fix: correct stage12 evaluation evidence

[xjx-star]

变更范围

这是阶段十二 PR #51 合并后的跟进修订，只修正离线评估样本的事实标签，并补充可复核的验证与维护者抽查答复。目标分支为 main，当前 head 为 fc7e45f35df8e76d10167a91bf18df2f2e2f2b72。

• tests/fixtures/knowledge_rag_eval.json：新增真实的 array-indexing 数组下标文档，将“下标”问题的相关文档从误标的 sorting-stability 改为 array-boundary 与 array-indexing。
• tests/test_knowledge_eval.py：锁定最后一题 top-k=1 的实际结果与 0.5 Recall，防止评估标签和行为再次脱节。
• KNOWLEDGE_RAG_STAGE12.md：刷新当前 head 的验证结果，明确旧全量结果所属提交，并回答 64/8 边界和空索引/无匹配索引的回退路径。
• 不修改数据库结构、权限、部署、生产密钥、核心接口或运行时数据。

与 PR #51 评审意见的对应

1. 修正评估集标签：sorting-stability 不是数组下标文档，已替换为 array-indexing；Recall 仍按真实相关文档数计算，最后一题在 top-k=1 下为 0.5。
2. 记录已刷新为当前 head fc7e45f。旧提交 d370b5f 的全量回归结果仍明确标注为旧提交，不冒充本次修订后的结果。
3. 补充抽查答复：MAX_INDEX_DOCUMENTS=64 控制索引候选读取范围，ID10 在范围内、ID70 被截断；MAX_EVIDENCE=8 只控制最终证据数量。空索引的“数据库迁移”走 no_result/NO_KNOWLEDGE_EVIDENCE；有数组/指针文档但无匹配时走 priority_fallback，返回已有优先级证据以保持阶段 11 兼容行为。

验证命令与结果

使用隔离 worktree 和共享 student-eval Python 环境；未使用生产数据库、Redis、外部 AI 或生产凭据。

• python -m pytest tests/test_knowledge_eval.py tests/test_knowledge_vector_store.py tests/test_knowledge_rag.py -q --disable-warnings：19 passed，退出码 0，37.93s。
• python -m services.knowledge_eval：5 个问题、4 个有标注问题；Recall@1=0.875，Recall@k=0.875；模式为 vector 3、keyword_fallback 1、no_result 1；expected mode mismatch=0；共索引 16 个切片。普通问题构建 mean/P95=0.341/1.477ms，查询=0.045/0.094ms，合计=0.387/1.532ms；64 文档性能样本构建=0.946ms，查询 mean/P95=0.392/0.660ms，总耗时=40.161ms，摊销=0.402ms/次。
• git diff --check：通过。
• 前一提交 d370b5f 已验证全量 python -m pytest -q --disable-warnings：681 passed，13:26；本次跟进只涉及评估 fixture、评估断言和文档，当前全量结果未重新宣称。

事实与推断边界

• 已确认事实：当前指定定向测试通过；评估输出为上述数值；标签现在对应真实数组下标文档；修订不改变数据库、权限、部署和核心运行时接口。
• 仅属推断：CJK bigram 稀疏向量的泛化能力和本地耗时不能代表线上 Recall 或 SLA。
• 未验证：真实 Redis、外部 AI、生产数据库、并发压力、浏览器全流程、持久化向量库和线上 SLA；本次未重跑全量回归。

后续

请按 main 当前状态复核并合并本跟进 PR；若仍需全量回归或网络侧 merge-precheck，请以新 head fc7e45f 重跑。阶段十二 PR #51 已合并，本 PR 仅承接其评审反馈中的事实记录修正。

[XiaoCow666]

结论：需要补齐阶段 13 的必要交付证据。仅静态审查所提供的 diff，未调用工具或执行测试；未发现可由这些片段直接确认的功能或安全阻塞问题。

必要修改项

1. [P2] 当前交付与阶段 13 任务不对应，任务台四个证据字段全部为空。
   • 位置：KNOWLEDGE_RAG_STAGE12.md 的“观察与可证伪假设”“实际结果”，以及 TASK CONTEXT 的 reproduction_evidence、planned_changes、learning_summary、verification_result。
   • 证据与影响：文档明确标注 stage12；所述瓶颈是原有 8 条候选截断。diff 确实包含扩大候选池、向量检索和回归测试，但没有证明阶段 13 当前的可靠性或容量缺口，也未说明选题如何避免与其他成员重复。不能据此确认本次阶段任务完成。
   • 请打开 KNOWLEDGE_RAG_STAGE12.md 的上述标题，保留阶段 12 历史记录；另新增 KNOWLEDGE_RAG_STAGE13.md，记录当前基线的具体输入、预期与实际结果，选择一个不重复且可回滚的子问题，并提交对应行为改动和回归测试，不要仅将阶段编号改成 13。
   • 请把任务台空字段改为具体证据：reproduction_evidence 填基线提交、复现命令和实际输出；planned_changes 填选题、去重依据、修改位置及回滚办法；learning_summary 填观察、取舍与局限；verification_result 填修改后提交、命令、退出码和结果。然后运行 python -m pytest tests/test_knowledge_eval.py tests/test_knowledge_vector_store.py tests/test_knowledge_rag.py -q --disable-warnings、python -m services.knowledge_eval 及 git diff --check，并记录所选子问题新增回归的结果。

已检查范围与后续建议

• 已检查评估标签、Recall 分母与去重逻辑、64 条候选和 8 条证据边界、请求内索引、异常回退及新增测试。最后一题两个相关文档、top-k=1 对应 Recall=0.5，逻辑一致。
• PR 正文称只修改 fixture、断言和文档，但提供的 diff 还新增两个服务模块并修改运行时检索。建议按实际 diff 重写变更范围，列出候选池扩大和检索模式变化，便于首次审阅者准确判断影响。
• 验证记录请继续区分当前提交的定向结果与旧提交的全量结果；正文中的通过数量属于贡献者报告，本次未独立验证。

[xjx-star]

该 PR 因 #51 为 squash 合并，导致历史分支展示为整组重复 diff。已从当前 main 新建干净跟进分支，仅保留 3 个文件的评审修正，并提交到后续 PR #53：https://github.com/XiaoCow666/CodeSense/pull/53。请以 #53 为准。