mirror of
https://github.com/ThearchyHelios/AgentLab.git
synced 2026-11-16 15:01:59 +00:00
2207269e07
_NUM_RE 的后瞻写的是 (?<![\w.]),而 Python 的 \w 按 Unicode 判定,汉字也算
词字符。中文写作数字紧贴汉字不加空格是常态,于是整个 token 抽不出来:
extract_numbers('本周营收9999元,订单7777单。') → [] 全部漏检
extract_numbers('本周营收 9999 元,订单 7777 单。') → ['9999','7777']
等于说"叙述层无算术权限 + 数字回指校验"这套机制只对西式排版生效,中文叙述
完全不设防,而出具物照样盖 formal 章、印 matched_numbers: 0——读的人无法
分辨是"查过都对"还是"根本没查"。改成只排 ASCII 词字符,版本号 v1.2.3、
标识符 sha1 这些仍然豁免。
顺带修同一文件里的两条 high:
## 跳过规则只看形态不看语境
年份规则的"年"字是可选的,等于把 1900–2099 的任何独立整数都免检了——而
客户数、门店数、万元金额大量落在这个区间。日期规则不限年份范围,"9600/12"
这种比值写法会被整段当日期吞掉。引用标记 \[\d+\] 不限位数,[98765] 也放行。
'本周新增客户 2050 家,流失 1987 家。' → [] 两个数字都免检
'全年目标 9600/12 个月' → [] 斜杠两边都免检
年份改成必须带"年"字,日期的年份限 19xx/20xx、月份限 1-12,引用标记限三位。
宁可误杀(要求它回指指标集)也不放过——这是校验不是排版。
## 校验没发生被当成校验通过
decide_tier 只看 missing/unmatched,而这些列表全空既可能是"查过了都对",
也可能是"根本没查":叙述模板里一个笔误让 narrative 渲染成空串、metrics_from
指向不存在的节点,都会得到一模一样的空列表,然后盖 formal 章。
contract.narrative = "{{ vars.does_not_exist }}" → tier=formal, matched=0
contract.metrics_from = "压根没这个节点" → tier=formal, metrics=0
新增 gaps 承载"校验为什么不完整"(叙述渲染为空、指标源未解析、指标集为空),
非空就不允许 formal,并把原因印进 issuance。校验没发生却盖 formal,比漏检
某个数字更糟:它让整套机制看起来在工作。
端到端四例验证:编造数字→withheld、真实数字→formal、模板写错→degraded
(带 gaps)、指标源不存在→withheld(带 gaps)。
201 lines
7.7 KiB
Python
201 lines
7.7 KiB
Python
from __future__ import annotations
|
||
|
||
import re
|
||
from dataclasses import dataclass, field
|
||
from typing import Any
|
||
|
||
# --------------------------------------------------------------------------
|
||
# 出具校验:叙述里的每个数字必须能回指到指标集
|
||
#
|
||
# 前提是派生边界已经收死:所有算术都发生在口径卡(metrics 节点)里,
|
||
# 叙述层只能引用。所以这里不需要"验证模型算得对不对"——只需要验证
|
||
# "它写的每个数都在清单里"。集合外的数字没有合法来源,一律视为现编。
|
||
# --------------------------------------------------------------------------
|
||
|
||
# 数字 token:可带千分位逗号、小数,后缀 %/% 或 万/亿
|
||
#
|
||
# 后瞻里刻意只排 ASCII 词字符,**不能**写成 (?<![\w.]):Python 的 \w 按 Unicode
|
||
# 判定,汉字也算词字符,于是"营收9999元"这种中文常态(数字紧贴汉字、不加空格)
|
||
# 整个 token 都抽不出来。那等于说校验器只对西式排版生效,中文叙述完全不设防——
|
||
# 而这套机制的全部意义就是拦住叙述层现编数字。
|
||
# 排 ASCII 字母是为了放过 v2 / sha1 这类标识符,排 . 是为了放过 v1.2.3 的版本号。
|
||
_NUM_RE = re.compile(r"(?<![0-9A-Za-z_.])(-?\d[\d,]*(?:\.\d+)?)\s*(%|%|万亿|亿|万)?")
|
||
|
||
# 不参与回指的数字形态——这些不是"结论数字"。
|
||
#
|
||
# 这里的规则一律要求**语境**,不能只看形态:免检名单放宽一分,叙述层就多一分
|
||
# 现编数字的空间。之前 `年` 是可选的,等于把 1900–2099 的任何独立整数都放行了——
|
||
# 而客户数、门店数、万元金额大量落在这个区间,"本周新增客户 2050 家"里那个
|
||
# 2050 就这么免检了。
|
||
_SKIP_PATTERNS = [
|
||
# 日期:年份限 19xx/20xx、月份限 1-12,否则 "9600/12"(比值)这类写法
|
||
# 会被整段当日期吞掉,斜杠两边的数字就都免检了
|
||
re.compile(
|
||
r"(?<!\d)(19|20)\d{2}\s*[-/年]\s*(0?[1-9]|1[0-2])"
|
||
r"(\s*[-/月]\s*(0?[1-9]|[12]\d|3[01])\s*日?)?(?!\d)"
|
||
),
|
||
# 年份:必须带"年"字。没有"年"的四位数按结论数字处理——
|
||
# 宁可误杀(要求它回指指标集)也不放过,这是校验不是排版
|
||
re.compile(r"(?<!\d)(19|20)\d{2}\s*年(?!\d)"),
|
||
re.compile(r"\d{4}-W\d{1,2}", re.IGNORECASE), # ISO 周(2026-W37)
|
||
re.compile(r"^\s*\d{1,2}[.、)]\s", re.MULTILINE), # 行首枚举 "1. " "2、"
|
||
re.compile(r"\[\d{1,3}\]"), # 引用标记 [1],限三位——[98765] 不是引用
|
||
re.compile(r"\d{1,2}:\d{2}(:\d{2})?"), # 时间
|
||
]
|
||
|
||
_SUFFIX_MULT = {"万": 1e4, "亿": 1e8, "万亿": 1e12}
|
||
|
||
|
||
@dataclass
|
||
class NumberToken:
|
||
raw: str
|
||
value: float
|
||
decimals: int
|
||
is_percent: bool
|
||
context: str
|
||
start: int
|
||
|
||
|
||
@dataclass
|
||
class TraceReport:
|
||
matched: list[dict[str, Any]] = field(default_factory=list)
|
||
unmatched: list[dict[str, Any]] = field(default_factory=list)
|
||
|
||
@property
|
||
def ok(self) -> bool:
|
||
return not self.unmatched
|
||
|
||
|
||
def _skip_spans(text: str) -> list[tuple[int, int]]:
|
||
spans: list[tuple[int, int]] = []
|
||
for pattern in _SKIP_PATTERNS:
|
||
for m in pattern.finditer(text):
|
||
spans.append(m.span())
|
||
return spans
|
||
|
||
|
||
def extract_numbers(text: str) -> list[NumberToken]:
|
||
"""抽出叙述里所有需要回指的数字,剔除日期、枚举序号、引用标记这类形态。"""
|
||
skip = _skip_spans(text)
|
||
tokens: list[NumberToken] = []
|
||
for m in _NUM_RE.finditer(text):
|
||
start, end = m.span()
|
||
if any(s <= start < e for s, e in skip):
|
||
continue
|
||
raw_num = m.group(1).replace(",", "")
|
||
suffix = m.group(2) or ""
|
||
try:
|
||
value = float(raw_num)
|
||
except ValueError:
|
||
continue
|
||
if suffix in _SUFFIX_MULT:
|
||
value *= _SUFFIX_MULT[suffix]
|
||
decimals = len(raw_num.split(".")[1]) if "." in raw_num else 0
|
||
ctx_lo = max(0, start - 18)
|
||
tokens.append(
|
||
NumberToken(
|
||
raw=m.group(0).strip(),
|
||
value=value,
|
||
decimals=decimals,
|
||
is_percent=suffix in ("%", "%"),
|
||
context=text[ctx_lo : min(len(text), end + 18)].replace("\n", " "),
|
||
start=start,
|
||
)
|
||
)
|
||
return tokens
|
||
|
||
|
||
def _close(a: float, b: float, decimals: int) -> bool:
|
||
"""按 token 自己写出的小数位数给舍入容差:写了 12.3 就允许 |Δ|≤0.05。"""
|
||
tolerance = 0.5 * 10 ** (-decimals)
|
||
return abs(a - b) <= tolerance + 1e-9
|
||
|
||
|
||
def _token_matches(token: NumberToken, metric_value: float) -> bool:
|
||
# 直接比对(含"叙述写百分数、指标本身就是百分数"的情形)
|
||
if _close(token.value, metric_value, token.decimals):
|
||
return True
|
||
if token.is_percent:
|
||
# 指标存的是比率(0.123),叙述写成 12.3%
|
||
if _close(token.value, metric_value * 100, token.decimals):
|
||
return True
|
||
return False
|
||
|
||
|
||
def trace_numbers(
|
||
narrative: str,
|
||
metrics: list[dict[str, Any]],
|
||
*,
|
||
allow: list[Any] | None = None,
|
||
) -> TraceReport:
|
||
"""叙述 vs 指标集的回指校验。
|
||
|
||
allow 是模板作者显式放行的字面量(比如报告标题里的期数)——
|
||
白名单是配置的一部分,进版本、被审查,而不是校验器私藏的宽容。
|
||
"""
|
||
numeric_values = [
|
||
float(m["value"])
|
||
for m in metrics
|
||
if isinstance(m.get("value"), (int, float)) and not isinstance(m.get("value"), bool)
|
||
]
|
||
allowed = {str(a).strip() for a in (allow or [])}
|
||
allowed_values = set()
|
||
for a in allowed:
|
||
try:
|
||
allowed_values.add(float(a.replace(",", "").rstrip("%%")))
|
||
except ValueError:
|
||
pass
|
||
|
||
report = TraceReport()
|
||
for token in extract_numbers(narrative):
|
||
if token.raw in allowed or token.raw.rstrip("%%").strip() in allowed:
|
||
continue
|
||
if any(_close(token.value, av, token.decimals) for av in allowed_values):
|
||
continue
|
||
hit = next(
|
||
(
|
||
m
|
||
for m, mv in zip(
|
||
[m for m in metrics if isinstance(m.get("value"), (int, float))],
|
||
numeric_values,
|
||
)
|
||
if _token_matches(token, mv)
|
||
),
|
||
None,
|
||
)
|
||
if hit is not None:
|
||
report.matched.append({"token": token.raw, "metric": hit.get("id")})
|
||
else:
|
||
report.unmatched.append({"token": token.raw, "context": token.context})
|
||
return report
|
||
|
||
|
||
def decide_tier(
|
||
*,
|
||
missing_required: list[str],
|
||
missing_expected: list[str],
|
||
unmatched: list[dict[str, Any]],
|
||
strict: bool,
|
||
gaps: list[str] | None = None,
|
||
) -> str:
|
||
"""三档出具的判定。
|
||
|
||
withheld(不予出具):必需指标缺失,或 strict 下有未回指数字——
|
||
结论的地基不完整,宁可不出。
|
||
degraded(降档出具):期望指标缺失、有未回指数字,或校验本身没能完整跑起来。
|
||
formal(正式出具):清单齐、数字全部可回指,**且校验确实发生过**。
|
||
|
||
最后那句是这个函数最容易出错的地方:missing/unmatched 全空既可能是
|
||
"查过了都对",也可能是"根本没查"——叙述模板里一个笔误让 narrative 渲染成
|
||
空串、metrics_from 指向不存在的节点,都会得到一模一样的空列表。
|
||
校验没发生就盖 formal 章,比漏检某个数字更糟:它让整套机制看起来在工作。
|
||
所以 gaps 用来承载"校验为什么不完整",非空就不允许 formal。
|
||
"""
|
||
if missing_required:
|
||
return "withheld"
|
||
if strict and unmatched:
|
||
return "withheld"
|
||
if missing_expected or unmatched or gaps:
|
||
return "degraded"
|
||
return "formal"
|