@customize-agent/knowledge 4.3.3 → 4.3.5

package/dist/cleaning/text-cleaner.js

@@ -109,9 +109,14 @@ function collectTenderFormatBlock(lines, start) {
 /** 招标文件：泛化引用行（"详见投标人须知前附表"类短行，无实质项目信息；后缀短语可选） */
 const TENDER_GENERIC_LINE_RE = /^(详见|具体见|以|按).{0,30}?(前附表|招标文件|招标公告|补疑|澄清|清单|图纸|合同文件)((的)?(要求|规定|为准|执行))?[。；;]?$|^投标人应(仔细|认真)(阅读|核对)(招标文件|本项目)(的全部内容)?[。；;]?$|^未(按|依照|按照)(上述|本|招标文件)要求/u;
 /** 招标文件：电子投标程序句（行级）。投标人须知条目式排版无可靠段落边界，按句删除
- * 程序性操作（加密/解密/上传/撤回/签号/病毒防范/获取/发布/提出/发出/发送/下载/拒收/提交/开标/导入/制作/中断/在线）；
+ * 程序性操作（加密/解密/上传/撤回/签号/病毒防范/获取/发布/提出/发出/发送/下载/拒收/提交/开标/导入/制作/中断/在线/查询/登录/进行/公示）；
  * 双重信号（程序动词 + 程序对象）防止误删技术条款。仅招标文件生效。 */
-const TENDER_EPROCEDURE_LINE_RE = /(?:电子交易系统|数字证书|加密|解密|撤回操作|上传投标文件|签号|病毒防范).{0,45}(?:上传|递交|撤回|解密|完成|显示|关闭|发放|发送|防范|获取|发布|提出|发出|下载|拒收|查看|接收|提交|开标|导入|拒绝|制作|中断|在线)|(?:投标截止时间).{0,35}(?:上传|递交|撤回|自动关闭)/u;
+const TENDER_EPROCEDURE_PREFIX_RE = /(?:电子交易系统|数字证书|加密|解密|撤回操作|上传投标文件|签号|病毒防范)/u;
+const TENDER_EPROCEDURE_LINE_RE = /(?:电子交易系统|数字证书|加密|解密|撤回操作|上传投标文件|签号|病毒防范).{0,45}(?:上传|递交|撤回|解密|完成|显示|关闭|发放|发送|防范|获取|发布|提出|发出|下载|拒收|查看|接收|提交|开标|导入|拒绝|制作|中断|在线|查询|登录|进行|公示)|(?:投标截止时间).{0,35}(?:上传|递交|撤回|自动关闭)/u;
+/** 具体时间/地点证据：跨行拼接删除的防护——拼接后含实质时间地点信息的不删 */
+const TENDER_TIME_PLACE_RE = /\d{4}年\d{1,2}月\d{1,2}日|\d{1,2}时\d{1,2}分|地点[：:为是]/u;
+/** 折行接续行判定：行首非编号/序号/条文标题（PDF 折行接续的行首是句中词） */
+const TENDER_CONTINUATION_HEAD_RE = /^(?:###\s*)?(?:第[一二三四五六七八九十百零两\d]+[条章节]|[（(]?[一二三四五六七八九十\d]+[）)、.、．]|\d{1,3}[.、．]|[【［])/u;
 /** 补疑文件：零信息回复行（"答：按招标文件执行"类套话；含数字/单位的实质回复不删） */
 const CLARIFICATION_BOILERPLATE_RE = /^(?:(?:答|答复|回复)[：:]\s*)?(?:按|以)(招标文件|招标公告|合同文件|清单|图纸|补疑|答疑)?(约定|规定|要求|执行|为准)[。；;]?$|^(?:(?:答|答复|回复)[：:]\s*)?不(作|做|予)(调整|修改|变更)[。；;]?$|^(?:(?:答|答复|回复)[：:]\s*)?维持(不变|原状)[。；;]?$|^(?:(?:答|答复|回复)[：:]\s*)?(本项|此项)(无|没有)(调整|修改|变化)[。；;]?$/u;
 /** 图纸：无汉字纯坐标数字行（≥2 组相邻 "数字,数字" 坐标对即 ≥3 个连续坐标值，设计坐标不写入施组正文） */
@@ -424,6 +429,24 @@ export function cleanExtractedText(input) {
                 index += 1;
                 continue;
             }
+            // 招标文件：电子投标程序句（跨行拼接；PDF 提取折行把程序动词折到下一行，行间夹空行）
+            if (TENDER_EPROCEDURE_PREFIX_RE.test(trimmed)
+                && !/[。；;：:！!？?]$/u.test(trimmed)) {
+                let nextIdx = index + 1;
+                while (nextIdx < lines.length && !lines[nextIdx].trim())
+                    nextIdx += 1;
+                if (nextIdx < lines.length && nextIdx - index <= 3) {
+                    const next = lines[nextIdx].trim();
+                    const continuation = next.length > 0 && next.length < 80 && !TENDER_CONTINUATION_HEAD_RE.test(next);
+                    const joined = `${trimmed}${next}`;
+                    if (continuation && TENDER_EPROCEDURE_LINE_RE.test(joined) && !TENDER_TIME_PLACE_RE.test(joined)) {
+                        drop(line, s => { s.tenderEprocedureLines += 1; });
+                        drop(lines[nextIdx], s => { s.tenderEprocedureLines += 1; });
+                        index = nextIdx + 1;
+                        continue;
+                    }
+                }
+            }
         }
         // 6. 补疑文件：零信息回复行（行级，长度 ≤25 且无数字/单位）
         if (docKind === 'clarification' && trimmed.length <= 25 && CLARIFICATION_BOILERPLATE_RE.test(trimmed) && !/\d/u.test(trimmed)) {

package/dist/core/knowledge-base-manager.js

@@ -856,6 +856,10 @@ export class KnowledgeBaseManager {
                 rerankBoost += 160;
             if (normalizedPhrase.length >= 4 && normalizedContent.includes(normalizedPhrase))
                 rerankBoost += 220;
+            // 时间类查询下，含具体日期/时刻的 chunk 是精确答案（如「获取时间：2026年8月13日」），
+            // 应优先于仅含规则条款的程序句（「距投标截止时间不足15日」类无具体时间）
+            if (/(时间|日期|工期|截止|开标|获取|递交)/u.test(query) && /20\d{2}年\d{1,2}月\d{1,2}日|\d{1,2}时\d{1,2}分/u.test(item.content))
+                rerankBoost += 60;
             const titleText = `${item.titlePath ?? ''}\n${item.sectionTitle ?? ''}`.toLowerCase();
             const normalizedTitle = this.normalizeSearchText(titleText);
             let matchedTermCount = 0;
@@ -873,7 +877,7 @@ export class KnowledgeBaseManager {
                     rerankBoost += 22;
             }
             if (matchedTermCount >= 2)
-                rerankBoost += matchedTermCount * 18;
+                rerankBoost += matchedTermCount * 30;
             for (const label of factLabels) {
                 const normalizedLabel = this.normalizeSearchText(label);
                 if (normalizedContent.includes(normalizedLabel))
@@ -881,8 +885,11 @@ export class KnowledgeBaseManager {
                 if (normalizedTitle.includes(normalizedLabel))
                     rerankBoost += 120;
             }
+            // 表格块惩罚仅针对「无任何查询词命中」的表格（清单特征块命中查询词时应保留竞争力）；
+            // 表格行（清单特征「混凝土强度等级：C35」）在向量空间天然弱势，RRF 名次扁平下
+            // 若再吃 -80 惩罚，会被普通段落（绿建专篇）挤到后面，丢失精确词命中优势
             if (item.chunkKind === 'table')
-                rerankBoost += wantsTable ? 25 : -80;
+                rerankBoost += wantsTable ? 25 : (matchedTermCount > 0 ? -10 : -80);
             if (item.chunkKind === 'metadata')
                 rerankBoost += wantsDrawing ? 60 : -100;
             if (item.chunkKind === 'data')
@@ -893,7 +900,9 @@ export class KnowledgeBaseManager {
                     rerankBoost -= wantsDrawing ? 60 : 160;
             }
             if (/工作表：|COL\d+|专业工程暂估价计价表|分部分项工程量清单计价表|材料（工程设备）暂估单价一览表/u.test(item.content)) {
-                rerankBoost -= wantsTable ? 35 : 140;
+                // 计价表行无查询词命中是纯标题噪音（-140）；命中查询词的清单特征行
+                // （「混凝土强度等级：C35」）是用户直接目标，仅轻惩罚维持正文优先
+                rerankBoost -= wantsTable ? 35 : (matchedTermCount > 0 ? 20 : 140);
             }
             if (/第\s*\d+\s*页\s*共\s*\d+\s*页|PDF\s*第\s*\d+\s*页/iu.test(item.content) && factLabels.length > 0)
                 rerankBoost -= 12;
@@ -921,8 +930,12 @@ export class KnowledgeBaseManager {
     }
     queryTerms(query) {
         const base = query.toLowerCase().split(/[\s,，。；;：:、]+/u).filter(Boolean);
+        // 字母数字与汉字连续串按边界拆词（与 store.expandSearchTerms 的边界拆分一致）：
+        // 「C35混凝土」须拆出「c35」「混凝土」，重排层才能识别清单特征块的双词命中，
+        // 否则 terms 只有整串连写短语，对「强度等级：C35」类特征块零命中、错吃 table 惩罚
+        const splitParts = base.flatMap(term => term.split(/([\p{Script=Han}]+)/u).filter(part => part.length > 0));
         const labels = this.queryFactLabels(query).map(label => label.toLowerCase());
-        return [...new Set([...base, ...labels].filter(term => term.length > 0))];
+        return [...new Set([...base, ...splitParts, ...labels].filter(term => term.length > 0))];
     }
     queryFactLabels(query) {
         const labels = [];
@@ -944,6 +957,12 @@ export class KnowledgeBaseManager {
             labels.push('招标人', '项目业主', '建设单位');
         if (/临水|临电|临时水电|水电接引|接驳点|挂表计量|施工水电/u.test(query))
             labels.push('临水临电', '临时水电接引', '施工水电接引费', '接驳点挂表计量', '挂表计量');
+        if (/获取时间|获取方式/u.test(query))
+            labels.push('获取时间', '招标文件获取时间');
+        if (/投标截止|截止时间/u.test(query))
+            labels.push('投标截止时间', '投标文件递交的截止时间');
+        if (/开标时间|开标地点|开标/u.test(query))
+            labels.push('开标时间和地点', '开标时间', '开标地点');
         if (/场地限制|材料堆场|办公区|生活区|加工区/u.test(query))
             labels.push('场地限制', '不具备材料堆场', '搭设加工区', '搭设办公区', '搭设生活区');
         if (/拆除|修补|破损处|改造维修/u.test(query))

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "@customize-agent/knowledge",
-  "version": "4.3.3",
+  "version": "4.3.5",
   "description": "Local knowledge base infrastructure for customize-agent",
   "type": "module",
   "main": "./dist/index.js",