评审真实性增强：前端硬规则+人工启动方案+文档-实现三级校验

- 前端存在性硬规则：detectFrontend 源码级判定，web形态无真实前端/不可访问 → 实现完整度封顶50%（CLI/插件豁免）
- verify 多态：build_status 支持 done/failed/done_no_ui，前端按钮新增「无前端」
- 人工启动方案：评审环境自动启动失败 → awaiting_browse 暂停，评委手动启动后填 service_url 走 /verify-browse 恢复（SSRF 信任评委确认地址）
- Gitea 稳定性：clone 自动重试×3（525抖动）+ 每队独立 token 回退（全局账号失效兜底）
- A 阶段报告备份：feature_inventory.__stageA_report 防 B 阶段维度重复累积/A维度丢失
- tryTest 依赖预装：Python 项目自动 pip install（测试不再因缺依赖误判失败）
- 运行验证压缩静态维度：前端缺失+测试失败 → 静态纸面维度封顶50%（防原型拿高分）
- 文档-实现三级校验：claim-consistency 注入运行时证据（构建/测试/前端），识别「代码有但跑不起来」的虚报（逸飞冲天 61%→25%）
- 赛事文档：中期20%+最终80%（AI=人工总分）、评审表/评审规则/赛事说明/07设计同步
- 清空 review_snapshots 测试污染数据，保留当前正式分（零号158/逸飞冲天126）
- 测试 446 全通过（后端435+前端11）

docs/design/05-评审流程修正方案.md

@@ -283,6 +283,8 @@ A 阶段完成时写入**部分 ai_report**（含 A 维度 + scoreA），`a_done
 | `entries` 表 | migration 新增 `score_a REAL DEFAULT 0`、`score_b REAL DEFAULT 0`、`stage_b_status TEXT DEFAULT ''`（''=未执行 / done / failed / skipped）、`project_understanding TEXT DEFAULT ''`（§2.7 项目理解文档 JSON，A 每次重评覆盖） |
 | `review_snapshots` | migration 新增 `score REAL`（含迟交扣分的 final_score，多次评审聚合用，2026-08-19） |
 | `entries` 表 | migration 新增 `benchmark_json TEXT DEFAULT ''`（决赛圈基准证据按 entry 落库，2026-08-19） |
+| `entries` 表 | migration 新增 `feature_inventory TEXT DEFAULT ''`（全量功能发现结果 JSON 数组，2026-08-27） |
+| `ai_report.dimensions[n]` | 实现类维度子 Agent 返回的定向追踪 `checks` 数组（feature/entry/depth/evidence/reason，2026-08-27 P1 修正） |
 | `standards.max_score` | **不改**（仅上传校验上限，非实际满分，不影响出分） |
 
 ## 4. 影响面

docs/design/07-人工评审设计方案.md

@@ -0,0 +1,89 @@
+# 07 人工评审设计方案
+
+> 版本：2026-08-31
+> 状态：设计定稿
+> 关联：AI 评审机制（`docs/AI评审机制说明.md`）
+
+## 1. 背景与定位
+
+技术大赛分**中期评价**与**最终评价**两个阶段，成绩按 **2:8** 加权合成。最终评价阶段采用 **AI 评审 + 人工评审双轨制**：发表会上各参赛队伍通过 PPT、视频、现场讲解对项目进行说明与演示，人工评审据此进行独立评分。中期评价仅由 AI 完成，不涉及人工评审。
+
+**AI 与人工的定位**：
+
+| 评委 | 负责 | 无法覆盖 |
+|:-----|:-----|:--------|
+| AI 评审（独立评委）| 静态真伪：代码、构建、测试、功能发现、文档一致性 | 演示表达、口头答辩、专家判断 |
+| 人工评审（独立评委）| 发表会表现：演示、答辩、创新价值、AI 过程可信度 | 全量代码审查 |
+
+两者**完全独立评分**（人工不覆盖 AI 分、不设 AI 争议复核维），最终**直接相加**成总分。
+
+## 2. 总分构成
+
+| 阶段 | 权重 | 评审方式 |
+|:-----|:---:|:---------|
+| **中期评价** | 20% | **仅 AI 评审**（无人工）|
+| **最终评价** | 80% | AI 评审 + 人工评审 |
+
+**最终成绩 = 中期评价（20%）+ 最终评价（80%）**。
+
+| 赛道 | AI 评审 | 人工评审 | 最终小计 |
+|:----:|:------:|:------:|:------:|
+| 赛道一 | 12维 / 200 | 8维 / 200 | 400 |
+| 赛道二 | 8维 / 100 | 6维 / 100 | 200 |
+
+**最终小计 = AI 分 + 人工分**（直接相加）。**AI 与人工总分一致**（赛道一各 200、赛道二各 100）。人工评审由 5 名评委独立打分取平均。
+
+## 3. 人工评审维度设计原则
+
+1. **真实性维度占比压低**：发表会无现场演示环节（仅 PPT/视频/讲解），真实度不好评价——现场真实性维度占比两赛道均控制在 **10%**。
+2. **全维度分值 ≥5**：避免出现 2/3 分的琐碎维度，保证每个维度有实际考察分量。
+3. **按赛道差异化**：赛道一聚焦 AI 协作过程（Agent 开发核心），赛道二聚焦提效验证（IDE 提效核心）。
+4. **剔除不可靠评价项**：团队协作（无法从发表会证明）、产品体验（无法现场体验）不纳入。
+
+## 4. 赛道一：人工评审（8 维 / 200 分）
+
+| # | 维度 | 分值 | 采分点 |
+|:-:|:-----|:----:|:-------|
+| 1 | 现场真实性验证 | 20 | 视频/提交核验：功能展示与提交代码一致、数据可信 |
+| 2 | 演示完整性 | 30 | 核心功能是否展示到位、覆盖 README 声称功能 |
+| 3 | **AI 协作真实性** | 40 | 讲解的 AI 使用过程 vs 提交的 AI 日志吻合；人主导 + AI 辅助 |
+| 4 | **AI 工具链理解** | 30 | 对 Agent 架构、LLM 调用、工具选择/降级的口头理解深度 |
+| 5 | 答辩与技术深度 | 40 | 实现原理理解、架构讲解、对评委质疑的回应质量 |
+| 6 | 演示与表达 | 20 | PPT 质量、讲解逻辑、语言清晰、时间控制 |
+| 7 | 创新与价值 | 10 | 场景真实价值、Agent 不可替代性、技术先进性 |
+| 8 | 问题与改进意识 | 10 | 主动讲局限、改进计划、对评审意见的接纳 |
+| | **合计** | **200** | |
+
+## 5. 赛道二：人工评审（6 维 / 100 分）
+
+| # | 维度 | 分值 | 采分点 |
+|:-:|:-----|:----:|:-------|
+| 1 | 现场真实性验证 | 10 | 视频/提交核验：IDE 集成展示与提交一致、数据可信 |
+| 2 | 演示完整性 | 20 | 核心集成场景是否展示到位 |
+| 3 | **提效验证** | 30 | 提效幅度有真实对比数据支撑、基准可信 |
+| 4 | 答辩与技术深度 | 20 | IDE 集成技术原理（LSP/Webview/命令等）、质疑回应 |
+| 5 | 演示与表达 | 10 | PPT、讲解、时间控制 |
+| 6 | 创新与价值 | 10 | 场景价值、提效价值、ROI |
+| | **合计** | **100** | |
+
+## 6. 赛道差异说明
+
+| 差异点 | 赛道一 | 赛道二 |
+|:------|:-------|:-------|
+| 核心考察 | AI 协作过程真实性 | 提效验证 |
+| 专属维度 | AI 协作真实性(40) + AI 工具链理解(30) | 提效验证(30) |
+| 总分制 | 200（与 AI 一致）| 100（与 AI 一致）|
+
+## 7. 实施要点（待后续实现）
+
+- **评分录入**：发表会后评委按维度打分表录入（前端表单）。
+- **数据落库**：新增人工评审记录表（entry_id、赛道、各维度分、评委、发表会日期）。
+- **总分合成**：最终成绩 = 中期 AI（20%）+ 最终（AI + 人工）（80%）；人工取 5 名评委平均分。
+- **展示**：前端发表会评分页 + 详情页显示中期 AI 分、最终 AI 分/人工分、最终成绩。
+- **PDF 报告**：评审报告增加中期评价与人工评审部分。
+
+## 8. 已知边界
+
+1. 人工评审的"现场真实性"因无现场演示，仅能核验视频/PPT 与提交一致性，**无法完全验证 demo 真伪**——故占比仅 10%。
+2. 人工评分受评委主观性影响，采用 **5 名评委独立打分取平均**缓解。
+3. 最终成绩由中期 AI（20%）+ 最终 AI/人工（80%）加权合成，AI 与人工在最终评价中占比相同；权重比例需在试运行后校准。