fix: correct stage12 evaluation evidence

KNOWLEDGE_RAG_STAGE12.md

@@ -64,16 +64,20 @@ KnowledgeDocument -> chunk -> embed -> candidate retrieve -> rerank -> citation
 ## 实际结果
 
 - 修复前基线：阶段 11 定向命令 `python -m pytest tests/test_knowledge_pipeline.py tests/test_knowledge_rag.py -q --disable-warnings` 为 `13 passed`；其中 10 条作业知识点只读取前 8 条，唯一匹配的第 10 条证据被漏掉。
-- 修复后定向命令：`python -m pytest tests/test_knowledge_pipeline.py tests/test_knowledge_vector_store.py tests/test_knowledge_eval.py tests/test_knowledge_rag.py -q --disable-warnings` 为 `19 passed`，退出码 0，37.94s。
-- 评审要求的评估命令：`python -m pytest tests/test_knowledge_eval.py -q --disable-warnings` 为 `4 passed`，退出码 0，0.24s；`python -m pytest tests/test_knowledge_eval.py tests/test_knowledge_rag.py -q --disable-warnings` 为 `15 passed`，退出码 0，37.89s。
-- 全量回归：`python -m pytest -q --disable-warnings` 为 `681 passed`，退出码 0，13:26；warnings 为既有项目噪音和测试环境输出，本次没有失败用例。
-- 固定评估命令：`python -m services.knowledge_eval`；5 个固定问题，4 个有标注问题，按“每题前 k 个去重文档命中数 / 该题相关文档数”计算 Recall@1=0.875、Recall@k=0.875；模式为 3 次 vector、1 次 keyword fallback、1 次 no-result，期望模式不匹配数为 0。
-- 固定评估的普通问题耗时：切分/索引构建 mean 0.381ms、P95 1.701ms；查询 mean 0.051ms、P95 0.103ms；合计 mean 0.433ms、P95 1.762ms。
-- 固定 64 文档性能样本、64 个切片、100 次查询、top-k=8：构建 0.901ms；查询 mean 0.418ms、P95 0.493ms；总耗时 42.745ms，按运行摊销 0.427ms/次。
+- 本次审查指定定向命令：`python -m pytest tests/test_knowledge_eval.py tests/test_knowledge_vector_store.py tests/test_knowledge_rag.py -q --disable-warnings` 为 `19 passed`，退出码 0，47.06s。
+- 全量回归（前一提交 `d370b5f`）：`python -m pytest -q --disable-warnings` 为 `681 passed`，退出码 0，13:26；该结果未在本次标签修订后重跑，warnings 为既有项目噪音和测试环境输出。
+- 固定评估命令：`python -m services.knowledge_eval`；5 个固定问题，4 个有标注问题，最后一题的两个相关文档现在均为真实的数组下标文档（`array-boundary`、`array-indexing`），不再把排序稳定性文档误标为相关文档。按“每题前 k 个去重文档命中数 / 该题相关文档数”计算 Recall@1=0.875、Recall@k=0.875；模式为 3 次 vector、1 次 keyword fallback、1 次 no-result，期望模式不匹配数为 0；共索引 16 个切片。
+- 固定评估的普通问题耗时：切分/索引构建 mean 0.507ms、P95 2.239ms；查询 mean 0.061ms、P95 0.119ms；合计 mean 0.570ms、P95 2.326ms。
+- 固定 64 文档性能样本、64 个切片、100 次查询、top-k=8：构建 1.096ms；查询 mean 0.463ms、P95 0.473ms；总耗时 47.388ms，按运行摊销 0.474ms/次。
 - 行为回归：查询第 10 条唯一知识点时从旧的“前 8 条漏检”变为返回 `assignment-kp:10`；最终结果仍最多 8 条。超过 64 条时第 65 条及以后保持明确的资源边界。
 - 故障实验：向量 embedding 抛出异常时返回 `KNOWLEDGE_RETRIEVAL_UNAVAILABLE`，学生端继续 answer-only，不暴露内部异常或伪造引用。
 - `git diff --check`：通过。
 
+### 维护者抽查答复
+
+- ID10 能命中、ID70 不能进入结果，是因为 `MAX_INDEX_DOCUMENTS=64` 控制从数据库读取并建立索引的候选文档数：ID10 在前 64 条范围内，ID70 超出范围会被有意截断。`MAX_EVIDENCE=8` 是另一层边界，只控制最终返回给调用方的证据最多 8 条；它不决定是否建立索引。
+- 查询“数据库迁移”时，空索引走 `no_result`，返回 `NO_KNOWLEDGE_EVIDENCE`，保持原有 answer-only 回退；索引含数组/指针文档但没有匹配时走 `priority_fallback`，按稳定优先级返回已有证据，避免有作业知识记录时把学生端结果突然变成无证据。只有索引为空时才进入 no-result 分支。
+
 ## 事实、推断与未解决问题
 
 - 已确认事实：索引只存在于单次调用创建的 `HybridKnowledgeIndex`；未写入数据库、磁盘、Redis 或跨请求全局缓存；候选读取上限为 64，最终证据上限为 8；固定集和回归测试均在无生产凭据的隔离环境运行。

tests/fixtures/knowledge_rag_eval.json

@@ -20,6 +20,13 @@
       "content": "稳定排序会保持相等元素的原有相对顺序。",
       "source_type": "offline-eval",
       "priority": 1
+    },
+    {
+      "document_id": "array-indexing",
+      "title": "数组下标",
+      "content": "数组下标从零开始，访问元素前确认索引合法。",
+      "source_type": "offline-eval",
+      "priority": 1
     }
   ],
   "queries": [
@@ -50,7 +57,7 @@
     },
     {
       "query": "下标",
-      "relevant_document_ids": ["array-boundary", "sorting-stability"],
+      "relevant_document_ids": ["array-boundary", "array-indexing"],
       "expected_mode": "vector",
       "top_k": 1
     }

tests/test_knowledge_eval.py

@@ -22,6 +22,10 @@ def test_fixed_knowledge_eval_reports_vector_fallback_and_no_result_modes():
     assert metrics["mean_total_latency_ms"] >= metrics["mean_query_latency_ms"]
     assert metrics["performance_sample"]["document_count"] == 64
     assert metrics["performance_sample"]["chunk_count"] == 64
+    assert metrics["case_results"][-1]["retrieved_document_ids"] == [
+        "array-boundary"
+    ]
+    assert metrics["case_results"][-1]["recall_at_k"] == 0.5
 
 
 def _write_fixture(tmp_path, documents, queries):