From ad0e1b967a0dfacb52ff2962c3addbb01b9255ff Mon Sep 17 00:00:00 2001
From: Codex <codex@openai.com>
Date: Sun, 3 May 2026 23:45:14 +0800
Subject: [PATCH] docs: record pdf deeptest closure

---
 .../pdf_deeptest_fix_closure_2026-05-03.md    | 172 ++++++++++++++++++
 1 file changed, 172 insertions(+)
 create mode 100644 project-docs/pdf_deeptest_fix_closure_2026-05-03.md

diff --git a/project-docs/pdf_deeptest_fix_closure_2026-05-03.md b/project-docs/pdf_deeptest_fix_closure_2026-05-03.md
new file mode 100644
index 00000000..1df951d7
--- /dev/null
+++ b/project-docs/pdf_deeptest_fix_closure_2026-05-03.md
@@ -0,0 +1,172 @@
+# PDF 深测问题闭环记录（2026-05-03）
+
+## 对应文档
+
+- `project-docs/pdf_deeptest_report_2026-05-03.md`
+- `project-docs/pdf_deeptest_api_round9.json`
+- `project-docs/reverify_report_2026-05-03_round7.md`
+
+## 本轮目标
+
+针对这三份文档里仍未闭环的问题继续修复：
+
+1. 报告型 PDF 被当作合同正文再次审查，形成“伪成功”结果
+2. 页眉 / 页脚 / 页码噪声混入 PDF 正文抽取和条款摘要
+3. 登录页仍保留“本地环境 / 联调 / 初始化”语义
+
+## 实际修复
+
+### 1. 报告型 PDF 识别
+
+后端 `ReviewService` 新增两层识别：
+
+- **内容识别**
+  - `审查任务：`
+  - `任务编号：`
+  - `风险汇总：`
+  - `审查意见：`
+  - `原始文本摘要：`
+
+- **文件名识别**
+  - `review-report`
+  - `report-review`
+  - `审查报告`
+
+命中后不再进入“成功审查”链路，而是直接返回：
+
+- `code = 40002`
+- `message = 检测到疑似平台审查报告 PDF，请上传合同原文 PDF / DOCX / TXT，或直接粘贴合同正文后再审查。`
+
+### 2. 页眉 / 页脚 / 页码噪声清洗
+
+后端 `ReviewService` 在 `pdfplumber` 抽取后增加：
+
+- 跨页重复页眉/页脚识别
+- `Page 1 / 2` / `Page X of Y` 这类页码模式过滤
+- 仅对跨页重复、且位于页首/页尾的短行进行保守清洗
+
+修复目标不是“让所有 PDF 完美抽取”，而是先把最明显的分页噪声和固定页眉页脚从 `source_text_preview` 与 `clauses` 中剥离掉。
+
+### 3. 登录页正式化文案收口
+
+登录页对外可见文案已不再显式包含：
+
+- `本地初始化`
+- `联调`
+- `本地环境`
+
+保留本地按钮能力，但不再把这些开发语义作为正式页面说明文案暴露给普通用户。
+
+## 本轮代码范围
+
+- `backend/app/api/reviews.py`
+- `backend/app/services/review_service.py`
+- `backend/app/services/legal_review_execution_gateway.py`
+- `backend/app/services/legal_review_local_engine.py`
+- `backend/tests/test_review_service.py`
+- `backend/tests/test_reviews_api.py`
+- `frontend/src/app/login/page.tsx`
+
+## 本地验证
+
+### 后端定向
+
+- `backend/.venv/Scripts/python.exe -m unittest tests.test_review_service tests.test_reviews_api tests.test_contracts_api`
+  - `50 tests OK`
+
+### 后端全量
+
+- `backend/.venv/Scripts/python.exe -m unittest discover -s tests`
+  - `354 tests OK`
+
+### 前端
+
+- `frontend/npm.cmd run lint`
+  - `PASS`
+- `frontend/npm.cmd run build`
+  - `PASS`
+
+## Docker 服务器部署
+
+目标环境：
+
+- 前端：`http://192.168.3.90:3003`
+- API：`http://192.168.3.90:8001/api/v1`
+
+部署方式：
+
+- 将 `HEAD` 的 `backend/` 与 `frontend/` 归档上传至 `192.168.3.90`
+- 覆盖 `/opt/ai-contract-platform`
+- 重建 Docker `backend + frontend`
+
+补充处理：
+
+- 服务器一度因 Docker 旧镜像与构建缓存占满磁盘导致构建失败
+- 已执行镜像/构建缓存清理
+- 根分区从仅剩约 `92MB` 恢复到约 `20GB` 可用
+
+## 服务器定向复验
+
+产物目录：
+
+- `project-docs/qa-artifacts/pdf-deeptest-fix/2026-05-03T23-26-32`
+
+关键产物：
+
+- `pdf-fix-smoke.json`
+- `pdf-fix-smoke-recheck.json`
+
+### 1. 干净 PDF
+
+结果：
+
+- 上传成功
+- 生成 `review_id`
+- `source_text_preview` 为真实正文
+- 审查结果可正常生成
+
+### 2. 报告型 PDF
+
+最终结果：
+
+- `code = 40002`
+- `message = 检测到疑似平台审查报告 PDF，请上传合同原文 PDF / DOCX / TXT，或直接粘贴合同正文后再审查。`
+
+结论：
+
+- 已不再产生“把报告 PDF 当合同正文二次审查”的伪成功结果
+
+### 3. 页眉页脚边界 PDF
+
+最终结果：
+
+- 上传成功
+- 可生成审查结果
+- `source_text_preview` 不再出现：
+  - `Page 1 / 2`
+  - `Page 2 / 2`
+  - `PDF extraction boundary sample`
+- `clauses` 摘要中也不再混入这些噪声行
+
+### 4. 登录页文案
+
+直接抓取服务器登录页 HTML 复验：
+
+- `本地初始化`：`false`
+- `联调`：`false`
+- `本地环境`：`false`
+
+## 结论
+
+本轮针对 PDF 深测和 Round7 复验报告中剩余问题的闭环结果为：
+
+1. **报告型 PDF 误审查**：已修复
+2. **页眉页脚 / 页码噪声污染摘要**：已修复
+3. **登录页联调语义未收口**：已修复
+
+当前这批文档里继续要求跟进的 bug，已经完成：
+
+- 本地代码修复
+- 本地测试通过
+- Docker 服务器部署完成
+- 服务器定向复验通过