feat(eval): 黄金集 + 评分器（T13 架构审查整改，OV4）

- T13 (OV4, P1): 新建 src/genesis/eval/ 包
  - golden_set.py: GoldenCase/GoldenSet（YAML 加载，samples/ 真实脱敏样本作 input_ref）
  - scorer.py: ChapterScorer 按 §7.2 指标体系打分
    - 确定性维度: traceability（resolver 验证 source_uri 可解析率）/
      placeholder_residue（无 {{...}} 残留）/chapter_completeness（章节覆盖）
    - LLM 语义维度: llm_evaluators 钩子（默认中性分，待 Phase5）
  - tests/fixtures/eval/golden_set.yaml 示例黄金集
- 新增 test_eval_scorer.py（9 用例）
- 同步 design.md §7.5 黄金集与评分器（定位 CI 质量门禁）
- TDD: RED（模块缺失）→ GREEN（聚焦 8 passed）→ 全量 240 passed / 100.00%（1279 stmts/308 br）

docs/design.md

@@ -994,6 +994,19 @@ QA 输出:
   QA 发现错误 → 将问题列表反馈给 Writer
   → Writer 只修正错误章节（不重新生成全部）
   → 重新 QA 校验
+
+### 7.5 黄金集与评分器（T13 机制化，OV4）
+
+> OV4 裁定：成功标准须有量度 → 建立黄金集 + 评分器（已实现于 `src/genesis/eval/`）。
+
+- **评分器（ChapterScorer）**：按 §7.2 指标体系输出各维度 `DimensionScore(score, passed)` 与总分 `EvalReport`。
+  - 确定性维度（代码可验证，无需 LLM）：
+    - `traceability`：所有 `source_uri` 经 `resolver.validate_source_uris` 定位（不可解析 → 扣分，防 QA#8 作弊）
+    - `placeholder_residue`：渲染文本无 `{{...}}` 残留（残留即 fail）
+    - `chapter_completeness`：生成章节覆盖模板期望集合（覆盖率）
+  - LLM 语义维度（内容准确性/幻觉/规则遵守）：通过 `llm_evaluators` 钩子注入，默认中性分，待 Phase5 接入真实推理
+- **黄金集（GoldenSet）**：从 YAML 加载回归基线，`samples/` 真实脱敏样本作 `input_ref`（审查报告 §8.2 已确认 7 个样本为黄金集基础）；每条 `GoldenCase` 标注 `expected_min_score`，Phase5 后用于端到端回归
+- 评分器作为 CI 质量门禁：生成结果总分 < 阈值 → 阻断合并（与 fail_under=99 覆盖率门禁同级）
   → 重复至全部通过或用户确认放行
 ```