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，目标是落实评审意见中的事实标签与验证记录修正。当前 head 为 4ad8fc57703e659783b6580cb09e6cda59f0182b，目标分支为 main；相对当前上游 main 仅修改 3 个文件（22 行净增）。

• 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：刷新本次验证结果，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。

对评审意见的处理

1. sorting-stability 不是数组下标文档，已替换为真实的 array-indexing 文档；最后一题的两个相关文档现在是 array-boundary、array-indexing，top-k=1 的实际召回为其中 1 个，Recall=0.5。
2. PR 与任务记录改为当前跟进 head；全量回归结果保留原提交标识 d370b5f，未冒充本次跟进后的结果。
3. 抽查答复已写入阶段十二文档：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 只控制最终返回证据数量。空索引的“数据库迁移”走 no_result/NO_KNOWLEDGE_EVIDENCE；含数组/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

验证在隔离 worktree 使用共享 student-eval Python 环境执行；未使用生产数据库、Redis、外部 AI 或生产凭据。

• 在前一提交 352dd8b（当前 4ad8fc5 仅更新文档耗时记录，不改代码、fixture 或测试）执行：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 0，47.06s。
• 同一执行批次：python -m services.knowledge_eval → 5 个问题、4 个有标注问题；Recall@1=0.875，Recall@k=0.875；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=0.507/2.239ms，查询=0.061/0.119ms，合计=0.570/2.326ms；64 文档性能样本构建=1.096ms，查询 mean/P95=0.463/0.473ms，总耗时=47.388ms，摊销=0.474ms/次。
• git diff --check：通过。
• 前一实现提交 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，当前未重新宣称全量回归。

事实与推断边界

• 已确认事实：指定定向测试通过；固定评估输出如上；相关文档标签真实；相对上游 main 的当前差异仅为 3 个文件；本修订不改变数据库、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；本跟进未重跑全量回归。

回滚与后续

回滚本跟进只需还原这 3 个文件；不需要数据库或部署回滚。若要提升语义召回或引入持久化索引，应另行评审模型、成本、失效策略、权限和数据迁移。

PR #51 已合并；本 PR 仅承接其评审反馈的评估事实与验证记录修正。

[XiaoCow666]

结论：本次阶段十二评估标签修订本身合理，但未满足关联的阶段十三任务交付要求，需补齐后复审。

已检查范围：仅静态分析提供的 3 个文件 diff，未执行命令。tests/fixtures/knowledge_rag_eval.json 新增数组下标文档并纠正相关性标签；tests/test_knowledge_eval.py 增加最后一题返回文档及 Recall=0.5 的断言；KNOWLEDGE_RAG_STAGE12.md 明确旧提交的全量测试结果。未发现这些改动本身存在明确的功能或安全问题；PR 中的测试通过记录未经本次独立验证。

P1：阶段十三必需交付物缺失

当前任务是“生产级可靠性与容量演练”，但任务台的 reproduction_evidence、planned_changes、learning_summary、verification_result 均为空。当前 diff 仅修订阶段十二的评估数据、断言和说明，没有阶段十三的真实行为改动及对应回归测试，因此无法确认本阶段目标已完成。

请打开 KNOWLEDGE_RAG_STAGE12.md 的“实际结果”，保留其阶段十二归属；新增 KNOWLEDGE_RAG_STAGE13.md，把当前缺失的阶段十三记录补成可核验的交付说明，并同步填写任务台：

• reproduction_evidence：记录当前瓶颈的输入规模、复现命令、提交 SHA、实际输出和预期行为。
• planned_changes：明确不与其他成员重复的子问题、实际修改的文件和函数、行为变化及回滚方式。
• learning_summary：说明瓶颈原因、方案取舍，以及实测事实与推断的区别。
• verification_result：记录修复前失败、修复后通过的回归用例、命令、提交 SHA 和实际输出。

请针对上述复现补入真实行为修复及回归测试；当前 tests/test_knowledge_eval.py 的 test_fixed_knowledge_eval_reports_vector_fallback_and_no_result_modes 新增断言只锁定评估结果，不能替代阶段十三的行为回归。完成后运行 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，并执行新增回归用例，记录真实结果。

若此 PR 确实仅用于阶段十二跟进，请先将任务关联改为对应的阶段十二修订任务，再提交复审，无需为关联错误扩张实现范围。

[XiaoCow666]

CodeSense 自动评审

未发现必须阻塞合并的问题。变更范围仅限离线评估 fixture、对应断言和验证记录；修正后的相关文档标签与新增数组下标文档一致，top-k=1 的 0.5 Recall 断言也与两个相关文档的定义一致。提供的定向测试、固定评估和 diff 检查证据均显示通过。

已有验证信息

• PR 提供证据：在与当前代码、fixture、测试相同的前一提交 352dd8b 上执行 python -m pytest tests/test_knowledge_eval.py tests/test_knowledge_vector_store.py tests/test_knowledge_rag.py -q --disable-warnings，结果为 19 passed、退出码 0；PR 说明当前 4ad8fc5 相对此提交仅更新文档耗时记录。
• PR 提供证据：python -m services.knowledge_eval 输出 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，期望模式不匹配数为 0，共索引 16 个切片。
• PR 提供证据：git diff --check 通过。
• PR 明确全量 681 passed 的证据属于前一实现提交 d370b5f，本次标签修订后未重跑全量回归；该限制已如实记录，且本次修改没有运行时代码变更。

评审事件：feba8f22-b262-11f1-9b33-a9e595f1168e