test: MIXED 混合样本 + 端到端段落验证

_AI_USAGE_LOG.md

@@ -35,3 +35,4 @@
 | 2026-08-09 03:59 | Agent 实现 | 里程碑2.5 Task9 实现：段落分割器 split_paragraphs（MIXED 完整段落解析第一步，纯函数）。新建 src/genesis/parsers/paragraph_splitter.py（_is_blank_row 行空白判定 + split_paragraphs(matrix)→list[(start,end)] 含端点 0-based，以全空行为界返回段落区间，空矩阵→[]）与 tests/test_paragraph_splitter.py（5 用例：空矩阵/单段落无空行/中间空行分割/尾部空行不产生多余段落/前导空行从首个非空行开始）；TDD 验证 RED（ModuleNotFoundError: No module named 'genesis.parsers.paragraph_splitter'）→ GREEN（5 passed）；pytest 全量 46 passed（41 baseline + 5 新增）；不依赖 openpyxl 与 data_models；提交 34ef28b | src/genesis/parsers/paragraph_splitter.py, tests/test_paragraph_splitter.py | deepseek-v4-flash-free |
 | 2026-08-09 04:20 | Agent 实现 | 里程碑2.5 Task10 实现：data_models 扩展 MixedParagraph/MixedSheet 段落容器，并新增 ExcelParseResult.mixed 字段（默认空列表）。TDD：先追加 3 个测试（字段存在性与默认行为）确认 RED（ImportError: cannot import name 'MixedParagraph'），再在 data_models.py 末尾追加两个 dataclass（顶部 from typing 加 Literal、dataclasses 加 field），excel_parser.py 更新导入并为 ExcelParseResult 加 mixed 字段，确认 GREEN（3 passed），全量 pytest 49 passed（46 baseline + 3）。未修改既有类与字段，仅追加。 | src/genesis/data_models.py, src/genesis/parsers/excel_parser.py, tests/test_excel_parser.py | deepseek-v4-flash-free |
 | 2026-08-09 04:06 | Agent 实现 | 里程碑2.5 Task11 实现：MIXED 完整段落装配（分割→逐段最优解析）。excel_parser.py 新增 MIXED 分支：整表先 forward_fill（合并单元格）再按段切片；对每段 classify_sheet，TABLE 段用 find_header_row(seg)（段内相对，<0 回落 0）并抽出段内子 map seg_fmt_map（物理行 pr→段内 pr-s，修复 formatting_map 坐标错位）传给 extract_table（header_row=header_row）；非表格段归 FREE_TEXT（防二次 MIXED 递归），走 extract_text_blocks + build_free_text_table 构造 kind="free_text"。MixedParagraph 段落追加到 MixedSheet 并进 result.mixed，表/自由文本表进 result.tables。原 else 分支保留为 TABLE 专用，既有 TABLE/FREE_TEXT 路径不变。TDD：先追加 2 测试（段落分割/碎片捕获、表格段不在物理行 0 时的取消线回填）确认 RED（result.mixed 空 + IndexError），再实现确认 GREEN（9 passed），全量 pytest 51 passed（49 baseline + 2）。提交见 git log | src/genesis/parsers/excel_parser.py, tests/test_excel_parser.py | deepseek-v4-flash-free |
+| 2026-08-09 09:40 | 测试验证 | 里程碑2.5 Task12 实现：混合型样本 + 端到端验证。生成 samples/要件定義_混合型.xlsx（機能一覧 表格：表头+3 数据行，空行后接「・改修ポイント」「■対象期間」两条连续碎片文本，无空行）；tests/test_real_samples.py 追加 test_mixed_sample_segments_detected（断言 mixed 段落数==2、kinds==["table","free_text"]、表格段第一批数据行機能ID=="F101"、table.rows==3、碎片段 text 含 改修ポイント/対象期間）。验证：real_samples 全绿 4 passed（3 baseline+1 新增，无 skip）；pytest 全量 52 passed（51 baseline + 1）；实际样本 split_paragraphs 产出两段（0,3）+（5,6）（表格段+碎片段）。提交见 git log | samples/要件定義_混合型.xlsx, tests/test_real_samples.py, _AI_USAGE_LOG.md | deepseek-v4-flash-free |

tests/test_real_samples.py

@@ -36,4 +36,25 @@ def test_free_text_sample_detected():
     if not p.exists():
         pytest.skip("样本缺失")
     result = ExcelParser().parse(p)
-    assert any(t.extraction_method == "llm_from_free_text" for t in result.tables)
+    assert any(t.extraction_method == "llm_from_free_text" for t in result.tables)
+
+
+def test_mixed_sample_segments_detected():
+    p = _x("要件定義_混合型.xlsx")
+    if not p.exists():
+        pytest.skip("样本缺失")
+    result = ExcelParser().parse(p)
+    by_name = {t.name: t for t in result.tables}
+    assert "機能一覧" in by_name
+    assert result.mixed, "混合样本应产出段落"
+    mixed = result.mixed[0]
+    assert len(mixed.paragraphs) == 2          # 表格段 + 碎片段（・/■ 连续）
+    assert [p.kind for p in mixed.paragraphs] == ["table", "free_text"]
+    # 表格段无碎片污染
+    table = [p.table for p in mixed.paragraphs if p.kind == "table"][0]
+    assert table.rows[0]["機能ID"].value == "F101"
+    assert len(table.rows) == 3
+    # 碎片段含 ・ 与 ■ 两行文本
+    ft = [p for p in mixed.paragraphs if p.kind == "free_text"][0]
+    assert "改修ポイント" in (ft.text or "")
+    assert "対象期間" in (ft.text or "")