L2考核落地：人才测评整合为L2考核track，新增查重初筛与e2e验证

- 新增 L2考核 track（7维标准/100分）：选题难度赋分cap、功能完整性地板线、合格判定
- 人才测评整合进 L2考核：移除 L2/L3 两级认定与 question_id 机制
- 新增 l2-topics 选题元数据服务与 config/l2-topics.json（11命题题+自选题）
- 新增查重初筛 plagiarism-detect（MD5精确比对+归一化相似度+提交行为，仅告警）
- 修复 L2 维度 DIM_FILE_FILTERS 缺失导致 AI 协作记录证据漏喂
- e2e：修复 Windows spawn、DB 隔离，L2 用例 27 项全绿

server/config/l2-topics.json

@@ -0,0 +1,210 @@
+{
+  "version": "2026-08-23",
+  "note": "L2考核选题元数据。maxScoreCap=共通100分+难度赋分；funcBreakdown 为功能完整性30分的题目专属拆分，注入该维度子Agent prompt；acceptance 为验收基准要点；sampleData 为题目专属样本数据要求。",
+  "selfTopic": {
+    "id": "self",
+    "title": "自选题",
+    "difficulty": 0,
+    "maxScoreCap": 100,
+    "minTests": 3,
+    "funcBreakdown": "按 README 声明且不低于登记范围的功能清单逐项核对：核心闭环（输入处理→核心逻辑→结果呈现）完整性与各模块实现质量综合评定",
+    "acceptance": [
+      "功能模块≥3个（用户可感知的独立功能单元，工具函数与界面装饰不计）",
+      "整体规模明显超出单脚本范畴（通常数百行及以上）",
+      "README 功能声明不得低于事前登记范围的核心功能，未经登记更新的缩减按未实现计"
+    ],
+    "sampleData": "全部数据须脱敏或虚构，禁止真实业务/客户数据"
+  },
+  "topics": [
+    {
+      "id": "01",
+      "title": "年度满意度调查数据的自动处理与分析",
+      "group": "business",
+      "difficulty": 2,
+      "maxScoreCap": 100,
+      "minTests": 3,
+      "funcBreakdown": "模板管理5分（上传+自动识别+确认）/ 数据导入与统计10分（导入+多维度统计+年度对比）/ 权限区分5分（两种角色隔离）/ 看板展示5分（图表+下钻）/ 智能分析5分（薄弱维度识别+改善建议）",
+      "acceptance": [
+        "模板可变应对：样本模板A正确解析为合格线，列名/列数不同的模板B也能解析为满分",
+        "统计正确性：小样本手算结果与系统一致，小数位规则统一定义且可对齐",
+        "年度对比：2年维度名不同仍能正确对齐",
+        "权限隔离：部门管理员不可查看其他部门明细，实现方式在AGENTS.md说明",
+        "分析深度：识别得分最低维度为合格线，识别下降趋势+给出可量化改善建议为满分"
+      ],
+      "sampleData": "至少2个年度模拟Excel（多Sheet），含正常数据与边界数据（空值/重复/维度名不一致/评分越界等）"
+    },
+    {
+      "id": "02",
+      "title": "年度面谈问卷生成与数据分析",
+      "group": "business",
+      "difficulty": 3,
+      "maxScoreCap": 105,
+      "minTests": 3,
+      "funcBreakdown": "规则配置与低分识别10分 / 面谈问卷生成10分 / 面谈数据导入5分 / 看板展示5分（智能分析分数含在上述各项中不单独计分）",
+      "acceptance": [
+        "低分规则至少2种可配置（绝对阈值/前年比下降/部门特异性，建议3种），支持组合与预览判断理由",
+        "问卷基于低分维度生成，内容可编辑；按部门/职级定制为满分项",
+        "话题分类：10条标注样本准确率≥60%合格线、≥80%满分（口径自定须在设计文档写明）",
+        "共性问题提取：植入5个高频话题检出≥3个合格线",
+        "改善建议针对具体部门、可量化可执行"
+      ],
+      "sampleData": "至少2个年度满意度调查Excel + 至少30条面谈记录（覆盖5个话题分类、3个部门）"
+    },
+    {
+      "id": "03",
+      "title": "人事制度RAG检索系统",
+      "group": "business",
+      "difficulty": 4,
+      "maxScoreCap": 110,
+      "minTests": 5,
+      "funcBreakdown": "必达25分：文档上传与解析5 / 基础检索10 / 无法回答处理5 / 追问5。加分5分任选其一：检索策略切换 / 检索质量可视化 / Chunk管理 / 制度间关联 / 分析看板（多项实现仍计5分，深度可在其他维度体现）",
+      "acceptance": [
+        "基础检索：5个已知答案问题命中≥3个合格线、5个全中带精确出处为满分",
+        "无法回答检测：无关问题明确表示无法回答、不编造",
+        "出处引用：文档名/章节/页码（Word无页码用章节+段落序号）真实可定位",
+        "追问：至少1次连续追问保持上下文",
+        "中日文混合检索：同一提问可含中日文混用",
+        "评分型指标口径自定但须在设计文档写明"
+      ],
+      "sampleData": "至少3份模拟制度文档（中/日文各≥1份），多级章节结构，含可关联交叉引用"
+    },
+    {
+      "id": "04",
+      "title": "合同智能审查",
+      "group": "business",
+      "difficulty": 3,
+      "maxScoreCap": 105,
+      "minTests": 5,
+      "funcBreakdown": "合同上传与信息提取5 / 审查等级判断5 / 条款提取与风险标记10 / 审批流程5 / 盖章审批5（签约到期提醒、分析报告分数含在上述各项中）",
+      "acceptance": [
+        "信息提取：名称/签约方/金额/签订日期/合同类型/有效期等字段正确",
+        "审查等级：按金额阈值（<10万简易/≥10万且<100万标准/≥100万严格-律师模拟邮件）判断正确",
+        "风险标记：违约金过高（>20%基线）、管辖地不利等不利条款标记，阈值在规则库显式定义可调整",
+        "审批流程：等级不同审批路径不同，审查完成自动通知发起人（模拟即可）",
+        "到期管理：距到期≤30天标识待续签、已过期状态正确"
+      ],
+      "sampleData": "至少5份模拟合同PDF（含正常与有问题合同、不同金额场景），必须含「距到期日≤30天」与「已过期」样本各≥1份"
+    },
+    {
+      "id": "05",
+      "title": "法规信息自动收集爬虫",
+      "group": "business",
+      "difficulty": 3,
+      "maxScoreCap": 105,
+      "minTests": 3,
+      "funcBreakdown": "数据源管理5 / 信息自动收集10 / 增量采集5 / 结果展示5 / 定期报告5",
+      "acceptance": [
+        "增量采集：同一内容不重复采集，更新后能再次采集",
+        "内容提取：法规名称/发布机关/发布日期/施行日期/发布类型/摘要/原文链接正确提取",
+        "关键词筛选：包含词+排除词组合筛选正确，影响度三级可区分",
+        "错误处理：无效URL记录日志、重试后跳过不影响其他数据源",
+        "定时调度以配置项或计划任务形式体现即可，验收允许手动触发",
+        "影响度评估口径自定须在设计文档写明，ground truth 标注清单格式规范随样本提交"
+      ],
+      "sampleData": "至少3个不同结构的模拟目标网页HTML"
+    },
+    {
+      "id": "06",
+      "title": "外部环境风险信息的自动收集与分析",
+      "group": "business",
+      "difficulty": 3,
+      "maxScoreCap": 105,
+      "minTests": 3,
+      "funcBreakdown": "信息源管理5 / 自动信息收集5 / 增量采集5 / 智能分类10 / 风险仪表盘5",
+      "acceptance": [
+        "多源采集：至少2种信息源类型（RSS/网页/API）",
+        "风险分类：5领域分类准确率≥50%合格线、≥80%满分（20条标注测试数据）",
+        "影响度评估：高/中/低可区分，与标注一致率≥65%",
+        "全局关键词：高关注/普通两级，包含排除规则同时生效",
+        "定期报告：Markdown日报/周报自动生成、历史可查，趋势基于≥2个时间周期数据对比"
+      ],
+      "sampleData": "模拟信息源HTML/RSS≥3个（覆盖不同风险领域），条目含不同发布日期以支撑趋势；API源附mock脚本"
+    },
+    {
+      "id": "07",
+      "title": "需求文档AI评审工具",
+      "group": "review-tool",
+      "difficulty": 3,
+      "maxScoreCap": 105,
+      "minTests": 3,
+      "funcBreakdown": "文档导入与解析4 / 歧义检测8 / 一致性检查5 / 编写规范检查5 / 可测试性评估4 / 评审报告与规则外置4",
+      "acceptance": [
+        "歧义检测：植入10处歧义词检出≥6处合格线，全检且误报≤2为满分",
+        "矛盾检测：植入2组矛盾至少检出1组，报告引用双方条目原文",
+        "可测试性评估：正确标识植入的不可测试需求并附改写建议",
+        "编写规范检查：基于《需求文档编写标准》配置执行，标准A/B两套切换检出结果变化",
+        "证据型报告：每个问题定位到章节编号并摘录原文，Critical/Major/Minor分级+通过结论",
+        "规则外置：检查规则在独立配置文件维护，不改代码可增改"
+      ],
+      "sampleData": "2份模拟需求说明书（1正常约10条编号需求；1植入≥20处已知问题）+ 缺陷标注清单 + 标准配置A/B两套"
+    },
+    {
+      "id": "08",
+      "title": "设计书AI评审工具",
+      "group": "review-tool",
+      "difficulty": 4,
+      "maxScoreCap": 110,
+      "minTests": 3,
+      "funcBreakdown": "导入与解析5 / 规范符合性检查5 / 需求追溯矩阵10 / 接口一致性检查5 / 矩阵可视化与报告5",
+      "acceptance": [
+        "必备章节检查：配置的必备章节缺失全部检出，附应包含内容提示",
+        "追溯矩阵：10条需求正确建立≥8条映射合格线，未覆盖需求与孤儿设计两类均能标出",
+        "接口一致性：植入2处矛盾至少检出1处并引用双方定义原文",
+        "文档格式规范：《设计书格式标准》A/B两套切换检出结果变化",
+        "证据型报告：分级+定位+通过结论，矩阵表格可视化"
+      ],
+      "sampleData": "需求清单1份（10条编号需求）+ 模拟设计书1份（植入章节缺失×2、未覆盖×2、孤儿设计×1、接口矛盾×2、格式违规≥2处）+ 缺陷标注清单 + 格式标准A/B两套"
+    },
+    {
+      "id": "09",
+      "title": "代码AI评审工具",
+      "group": "review-tool",
+      "difficulty": 3,
+      "maxScoreCap": 105,
+      "minTests": 3,
+      "funcBreakdown": "扫描配置与执行3 / secrets检测6 / LLM调用专项检查7 / 空值防护检查5 / 编码规约检查4 / 报告与门禁5",
+      "acceptance": [
+        "secrets检测：植入8处硬编码密钥检出≥6处合格线，误报≤1为满分",
+        "LLM调用检查：无保护的LLM调用100%标记，完全无保护Critical/仅缺降级Major",
+        "空值防护：典型裸访问模式检出率≥70%",
+        "编码规约：《编码规约》A/B两套切换检出结果变化，条款全部外置不得硬编码",
+        "证据型报告：定位到 文件名:行号，Critical/Major附修复示例代码，存在Critical输出不通过"
+      ],
+      "sampleData": "小型模拟项目代码包（≥10个源码文件，植入硬编码密钥×8、LLM无保护×3、空值裸访问×4、规约违规×4）+ 缺陷标注清单 + 规约A/B两套"
+    },
+    {
+      "id": "10",
+      "title": "测试用例AI评审工具",
+      "group": "review-tool",
+      "difficulty": 4,
+      "maxScoreCap": 110,
+      "minTests": 3,
+      "funcBreakdown": "测试集导入与解析3 / 需求覆盖分析7 / 断言强度审查9 / 边界完整性提示2 / 基准符合性检查4 / 质量评级报告5",
+      "acceptance": [
+        "覆盖缺口：10条需求中正确找出未覆盖需求≥7条合格线、全部且无误报为满分",
+        "弱断言检测：植入8个弱断言检出≥5个合格线、≥7个且无误报为满分",
+        "无断言测试：100%标记并附最小断言补充建议",
+        "基准符合性：《测试基准》A/B两套切换检出结果变化，覆盖阈值可配置",
+        "质量评级：每用例A/B/C评级，C级附针对性改进建议"
+      ],
+      "sampleData": "需求清单1份（10条编号需求）+ 测试代码集（≥20个用例，植入无断言×3、弱断言×8、要素缺失或命名违规×3）+ 缺陷标注清单 + 基准A/B两套"
+    },
+    {
+      "id": "11",
+      "title": "成果物AI评审工具",
+      "group": "review-tool",
+      "difficulty": 2,
+      "maxScoreCap": 100,
+      "minTests": 3,
+      "funcBreakdown": "成果物清单配置5 / 存在性核对8 / 要素齐全性检查8 / 交叉一致性检查5 / 准入报告与结论4",
+      "acceptance": [
+        "存在性核对：植入的3处缺失文件全部检出，逐项核对表清晰",
+        "要素齐全检查：README缺失要素正确检出，同义词扩展命中（安装vs部署）",
+        "交叉一致性：README技术栈声明 vs 实际依赖文件不一致处检出并引用双方内容",
+        "清单可切换：加载另一套清单模板正常工作",
+        "准入结论：Critical缺失（如源代码缺失）直接判定不通过"
+      ],
+      "sampleData": "残缺模拟项目提交包（故意缺文件、README缺要素、技术栈声明与依赖不一致）+ 缺陷标注清单 + 备用清单模板一套"
+    }
+  ]
+}

server/config/standards/AI人才育成L2.md

@@ -1,357 +0,0 @@
-## 功能完整性（40分）
-
-检查以下5项：
-
-1. 核心功能实现（12分）
-   - 题目要求的主要功能全部实现且可运行 → 12分
-   - 主要功能实现但有边角缺陷 → 9-11分
-   - 部分核心功能实现，其余有框架或占位 → 6-8分
-   - 仅有框架无实际功能 → 0分
-
-2. 异常处理（8分）
-   - 有错误提示且覆盖LLM超时/不可达等主要场景 → 8分
-   - 有错误提示但不完整，或仅有降级处理之一 → 5-7分
-   - 无错误提示但有显式错误反馈 → 3-4分
-   - 无任何异常处理 → 0分
-
-3. 边界情况（6分）
-   - 空数据、异常输入均正确处理 → 6分
-   - 部分边界场景处理 → 3-5分
-   - 无边界处理但程序不崩溃 → 1-2分
-   - 边界输入导致崩溃 → 0分
-
-4. 业务逻辑正确性（8分）
-   - 统计结果与手算一致，检索结果相关 → 8分
-   - 大部分场景正确，个别边界有误 → 5-7分
-   - 存在明显逻辑错误 → 0-4分
-
-5. 可运行性（6分）
-   - README步骤可直接运行，无启动报错 → 6分
-   - 需少量额外步骤可运行 → 3-5分
-   - 无法运行 → 0分
-
-【交叉验证规则】
-- README声称的功能，必须在代码目录中找到对应的实现文件，否则视为未实现
-- 声称"支持异常处理"→代码中必须有try-catch或错误处理逻辑，否则扣4分
-- 声称"支持多种数据格式"→代码中必须有对应的格式处理逻辑，否则扣3分
-
-## 设计文档（10分）
-
-检查以下3项：
-
-1. 架构图（4分）
-   - 有架构图或数据流图（若无→0分）
-   - 图表清晰、标注完整
-
-2. 技术选型理由（3分）
-   - 为什么选择该技术栈（opencode + 课程技术）
-   - 各组件的作用说明
-
-3. 关键设计决策（3分）
-   - 设计上的取舍和理由
-   - 边界情况处理策略
-
-## 测试用例与测试结果（10分）
-
-检查以下3项：
-
-1. 测试用例数量（3分）
-   - ≥3个测试用例（若无→0分）
-
-2. 测试覆盖（4分）
-   - 覆盖核心逻辑的正常路径和异常路径
-
-3. 结果可复现（3分）
-   - 测试结果附在提交物中
-   - 评审者能按步骤复现
-
-【交叉验证规则】
-- AGENTS.md或README中声称的"测试覆盖核心功能"，必须在代码中找到对应的测试文件（*.spec.ts, *.test.ts, test_*.py等），否则视为造假扣4分
-- 测试文件内容必须有断言（assert/expect/should等），仅有文件骨架而无断言视为无效测试，扣2分
-- 声称"测试全部通过"但测试代码中存在明显语法错误或引用不存在的模块 → 视为造假，该项0分
-
-## AI协作过程记录（15分）
-
-检查以下4项：
-
-1. AGENTS.md存在（3分）
-   - 项目根目录有AGENTS.md文件（若无→0分）
-
-2. prompt记录（5分）
-   - 记录了使用的prompt原文
-   - 记录了生成过程
-
-3. 人工修正点（4分）
-   - 记录了AI生成代码后的人工修改
-   - 记录了修改理由
-
-4. 问题与对策（3分）
-   - 记录了遇到的问题
-   - 记录了解决方案
-
-【交叉验证规则】
-- AGENTS.md中声称的"使用了XX技术"，必须在代码中找到对应的配置或调用文件
-- 如果AGENTS.md说"用SpecKit"，但代码中没有spec/PRD/TECH_SPEC.md文件 → 视为夸大，扣3分
-- 如果AGENTS.md说"对LLM输出做了质量验证"，但代码中没有对应的验证逻辑 → 视为虚构，扣3分
-- 如果AGENTS.md说"编写了测试覆盖核心逻辑"，但实际没有测试文件或测试内容与描述不符 → 视为造假，该项0分
-
-## 技术选型与范式运用（15分）
-
-检查以下4项：
-
-1. 课程技术运用（5分）
-   - 至少选择了1项指定技术（VibeCoding/Superpowers/SpecKit/Skill/MCP）
-   - 技术运用方式合理
-
-2. 选型理由（4分）
-   - 说明了为什么选择该技术组合
-   - 与题目场景匹配
-
-3. 范式运用（3分）
-   - 运用的范式（SpecKit/VibeCoding等）有明确记录
-   - 范式选择与题目特性匹配
-
-4. 技术组合深度（3分）
-   - 组合多项技术的加分
-   - 技术之间有明确的调用/协作关系
-
-【交叉验证规则】
-- 声称使用了"Skill"→代码中必须有对应的Skill定义文件或注册代码，否则扣3分
-- 声称使用了"SpecKit"→项目中必须有spec/PRD/TECH_SPEC.md文件，否则扣3分
-- 声称使用了"MCP自动化测试"→必须有MCP Server配置或测试脚本调用代码，否则扣3分
-- 声称"组合了多项技术"→必须有明确的调用链路（如A技术调用B技术的代码），否则扣3分
-
-## 代码质量 + README（10分）
-
-检查以下3项：
-
-1. 代码结构（4分）
-   - 结构清晰、命名规范
-   - 无大量重复代码（重复率>30%扣分）
-
-2. README完整性（4分）
-   - 包含：环境要求、安装步骤、运行方法、功能说明
-   - README步骤能直接运行成功
-
-3. 依赖管理（2分）
-   - 依赖清单完整
-   - 无多余/缺失的依赖
-
-【交叉验证规则】
-- README声称的项目功能，必须在代码中有对应的入口文件或模块，否则视为夸大，扣2分
-- README声称的"支持XX平台/环境"，必须有对应的配置文件（Dockerfile、.nvmrc等），否则视为不实，扣1分
-
-## 第二部分：问题别L3追加维度
-
-L3为追加评审，仅在L2合格（共通≥60分）后自动触发。
-
-
-## [Q2] LLM生成问卷（15分）
-
-检查以下3项：
-
-1. 问卷生成逻辑（6分）
-   - 代码中是否有LLM调用生成面谈问题的逻辑
-   - 问卷内容是否与低分维度数据联动（非固定模板文案）
-
-2. 定制化（5分）
-   - 是否支持按部门/职级生成不同问题
-   - 问卷内容是否可编辑
-
-3. 问题质量（4分）
-   - 生成的问题是否基于具体数据
-   - 不是通用模板问题
-
-## [Q2] LLM自由文本分析（10分）
-
-检查以下两项：
-
-1. 话题分类/摘要（5分）
-   - 面谈分析页面是否包含AI生成的话题分类结果
-   - 是否有自由文本的摘要/分析
-
-2. 共性问题提取（5分）
-   - 是否能跨面谈记录发现高频出现的问题主题
-   - 提取的共性问题是否准确
-
-## [Q2] prompt工程与调优记录（5分）
-
-检查以下一项：
-
-1. prompt调优过程
-   - AGENTS.md中是否有prompt调优过程记录
-   - 不同策略的对比
-   - LLM输出质量验证方法
-
-
-## [Q3] LLM检索回答（11分）
-
-检查以下两项：
-
-1. LLM生成回答（7分）
-   - 代码中是否有LLM生成回答的逻辑（非单纯关键词匹配）
-   - 回答是否引用出处文档名/章节/页码
-
-2. 置信度显示（4分）
-   - 回答附带置信度分数
-   - 可信度标识清晰
-
-## [Q3] 上下文连续对话（10分）
-
-检查以下两项：
-
-1. 追问支持（5分）
-   - 是否支持在上一轮基础上继续提问
-   - 上下文理解是否正确
-
-2. 对话管理（5分）
-   - 代码中是否有上下文管理机制
-   - 对话状态是否在UI中可见
-
-## [Q3] 无法回答处理（10分）
-
-检查以下两项：
-
-1. 无法回答检测（5分）
-   - 对制度文档中不存在的问题，是否明确返回"未在现有制度中找到相关信息"
-   - 不编造答案
-
-2. 合理引导（5分）
-   - 是否给出合理解释或建议
-   - 是否引导用户调整提问方式
-
-## [Q3] RAG管道设计记录（19分）
-
-检查以下4项：
-
-1. chunk策略设计（5分）
-   - AGENTS.md是否记录了chunk大小/重叠率选择理由
-   - 不同分割策略的对比
-
-2. embedding模型选型（5分）
-   - 是否说明了embedding模型选择理由
-   - 是否对比了不同模型的效果
-
-3. 检索策略对比（5分）
-   - 是否记录了关键词/向量/混合检索的对比
-   - 检索准确率改善过程
-
-4. 多语言处理策略（4分）
-   - 是否说明了中日文混合检索的处理方案
-   - 分词/索引策略的差异处理
-
-
-## [Q4] LLM条款提取（10分）
-
-检查以下两项：
-
-1. 关键字段提取（5分）
-   - 代码中是否有通过LLM提取合同关键字段的逻辑
-   - 提取字段包括：金额、期限、违约责任、管辖法院等
-
-2. 提取准确度（5分）
-   - 审查报告中提取的字段是否正确
-   - 是否支持多份合同验证
-
-## [Q4] LLM风险标记（10分）
-
-检查以下两项：
-
-1. 风险条款标记（5分）
-   - 是否有AI自动标记风险条款的功能
-   - 审查结果页面是否展示风险项
-
-2. 风险判断理由（5分）
-   - 每条风险标记是否附带判断理由
-   - 理由是否合理
-
-## [Q4] prompt工程与规则设计记录（10分）
-
-检查以下两项：
-
-1. 审查规则设计（5分）
-   - AGENTS.md是否记录了审查规则设计过程
-   - 风险标准定义的迭代
-
-2. prompt调优（5分）
-   - prompt调优过程记录
-   - 不同策略的对比
-
-
-## [Q5] LLM内容提取（10分）
-
-检查以下两项：
-
-1. 法规字段提取（5分）
-   - 代码中是否有AI解析网页内容提取法规字段的逻辑
-   - 提取字段包括：法规名称、发布机关、发布日期、摘要
-
-2. 提取质量（5分）
-   - 提取结果是否准确
-   - 是否支持不同的网页结构
-
-## [Q5] LLM影响度评估（10分）
-
-检查以下两项：
-
-1. 影响度自动判断（5分）
-   - 是否有AI自动评估高/中/低影响度的功能
-   - 判断依据是否来源于LLM分析
-
-2. 影响度展示（5分）
-   - 影响度在结果列表中是否清晰标识
-   - 高影响度是否突出显示
-
-## [Q5] prompt工程与爬虫策略记录（10分）
-
-检查以下两项：
-
-1. 爬虫策略设计（5分）
-   - AGENTS.md是否记录了爬虫规则设计
-   - 反爬策略
-
-2. 提取准确率改善（5分）
-   - 提取准确率的改善过程
-   - 不同网站结构的处理策略
-
-
-## [Q6] LLM风险分类（10分）
-
-检查以下两项：
-
-1. 自动分类逻辑（5分）
-   - 代码中是否有AI自动将情报按领域分类的逻辑
-   - 分类维度是否与预设一致（汇率/法规/日中关系/行业/技术）
-
-2. 分类展示（5分）
-   - 分类结果在界面中是否清晰展示
-   - 是否支持按分类筛选
-
-## [Q6] LLM影响度评估（10分）
-
-检查以下两项：
-
-1. 风险等级评估（5分）
-   - 是否有AI根据内容评估风险等级的功能
-   - 评估依据是否可追溯
-
-2. 高风险处理（5分）
-   - 高风险情报是否自动突出显示
-   - 是否有通知机制（系统内/模拟邮件）
-
-## [Q6] prompt工程与分类策略记录（10分）
-
-检查以下两项：
-
-1. 分类模型选择（5分）
-   - AGENTS.md是否记录了分类模型选择理由
-   - 影响度评估标准定义
-
-2. 策略调优（5分）
-   - 通知规则设计
-   - 分类准确率改善过程
-
-## 合格判定一览
-
-| 题目 | 难度 | 共通满分 | 追加满分 | 总分上限 | L2合格 | L3合格 |
-|:----|:----:|:--------:|:--------:|:--------:|:------:|:---

server/config/standards/L2考核-评审标准.md

@@ -0,0 +1,79 @@
+## 功能完整性（30分）
+
+评审基准：
+- 命题题：按系统注入的该题验收基准表逐项评定，未实现或与声明不符的功能不计分
+- 自选题：按 README 声明的功能清单逐项核对实现情况（结合登记功能清单快照，低于登记范围核心功能的缩减部分按未实现计）
+
+分档锚点：
+- 核心功能全部实现且实测可运行：25-30分
+- 主要功能实现，个别非核心功能缺失或有边角缺陷：18-24分
+- 部分核心功能实现，存在占位/框架代码：10-17分
+- 仅框架无实际功能，或主要功能无法运行：0-9分
+
+【交叉验证规则】
+- README 声称的功能，必须在代码目录中找到对应的实现入口/模块，否则视为未实现
+- 声称"支持异常处理"→代码中必须有 try-catch 或错误处理逻辑，否则扣4分
+- 声称"支持多种数据格式"→代码中必须有对应的格式处理逻辑，否则扣3分
+- 凡涉及 LLM/API 调用的功能，必须具备超时设置、异常捕获、降级或显式错误提示至少一项；全部缺失扣4分
+
+## 设计文档（10分）
+
+1. 架构图（4分）：有架构图或数据流图，模块划分与外部依赖（LLM API 等）标注清晰；无图计0-1分
+2. 开发范式流程图（3分）：本人开发过程的工作流设计；图中步骤名称与 _AI_USAGE_LOG.md 的「范式步骤」列逐步对应，对应不上酌情扣分
+3. 关键设计决策（3分）：重要取舍有理由；评分型指标（置信度/影响度/准确率/高频阈值等）的计算口径必须在设计文档中写明，未写明口径扣2分
+
+## 测试用例与测试结果（10分）
+
+1. 用例数量（3分）：至少3个测试用例（命题题从其题目约定）；无测试文件计0分
+2. 覆盖质量（4分）：覆盖核心逻辑的正常路径与异常路径；断言真实有效——仅有文件骨架而无断言（assert/expect/should）视为无效测试
+3. 结果可复现（3分）：测试以命令行方式可执行，执行结果附于 tests/ 或 README；评审系统将实际运行测试并与声明对照
+
+【交叉验证规则】
+- 声称"测试覆盖核心功能"，必须找到对应测试文件（*.spec.ts / *.test.ts / test_*.py 等），否则视为造假扣4分
+- 声称"测试全部通过"但测试代码存在明显语法错误或引用不存在的模块 → 该项0分
+- 评审环境导致的测试失败（依赖缺失等）为中性证据，不据此扣分，但受验者声明的结果与实测矛盾时扣分
+
+## AI协作过程记录（15分）
+
+1. AGENTS.md 存在（3分）：项目根目录有 AGENTS.md；缺失计0分
+2. prompt 原文（5分）：记录核心功能生成过程的 prompt 原文，可追溯到具体功能
+3. 人工修正点（4分）：记录 AI 输出后自己改了什么、为什么要改
+4. 问题与对策（3分）：记录遇到的问题（幻觉API、超时缺失等）与解决方案
+
+【交叉验证规则】
+- AGENTS.md 声称"使用了XX技术"，必须在代码中找到对应配置或调用文件
+- 说"用 SpecKit"但没有 spec/PRD/TECH_SPEC 类文件 → 视为夸大扣3分
+- 说"做了LLM输出质量验证"但没有对应验证逻辑 → 视为虚构扣3分
+- _AI_USAGE_LOG.md 声称的修改所涉及的文件路径，须在 git 历史中存在对应变更；凭空捏造的日志条目每处扣2分
+
+## 技术选型与范式运用（15分）
+
+1. 课程技术运用（5分）：VibeCoding / Superpowers / SpecKit / Skill / MCP自动化测试 至少1项真实运用于开发过程，运用深度合理（非表面套用）；一项都没有计0分
+2. 选型理由（4分）：说明了为何选择该技术组合、与题目场景的匹配性
+3. 范式运用记录（3分）：运用的范式有明确记录（AGENTS.md 课程技术运用节）
+4. 组合深度（3分）：组合多项技术时有明确的调用/协作关系
+
+【交叉验证规则】
+- 声称 Skill → 代码中必须有 Skill 定义文件或注册代码，否则扣3分
+- 声称 MCP 自动化测试 → 必须有 MCP Server 配置或测试脚本调用代码，否则扣3分
+- 声称"组合多项技术"→ 必须有明确调用链路（A技术调用B技术的代码），否则扣3分
+
+## 代码质量+README（10分）
+
+1. 代码结构（4分）：结构清晰、命名规范、无硬编码密钥/绝对路径；文件级重复率超过30%酌情扣分，超过50%本项计0-1分
+2. README 完整性（4分）：含痛点背景、功能说明、效果总结、安装运行四部分，安装步骤逐步可复制执行；缺一部分扣1分
+3. 依赖管理（2分）：依赖清单/锁文件完整可复现，无多余缺失依赖
+
+【交叉验证规则】
+- README 声称的项目功能必须有对应入口文件或模块，否则视为夸大扣2分
+- 声称"支持XX平台/环境"但无对应配置文件（Dockerfile、.nvmrc 等）→ 扣1分
+
+## 业务场景理解与需求分析（10分）
+
+1. 痛点理解（4分）：对业务场景痛点理解准确，目标用户/使用场景清晰（命题题为该题业务场景的理解分析，自选题必须有现状低效点分析）
+2. 需求分析（3分）：功能边界清楚，需求拆解合理
+3. 效果总结可信（3分）：提效数字附测量方式（如何计时、对比场景与步骤）；基于模拟场景的小样本试用如实记录即可；无法量化的说明具体痛点和实际反馈
+
+【真实性规则】
+- 无测量依据的夸大数字在可信度上扣分（本项计0-1分）
+- 文档声称效果与实测明显不符 → 本项计0分并在评语标注