迎检合规审查（Inspection Review）

输入（向用户确认）

inspection_file：迎检文件路径（PDF/扫描件/图片/docx/xlsx）
dataset_name：RAGFlow 佐证数据集名（落实文件所在的知识库）
inspection_name：检查名称（可选；缺省时从迎检文件名/标题提取简短中文名，如《关于开展内控检查的通知》→ 内控检查）

Step 0 — 前置检查

依赖系统环境变量 RAGFLOW_BASE_URL、RAGFLOW_API_KEY（用户已配置到系统）。先验证非空：

# bash / Git Bash
[ -z "$RAGFLOW_BASE_URL" ] || [ -z "$RAGFLOW_API_KEY" ] && echo "缺少环境变量"

:: Windows cmd
if "%RAGFLOW_API_KEY%"=="" echo 缺少环境变量

缺失时提示用户：配置系统环境变量后重开终端（Windows 新变量不会注入已运行的会话）。

Shell 变量引用对照（后续命令按所在终端选用，命令其余部分完全一致）：

| Shell | 引用方式 | |---|---| | bash / Git Bash | $RAGFLOW_BASE_URL | | Windows cmd | %RAGFLOW_BASE_URL% | | PowerShell | $env:RAGFLOW_BASE_URL（且需用 curl.exe 而非 curl 别名） |

审查工作目录

在用户当前工作目录创建 <检查名称>-<YYYYMMDD>/（同日重复追加 -HHMM）：

内控检查-20260828/
├── checklist.json      # Step 1 产物：检查清单
├── requests/           # Step 2：每条检查项的检索请求体（item-01.json ...）
├── evidence/           # Step 2：RAGFlow 原始响应（item-01.json ...）
│   └── docs/           # Step 3：佐证原文副本（<document_id>.pdf ...，供报告跳转预览）
└── 合规报告-20260828.md # Step 3 产物：报告（中文名）

JSON/中间产物一律英文名，最终报告用中文名。以下 <DIR> 指该目录。

Step 1 — 解析检查项

用多模态能力直接读取迎检文件（PDF/扫描件/图片/docx/xlsx 均可），识别其中的检查表格/条目。
提取结构化检查项，写入 <DIR>/checklist.json，结构见 references/schemas.md。每条含 id、category、requirement（检查要求原文）、keywords（检索关键词 2~4 个）。
检查项 >30 条时提示用户是否分批执行；用户确认后按批处理，每批独立走 Step 2/3，报告合并。

Step 2 — 逐条检索佐证

2.1 解析数据集 ID

curl -s -G "$RAGFLOW_BASE_URL/api/v1/datasets" \
  --data-urlencode "name=<dataset_name>" \
  -H "Authorization: Bearer $RAGFLOW_API_KEY" \
  -o "<DIR>/datasets.json"

读取响应取 data[0].id 作为 dataset_id；查无此名时列出 data[].name 供用户选择。可带 include_parsing_status=true 确认文档均已解析（done_count > 0 且无 running_count/fail_count）。

2.2 逐条检索

对每条检查项，先生成请求体 <DIR>/requests/<item_id>.json（结构见 schemas.md）：

{
  "question": "<requirement 原文 + 关键词>",
  "dataset_ids": ["<dataset_id>"],
  "page": 1,
  "page_size": 10,
  "similarity_threshold": 0.2,
  "vector_similarity_weight": 0.3,
  "keyword": true,
  "highlight": true
}

再执行检索（请求体走文件，规避 cmd/PowerShell/bash 的引号转义差异）：

curl -s -X POST "$RAGFLOW_BASE_URL/api/v1/retrieval" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $RAGFLOW_API_KEY" \
  --data @"<DIR>/requests/<item_id>.json" \
  -o "<DIR>/evidence/<item_id>.json"

逐条执行并落盘；接口字段细节见 references/retrieval-api.md。

Step 3 — 交叉验证 + 报告

逐条读取 evidence/<item_id>.json，比对「检查要求」与命中 chunks，判定：

| 判定 | 条件 | |---|---| | ✅合规 | 最高 similarity ≥ 0.5，且命中内容语义覆盖检查要求 | | ⚠️待补 | 有命中但 0.2 ≤ similarity < 0.5，或证据仅覆盖部分要求 | | ❌缺项 | 无命中（total 为 0 或 chunks 为空） |

每条记录：判定、佐证文档名（document_keyword）、document_id、页码、最高相似度、关键摘录（highlight）。

下载佐证原文 + 提取页码（判定完成后执行，为报告提供可点击预览）：

对非缺项判定引用的 document_id 去重，逐个下载佐证原文到 <DIR>/evidence/docs/（接口直接返回原文件二进制，见 references/retrieval-api.md）：

curl -s "$RAGFLOW_BASE_URL/api/v1/datasets/<dataset_id>/documents/<document_id>" \
  -H "Authorization: Bearer $RAGFLOW_API_KEY" \
  -o "<DIR>/evidence/docs/<document_id>.<ext>"

扩展名 <ext> 取 document_keyword 的真实后缀（.pdf/.docx/...）。文件名用 document_id（英文、无空格，Markdown 链接安全）。下载失败时该条佐证在报告中退化为纯文本文档名，不中断流程。

页码：命中 chunk 的 positions 为 [页码, left, top, right, bottom] 数组，一个 chunk 可跨多页。取最高相似度 chunk 的全部页码去重排序，报告标注如 P4-5。

报告佐证列使用相对链接 [《文档名》](evidence/docs/<document_id>.<ext>)，本地 Markdown 预览可直接点击打开原文。按 templates/report-template.md 生成 <DIR>/合规报告-<YYYYMMDD>.md，含汇总统计与缺项清单。

关键约束

佐证文档名与 document_id 必须来自 RAGFlow 真实响应，禁止编造。
相似度低于 0.5 的命中一律降级为「待补」，不得标为合规。
API Key 只出现在请求头，不写入任何落盘文件，不出现在报告中。
requests/ 与 evidence/ 保留不删，作为审查痕迹可追溯。
佐证原文仅下载报告引用的文档（按 document_id 去重），不整库下载。