Make deployment truth and remaining graduation gates explicit

Document the runnable Docker workflow, expected one-shot container exits, server-controlled Bailian namespace switch, current earned progress, and the security and evaluation work that still blocks private-data or graduation release claims.

Constraint: Current local Bailian credentials are rejected by the configured workspace

Rejected: Mark the project complete from synthetic metrics | would overstate provider, OCR, authorization, and blind-evaluation readiness

Confidence: high

Scope-risk: narrow

Directive: Keep progress evidence task-based and distinguish synthetic engineering validation from real geological efficacy

Tested: make verify-design; Markdown links; secret scan; diff checks

Not-tested: Final thesis review and live provider authorization

docs/04-project-todo.md

@@ -3,12 +3,12 @@
 | 项目 | 当前值 |
 |---|---|
 | 基线日期 | 2026-07-13 |
-| 当前阶段 | Stage 1：模型与数据库 PoC，`IN_PROGRESS` |
+| 当前阶段 | 核心 synthetic 产品链已 Docker E2E；Stage 1 真实三模型验收 `BLOCKED`，Stage 2–5/7 按剩余项推进 |
 | 已完成阶段 | Stage 0：仓库、安全和设计基线 |
-| 整体完成度 | 约 12%，合理区间 10%–15% |
+| 整体完成度 | 任务级挣值约 50%，合理区间 45%–55%；核心 synthetic 产品工程链约 70% |
 | 设计完成度 | 设计基线已完成；实现中发现新约束时继续通过 ADR 和文档修订维护 |
-| 业务代码完成度 | 不以新增文件提前抬高里程碑；已增加独立 `model-gateway`、内部 token 身份、应用工厂/Problem/trace 和 `0002` profile/cache 迁移，完整产品主链路仍未完成 |
-| 当前预计剩余工期 | 约 9–13 周，含 300 题正式标注、盲测、论文和答辩缓冲 |
+| 业务代码完成度 | 上传→解析→manifest 审核→向量化→原子激活→正式检索已两次 Docker E2E；文档/检索/问答页面可运行 |
+| 当前预计剩余工期 | 约 6–10 周；主要取决于百炼授权、PDF/OCR、300 题双审盲测、论文和答辩排期 |
 | 进度权威来源 | 本文的阶段状态、验收证据和已推送提交 |
 
 本文把 [总体设计](00-overall-design.md)、[数据与评测设计](01-data-and-evaluation.md)、[部署与安全设计](02-deployment-and-security.md) 和 [实施计划](03-implementation-plan.md) 转换为从当前状态到最终答辩、归档的可执行清单。它只表示计划和已验证事实，不因文档完整就声称系统代码已经完成。
@@ -34,23 +34,32 @@
 
 ### 1.2 进度口径
 
-当前进度采用里程碑权重，不采用“文件数量”或“代码行数”：
+当前进度采用固定阶段权重下的**任务级挣值**，不采用“文件数量”或“代码行数”，也不再使用
+“整阶段只要缺一项就记 0”的陈旧口径。`已计入进度` 只统计已有自动测试、Docker/HTTP 证据和
+文档契约的交付；设计稿、尚未验证的代码和外部计划不计入。阶段只有全部 Definition of Done
+满足时才标记 `DONE`，所以部分挣值不等于阶段完成。
 
 | 阶段 | 权重 | 当前状态 | 已计入进度 |
 |---|---:|---|---:|
 | Stage 0 设计与安全基线 | 12% | `DONE` | 12% |
-| Stage 1 模型与数据库 PoC | 8% | `IN_PROGRESS` | 0% |
-| Stage 2 完整工程骨架 | 10% | `TODO` | 0% |
-| Stage 3 数字文档入库 | 14% | `TODO` | 0% |
-| Stage 4 检索与重排 | 12% | `TODO` | 0% |
-| Stage 5 生成、引用和 UI | 12% | `TODO` | 0% |
+| Stage 1 模型与数据库 PoC | 8% | 离线 `DONE`，真实模型 `BLOCKED` | 6% |
+| Stage 2 完整工程骨架 | 10% | `IN_PROGRESS` | 9% |
+| Stage 3 数字文档入库 | 14% | `IN_PROGRESS` | 9% |
+| Stage 4 检索与重排 | 12% | `IN_PROGRESS` | 7% |
+| Stage 5 生成、引用和 UI | 12% | `IN_PROGRESS` | 5% |
 | Stage 6 OCR、表格与质量 | 10% | `TODO` | 0% |
-| Stage 7 正式评测与消融 | 12% | `TODO` | 0% |
+| Stage 7 正式评测与消融 | 12% | `IN_PROGRESS` | 2% |
 | Stage 8 安全、恢复、性能和论文 | 7% | `TODO` | 0% |
 | Stage 9 答辩、发布与归档 | 3% | `TODO` | 0% |
-| **合计** | **100%** | — | **12%** |
+| **合计** | **100%** | — | **50%** |
 
-Stage 1 已完成可离线验收的数据库、适配器契约、synthetic seed、只读 API 和 Web 演示子闭环，并已把百炼 Key/公网出口收敛到独立 `model-gateway`；但真实三模型请求当前均返回 401，因此 Stage 1 不提前计入整体里程碑。Stage 2 中应用工厂、Problem/trace、React、Nginx、网络隔离和质量门禁已作为前置落地，`0002_model_profiles` 迁移代码也已建立；Worker 租约、上传入库、正式检索/聊天和评测等必选项尚未完成，Stage 2 仍为 `TODO`。本文复选框表示“已通过对应层级的验收”，不表示“文件是否已经出现”。当前可诚实表述为：**设计基线完成，整体里程碑仍约 12%，安全离线链路可运行，真实百炼验证和产品主链路尚未完成。**
+Stage 1 已完成数据库、适配器契约、synthetic seed 和模型出口隔离，但真实三模型请求当前均返回
+401，因此真实模型子门禁保持 `BLOCKED`。不依赖该外部鉴权的产品链已经继续推进：文档上传、
+本地解析、manifest 审核、向量化、版本激活、正式 Retrieval、Grounded Chat 和 React 页面在
+Docker 中连续两次通过，重复运行保持相同身份，version/chunk/assignment/jobs/invocations 为
+`1/1/1/2/1`；当前全量门禁记录为 296 项后端测试、53 项前端测试。按上述任务级证据计入约
+50% 是比旧 12% 更合理的实现进度，但**不是毕业验收进度已完成一半的承诺**：PDF/OCR、真实
+认证与多租户、正式 300 题盲测、备份恢复/压测、论文和答辩仍在关键路径上。
 
 ## 2. 阶段依赖与关键路径
 
@@ -115,7 +124,7 @@ Stage 0 DONE
 
 ## 4. Stage 1：模型与数据库 PoC
 
-- **状态：** `IN_PROGRESS`
+- **状态：** 离线 PoC `DONE`；真实百炼三模型 `BLOCKED`（401）
 - **预计工期：** 1–2 个工作日；外部密钥或网络未就绪时暂停计时
 - **依赖：** Stage 0；已轮换百炼 Key；允许的工作空间端点；本机 Docker
 
@@ -184,8 +193,8 @@ Stage 0 DONE
 - React + TypeScript strict 离线演示已实现工作台与系统状态页；14 项前端测试、ESLint、类型检查和生产构建通过。
 - Nginx 成为唯一回环入口，Compose 仅发布 `127.0.0.1:8000`；`web -> gateway -> api` 同源链路、Swagger、OpenAPI、健康检查和 synthetic search 均通过真实 HTTP 验收。
 - `edge / ingress / data / model / egress` 五网络边界已落地；API、seed、smoke 不挂载百炼 Key，只有不连数据库/上传卷的 `model-gateway` 同时连接 internal model 与 egress。
-- gateway 与 Nginx 已关闭代理缓冲，自动测试证明两个 SSE 事件保持为独立下游分块，且响应头阶段断连也会释放上游流；真实聊天生成与取消传播仍属于 Stage 5，尚未实现。
-- 当前真实 `text-embedding-v4` / `qwen3-rerank` / `deepseek-v4-flash` 请求均到达供应商但返回 401；三能力与真实模式 seed 未验收。上传、正式检索、grounded chat、Worker 和评测仍属于后续阶段，不能称为“唯一剩余项”。
+- gateway 与 Nginx 已关闭代理缓冲；Grounded Chat 现已实跑 synthetic `meta -> retrieval -> delta -> citations -> usage -> done`，并具备终态错误与客户端取消路径。真实 `deepseek-v4-flash` 仍受供应商鉴权阻断，持久会话/断线重放尚未实现。
+- 当前真实 `text-embedding-v4` / `qwen3-rerank` / `deepseek-v4-flash` 请求均到达供应商但返回 401；三能力与真实模式 seed 未验收。上传、正式检索、Grounded Chat、Worker 和 synthetic 评测已作为后续阶段能力落地，但不能反向替代 Stage 1 的真实供应商验收。
 
 ### 提交/推送节点
 
@@ -207,40 +216,40 @@ Stage 0 DONE
 
 ## 5. Stage 2：扩展为完整工程骨架
 
-- **状态：** `TODO`
+- **状态：** `IN_PROGRESS`（核心 Compose、业务 Worker 和恢复契约已落地；正式认证/RBAC 与进程级故障矩阵待补）
 - **预计工期：** 3–4 个工作日
 - **依赖：** Stage 1 `DONE`
-- **已完成前置：** 不依赖云密钥的 React 离线演示、OpenAPI 类型、Nginx 单入口和质量门禁已验收；模型隔离网络加入后当前为五层网络。这不代表 Stage 2 已启动或完成。
+- **已完成前置：** React、OpenAPI 离线生成、Nginx 单入口、数据库迁移、上传卷初始化及本地/模型 Worker 拆分均已进入默认 Compose。
 
 ### 具体实现任务
 
 - [x] 建立 FastAPI 应用工厂、配置加载、稳定 Problem JSON、trace middleware 和 OpenAPI；导入阶段不连库、不读模型凭证。
-- [ ] 按 `domain -> ports -> services -> adapters/persistence` 落实后端依赖边界。
-- [ ] 建立完整 SQLAlchemy 仓储和业务事务边界；Alembic 已推进到 `0002_model_profiles`，且空卷/已有数据升降级已验证。
-- [ ] 建立 PostgreSQL `background_jobs`、租约、lease token、fencing 和重试状态机。
-- [ ] 建立 Worker maintenance loop、advisory-lock reaper 和强杀恢复测试。
+- [x] 正式 Retrieval、Grounded Chat、文档上传/审核、评测、任务队列和解析/索引 handler 已按 `api/workers -> services -> adapters/persistence` 分层；认证和持久会话仍需沿用该边界。
+- [x] 建立核心业务的 PostgreSQL 仓储和短事务边界；Alembic 已推进文档入库/审核 schema，空卷和升级路径已验证。
+- [x] 建立 PostgreSQL `background_jobs`、短事务 claim、租约、lease token、过期时间 fencing 和重试状态机。
+- [x] 建立 Worker maintenance loop、心跳不超过租约 1/3、advisory-lock reaper、优雅停止和真实 PostgreSQL 并发/过期租约 smoke；解析与向量化业务 handler 已接入，SIGKILL/耗尽重试矩阵仍待补。
 - [ ] `/health/live`、数据库 `/health/ready` 及 model-gateway 本地 readiness 已有；管理员模型能力探测 API 仍待实现。
 - [x] 建立 React + TypeScript strict、路由、TanStack Query 和 OpenAPI 客户端生成。
-- [x] 建立 Nginx，仅发布 Web 端口；当前 API、DB 只在内部网络，Worker 落地后必须沿用同一边界。
-- [ ] 建立完整 Compose：`web/api/worker/db/migrate`，OCR profile 默认关闭。
+- [x] 建立 Nginx，仅发布 Web 端口；API、DB、两个 Worker 均不发布宿主机端口。
+- [x] 建立默认 Compose：`web/gateway/api/model-gateway/worker-local/worker-model/db/migrate/upload-init`；OCR profile 仍未实现。
 - [x] 建立当前范围的 Ruff、类型、pytest、ESLint、TypeScript、Vitest 和镜像检查；Stage 2 新模块必须继续纳入门禁。
 - [x] 建立 Gitea CI 的 fake provider 测试；外部 PR 不运行真实 Key 测试。
 
 ### 验收证据
 
-- [ ] 空白机器仅按 README 执行即可启动完整骨架。
-- [ ] migration 只执行一次，失败时 API readiness 不通过。
-- [x] 当前 `docker compose ps` 只暴露 Nginx/Web 回环端口；加入 Worker 后须重新验收。
-- [ ] Docker 重启后数据库数据保留。
-- [ ] 强杀 Worker 后验证可重领、耗尽进入 `FAILED`、旧 token 不能提交。
-- [x] 已提交基线的两端 lint、类型、测试和构建门禁通过；本轮新增 model-gateway、应用工厂和 `0002` 仍须在提交前以 `make verify` 重新确认。
+- [x] 新环境按 README 初始化本地 Secret 后可用 `make up` 启动完整 synthetic 骨架。
+- [x] `migrate` 与 `upload-init` 均为一次性任务，成功 `Exited (0)`；依赖失败会阻止 API 启动。
+- [x] 当前 `docker compose ps` 只暴露 Nginx/Web 回环端口；Worker 无端口。
+- [x] Docker 重启后数据库数据和上传卷保留。
+- [x] 真实 PostgreSQL smoke 已验证并发仅一个 winner、错误 token/过期租约拒绝、过期任务换 token 重领并完成；进程级 SIGKILL 与耗尽 `FAILED` 场景仍待持续 Worker 服务接入后补验。
+- [x] 当前全量门禁记录为 296 项后端测试、53 项前端测试，并覆盖 OpenAPI、Compose 和 Secret 契约。
 
 ### 提交/推送节点
 
-- [x] `S2-PREP`：React 离线演示、Nginx 单入口、当时的四网络隔离、SSE 代理安全修复与质量门禁已随 `c3bad0f` 验证并推送；后续 `model` 网络把当前拓扑扩为五层，该前置提交不代表 Stage 2 已启动或完成。
-- [ ] `S2-A`：FastAPI、持久化、健康端点和错误契约。
-- [ ] `S2-B`：任务租约、reaper、fencing 和恢复测试。
-- [ ] `S2-C`：React、Nginx、完整 Compose、CI 和文档；其中 React/Nginx/CI 前置已完成，缺 Worker 与完整 Compose 验收，节点不得提前关闭。
+- [x] `S2-PREP`：React 离线演示、Nginx 单入口、当时的四网络隔离、SSE 代理安全修复与质量门禁已随 `c3bad0f` 验证并推送；当前拓扑进一步拆分本地/模型 Worker，详见 ADR-0007。
+- [x] `S2-A` 功能范围：FastAPI、持久化、健康端点和错误契约已实现；阶段提交记录随当前交付统一落地。
+- [x] `S2-B` 功能范围：任务租约、reaper、fencing 和恢复 smoke 已实现；进程级 SIGKILL 矩阵仍作为加固项。
+- [x] `S2-C` 功能范围：React、Nginx、双 Worker Compose、CI 门禁和文档已实现；正式认证仍阻止整个 Stage 2 标记 `DONE`。
 - [ ] 每个节点验证后独立提交并推送；Stage 2 完成时在本文更新状态。
 
 ### 风险门禁
@@ -251,33 +260,33 @@ Stage 0 DONE
 
 ## 6. Stage 3：数字文档入库主链路
 
-- **状态：** `TODO`
+- **状态：** `IN_PROGRESS`（TXT/Markdown/DOCX synthetic 主链已 E2E；PDF/OCR、删除/版本演进与真实语料待补）
 - **预计工期：** 1 周
 - **依赖：** Stage 2 `DONE`；合法数字资料样本和审核人可用
 
 ### 具体实现任务
 
-- [ ] 实现上传流式大小、扩展名、MIME、页数、加密和恶意文件检查。
-- [ ] 实现 `QUARANTINED_LOCAL_REVIEW -> LOCAL_PARSED_PENDING_CLOUD_REVIEW -> CLOUD_APPROVED/REJECTED` 状态机。
-- [ ] 在隔离本地完成数字 PDF/DOCX/TXT/Markdown 解析、页码和章节恢复。
-- [ ] 生成 `raw_text`、脱敏 `cloud_text` 和 outbound manifest；所有外发调用前核对哈希。
-- [ ] 实现 512 Token 基线切分、64 Token 重叠、表头上下文和元数据前缀开关。
-- [ ] 实现精确去重、近重复族、版本关系和确定性 chunk ID。
-- [ ] 实现 Embedding 批次、内容缓存、chunk assignment、检查点和有界重试。
-- [ ] 实现 `documents.active_version_id` 与 `chunks.searchable` 单事务切换和持续对账。
+- [x] 实现大小、扩展名、MIME、签名、编码、DOCX 加密/zip bomb/路径穿越/active content 检查，以及声明→流式写入→摘要确认的两阶段上传 API。
+- [x] 实现 `QUARANTINED_LOCAL_REVIEW -> LOCAL_PARSED_PENDING_CLOUD_REVIEW -> CLOUD_APPROVED/REJECTED` 状态机、乐观 revision 和审核事件。
+- [x] TXT/Markdown/DOCX 的安全本地解析、逻辑页/行/字符/章节锚点已完成；PDF 当前 fail closed 为 `OCR_REQUIRED`，可靠 PDF parser/OCR Worker 尚未接入。
+- [x] 生成分离的 `display_text/cloud_text/embedding_text`、独立 hash 和确定性 outbound manifest，并要求数据库审批绑定 exact manifest。
+- [x] 实现确定性 512 Token 基线、800 上限、64 重叠、章节边界和 embedding 元数据前缀；地质标识符保持为单 token。
+- [ ] 已实现相同上传/任务幂等和确定性 chunk ID；近重复文档族与完整版本关系仍待实现。
+- [x] 实现 Embedding 批次、内容缓存、chunk assignment、调用记录、租约 fencing 和有界重试。
+- [x] 实现 READY 完整性对账，以及 `documents.active_version_id` 与 `chunks.searchable` 单事务切换。
 - [ ] 实现删除立即退出检索、后台物理清理和最小审计记录。
-- [ ] 实现知识库、文档列表、上传进度、复核状态和错误详情 UI。
+- [x] 实现 `/documents` 文档列表、上传/任务进度、复核、批准/拒绝和安全错误 UI。
 - [ ] 冻结 corpus manifest 与文档族 60/20/20 split；盲测标签由独立保管人控制。
 - [ ] 用允许使用的小规模数字 PDF 语料完成端到端入库演练。
 
 ### 验收证据
 
-- [ ] 100% `searchable` 切片可追溯当前文档版本、页码和 outbound manifest。
-- [ ] `approved chunks == READY vector assignments`，维度和文本/profile 哈希一致。
-- [ ] 同一文件重复上传、任务重跑和中断恢复不产生重复记录或重复费用。
+- [x] 当前 synthetic 主链的 searchable 切片可追溯版本、来源锚点和 outbound manifest；真实多页语料仍待抽样验收。
+- [x] synthetic E2E 验证 `approved chunks == READY vector assignments`，维度和文本/profile 哈希一致。
+- [x] 同一 fixture 连续两次 E2E 使用相同身份，version/chunk/assignment/jobs/invocations 稳定为 `1/1/1/2/1`。
 - [ ] 新版本未完整 READY 前旧版本继续可检索；切换没有空窗。
 - [ ] 删除后在线查询立即不可命中，物理清理可审计。
-- [ ] 未获云审批的文档不会触发 Embedding、Rerank 或 LLM 请求。
+- [x] 未获 manifest 审批的版本不会创建 embedding assignment/job；本地解析 Worker 无模型网络与 Token。
 
 ### 提交/推送节点
 
@@ -294,20 +303,20 @@ Stage 0 DONE
 
 ## 7. Stage 4：检索与重排
 
-- **状态：** `TODO`
+- **状态：** `IN_PROGRESS`（synthetic 正式检索切片已运行，真实语料/百炼与质量规模验收未完成）
 - **预计工期：** 1 周
 - **依赖：** Stage 3 `DONE`；开发集 qrels/100 组三元组可用
 
 ### 具体实现任务
 
-- [ ] 实现 query embedding，并在原生模式使用 `text_type=query`。
+- [x] 实现 profile-aware query embedding；当前兼容模式走内部 model-gateway，原生模式能力指纹仍待真实供应商验证。
 - [ ] 实现同权限过滤条件下的 exact Cosine Top K 基线。
 - [ ] 实现 HNSW、iterative scan、`ef_search`、over-fetch 和 ANN 对账。
-- [ ] 在候选生成 SQL 内应用知识库、角色、文档状态和可见范围过滤。
-- [ ] 实现 Dense Top 50、`qwen3-rerank` Top 10、生成上下文 Top 8。
-- [ ] 实现 Rerank 总 Token 预检、响应 index 回填、裁剪和错误分类。
-- [ ] 实现候选去重、邻接补全和上下文 Token 预算。
-- [ ] 实现检索实验室：展示查询配置、初召回、重排、来源和耗时。
+- [x] 在候选生成 SQL 的 `LIMIT` 前应用知识库、服务端授权 scope、active version、审批、READY assignment、profile 和 searchable 过滤。
+- [ ] Dense Top 50 与 `qwen3-rerank` Top 10 已完成；独立 Context Top 8 builder、邻接合并和硬 token budget 尚未完成。
+- [x] 实现 Rerank UTF-8 请求预算、响应 index/分数校验、裁剪和显式 degraded 回退。
+- [ ] 已实现 citation 去重；邻接补全、同文档抑制和上下文 Token 预算仍待完成。
+- [x] React 检索实验室已展示请求/生效配置、初召回/重排 rank/score、profile、来源、trace 和分阶段耗时。
 - [ ] 完善 100 组三元组，覆盖同义词、实体冲突、数字、单位、OCR 和难负例。
 - [ ] 校准 Top K 和阈值；所有参数只使用开发集。
 
@@ -333,21 +342,22 @@ Stage 0 DONE
 
 ## 8. Stage 5：生成、引用和问答 UI
 
-- **状态：** `TODO`
+- **状态：** `IN_PROGRESS`（single-turn synthetic Grounded Chat 已运行，持久会话与真实百炼未验收）
 - **预计工期：** 1 周
 - **依赖：** Stage 4 `DONE`
 
 ### 具体实现任务
 
 - [ ] 建立版本化 Grounded Answer Prompt，要求仅依据编号证据回答。
-- [ ] 实现 `deepseek-v4-flash` SSE、取消传播、超时和流式错误事件。
-- [ ] 后端将模型引用编号映射到真实 chunk/doc/page，拒绝模型自造引用。
-- [ ] 实现证据不足拒答、模型失败时保留检索结果、资料冲突分来源陈述。
+- [x] 实现 `deepseek-v4-flash` 经 model-gateway 的 SSE 契约、超时/错误终态和客户端中止传播路径；真实供应商鉴权成功仍待验证。
+- [x] 后端只接受本轮 source map 的 `[S1..Sn]`，映射稳定 citation/document/section/page，并过滤越界或畸形引用。
+- [ ] 已实现证据不足拒答、无合法引用时 retrieval-only 和 provider error 保留 retrieval 事件；资料冲突分来源陈述仍待专门策略。
 - [ ] 实现会话与消息持久化、来源卡片、页码定位和用户反馈。
-- [ ] 实现文档管理、聊天、检索实验室、评测和系统状态页面导航。
-- [ ] 清理 Markdown/HTML，验证 XSS、危险链接和 Prompt Injection 回归。
+- [x] 实现文档管理、聊天、检索实验室和系统状态页面导航。
+- [ ] 增加正式评测运行/工件页面；当前评测仅提供可复现 CLI/JSON 工件。
+- [x] 首版只渲染安全纯文本；后端转义 SSE 中 HTML 敏感字符，测试覆盖 XSS 片段、Prompt Injection 和非法引用。
 - [ ] 测试用户取消后 Embedding/Rerank/Chat 下游请求停止。
-- [ ] 记录 trace、阶段耗时、Token、request ID 和脱敏错误。
+- [x] 单轮流记录 trace、检索阶段耗时、usage、模型 request ID 和供应商中性错误；持久审计记录仍待会话表接入。
 
 ### 验收证据
 
@@ -409,7 +419,7 @@ Stage 0 DONE
 
 ## 10. Stage 7：正式验证集、盲测与消融
 
-- **状态：** `TODO`
+- **状态：** `IN_PROGRESS`（指标核心与 synthetic runner 已完成，正式数据/盲测尚未开始）
 - **预计工期：** 3–4 周；语料标注可在 Stage 3 后提前并行
 - **依赖：** 问题编写依赖 Stage 3；最终评测依赖 Stage 4–6 `DONE`
 
@@ -422,8 +432,8 @@ Stage 0 DONE
 - [ ] 建立 `anchored_judgments.jsonl`、manifest、版本和 SHA-256。
 - [ ] 使用 Dense/词法/Hybrid/Rerank union pooling；未判定结果先补标再计分。
 - [ ] 每个 run 生成独立 qrels、anchor resolution、预测、指标和错误报告。
-- [ ] 实现 Hit、CompleteHit、EvidenceGroupRecall、MRR、nDCG、专家答案、忠实度、引用和拒答指标。
-- [ ] 对查询做 1000 次 bootstrap，输出 95% 置信区间和分层结果。
+- [ ] 已实现严格 Hit、Recall、CompleteHit、EvidenceGroupRecall、MRR、nDCG、引用 precision/recall/F1 与拒答指标；专家答案/忠实度裁决尚未完成。
+- [x] synthetic runner 使用固定 seed 的 2000 次 bootstrap，输出 95% 区间；正式分层结果尚待数据集。
 - [ ] 在开发集完成维度、切片、重叠、前缀、Rerank、上下文、Query 改写等消融。
 - [ ] 冻结最终配置、corpus、judgment set 和盲测哈希，再执行一次正式盲测。
 - [ ] 补标或裁决变化后生成新 judgment 版本，并对比较表中全部系统重新计分。
@@ -565,13 +575,20 @@ Stage 0 DONE
 
 ## 15. 下一步执行顺序
 
-当前主线仍是关闭 Stage 1 的真实供应商门禁，同时继续不依赖云授权的安全骨架。建议按以下顺序继续：
+当前主线是保留已通过的 synthetic 产品链作为回归基线，并行关闭真实供应商、数据能力和毕业
+验收三类缺口。建议按以下顺序继续：
 
 1. 在百炼控制台确认旧 Key 已撤销，并核对当前本地 Secret 对应的工作空间、北京地域、端点、计费方案和模型权限；Key 只保存在未提交 Secret 中。
 2. 通过独立 `model-gateway` 重跑三能力 smoke；当前三项 401 未消除前保持 S1-B 未完成。
-3. 三能力成功后，用现有 20 条 synthetic 数据运行真实 Embedding/Rerank/Chat 链路和幂等 seed；真实地质资料仍不得出域。
-4. 继续实现 Stage 2 的 Worker 租约、fencing、reaper、恢复测试和完整 Compose，不让外部 401 阻塞可离线验证的工程工作。
-5. Stage 3 实现数字 PDF/DOCX/TXT/Markdown 的隔离解析、页码/章节恢复、审批状态机、切分、向量化写库和可追溯版本激活。
-6. Stage 4 完成真实向量召回、重排与验证集评测；Stage 5 再实现 grounded chat SSE、取消传播、引用解析和聊天 UI，不把当前代理分块测试误称为聊天功能完成。
+3. 三能力成功后，用现有公开 synthetic 数据运行真实 Embedding/Rerank/Chat 链路和幂等 seed；
+   在权利、涉密和云处理审批前，真实地质资料仍不得出域。
+4. 保持 `make smoke-document` 作为每次入库/Worker/Compose 改动的回归门禁，并补充 SIGKILL、
+   重试耗尽、删除、旧版本持续可检索和多版本原子切换场景。
+5. Stage 6 引入可靠 PDF/OCR/表格 adapter、独立 OCR Worker 和人工质量复核，不把 OCR 文字识别
+   宣称为地质图空间理解。
+6. 并行建立真实认证、RBAC/多租户和允许使用的 corpus manifest；随后冻结至少 300 题的构建、
+   开发、盲测三分集，完成双审、第三方裁决和消融实验。
+7. 完成备份恢复、性能/并发/成本压测、论文图表与局限性章节，再冻结答辩 RC 并连续彩排。
 
-在 Stage 1 验收之前，不展开真实语料云端入库或正式验证集调参；前端可继续做不接触 Secret、不会绕过阶段门禁的离线可用性修正。
+在 Stage 1 真实模型验收和资料出域审批之前，不展开真实语料云端入库；synthetic 产品链可继续
+用于工程回归，但不得据此发布真实地质效果结论或调正式盲测。