docs(requirements): 固化资料包解析确认口径

docs/设计文档/1.注册资料审核Agent设计思路.md

@@ -28,13 +28,15 @@ V1 建议支持以下导入方式：
 2. 文件夹拖拽或前端批量选择文件。
 3. 压缩包上传并自动解压。
 
-压缩包格式建议覆盖：
+压缩包格式覆盖：
 
 1. `zip`
 2. `rar`
 3. `7z`
 
-系统解包后应保留原始相对路径，用于还原资料目录、识别章节点和发现文件夹结构异常。
+系统解包后应保留原始相对路径，用于还原资料目录、识别章节点和发现文件夹结构异常。压缩包内多层目录按原目录作为章节点识别依据。
+
+`rar`、`7z` 解压必须采用纯 Python 实现，允许新增第三方 Python 依赖包，避免服务器部署时依赖系统级解压工具。
 
 ### 2.2 法规依据资料
 
@@ -63,7 +65,7 @@ docs/原始材料/关于公布体外诊断试剂注册申报资料要求和批
 | 原始路径 | 解压或上传后的相对路径 |
 | 文件名 | 原始文件名 |
 | 文件类型 | PDF、DOCX、DOC、TXT、MD 等 |
-| 页数 | 可精确统计或估算 |
+| 页数 | 精确页数或待复核状态 |
 | 章节点 | 如 CH1.2、CH1.4、CH1.11.5 |
 | 资料名称 | 识别出的注册资料名称 |
 | 处理状态 | 已解析、解析失败、待人工确认 |
@@ -72,8 +74,8 @@ docs/原始材料/关于公布体外诊断试剂注册申报资料要求和批
 页数统计策略：
 
 1. PDF 优先用 `pdfplumber` 或 `PyMuPDF` 精确统计。
-2. DOCX 优先解析段落、表格和属性，页数可先标记为估算或待确认。
-3. DOC 可通过兼容解析工具或转换后处理，失败时保留异常提示。
+2. DOCX 页数必须精确统计，不能以估算页数作为 V1 验收结果。
+3. DOC 可通过兼容解析工具或转换后处理，无法精确统计时标记为待人工复核。
 4. 扫描件或无法提取正文的文件标记为“需 OCR / 待人工复核”。
 
 ### 3.2 按 NMPA 法规要求核查完整性
@@ -96,7 +98,7 @@ V1 规则建议拆成三层：
 | 错放 | 文件存在但章节点或目录位置不合理 |
 | 待复核 | 规则无法直接判定 |
 
-自动通知责任人属于完整性核查后的动作。V1 可先输出责任角色和通知载荷，例如“CH4 临床评价资料缺失 -> 临床注册负责人”，后续再接飞书机器人执行 `@` 通知。
+自动通知责任人属于完整性核查后的动作。V1 责任人先通过后台或配置文件手动维护，并按资料章节配置。系统可先输出责任角色和通知载荷，例如“CH4 临床评价资料缺失 -> 临床注册负责人”，后续再接飞书机器人执行 `@` 通知。
 
 ### 3.3 产品关键信息抽取与回填
 
@@ -236,8 +238,8 @@ RAG 不作为最终合规判断引擎，只负责：
 Agent Core 后续应注册以下工具：
 
 1. `scan_submission_package`：扫描资料包并保留目录结构。
-2. `extract_archive`：解压 zip、rar、7z。
-3. `count_document_pages`：统计或估算页数。
+2. `extract_archive`：解压 zip、rar、7z，其中 rar、7z 必须使用纯 Python 依赖实现。
+3. `count_document_pages`：统计页数，DOCX 必须精确统计。
 4. `classify_chapter_node`：识别章节点和资料名称。
 5. `check_nmpa_completeness`：按结构化规则检查齐套性。
 6. `extract_product_fields`：抽取产品核心字段。
@@ -304,8 +306,8 @@ Audit 需要记录：
 建议按以下顺序落地，保证演示先闭环：
 
 1. 批量上传 / 压缩包解压 / 文件目录汇总。
-2. PDF、DOCX 页数统计和解析状态展示。
-3. 基于公告附件包整理结构化必交项规则。
+2. PDF、DOCX 页数统计和解析状态展示，其中 DOCX 必须精确统计。
+3. 基于公告附件包整理结构化必交项规则，第 2 至第 6 章先做规则级初步确认。
 4. 完整性核查与缺失项风险输出。
 5. 从目标产品说明书抽取产品名称、靶标、适用范围、储存条件、性能指标。
 6. 对说明书、申请表、产品列表做字段一致性核查。
@@ -313,16 +315,19 @@ Audit 需要记录：
 8. 回填预览和 Word 模板导出。
 9. 责任人通知载荷与飞书机器人演示。
 
-## 7. 待确认事项
+## 7. 已确认约束与剩余待确认事项
 
-以下问题不阻塞 V1 需求整理，但会影响实现细节：
+以下约束已经确认，应作为后续实现依据：
+
+1. DOCX 页数必须精确统计。
+2. 压缩包内多层目录按原目录作为章节点依据。
+3. `rar`、`7z` 解压必须纯 Python 实现，允许新增第三方依赖包。
+4. 责任人先手动配置，按资料章节维护。
+5. 第 2 至第 6 章不补充企业真实样本，先按公告附件包进行规则级初步确认。
+
+剩余待确认事项：
 
 1. “目标文件”具体是注册申请表、对照清单，还是另一个业务方指定模板。
-2. DOCX 页数是否必须精确，还是允许首版标记为估算。
-3. 压缩包内多层目录是否按原目录作为章节点依据。
-4. rar、7z 解压是否允许依赖系统工具，还是必须纯 Python 实现。
-5. 责任人是按章节点、资料类型、项目角色还是具体人员维护。
-6. 第 2 至第 6 章是否会补充企业真实样本用于内容级演示。
 
 ## 8. 结论