成 `answer_current_focus + unsure`。9 条 unclear（「一时半会儿真捋不明白」）按「记不清 → unsure」也读得通。两类合计 ≥ 20 条，占该层 intent 错例约 2/3。gold 来自「生成目标 + Flash 复核同意」，不等于人工真值。改写示例：",
+        "   - 「另外 2019 年换过工作，感情那会儿真没细想。」gold=provide_new_evidence；可读成在回答感情采集题。",
+        "   - 「另外 2019 年搬了家，工作那摊子反而没顾上细想。」gold=provide_new_evidence；可读成在回答工作采集题。",
+        "   - 「这事我一时真说不上来。」gold=unclear；按生产提示是 unsure。",
+        "3. **语料仍不像真人。** 修复单 1 只把长度和人设写成硬红线（已过）。原单还要求按来源 B 的标点 / 语气词比例约束，未进红线：",
+        "",
+        "| 指标 | 来源 B（真人） | 来源 C（模拟） |",
+        "| --- | ---: | ---: |",
+        "| 含标点 | 13% | 98.9% |",
+        "| 含语气词（吧/呢/啊/嗯/哦/额/emm） | 4% | 25.6% |",
+        "| 含年份或月份 | 81% | 47.8% |",
+        "| 带年份句里写「2019」 | — | 236 / 429 = 55% |",
+        "| `provide_new_evidence` 里是搬家/换工作 | — | 152 / 157 |",
+        "",
+        "根因：生成脚本 `ALT_EVENT_HINTS` 给七个领域的「另一件事」全是搬家/换工作，年份未约束，模型收敛到「另外 2019 年搬过家」。这解释了模拟语料不代表真人的一部分，也解释了采集层错例为何长得一样。本单不修，留给产品决定是否再造一轮。",
        "",
        "## 回退",
        "",
@@ -570,8 +708,9 @@ def decide_verdict(report: dict[str, Any]) -> dict[str, str]:
            if jev is None or cur is None:
                continue
            ok = round(jev * 100, 1) >= round((cur - 0.03) * 100, 1)
+            mark = "不可判（复核与对照同源）" if layer == "collect" else ("过" if ok else "未过")
            bits.append(
-                f"{layer} Jev {jev:.1%} vs 现行 {cur:.1%}（门槛 {cur-0.03:.1%}，{'过' if ok else '未过'}）"
+                f"{layer} Jev {jev:.1%} vs 现行 {cur:.1%}（门槛 {cur-0.03:.1%}，{mark}）"
            )
        if bits:
            relative_note = " 相对 −3pp（同一样本）：" + "；".join(bits) + "。"
@@ -693,11 +832,12 @@ def main(argv: Sequence[str] | None = None) -> int:
    parser.add_argument("--sample-fraction", type=float, default=1.0)
    parser.add_argument("--current-second-fraction", type=float, default=1.0 / 3)
    parser.add_argument("--sample-seed", type=int, default=20260919)
+    parser.add_argument("--offline", action="store_true", help="aggregate from cache only, no API calls")
    args = parser.parse_args(argv)
-    if not args.current_only and not os.environ.get("TYPESAFE_API_KEY"):
+    if not args.offline and not args.current_only and not os.environ.get("TYPESAFE_API_KEY"):
        print("TYPESAFE_API_KEY missing", file=sys.stderr)
        return 2
-    if args.current_only and not os.environ.get("DEEPSEEK_API_KEY"):
+    if not args.offline and args.current_only and not os.environ.get("DEEPSEEK_API_KEY"):
        print("DEEPSEEK_API_KEY missing", file=sys.stderr)
        return 2
    synthetic = load_jsonl(SAMPLES_DIR / "synthetic.jsonl")
@@ -715,8 +855,13 @@ def main(argv: Sequence[str] | None = None) -> int:
    _merge_report_preds(samples)
    cache = load_cache()
    current_sample: list[dict[str, Any]] = []
+    second_current: list[dict[str, Any]] = []
+    if args.offline:
+        miss_c = attach_from_cache(samples, cache, ("jev_1", "jev_2", "current_1", "current_2"))
+        miss_b = attach_from_cache(source_b, cache, ("jev_1", "jev_2", "current_1"))
+        print(json.dumps({"offline_missing": {"samples": miss_c, "source_b": miss_b}}, ensure_ascii=False), flush=True)
    try:
-        if not args.current_only:
+        if not args.offline and not args.current_only:
            run_batch(samples, workers=args.workers, run_id="jev_1", cache=cache)
            save_cache(cache)
            second = samples
@@ -734,7 +879,7 @@ def main(argv: Sequence[str] | None = None) -> int:
                run_batch(source_b, workers=args.workers, run_id="jev_2", cache=cache)
                save_cache(cache)
        source_c_rows = [row for row in samples if row.get("source") == "C"]
-        if args.current_only or os.environ.get("DEEPSEEK_API_KEY"):
+        if not args.offline and (args.current_only or os.environ.get("DEEPSEEK_API_KEY")):
            if args.sample_fraction < 1:
                current_sample = stratified_sample(
                    source_c_rows, fraction=args.sample_fraction, seed=args.sample_seed,
@@ -802,6 +947,38 @@ def main(argv: Sequence[str] | None = None) -> int:
        layer: layer_metrics([row for row in source_b if row.get("layer") == layer], pred_key="jev_1")
        for layer in ("choice", "collect", "none")
    } if source_b else {}
+    current_source_b = strip_confidence(
+        layer_metrics(source_b, pred_key="current_1") if source_b and any(row.get("current_1") for row in source_b) else None
+    )
+    current_source_b_by_layer = {
+        layer: strip_confidence(layer_metrics(
+            [row for row in source_b if row.get("layer") == layer and row.get("current_1")],
+            pred_key="current_1",
+        ))
+        for layer in ("choice", "collect", "none")
+    } if source_b and any(row.get("current_1") for row in source_b) else {}
+    source_b_jev_self_consistency = (
+        {
+            "all": self_consistency(source_b, "jev_1", "jev_2"),
+            **{
+                layer: self_consistency(
+                    [row for row in source_b if row.get("layer") == layer],
+                    "jev_1",
+                    "jev_2",
+                )
+                for layer in ("choice", "collect", "none")
+            },
+        }
+        if source_b else {}
+    )
+    none_b = [row for row in source_b if row.get("layer") == "none"]
+    source_b_none_confusion = (
+        {
+            "jev": confusion_counts(none_b, "jev_1"),
+            "current": confusion_counts(none_b, "current_1"),
+        }
+        if none_b else {}
+    )
    represent_fail = False
    represent_layers: dict[str, Any] = {}
    if not source_b or len(source_b) < 30:
@@ -904,6 +1081,10 @@ def main(argv: Sequence[str] | None = None) -> int:
            "source_a": source_a_metrics,
            "source_b": source_b_metrics,
            "source_b_by_layer": source_b_by_layer,
+            "current_source_b": current_source_b,
+            "current_source_b_by_layer": current_source_b_by_layer,
+            "source_b_jev_self_consistency": source_b_jev_self_consistency,
+            "source_b_none_confusion": source_b_none_confusion,
            "representativeness": {
                "note": represent_note,
                "fail": represent_fail,
@@ -933,6 +1114,11 @@ def main(argv: Sequence[str] | None = None) -> int:
        } for k, v in jev_metrics.items()},
        "self_consistency": jev_cons,
        "source_b_n": len(source_b),
+        "current_source_b": {
+            "n": (current_source_b or {}).get("n"),
+            "intent": (current_source_b or {}).get("intent_acc"),
+        },
+        "source_b_none_confusion_n": (source_b_none_confusion.get("jev") or {}).get("n"),
    }, ensure_ascii=False, indent=2))
    return 0

@@ -132,6 +132,16 @@ class JevIntentCorpusTests(unittest.TestCase):
            for name in names:
                self.assertNotIn(name, message)

+    def test_report_json_includes_current_source_b(self) -> None:
+        path = ROOT / "docs" / "research" / "jev_intent_2026_09_19.json"
+        if not path.is_file():
+            self.skipTest("report json not generated yet")
+        payload = json.loads(path.read_text(encoding="utf-8"))
+        current = (payload.get("metrics") or {}).get("current_source_b")
+        self.assertIsNotNone(current)
+        self.assertEqual(current["n"], payload["meta"]["source_b_n"])
+        self.assertIn("source_b_none_confusion", payload["metrics"])
+

 if __name__ == "__main__":
    unittest.main()
Author	SHA1	Message	Date
jesse-ux	507ef959f5	research(jev-intent): fix2 把来源 B 现行与高置信错误补进报告 Independent Staging Quality Gate / validate (push) Failing after 9m3s Details Independent Staging Quality Gate / publish (push) Skipped Details 离线从 cache 聚合，不重跑模型。无焦点层 Flash 69.7% 低于 Jev 78.8%。采集层相对门槛标不可判。	2026-09-19 12:28:43 +08:00
Jesse_ChenandClaude Fable 5.1	33367fb081	docs(tasks): Jev 意图分类修复轮验收——结论缺数据采纳，报告补漏单 fix2 红线 1–8 与 F1/F2/F5 通过；F3/F4 部分未通过：现行模型在来源 B 上跑了没报、来源 B 上 Jev 高置信错误 6.4% 没进 MD、层差没到标签；复核提示≈生产提示且同模型，采集层相对门槛不可判。不重造语料、不重跑、不立 BUG。 Co-Authored-By: Claude Fable 5.1 <noreply@anthropic.com> Claude-Session: https://claude.ai/code/session_017eEAG8HD3mm8gsKXgk8uU8	2026-09-19 12:12:24 +08:00
jesse-uxandClaude Code	eb8f5147f4	fix(frontend): refine settings dialog layout Independent Staging Quality Gate / validate (push) Failing after 8m47s Details Independent Staging Quality Gate / publish (push) Skipped Details Co-Authored-By: Claude Code <noreply@anthropic.com>	2026-09-19 11:32:27 +08:00