fix(chat): 拦截无依据的非业务问题

.env

@@ -6,7 +6,9 @@ DJANGO_ALLOWED_HOSTS=*
 LLM_PROVIDER=openai_compatible
 LLM_API_KEY=sk-pgvkjondmmrlyxmrfhotgpuirgbtgzrpjpweorhwruflxmxw
 LLM_BASE_URL=https://api.siliconflow.cn/v1
-LLM_MODEL=Qwen/Qwen2.5-7B-Instruct
+LLM_MODEL=deepseek-ai/DeepSeek-V4-Pro
+SILICONFLOW_EMBEDDING_MODEL=Qwen/Qwen3-Embedding-8B
+SILICONFLOW_EMBEDDING_DIMENSIONS=4096
 
 # SiliconFlow embedding model for RAG
 EMBEDDING_API_KEY=sk-pgvkjondmmrlyxmrfhotgpuirgbtgzrpjpweorhwruflxmxw

config/settings.py

@@ -119,7 +119,7 @@ REGULATORY_LLM_REVIEW_MAX_ATTEMPTS = int(os.environ.get("REGULATORY_LLM_REVIEW_M
 REGULATORY_LLM_REVIEW_RETRY_DELAY_SECONDS = float(os.environ.get("REGULATORY_LLM_REVIEW_RETRY_DELAY_SECONDS", "0.5"))
 REGULATORY_LLM_REVIEW_TIMEOUT_SECONDS = float(os.environ.get("REGULATORY_LLM_REVIEW_TIMEOUT_SECONDS", "15"))
 SILICONFLOW_BASE_URL = os.environ.get("SILICONFLOW_BASE_URL", "https://api.siliconflow.cn/v1")
-SILICONFLOW_API_KEY = os.environ.get("SILICONFLOW_API_KEY", "")
+SILICONFLOW_API_KEY = os.environ.get("SILICONFLOW_API_KEY", LLM_API_KEY)
 SILICONFLOW_EMBEDDING_MODEL = os.environ.get(
     "SILICONFLOW_EMBEDDING_MODEL",
     "Qwen/Qwen3-Embedding-4B",

docs/7.汇报材料/架构搭建思路汇报稿.md

@@ -1,115 +1,175 @@
 # 架构搭建思路汇报稿（基于 Demo 版）
 
-## 一、汇报开场
+## 一、设计路径：先锁规格，再实现代码
 
 各位老师好，我本次 Demo 搭建的是一个面向体外诊断试剂注册资料准备与审核的智能体原型。
 
-这个 Demo 的目标不是简单做文件上传、文件解析或问答，而是把注册资料审核中几个高频、耗时、容易出错的环节串成一个可追溯的智能工作流，包括文件目录汇总、法规完整性核查、产品关键信息提取、申报表自动填充，以及异常风险预警。
+这次开发没有直接从代码开始，而是采用“文档先行、规格锁定、再实现代码”的路径。原因是注册资料审核不是一个简单问答场景，它涉及文件解析、法规规则、RAG 依据、工作流状态、导出文件、人工确认和整改闭环。如果一开始就写代码，很容易出现功能能跑但边界不清、结果不可追溯、后续难维护的问题。
 
-从整体定位上看，它更像是一个“注册资料审核助手”：用户上传一批申报资料后，系统能够先把资料包结构化，再对照法规规则做核查，之后输出风险清单和整改建议，并把抽取到的产品信息继续复用到申报模板填表中。
+所以整体设计路径分为四步：
-
-## 二、Demo 运行结果展示
-
-本次 Demo 目前可以展示四类核心运行结果。
-
-### 1. 文件目录汇总表
-
-用户上传注册资料文件夹、散装文件或压缩包后，系统会自动完成附件固化、压缩包解压、文件扫描和页数统计。
-
-最终系统会生成 Markdown 汇总报告和 Excel 文件明细表，主要字段包括：
-
-| 字段 | 说明 |
-| --- | --- |
-| 序号 | 文件在批次中的顺序 |
-| 目录层级 | 文件所在的相对目录 |
-| 文件名 | 原始文件名 |
-| 类型 | PDF、Word、Excel、PPT 等文件类型 |
-| 页数 | PDF 页数、Word 页数、PPT 幻灯片数或 Excel 工作表数 |
-| 路径 | 文件在批次工作目录中的相对路径 |
-| 状态 | success、failed、unsupported、uncertain 等 |
-| 重试次数 | 页数统计失败时的重试记录 |
-| 异常说明 | 不支持、不可确定或解析失败的原因 |
-
-这个结果解决的是资料包进入系统后的第一步问题：先把杂乱的文件夹变成结构化的文件清单。
-
-### 2. 法规完整性报告
-
-在文件汇总结果基础上，系统会调用法规核查工作流，对照 NMPA 体外诊断试剂注册申报资料要求进行完整性检查。
-
-Demo 中使用 `review_agent/regulatory_review/rules/nmpa_ivd_registration_v1.yaml` 作为结构化规则文件。规则文件中配置了附件 4 的资料要求，例如监管信息、综述资料、非临床资料、临床评价资料、说明书和标签样稿、质量管理体系文件等。
-
-系统会检查是否缺少关键资料，例如：
-
-| 检查对象 | 风险示例 |
-| --- | --- |
-| 注册申请表 | 缺失时生成阻断项或高风险 |
-| 符合性声明 | 缺失时生成阻断项 |
-| 产品技术要求 | 缺失时生成阻断项 |
-| 注册检验报告 | 缺失时生成阻断项 |
-| 产品说明书 | 缺失或章节不完整时生成高风险 |
-| 标签样稿 | 缺失时生成高风险 |
-| 临床评价资料 | 按适用条件生成条件性风险 |
-| 质量管理体系文件 | 缺失时生成高风险 |
-
-最终输出包括 Markdown 法规核查报告、Excel 问题清单和 JSON 结构化结果包。
-
-### 3. 信息提取对照表
-
-系统会从说明书、产品技术要求、注册检验报告、申请表等文件中抽取产品关键信息。
-
-当前 Demo 中重点抽取的字段包括：
-
-| 字段 | 用途 |
-| --- | --- |
-| 产品名称 | 用于一致性核查和申报表填充 |
-| 型号规格 | 用于跨文件比对 |
-| 预期用途 | 用于法规适用条件和模板填充 |
-| 管理类别 | 用于法规判断 |
-| 分类编码 | 用于注册资料核对 |
-| 注册类型 | 用于模板选择和法规规则裁剪 |
-| 临床评价路径 | 用于临床资料适用性判断 |
-
-每个抽取结果都会保留来源文件、来源角色、证据片段、抽取方式和置信度。这样后续生成的填表内容不是黑盒结果，而是能够回溯到原始文件。
-
-### 4. 异常预警列表
-
-系统会把完整性缺失、章节异常、字段冲突、文本抽取失败、页数不可确定、通知失败等问题统一沉淀为风险项。
-
-风险等级目前分为：
-
-| 风险等级 | 含义 |
-| --- | --- |
-| 阻断项 | 影响注册资料完整性或关键合规判断，需要优先整改 |
-| 高风险 | 可能影响审评，需要重点关注 |
-| 中风险 | 建议整改或补充说明 |
-| 低风险 | 轻微问题或格式提示 |
-| 提示项 | 不直接影响结论，但建议人工确认 |
-
-例如，如果系统发现不同文件中的“产品名称”或“型号规格”不一致，会生成一致性风险；如果缺少注册检验报告，会生成阻断项，并给出补充注册检验报告的整改建议。
-
-## 三、智能体整体工作流
-
-结合当前 Demo 的实现，智能体整体工作流可以概括为：
 
 ```text
-文件扫描
+需求拆解
--> 目录汇总
+-> 生成需求分析、功能设计、详细设计、数据库设计和开发计划
--> 法规匹配
+-> 用文档锁定实现规格
--> 信息提取
+-> 按规格实现 Django 代码、工作流、前端页面和测试
--> 一致性核查
--> 风险预警
--> 报告导出
--> 通知与整改复核
 ```
 
-从代码实现上看，系统拆成三条主链路。
+当前仓库中可以看到完整的规格文档链路：
+
+| 阶段 | 产物 | 作用 |
+| --- | --- | --- |
+| 需求分析 | `docs/1.需求分析` | 明确业务目标、用户动作、输入输出和异常场景 |
+| 功能设计 | `docs/2.功能设计` | 把需求拆成文件汇总、法规核查、自动填表、飞书通知等模块 |
+| 详细设计 | `docs/3.详细设计` | 锁定工作流节点、字段结构、状态流转和服务边界 |
+| 数据库设计 | `docs/4.数据库设计` | 锁定批次、附件、节点、风险项、导出文件等模型 |
+| 开发计划 | `docs/5.开发计划` | 将实现拆成可验证的开发任务和前端线框图 |
+
+因此，这个 Demo 的核心不是“让大模型临时回答一个问题”，而是先用文档定义清楚系统应该如何工作，再把这些规格落实到代码、数据库、前端和测试中。最终形成的是一个可追溯、可复核、可继续扩展的审核工作台。
+
+## 二、系统定位和 Demo 目标
+
+这个 Demo 的目标不是简单做文件上传、文件解析或法规问答，而是把注册资料审核中几个高频、耗时、容易出错的环节串成一个智能工作流，包括：
+
+```text
+资料上传
+-> 文件目录和页数汇总
+-> NMPA 法规完整性核查
+-> 法规依据 RAG 检索
+-> 产品关键信息抽取
+-> 一致性核查和风险预警
+-> 申报文件自动填表
+-> 报告导出和整改复核
+```
+
+从产品形态上看，它更像是一个“注册资料审核工作台”。用户上传一批申报资料后，系统先把资料包结构化，再按法规规则做核查，然后输出风险清单、整改建议、证据来源和导出文件。后续还可以继续复用抽取到的产品信息，自动填入申报模板。
+
+## 三、技术栈和总体架构
+
+本 Demo 采用轻量、可本地运行、便于测试和可解释的技术栈。
+
+| 层级 | 技术/工具 | 作用 |
+| --- | --- | --- |
+| Web 框架 | Django | 路由、视图、模板、认证、ORM 和后台能力 |
+| 数据库 | SQLite / Django ORM | Demo 阶段保存会话、附件、批次、节点、风险项和导出文件 |
+| 前端 | Django Template + 原生 JS + CSS | 实现首页工作台、审核智能体、知识库管理、附件管理和流式对话 |
+| 文件解析 | `pypdf`、`python-docx`、`python-pptx`、`openpyxl`、`xlrd`、`py7zr`、`zipfile` | 解析 PDF、Word、PPT、Excel、压缩包和旧 Office 文件 |
+| 规则配置 | YAML | 维护 NMPA 体外诊断试剂注册资料核查规则 |
+| RAG | ChromaDB + embedding provider | 构建法规材料向量索引，检索法规依据片段 |
+| LLM | SiliconFlow / 可配置大模型接口 | 做意图路由、低置信度抽取、自然语言总结和辅助复核 |
+| 流式交互 | SSE | 将工作流启动、节点进度和模型回复实时推给前端 |
+| 自动化验证 | pytest + Django test client | 验证路由、页面、模型、工作流和导出结果 |
+
+整体架构可以概括为：
+
+```text
+用户界面
+-> Django 视图层
+-> 对话服务和 Skill 路由器
+-> 文件汇总 / 法规核查 / 自动填表工作流
+-> ORM 状态记录和导出文件
+-> RAG/LLM/规则服务
+-> 前端工作流卡片和报告下载
+```
+
+这里的关键设计原则是：规则判断要稳定，RAG 负责补证据，LLM 做辅助，不把高风险合规结论完全交给大模型自由发挥。
+
+## 四、对话流程：先识别意图，再决定 RAG 或工作流
+
+审核智能体页面不是单纯把用户输入直接发给大模型，而是有一层对话编排流程。
+
+一次用户消息进入系统后，大致会经历以下步骤：
+
+```text
+用户输入
+-> 保存用户消息
+-> Skill Router 判断意图
+-> 根据意图选择普通问答、附件读取或工作流
+-> 必要时先检查附件和前置批次
+-> 启动对应工作流或执行 RAG 问答
+-> 保存助手回复和工作流事件
+-> 前端通过 SSE 展示增量内容和节点状态
+```
+
+当前路由动作包括：
+
+| action | 场景 | 后续动作 |
+| --- | --- | --- |
+| `normal_chat` | 普通法规问答或项目问答 | 先检索知识库，再把 RAG 片段放入大模型上下文 |
+| `attachment_reader` | 用户要求阅读、提取、总结上传附件 | 调用附件读取 Skill，返回文件内容摘要 |
+| `file_summary` | 用户要求汇总文件目录、页数、清单 | 启动文件汇总工作流 |
+| `regulatory_review` | 用户要求法规核查、完整性核查、风险预警、整改建议 | 必要时先生成文件汇总批次，再启动法规核查工作流 |
+| `application_form_fill` | 用户要求申报文件填表、模板填充、安全和性能清单 | 必要时先生成文件汇总批次，再启动自动填表工作流 |
+
+也就是说，普通问题是“先 RAG，再回答”；工作流问题是“先路由，再检查前置条件，再启动工作流”。例如用户问“注册检验报告要求是什么”，系统会走 RAG 问答；用户说“请对当前资料做法规核查”，系统会进入法规核查工作流。
+
+## 五、Skill 调用方式：路由器统一调度工具能力
+
+Demo 中的 Skill 不是一个单独页面，而是对话服务后面的工具调用机制。用户不需要手动选择复杂功能，系统会根据用户话语和当前附件状态判断是否调用某个 Skill 或工作流。
+
+当前实现中，`review_agent/skill_router.py` 负责意图路由。它采用两层判断：
+
+```text
+确定性规则预判
+-> LLM 路由判断
+-> 规则兜底
+```
+
+第一层是确定性规则。例如用户输入中包含“法规核查”“NMPA 核查”“风险预警”“自动填表”“申报模板”等明确关键词，系统可以直接判断要启动对应工作流。这样可以避免每次都依赖大模型判断。
+
+第二层是 LLM 路由。系统会把用户消息和当前 active 附件列表发给路由模型，让模型只输出结构化 JSON：
+
+```json
+{
+  "action": "regulatory_review",
+  "confidence": 0.9,
+  "reason": "用户要求对当前注册资料进行法规完整性核查"
+}
+```
+
+第三层是规则兜底。如果 LLM 不可用、配置缺失或返回异常，系统会退回关键词和附件状态判断，保证 Demo 在本地环境也能稳定运行。
+
+这个设计的好处是：用户体验上像是在和一个智能体对话，技术实现上则是由路由器把对话分发到不同工具、不同工作流和不同数据服务。
+
+## 六、RAG 方式：法规依据和用户知识库共同参与
+
+RAG 在 Demo 中有两类来源：
+
+| 来源 | 说明 |
+| --- | --- |
+| 内置法规材料 | 来自 `docs/0.原始材料` 和 NMPA 相关法规文件，用于法规依据检索 |
+| 用户管理知识库 | 由用户在“知识库管理”页面上传，可作为当前账号所有对话的补充知识 |
+
+法规材料会被切分为文本块，写入 ChromaDB 向量库。每个 chunk 保留来源文件、chunk 编号、文本片段和元数据。embedding 支持真实语义 embedding，也支持 deterministic/local embedding，后者主要用于测试和 dry run。
+
+RAG 在系统中的定位有两种：
+
+### 1. 普通问答中的 RAG
+
+如果用户提出普通问题，系统会先检索知识库，把命中的法规片段或用户知识库片段拼入上下文，再调用大模型回答。这样回答不会只依赖模型记忆，而是带有本地法规材料和用户资料依据。
+
+```text
+用户问题
+-> 知识库检索
+-> 过滤和排序相关片段
+-> 组装为知识上下文
+-> 调用 LLM 生成回答
+```
+
+### 2. 工作流中的 RAG
+
+在法规核查工作流里，RAG 不直接决定是否合规，而是为规则判断补充法规依据。例如结构化规则已经判断“缺少注册检验报告”，RAG 再检索相关法规要求，给出来源文件和依据片段。
+
+这种方式避免了“让大模型自由判断合规”的不稳定性，同时让报告具备可解释依据。
+
+## 七、三条核心工作流
+
+当前 Demo 拆成三条主链路：文件汇总、法规核查、自动填表。
 
 ### 1. 文件汇总链路
 
 对应模块：`review_agent/file_summary`
 
-主要流程为：
-
 ```text
 文件上传
 -> 附件固化
@@ -117,17 +177,17 @@ Demo 中使用 `review_agent/regulatory_review/rules/nmpa_ivd_registration_v1.ya
 -> 文件扫描
 -> 页数统计
 -> 产品名识别
--> 报告输出
+-> Markdown/Excel 报告输出
 ```
 
-这个链路的核心作用是把原始资料包转换成结构化数据。系统会生成 `FileSummaryBatch` 和 `FileSummaryItem`，后续法规核查和自动填表都复用这套文件清单，不再重复扫描文件。
+这个链路负责把原始资料包转换成结构化文件清单。系统会生成 `FileSummaryBatch` 和 `FileSummaryItem`，后续法规核查和自动填表都复用这套文件清单，不再重复扫描资料。
+
+输出字段包括序号、目录层级、文件名、文件类型、页数、相对路径、统计状态、重试次数和异常说明。
 
 ### 2. 法规核查链路
 
 对应模块：`review_agent/regulatory_review`
 
-主要流程为：
-
 ```text
 准备资料
 -> 适用条件确认
@@ -136,20 +196,20 @@ Demo 中使用 `review_agent/regulatory_review/rules/nmpa_ivd_registration_v1.ya
 -> 文本抽取
 -> 章节核查
 -> 一致性核查
+-> RAG 法规依据补充
 -> 风险评估
 -> 报告输出
+-> 整改复核
 ```
 
-这条链路的核心设计原则是：规则优先，RAG 补依据，LLM 做辅助。
+这条链路使用 `review_agent/regulatory_review/rules/nmpa_ivd_registration_v1.yaml` 作为结构化规则文件。规则中配置了附件 4 的资料要求，包括监管信息、综述资料、非临床资料、临床评价资料、说明书和标签样稿、质量管理体系文件等。
 
-也就是说，法规结论不直接交给大模型自由判断，而是优先由结构化规则文件决定；RAG 负责检索法规依据和原文片段；LLM 主要用于低置信度字段抽取、自然语言条件解析和结果复核。
+系统会检查是否缺少关键资料，例如注册申请表、符合性声明、产品技术要求、注册检验报告、说明书、标签样稿、临床评价资料和质量管理体系文件。缺失项会转成 `RegulatoryIssue`，并按阻断项、高风险、中风险、低风险和提示项分级。
 
 ### 3. 自动填表链路
 
 对应模块：`review_agent/application_form_fill`
 
-主要流程为：
-
 ```text
 准备资料
 -> 模板选择
@@ -161,173 +221,91 @@ Demo 中使用 `review_agent/regulatory_review/rules/nmpa_ivd_registration_v1.ya
 -> 结果通知
 ```
 
-这条链路会复用前面抽取到的产品信息，自动选择申报模板，并将字段填入 Word 模板。对于冲突字段，Demo 中采用“说明书优先”的策略，同时在结果中保留冲突摘要和来源追溯。
+这条链路会复用前面抽取到的产品信息，自动选择申报模板，并将字段填入 Word 模板。对于冲突字段，Demo 中采用明确的归并策略，同时在结果中保留冲突摘要和来源追溯。
 
-## 四、Demo 实际调用的关键工具和库
+## 八、页面和数据工作台
 
-本 Demo 在工具选型上以轻量、可本地运行、可解释、便于测试为原则。
+前端目前包括四个主要页面：
 
-### 1. 文件解析类工具
+| 页面 | URL | 作用 |
-
-| 工具/库 | Demo 中的用途 | 选用理由 |
 | --- | --- | --- |
-| `pypdf` | PDF 页数统计和文本抽取 | 轻量、安装简单，适合 Demo 阶段快速处理 PDF |
+| 首页工作台 | `/` | 展示对话、附件、知识库、批次状态和最近处理记录 |
-| `python-docx` | DOCX 文本读取、Word 模板填充 | 可读取段落和表格，也能写入 Word 模板 |
+| 审核智能体 | `/chat/` | 对话、上传附件、启动工作流、查看节点进度 |
-| `python-pptx` | PPTX 幻灯片数量统计和文本读取 | 适合统计幻灯片数量和抽取文本 |
+| 知识库管理 | `/knowledge-base/` | 管理用户上传知识库、查看内置法规材料和索引状态 |
-| `openpyxl` | XLSX 工作表统计、Excel 报告导出 | 同时支持读取和生成 Excel |
+| 附件管理 | `/attachments/` | 管理不同对话下的上传附件、版本、启用状态和下载 |
-| `xlrd` | 旧版 XLS 文件读取 | 补充对历史 Excel 格式的支持 |
-| `olefile` | 判断老 Office 文件 OLE 结构 | 用于 doc、xls、ppt 等老格式的兜底识别 |
-| `py7zr` | 7z 压缩包解压 | 支持常见资料包压缩格式 |
-| Python `zipfile` | ZIP 压缩包解压 | 标准库能力，无额外依赖 |
 
-Demo 中没有选择重型 OCR 或复杂版式引擎，是因为当前阶段重点是打通审核链路和规则闭环。对于扫描件、图片 PDF、复杂版式 PDF，后续可以再接入 OCR 和更强的版式解析能力。
+首页工作台重点不是营销展示，而是运行态数据，包括：
-
-### 2. 规则和正则
-
-系统使用 YAML 维护法规规则，例如 `nmpa_ivd_registration_v1.yaml`。每条规则包含规则编码、附件 4 编码、标题、资料类型、风险等级、匹配关键词、整改建议和 RAG 检索查询词。
-
-正则表达式用于抽取结构化字段，例如：
 
 ```text
-产品名称：xxx
+对话总数
-型号规格：xxx
+附件总数
-预期用途：xxx
+知识库材料数
-管理类别：xxx
+执行中批次
-分类编码：xxx
+已处理批次
+成功批次
+等待确认批次
+失败批次
+最近处理记录
 ```
 
-选用规则和正则的原因是：这类注册资料中有大量固定标题和固定字段，使用确定性规则可以提高可解释性，也便于定位问题来源。
+知识库材料中同时统计用户管理文档和内置法规材料，避免把“知识库”误解成只包含用户上传文件。
 
-### 3. RAG 和向量检索
+## 九、过程留痕和可追溯设计
 
-Demo 使用 ChromaDB 构建本地法规 RAG 索引。法规原文材料会被切分为文本块，并保存来源文件、chunk 编号等元数据。
+审核类系统不能只输出一个结论，还必须说明结论从哪里来。因此 Demo 对关键过程都做了结构化留痕。
-
-向量 embedding 支持两种模式：
-
-| 模式 | 用途 |
-| --- | --- |
-| SiliconFlow embedding | 用于真实语义检索 |
-| deterministic/local embedding | 用于测试和 dry run |
-
-RAG 在系统中的定位不是直接判断合规，而是为风险问题补充法规依据。例如完整性规则已经判断“缺少注册检验报告”，RAG 再检索相关法规条款，输出来源文件和依据片段，增强报告的可解释性。
-
-### 4. LLM 调用
-
-LLM 在 Demo 中主要承担辅助角色，包括：
-
-| 场景 | LLM 作用 |
-| --- | --- |
-| 自然语言适用条件解析 | 将用户输入转换为结构化字段 |
-| 低置信度字段抽取 | 正则抽取不足时补充结构化 JSON |
-| 工作流结果复核 | 对中间结果做总结和校验 |
-| 整改建议润色 | 在规则模板基础上优化表达 |
-
-风险等级、法规结论和完整性判断不直接交给 LLM 决定，而是由规则引擎和风险评估服务控制。
-
-### 5. 工作流和状态管理
-
-系统使用 Django ORM 保存批次、节点、事件和导出文件。
-
-关键模型包括：
-
-| 模型 | 作用 |
-| --- | --- |
-| `FileSummaryBatch` | 文件汇总批次 |
-| `FileSummaryItem` | 文件明细 |
-| `RegulatoryReviewBatch` | 法规核查批次 |
-| `RegulatoryIssue` | 法规问题和风险项 |
-| `RegulatoryArtifact` | 法规核查过程产物 |
-| `ApplicationFormFillBatch` | 自动填表批次 |
-| `WorkflowNodeRun` | 工作流节点状态 |
-| `WorkflowEvent` | SSE 事件和进度记录 |
-| `ExportedSummaryFile` | Markdown、Excel、JSON、Word 等导出文件 |
-
-前端通过 SSE 事件实时展示工作流卡片状态，使用户能够看到每个节点是否正在执行、是否成功、是否等待确认或失败。
-
-## 五、难点规则处理方式
-
-### 1. 文件完整性检测
-
-文件完整性检测的难点在于：注册资料不是固定文件名，企业可能用不同命名方式组织材料。
-
-Demo 的处理方式是使用多层匹配：
-
-```text
-规则要求项
--> 文件名关键词匹配
--> 相对路径匹配
--> 目录层级匹配
--> 必要时结合首页文本和字段候选
-```
-
-例如规则中要求“注册检验报告”，系统不仅查找文件名中是否包含“注册检验报告”，也会查找路径和目录中是否包含“检验报告”“检测报告”等别名。
-
-如果没有匹配到文件，系统会生成 `Finding`，再由风险评估服务转换为 `RegulatoryIssue`。这样完整性问题既能被结构化记录，也能进入最终风险报告。
-
-### 2. 信息一致性核查
-
-一致性核查的难点在于：同一个字段可能散落在说明书、注册检验报告、产品技术要求、申请表等多个文件中。
-
-Demo 的处理方式是：
-
-```text
-文本抽取
--> 字段正则识别
--> 同字段归并
--> 不同取值比对
--> 生成一致性风险
-```
-
-例如系统会从多个文件中抽取“产品名称”“型号规格”“预期用途”等字段。如果同一字段出现多个不同值，系统会生成高风险问题，并在证据中记录每个取值对应的来源文件。
-
-这类结果可以直接辅助人工审核人员定位冲突来源。
-
-### 3. 法规条款匹配
-
-法规条款匹配的难点在于：法规原文长、条款多，直接让大模型判断容易不稳定，纯规则又缺少解释能力。
-
-Demo 采用“双层法规能力”：
-
-| 层级 | 职责 |
-| --- | --- |
-| 结构化规则库 | 负责判断应有哪些文件、哪些章节、哪些字段，以及风险等级 |
-| RAG 法规依据索引 | 负责检索法规原文片段，补充依据说明 |
-
-这种设计的好处是：判断逻辑稳定，报告解释充分，后续规则也可以由法规人员维护。
-
-### 4. 过程留痕和可追溯
-
-审核类系统不能只输出一个结论，还必须说明结论从哪里来。
-
-Demo 中对关键过程都做了留痕：
 
 | 过程 | 留痕内容 |
 | --- | --- |
-| 文件汇总 | 文件路径、页数、统计状态、异常说明 |
+| 对话 | 用户消息、助手消息、会话标题、更新时间 |
-| 文本抽取 | 文本 hash、首页文本、章节候选、字段候选 |
+| 附件 | 原始文件名、版本号、启用状态、存储路径、文件大小 |
-| 完整性核查 | 规则编码、匹配关键词、命中文件或缺失证据 |
+| 文件汇总 | 批次号、文件明细、页数、统计状态、异常说明 |
-| 一致性核查 | 字段值、来源文件、冲突取值 |
+| 工作流节点 | 节点编码、节点名称、进度、状态、错误信息 |
-| RAG 检索 | 法规来源、片段文本、检索分数 |
+| 法规核查 | 规则编码、缺失项、风险等级、证据、整改建议 |
-| 报告导出 | Markdown、Excel、JSON 结果包 |
+| RAG 检索 | 来源文件、片段文本、相似度、chunk 元数据 |
-| 自动填表 | 字段来源、冲突摘要、追溯清单 |
+| 自动填表 | 字段来源、冲突摘要、模板选择、追溯清单 |
+| 导出文件 | Markdown、Excel、JSON、Word 等结果文件 |
 
 这保证了 Demo 输出的结果不是一次性回答，而是可以复核、下载、整改和继续追踪的过程资产。
 
-## 六、总结
+## 十、Demo 可展示结果
+
+本次 Demo 可以展示以下核心结果：
+
+### 1. 文件目录汇总表
+
+用户上传注册资料文件夹、散装文件或压缩包后，系统自动完成附件固化、解压、扫描和页数统计，最终生成 Markdown 汇总报告和 Excel 明细表。
+
+### 2. 法规完整性报告
+
+系统基于文件汇总结果和 NMPA 规则库做完整性核查，输出 Markdown 法规核查报告、Excel 问题清单和 JSON 结构化结果包。
+
+### 3. 产品关键信息提取对照表
+
+系统从说明书、产品技术要求、注册检验报告、申请表等文件中抽取产品名称、型号规格、预期用途、管理类别、分类编码、注册类型和临床评价路径，并保留来源文件和证据片段。
+
+### 4. 风险预警列表
+
+系统把完整性缺失、章节异常、字段冲突、文本抽取失败、页数不可确定、通知失败等问题统一沉淀为风险项，并按阻断项、高风险、中风险、低风险和提示项分级。
+
+### 5. 申报文件自动填表结果
+
+系统根据资料内容和适用条件选择模板，自动填充 Word 文件，并导出字段追溯清单，说明每个字段来自哪个文件、哪个证据片段。
+
+## 十一、总结
 
 整体来看，本 Demo 的架构搭建思路可以概括为：
 
 ```text
-先结构化资料
+先用文档锁定规格
-再匹配法规
+再用规则结构化审核逻辑
-再抽取字段
+再用 RAG 补充法规依据
-再核查一致性
+再用 Skill Router 调度工具和工作流
-再输出风险和报告
+再用 ORM 和导出文件沉淀过程资产
-最后支持填表和整改闭环
+最后通过工作台页面呈现状态和结果
 ```
 
 它体现的是一个“资料输入、规则判断、证据追溯、风险输出、整改闭环”的智能体原型。
 
-当前 Demo 已经完成了文件汇总、法规完整性核查、信息抽取、风险预警、报告导出和自动填表主链路。后续如果继续增强，可以重点补充 OCR、扫描件识别、复杂 PDF 版式解析、规则后台维护、人工确认界面、飞书真实消息闭环，以及更完整的多智能体编排能力。
+当前 Demo 已经完成了首页工作台、审核智能体对话、附件管理、知识库管理、文件汇总、法规核查、RAG 依据检索、风险预警、报告导出和自动填表主链路。后续如果继续增强，可以重点补充 OCR、扫描件识别、复杂 PDF 版式解析、规则后台维护、人工确认界面、飞书真实消息闭环，以及更完整的多智能体编排能力。
 
 最终希望这个智能体能够从一个 Demo 原型，逐步演进为注册资料准备和审核过程中的智能协作平台。

review_agent/file_summary/views.py

@@ -1,4 +1,5 @@
 from django.contrib.auth.decorators import login_required
+from django.db import transaction
 from django.db.models import Count, Q
 import json
 import logging
@@ -7,7 +8,14 @@ from pathlib import Path
 from django.http import FileResponse, Http404, JsonResponse
 from django.views.decorators.http import require_http_methods
 
-from review_agent.models import ApplicationFormFillBatch, Conversation, ExportedSummaryFile, FileAttachment, Message
+from review_agent.models import (
+    ApplicationFormFillBatch,
+    Conversation,
+    ExportedSummaryFile,
+    FileAttachment,
+    Message,
+    RegulatoryReviewBatch,
+)
 from review_agent.models import FileSummaryBatch, WorkflowEvent
 from review_agent.notifications.presenter import serialize_notification_records
 from .events import serialize_event
@@ -152,6 +160,9 @@ def conversation_list(request):
 @login_required
 def conversation_detail(request, conversation_id: int):
     conversation = _conversation_for_user(request.user, conversation_id)
+    with transaction.atomic():
+        ApplicationFormFillBatch.objects.filter(conversation=conversation).delete()
+        RegulatoryReviewBatch.objects.filter(conversation=conversation).delete()
         conversation.delete()
     return JsonResponse({"ok": True, "conversation_id": conversation_id})
 

review_agent/knowledge_base.py

@@ -10,8 +10,8 @@ from django.core.files.uploadedfile import UploadedFile
 
 from review_agent.models import KnowledgeBaseDocument
 from review_agent.regulatory_review.services.rag_citation import RagIndexUnavailable, retrieve_citations
-from review_agent.regulatory_review.services.rag_embedding import DeterministicEmbeddingProvider
+from review_agent.regulatory_review.services.rag_embedding import get_embedding_provider
-from review_agent.regulatory_review.services.rag_index import chunk_text, extract_text_from_path
+from review_agent.regulatory_review.services.rag_index import chunk_text, extract_text_from_path, is_excluded_source_path
 from review_agent.regulatory_review.services.rule_loader import DEFAULT_RULE_PATH, compute_file_sha256, load_rule_file
 
 
@@ -78,6 +78,8 @@ def list_source_documents(source_dir: Path) -> list[dict[str, Any]]:
             continue
         suffix = path.suffix.lower()
         relative_path = str(path.relative_to(source_dir))
+        if is_excluded_source_path(relative_path):
+            continue
         indexed_chunk_count = source_chunk_counts.get(relative_path, 0)
         documents.append(
             {
@@ -101,7 +103,7 @@ def search_knowledge_base(query: str, *, n_results: int = 3) -> dict[str, Any]:
     try:
         results = retrieve_citations(
             normalized,
-            embedding_provider=DeterministicEmbeddingProvider(),
+            embedding_provider=get_embedding_provider(),
             n_results=n_results,
         )
     except RagIndexUnavailable as exc:
@@ -151,6 +153,7 @@ def create_document_from_upload(
 
 def update_document(document: KnowledgeBaseDocument, payload: dict[str, Any]) -> KnowledgeBaseDocument:
     update_fields = []
+    active_changed = False
     if "display_name" in payload:
         document.display_name = str(payload.get("display_name") or "").strip() or document.original_name
         update_fields.append("display_name")
@@ -158,12 +161,21 @@ def update_document(document: KnowledgeBaseDocument, payload: dict[str, Any]) ->
         document.description = str(payload.get("description") or "").strip()
         update_fields.append("description")
     if "is_active" in payload:
-        document.is_active = bool(payload.get("is_active"))
+        next_is_active = bool(payload.get("is_active"))
-        document.status = KnowledgeBaseDocument.Status.ACTIVE if document.is_active else KnowledgeBaseDocument.Status.DISABLED
+        active_changed = document.is_active != next_is_active
+        document.is_active = next_is_active
+        document.status = KnowledgeBaseDocument.Status.ACTIVE if next_is_active else KnowledgeBaseDocument.Status.DISABLED
         update_fields.extend(["is_active", "status"])
+        if not next_is_active:
+            remove_managed_document_from_index(document)
+            document.indexed_chunk_count = 0
+            document.metadata = {**(document.metadata or {}), "index_status": "disabled", "index_error": ""}
+            update_fields.extend(["indexed_chunk_count", "metadata"])
     if update_fields:
         update_fields.append("updated_at")
         document.save(update_fields=update_fields)
+    if active_changed and document.is_active:
+        index_managed_document(document)
     return document
 
 
@@ -196,6 +208,12 @@ def serialize_document(document: KnowledgeBaseDocument) -> dict[str, Any]:
 
 
 def index_managed_document(document: KnowledgeBaseDocument) -> int:
+    if document.status != KnowledgeBaseDocument.Status.ACTIVE or not document.is_active:
+        remove_managed_document_from_index(document)
+        document.indexed_chunk_count = 0
+        document.metadata = {**(document.metadata or {}), "index_status": "disabled", "index_error": ""}
+        document.save(update_fields=["indexed_chunk_count", "metadata", "updated_at"])
+        return 0
     path = Path(document.storage_path)
     if not path.is_absolute():
         path = Path(settings.MEDIA_ROOT) / document.storage_path
@@ -210,7 +228,7 @@ def index_managed_document(document: KnowledgeBaseDocument) -> int:
             return 0
         collection = _load_chroma_collection()
         texts = [chunk.text for chunk in chunks]
-        embeddings = DeterministicEmbeddingProvider()(texts)
+        embeddings = get_embedding_provider()(texts)
         ids = [
             hashlib.sha256(f"managed:{document.pk}:{chunk.metadata['chunk_index']}".encode("utf-8")).hexdigest()
             for chunk in chunks

review_agent/management/commands/regulatory_rag_build.py

@@ -23,7 +23,7 @@ class Command(BaseCommand):
             raise CommandError(f"法规材料目录不存在：{source_dir}")
         try:
             provider = get_embedding_provider(options["provider"])
-            count = build_chroma_index(source_dir=source_dir, embedding_provider=provider)
+            count = build_chroma_index(source_dir=source_dir, embedding_provider=provider, reset=True)
         except Exception as exc:
             raise CommandError(str(exc)) from exc
         self.stdout.write(

review_agent/regulatory_review/services/rag_index.py

@@ -23,6 +23,8 @@ from .rag_embedding import EmbeddingFunction
 
 logger = logging.getLogger("review_agent.regulatory_review.rag_index")
 
+EXCLUDED_SOURCE_KEYWORDS = ("模拟题二", "试剂盒临床注册文件准备与审核Agent")
+
 
 @dataclass(frozen=True)
 class TextChunk:
@@ -227,6 +229,8 @@ def collect_source_chunks(source_dir: Path) -> list[TextChunk]:
     for path in sorted(source_dir.rglob("*")):
         if not path.is_file():
             continue
+        if is_excluded_source_path(path.relative_to(source_dir)):
+            continue
         try:
             text = extract_text_from_path(path)
         except RuntimeError as exc:
@@ -238,6 +242,11 @@ def collect_source_chunks(source_dir: Path) -> list[TextChunk]:
     return chunks
 
 
+def is_excluded_source_path(path: Path | str) -> bool:
+    normalized = str(path)
+    return any(keyword in normalized for keyword in EXCLUDED_SOURCE_KEYWORDS)
+
+
 def _is_attachment4(path: Path) -> bool:
     normalized = path.name.replace(" ", "")
     return "附件4" in normalized and "体外诊断试剂注册申报资料要求及说明" in normalized
@@ -249,6 +258,7 @@ def build_chroma_index(
     embedding_provider: EmbeddingFunction,
     persist_path: Path | None = None,
     collection_name: str | None = None,
+    reset: bool = False,
 ) -> int:
     try:
         import chromadb
@@ -259,7 +269,22 @@ def build_chroma_index(
     collection_name = collection_name or settings.REGULATORY_RAG_COLLECTION
     persist_path.mkdir(parents=True, exist_ok=True)
     chunks = collect_source_chunks(source_dir)
+    try:
         client = chromadb.PersistentClient(path=str(persist_path))
+    except Exception:
+        if not reset:
+            raise
+        clear_chroma_system_cache()
+        clear_chroma_index_dir(persist_path)
+        persist_path.mkdir(parents=True, exist_ok=True)
+        client = chromadb.PersistentClient(path=str(persist_path))
+    if reset:
+        try:
+            client.delete_collection(collection_name)
+            clear_chroma_system_cache()
+            client = chromadb.PersistentClient(path=str(persist_path))
+        except Exception:
+            pass
     collection = client.get_or_create_collection(collection_name)
     if not chunks:
         return 0
@@ -276,3 +301,22 @@ def build_chroma_index(
         embeddings=embeddings,
     )
     return len(chunks)
+
+
+def clear_chroma_index_dir(persist_path: Path | str | None = None) -> None:
+    chroma_path = Path(persist_path or settings.REGULATORY_RAG_CHROMA_PATH).resolve()
+    media_root = Path(settings.MEDIA_ROOT).resolve()
+    try:
+        chroma_path.relative_to(media_root)
+    except ValueError as exc:
+        raise RuntimeError("法规 RAG 索引目录必须位于 MEDIA_ROOT 内。") from exc
+    if chroma_path.exists():
+        shutil.rmtree(chroma_path)
+
+
+def clear_chroma_system_cache() -> None:
+    try:
+        from chromadb.api.shared_system_client import SharedSystemClient
+    except Exception:
+        return
+    SharedSystemClient.clear_system_cache()

review_agent/services.py

@@ -108,6 +108,9 @@ def send_message(conversation: Conversation, content: str) -> tuple[Message, Mes
 
     user_message = append_user_message(conversation, content)
     knowledge_context = build_knowledge_context(content)
+    if should_refuse_ungrounded_chat(conversation, content, knowledge_context):
+        reply_content = out_of_scope_reply()
+    else:
         try:
             reply_content = generate_reply(conversation, content, knowledge_context=knowledge_context)
         except (LLMConfigurationError, LLMRequestError) as exc:
@@ -127,6 +130,31 @@ def stream_message(conversation: Conversation, content: str):
 
     user_message = append_user_message(conversation, content)
     assistant_parts: list[str] = []
+    knowledge_context = build_knowledge_context(content)
+
+    if should_refuse_ungrounded_chat(conversation, content, knowledge_context):
+        reply_content = out_of_scope_reply()
+        assistant_message = append_assistant_message(conversation, reply_content)
+        yield sse_event(
+            "meta",
+            {
+                "conversation_id": conversation.pk,
+                "title": conversation.title or build_conversation_title(content),
+                "user_message_id": user_message.pk,
+                "user_message": user_message.content,
+            },
+        )
+        yield sse_event("chunk", {"delta": reply_content})
+        yield sse_event(
+            "done",
+            {
+                "assistant_message_id": assistant_message.pk,
+                "conversation_id": conversation.pk,
+                "title": conversation.title,
+            },
+        )
+        return
+
     route = route_message_intent(conversation, content)
     logger.info(
         "Stream message started",
@@ -395,7 +423,6 @@ def stream_message(conversation: Conversation, content: str):
 
     stream_failed = False
     stream_error = ""
-    knowledge_context = build_knowledge_context(content)
     try:
         for chunk in stream_reply(conversation, content, knowledge_context=knowledge_context):
             assistant_parts.append(chunk)
@@ -497,6 +524,76 @@ def build_knowledge_context(content: str, *, n_results: int = 5) -> str:
     return "\n\n".join(lines)
 
 
+def should_refuse_ungrounded_chat(
+    conversation: Conversation,
+    content: str,
+    knowledge_context: str = "",
+) -> bool:
+    if (knowledge_context or "").strip():
+        return False
+    if _is_business_related_question(content):
+        return False
+    if _has_active_attachments(conversation):
+        return False
+    return True
+
+
+def out_of_scope_reply() -> str:
+    return (
+        "没有在当前启用的知识库材料中找到可依据的内容，且这个问题与当前主营业务无关。"
+        "为避免编造，我不能直接回答。请先上传或启用相关知识库材料，或改问体外诊断试剂注册资料审核、"
+        "文件汇总、法规核查、申报填表等业务范围内的问题。"
+    )
+
+
+def _is_business_related_question(content: str) -> bool:
+    normalized = (content or "").lower()
+    compact = "".join(normalized.split())
+    if not compact:
+        return True
+    business_keywords = [
+        "审核智能体",
+        "体外诊断",
+        "ivd",
+        "nmpa",
+        "cmde",
+        "医疗器械",
+        "注册资料",
+        "注册申报",
+        "注册检验",
+        "注册证",
+        "申报资料",
+        "申报文件",
+        "法规",
+        "核查",
+        "审评",
+        "审核",
+        "整改",
+        "风险",
+        "说明书",
+        "临床",
+        "性能",
+        "安全",
+        "适用范围",
+        "预期用途",
+        "附件",
+        "文件",
+        "压缩包",
+        "目录",
+        "页数",
+        "清单",
+        "汇总",
+        "模板",
+        "填表",
+        "知识库",
+        "检索",
+        "报告",
+        "材料",
+        "资料",
+    ]
+    return any(keyword in compact for keyword in business_keywords)
+
+
 def build_filename_matched_document_context(query: str, *, max_chars: int = 12000) -> str:
     terms = _knowledge_query_terms(query)
     if not terms:

review_agent/urls.py

@@ -25,6 +25,7 @@ from .views import (
     knowledge_base_document_detail,
     knowledge_base_document_index,
     knowledge_base_documents,
+    knowledge_base_rebuild_index,
     knowledge_base_search,
     knowledge_base_status,
 )
@@ -121,6 +122,11 @@ urlpatterns = [
         knowledge_base_search,
         name="knowledge_base_search",
     ),
+    path(
+        "api/review-agent/knowledge-base/rebuild-index/",
+        knowledge_base_rebuild_index,
+        name="knowledge_base_rebuild_index",
+    ),
     path(
         "api/review-agent/knowledge-base/documents/",
         knowledge_base_documents,

review_agent/views.py

@@ -1,6 +1,8 @@
 from django.contrib.auth.decorators import login_required
+from django.conf import settings
 from django.db.models import Count, Q, Sum
 import json
+from pathlib import Path
 
 from django.http import HttpRequest, HttpResponse, JsonResponse, StreamingHttpResponse
 from django.shortcuts import redirect, render
@@ -27,6 +29,9 @@ from .knowledge_base import (
 )
 from .models import KnowledgeBaseDocument
 from .regulatory_review.services.info_extract import ensure_regulatory_condition_candidates
+from .regulatory_review.services.rag_embedding import get_embedding_provider
+from .regulatory_review.services.rag_index import build_chroma_index
+from .regulatory_review.services.rule_loader import load_rule_file
 
 
 @login_required
@@ -151,6 +156,24 @@ def knowledge_base_status(request: HttpRequest) -> JsonResponse:
     return JsonResponse(build_knowledge_base_context_for_user(request.user))
 
 
+@login_required
+@require_http_methods(["POST"])
+def knowledge_base_rebuild_index(request: HttpRequest) -> JsonResponse:
+    payload = rebuild_knowledge_base_index()
+    return JsonResponse({"knowledge_base": build_knowledge_base_context_for_user(request.user), **payload})
+
+
+def rebuild_knowledge_base_index() -> dict[str, object]:
+    rule_set = load_rule_file()
+    source_dir = Path(settings.BASE_DIR) / rule_set["source_material_dir"]
+    chunk_count = build_chroma_index(
+        source_dir=source_dir,
+        embedding_provider=get_embedding_provider(),
+        reset=True,
+    )
+    return {"chunk_count": chunk_count}
+
+
 @login_required
 @require_http_methods(["POST"])
 def knowledge_base_search(request: HttpRequest) -> JsonResponse:

static/js/knowledge_base.js

@@ -15,6 +15,8 @@
   var sourceTable = document.getElementById("knowledgeSourceTable");
   var documentFileInput = document.getElementById("knowledgeDocumentFile");
   var uploadDropzone = document.getElementById("knowledgeUploadDropzone");
+  var rebuildButton = document.getElementById("knowledgeRebuildIndexButton");
+  var rebuildStatus = document.getElementById("knowledgeRebuildStatus");
 
   function csrfToken() {
     var cookie = document.cookie.split("; ").find(function (item) {
@@ -68,6 +70,17 @@
     return response.json();
   }
 
+  async function rebuildIndex() {
+    var response = await fetch(page.getAttribute("data-rebuild-url"), {
+      method: "POST",
+      headers: { "X-CSRFToken": csrfToken() },
+    });
+    if (!response.ok) {
+      throw new Error("法规索引重建失败。");
+    }
+    return response.json();
+  }
+
   function renderResults(payload) {
     if (!results) {
       return;
@@ -196,6 +209,59 @@
     });
   }
 
+  async function handleRebuild(trigger) {
+    if (!page.getAttribute("data-rebuild-url")) {
+      return;
+    }
+    var originalText = trigger ? trigger.textContent : "";
+    if (trigger) {
+      trigger.disabled = true;
+      trigger.textContent = "入库中";
+    }
+    if (rebuildButton && trigger !== rebuildButton) {
+      rebuildButton.disabled = true;
+    }
+    if (rebuildStatus) {
+      rebuildStatus.textContent = "正在重建法规 RAG 索引...";
+    }
+    try {
+      var payload = await rebuildIndex();
+      if (rebuildStatus) {
+        rebuildStatus.textContent = "重建完成，入库片段 " + (payload.chunk_count || 0) + " 个。";
+      }
+      window.setTimeout(function () {
+        window.location.reload();
+      }, 600);
+    } catch (error) {
+      if (rebuildStatus) {
+        rebuildStatus.textContent = error.message || "法规索引重建失败。";
+      }
+      if (trigger) {
+        trigger.disabled = false;
+        trigger.textContent = originalText;
+      }
+      if (rebuildButton) {
+        rebuildButton.disabled = false;
+      }
+    }
+  }
+
+  if (rebuildButton) {
+    rebuildButton.addEventListener("click", function () {
+      handleRebuild(rebuildButton);
+    });
+  }
+
+  if (sourceTable) {
+    sourceTable.addEventListener("click", function (event) {
+      var button = event.target.closest("[data-source-action='index']");
+      if (!button) {
+        return;
+      }
+      handleRebuild(button);
+    });
+  }
+
   if (searchForm && queryInput) {
     searchForm.addEventListener("submit", async function (event) {
       event.preventDefault();

templates/knowledge_base.html

@@ -32,6 +32,7 @@
     class="knowledge-page"
     data-document-url="{% url 'knowledge_base_document_list' %}"
     data-search-url="{% url 'knowledge_base_search' %}"
+    data-rebuild-url="{% url 'knowledge_base_rebuild_index' %}"
   >
     <header class="attachment-manager-hero attachment-manager-toolbar">
       <div>
@@ -96,9 +97,10 @@
             </div>
           </dl>
           <p class="knowledge-panel-note">{{ knowledge_base.status.message }}</p>
+          <p class="upload-status" id="knowledgeRebuildStatus"></p>
           <div class="knowledge-form-actions">
             <button type="button" onclick="window.location.reload()">刷新状态</button>
-            <button type="button" disabled>重建索引</button>
+            <button type="button" id="knowledgeRebuildIndexButton">重建索引</button>
           </div>
         </section>
 
@@ -182,6 +184,7 @@
                   <th>类型</th>
                   <th>大小</th>
                   <th>索引</th>
+                  <th>操作</th>
                 </tr>
               </thead>
               <tbody>
@@ -192,10 +195,13 @@
                     <td>{{ source.suffix }}</td>
                     <td>{{ source.size }} bytes</td>
                     <td>{{ source.indexed_label }}</td>
+                    <td class="attachment-actions">
+                      <button type="button" data-source-action="index">手动入库</button>
+                    </td>
                   </tr>
                 {% empty %}
                   <tr>
-                    <td colspan="5" class="table-empty">暂无法规材料</td>
+                    <td colspan="6" class="table-empty">暂无法规材料</td>
                   </tr>
                 {% endfor %}
               </tbody>
@@ -209,5 +215,5 @@
 {% endblock %}
 
 {% block scripts %}
-<script src="{% static 'js/knowledge_base.js' %}?v=20260608-kb5"></script>
+<script src="{% static 'js/knowledge_base.js' %}?v=20260608-kb6"></script>
 {% endblock %}

tests/test_chat_knowledge_context.py

@@ -1,7 +1,7 @@
 import pytest
 
 from review_agent.models import KnowledgeBaseDocument
-from review_agent.services import build_knowledge_context
+from review_agent.services import build_knowledge_context, send_message, stream_message
 
 
 pytestmark = pytest.mark.django_db
@@ -57,3 +57,67 @@ def test_build_knowledge_context_uses_full_document_when_name_matches(settings,
     assert "全文材料" in context
     assert "来源：用户知识库/孙之烨-260510.txt" in context
     assert "完整经历：曾组织技术分享并带队参加竞赛" in context
+
+
+def test_send_message_refuses_out_of_scope_answer_without_knowledge_context(monkeypatch, django_user_model):
+    from review_agent.models import Conversation
+
+    user = django_user_model.objects.create_user(username="owner", password="pass")
+    conversation = Conversation.objects.create(user=user, title="会话")
+    monkeypatch.setattr(
+        "review_agent.services.search_knowledge_base",
+        lambda query, n_results=5: {"query": query, "results": [], "error_message": ""},
+    )
+    monkeypatch.setattr(
+        "review_agent.services.generate_reply",
+        lambda *args, **kwargs: pytest.fail("out-of-scope answer without knowledge context must not call LLM"),
+    )
+
+    _, assistant_message = send_message(conversation, "孙之烨是谁")
+
+    assert "没有在当前启用的知识库材料中找到" in assistant_message.content
+    assert "与当前主营业务无关" in assistant_message.content
+
+
+def test_stream_message_refuses_out_of_scope_answer_without_knowledge_context(monkeypatch, django_user_model):
+    from review_agent.models import Conversation
+
+    user = django_user_model.objects.create_user(username="owner", password="pass")
+    conversation = Conversation.objects.create(user=user, title="会话")
+    monkeypatch.setattr(
+        "review_agent.services.search_knowledge_base",
+        lambda query, n_results=5: {"query": query, "results": [], "error_message": ""},
+    )
+    monkeypatch.setattr(
+        "review_agent.services.stream_reply",
+        lambda *args, **kwargs: pytest.fail("out-of-scope answer without knowledge context must not call streaming LLM"),
+    )
+    monkeypatch.setattr(
+        "review_agent.services.generate_reply",
+        lambda *args, **kwargs: pytest.fail("out-of-scope answer without knowledge context must not call fallback LLM"),
+    )
+
+    frames = list(stream_message(conversation, "给我一份红烧肉菜谱"))
+
+    assert any("没有在当前启用的知识库材料中找到" in frame for frame in frames)
+    assert any("与当前主营业务无关" in frame for frame in frames)
+    assert any("done" in frame for frame in frames)
+
+
+def test_business_question_without_knowledge_context_can_use_llm(monkeypatch, django_user_model):
+    from review_agent.models import Conversation
+
+    user = django_user_model.objects.create_user(username="owner", password="pass")
+    conversation = Conversation.objects.create(user=user, title="会话")
+    monkeypatch.setattr(
+        "review_agent.services.search_knowledge_base",
+        lambda query, n_results=5: {"query": query, "results": [], "error_message": ""},
+    )
+    monkeypatch.setattr(
+        "review_agent.services.generate_reply",
+        lambda *args, **kwargs: "注册检验报告通常用于证明产品性能符合要求。",
+    )
+
+    _, assistant_message = send_message(conversation, "注册检验报告有什么作用")
+
+    assert "注册检验报告" in assistant_message.content

tests/test_file_summary_views.py

@@ -10,6 +10,7 @@ from review_agent.models import (
     FileAttachment,
     FileSummaryBatch,
     Message,
+    RegulatoryReviewBatch,
     WorkflowNodeRun,
 )
 
@@ -269,6 +270,39 @@ def test_conversation_delete_api_removes_owned_conversation(client, django_user_
     assert Conversation.objects.filter(pk=other_conversation.pk).exists()
 
 
+def test_conversation_delete_api_removes_protected_workflow_dependents(client, django_user_model):
+    user = django_user_model.objects.create_user(username="owner", password="pass")
+    conversation = Conversation.objects.create(user=user, title="待删除")
+    summary_batch = FileSummaryBatch.objects.create(
+        conversation=conversation,
+        user=user,
+        batch_no="FS-DELETE-PROTECTED",
+    )
+    regulatory_batch = RegulatoryReviewBatch.objects.create(
+        conversation=conversation,
+        user=user,
+        source_summary_batch=summary_batch,
+        batch_no="RR-DELETE-PROTECTED",
+    )
+    form_batch = ApplicationFormFillBatch.objects.create(
+        conversation=conversation,
+        user=user,
+        source_summary_batch=summary_batch,
+        source_regulatory_batch=regulatory_batch,
+        batch_no="AFF-DELETE-PROTECTED",
+    )
+    client.force_login(user)
+
+    response = client.delete(reverse("review_agent_conversation_detail", args=[conversation.pk]))
+
+    assert response.status_code == 200
+    assert response.json()["ok"] is True
+    assert not Conversation.objects.filter(pk=conversation.pk).exists()
+    assert not FileSummaryBatch.objects.filter(pk=summary_batch.pk).exists()
+    assert not RegulatoryReviewBatch.objects.filter(pk=regulatory_batch.pk).exists()
+    assert not ApplicationFormFillBatch.objects.filter(pk=form_batch.pk).exists()
+
+
 def test_conversation_delete_api_rejects_unowned_conversation(client, django_user_model):
     user = django_user_model.objects.create_user(username="owner", password="pass")
     other = django_user_model.objects.create_user(username="other", password="pass")

tests/test_file_summary_workflow.py

@@ -286,7 +286,7 @@ def test_stream_message_falls_back_to_non_stream_reply_when_stream_breaks(monkey
         lambda conversation, content, knowledge_context="": "非流式完整回复",
     )
 
-    frames = list(stream_message(conversation, "普通问题"))
+    frames = list(stream_message(conversation, "注册检验报告审核要点有哪些"))
 
     joined = "".join(frames)
     assert "已生成部分内容" in joined

tests/test_knowledge_base.py

@@ -2,7 +2,14 @@ import pytest
 from django.core.files.uploadedfile import SimpleUploadedFile
 from django.urls import reverse
 
-from review_agent.knowledge_base import build_knowledge_base_context, delete_document, search_knowledge_base
+from review_agent.knowledge_base import (
+    build_knowledge_base_context,
+    delete_document,
+    index_managed_document,
+    search_knowledge_base,
+    update_document,
+)
+from review_agent.views import rebuild_knowledge_base_index
 from review_agent.models import KnowledgeBaseDocument
 
 
@@ -16,6 +23,7 @@ def test_knowledge_base_context_reports_rule_and_sources():
     assert context["rule"]["requirement_count"] > 0
     assert context["source_count"] > 0
     assert context["collection_name"] == "nmpa_ivd_registration_v1"
+    assert not any("模拟题二" in source["relative_path"] for source in context["sources"])
 
 
 def test_knowledge_base_page_requires_login(client):
@@ -36,6 +44,11 @@ def test_knowledge_base_page_renders_for_user(client, django_user_model):
     content = response.content.decode("utf-8")
     tabbar = content[content.index('<div class="tabbar"') : content.index("</div>", content.index('<div class="tabbar"'))]
     assert tabbar.index("审核智能体") < tabbar.index("知识库管理") < tabbar.index("附件管理")
+    assert "data-rebuild-url=" in content
+    assert 'id="knowledgeRebuildIndexButton"' in content
+    assert "重建索引" in content
+    assert 'data-source-action="index"' in content
+    assert "手动入库" in content
 
 
 def test_knowledge_base_status_api(client, django_user_model):
@@ -48,6 +61,53 @@ def test_knowledge_base_status_api(client, django_user_model):
     assert response.json()["rule"]["code"] == "nmpa_ivd_registration_v1"
 
 
+def test_knowledge_base_rebuild_index_api(client, django_user_model, monkeypatch):
+    user = django_user_model.objects.create_user(username="owner", password="pass")
+    client.force_login(user)
+    calls = []
+
+    monkeypatch.setattr(
+        "review_agent.views.rebuild_knowledge_base_index",
+        lambda: calls.append("rebuild") or {"chunk_count": 12},
+    )
+
+    response = client.post(reverse("knowledge_base_rebuild_index"))
+
+    assert response.status_code == 200
+    assert response.json()["chunk_count"] == 12
+    assert response.json()["knowledge_base"]["collection"]["count"] >= 0
+    assert calls == ["rebuild"]
+
+
+def test_rebuild_knowledge_base_index_requests_reset(settings, tmp_path, monkeypatch):
+    settings.MEDIA_ROOT = tmp_path
+    settings.REGULATORY_RAG_CHROMA_PATH = tmp_path / "chroma"
+    settings.REGULATORY_RAG_CHROMA_PATH.mkdir()
+    stale_file = settings.REGULATORY_RAG_CHROMA_PATH / "chroma.sqlite3"
+    stale_file.write_text("stale", encoding="utf-8")
+    calls = []
+
+    monkeypatch.setattr("review_agent.views.load_rule_file", lambda: {"source_material_dir": "docs/0.原始材料"})
+    monkeypatch.setattr("review_agent.views.get_embedding_provider", lambda: "provider")
+    monkeypatch.setattr(
+        "review_agent.views.build_chroma_index",
+        lambda source_dir, embedding_provider, reset=False: calls.append(
+            {
+                "source_dir": source_dir,
+                "embedding_provider": embedding_provider,
+                "reset": reset,
+            }
+        )
+        or 8,
+    )
+
+    payload = rebuild_knowledge_base_index()
+
+    assert payload["chunk_count"] == 8
+    assert calls[0]["embedding_provider"] == "provider"
+    assert calls[0]["reset"] is True
+
+
 def test_knowledge_base_search_rejects_blank_query():
     payload = search_knowledge_base("")
 
@@ -103,6 +163,8 @@ def test_knowledge_base_search_api_returns_payload(client, django_user_model):
 
 def test_knowledge_base_document_crud_api(client, settings, tmp_path, django_user_model):
     settings.MEDIA_ROOT = tmp_path
+    settings.REGULATORY_RAG_CHROMA_PATH = tmp_path / "chroma"
+    settings.REGULATORY_RAG_PROVIDER = "deterministic"
     user = django_user_model.objects.create_user(username="owner", password="pass")
     client.force_login(user)
 
@@ -176,6 +238,67 @@ def test_delete_document_removes_managed_chunks_from_index(monkeypatch, django_u
     assert deleted_filters == [{"document_id": document.pk}]
 
 
+def test_disabling_document_removes_managed_chunks_from_index(monkeypatch, django_user_model):
+    user = django_user_model.objects.create_user(username="owner", password="pass")
+    document = KnowledgeBaseDocument.objects.create(
+        user=user,
+        display_name="孙之烨简历",
+        original_name="孙之烨-260510.pdf",
+        storage_path="knowledge_base/resume.pdf",
+        file_size=1,
+        status=KnowledgeBaseDocument.Status.ACTIVE,
+        is_active=True,
+        indexed_chunk_count=7,
+        metadata={"index_status": "indexed", "index_error": ""},
+    )
+    deleted_filters = []
+
+    class FakeCollection:
+        def delete(self, where):
+            deleted_filters.append(where)
+
+    monkeypatch.setattr("review_agent.knowledge_base._load_chroma_collection", lambda: FakeCollection())
+
+    update_document(document, {"is_active": False})
+
+    document.refresh_from_db()
+    assert document.status == KnowledgeBaseDocument.Status.DISABLED
+    assert document.is_active is False
+    assert document.indexed_chunk_count == 0
+    assert document.metadata["index_status"] == "disabled"
+    assert deleted_filters == [{"document_id": document.pk}]
+
+
+def test_inactive_document_manual_index_clears_existing_chunks(monkeypatch, django_user_model):
+    user = django_user_model.objects.create_user(username="owner", password="pass")
+    document = KnowledgeBaseDocument.objects.create(
+        user=user,
+        display_name="孙之烨简历",
+        original_name="孙之烨-260510.pdf",
+        storage_path="knowledge_base/resume.pdf",
+        file_size=1,
+        status=KnowledgeBaseDocument.Status.DISABLED,
+        is_active=False,
+        indexed_chunk_count=7,
+        metadata={"index_status": "indexed", "index_error": ""},
+    )
+    deleted_filters = []
+
+    class FakeCollection:
+        def delete(self, where):
+            deleted_filters.append(where)
+
+    monkeypatch.setattr("review_agent.knowledge_base._load_chroma_collection", lambda: FakeCollection())
+
+    chunk_count = index_managed_document(document)
+
+    document.refresh_from_db()
+    assert chunk_count == 0
+    assert document.indexed_chunk_count == 0
+    assert document.metadata["index_status"] == "disabled"
+    assert deleted_filters == [{"document_id": document.pk}]
+
+
 def test_knowledge_base_document_api_is_scoped_to_owner(client, django_user_model):
     owner = django_user_model.objects.create_user(username="owner", password="pass")
     other = django_user_model.objects.create_user(username="other", password="pass")
@@ -199,6 +322,8 @@ def test_knowledge_base_document_api_is_scoped_to_owner(client, django_user_mode
 
 def test_knowledge_base_document_manual_index_api(client, settings, tmp_path, django_user_model):
     settings.MEDIA_ROOT = tmp_path
+    settings.REGULATORY_RAG_CHROMA_PATH = tmp_path / "chroma"
+    settings.REGULATORY_RAG_PROVIDER = "deterministic"
     user = django_user_model.objects.create_user(username="owner", password="pass")
     client.force_login(user)
     source_path = tmp_path / "manual.md"

tests/test_regulatory_rag.py

@@ -1,3 +1,5 @@
+import sys
+
 import pytest
 
 from review_agent.regulatory_review.services.rag_citation import (
@@ -7,6 +9,7 @@ from review_agent.regulatory_review.services.rag_citation import (
 from review_agent.regulatory_review.services.rag_embedding import SiliconFlowEmbeddingProvider
 from review_agent.regulatory_review.services.rag_index import chunk_text
 from review_agent.regulatory_review.services.rag_index import collect_source_chunks
+from review_agent.regulatory_review.services.rag_index import build_chroma_index
 
 
 def test_siliconflow_embedding_provider_posts_expected_payload(monkeypatch):
@@ -86,3 +89,141 @@ def test_collect_source_chunks_requires_attachment4_extraction(monkeypatch, tmp_
 
     with pytest.raises(RuntimeError, match="附件 4"):
         collect_source_chunks(source_dir)
+
+
+def test_collect_source_chunks_excludes_demo_agent_materials(monkeypatch, tmp_path):
+    source_dir = tmp_path / "sources"
+    source_dir.mkdir()
+    demo_dir = source_dir / "【模拟题二】试剂盒临床注册文件准备与审核Agent"
+    demo_dir.mkdir()
+    (demo_dir / "【模拟题二】试剂盒临床注册文件准备与审核Agent.md").write_text("题目材料", encoding="utf-8")
+    (source_dir / "【模拟题二】试剂盒临床注册文件准备与审核Agent.docx").write_bytes(b"demo")
+    real_source = source_dir / "附件 4 体外诊断试剂注册申报资料要求及说明.doc"
+    real_source.write_bytes(b"rule")
+
+    def fake_extract(path):
+        return "附件4 正文" if path == real_source else "不应被抽取"
+
+    monkeypatch.setattr("review_agent.regulatory_review.services.rag_index.extract_text_from_path", fake_extract)
+
+    chunks = collect_source_chunks(source_dir)
+
+    assert chunks
+    assert all("模拟题二" not in chunk.metadata["source"] for chunk in chunks)
+
+
+def test_build_chroma_index_reset_recreates_collection_without_deleting_index_dir(settings, monkeypatch, tmp_path):
+    settings.MEDIA_ROOT = tmp_path
+    persist_path = tmp_path / "chroma"
+    persist_path.mkdir()
+    stale_file = persist_path / "chroma.sqlite3"
+    stale_file.write_text("stale", encoding="utf-8")
+    source_dir = tmp_path / "sources"
+    source_dir.mkdir()
+    (source_dir / "rule.md").write_text("注册检验报告要求", encoding="utf-8")
+    client_states = []
+    deleted_collections = []
+
+    class FakeCollection:
+        def upsert(self, **kwargs):
+            return None
+
+    class FakeClient:
+        def __init__(self, path):
+            client_states.append({"path": path, "stale_exists": stale_file.exists()})
+
+        def delete_collection(self, name):
+            deleted_collections.append(name)
+
+        def get_or_create_collection(self, name):
+            return FakeCollection()
+
+    class FakeSharedSystemClient:
+        @staticmethod
+        def clear_system_cache():
+            client_states.append({"path": "cache-cleared", "stale_exists": stale_file.exists()})
+
+    monkeypatch.setitem(sys.modules, "chromadb", type("FakeChromaModule", (), {"PersistentClient": FakeClient}))
+    monkeypatch.setitem(
+        sys.modules,
+        "chromadb.api.shared_system_client",
+        type("FakeSharedSystemClientModule", (), {"SharedSystemClient": FakeSharedSystemClient}),
+    )
+
+    count = build_chroma_index(
+        source_dir=source_dir,
+        embedding_provider=lambda texts: [[0.1, 0.2] for _ in texts],
+        persist_path=persist_path,
+        collection_name="test",
+        reset=True,
+    )
+
+    assert count == 1
+    assert client_states == [
+        {"path": str(persist_path), "stale_exists": True},
+        {"path": "cache-cleared", "stale_exists": True},
+        {"path": str(persist_path), "stale_exists": True},
+    ]
+    assert stale_file.exists()
+    assert deleted_collections == ["test"]
+
+
+def test_build_chroma_index_reset_clears_bad_index_dir_after_chroma_cache_reset(settings, monkeypatch, tmp_path):
+    settings.MEDIA_ROOT = tmp_path
+    persist_path = tmp_path / "chroma"
+    persist_path.mkdir()
+    stale_file = persist_path / "chroma.sqlite3"
+    stale_file.write_text("stale", encoding="utf-8")
+    source_dir = tmp_path / "sources"
+    source_dir.mkdir()
+    (source_dir / "rule.md").write_text("注册检验报告要求", encoding="utf-8")
+    events = []
+
+    class FakeCollection:
+        def upsert(self, **kwargs):
+            return None
+
+    class BrokenThenFreshClient:
+        attempts = 0
+
+        def __init__(self, path):
+            BrokenThenFreshClient.attempts += 1
+            events.append(("client", BrokenThenFreshClient.attempts, stale_file.exists()))
+            if BrokenThenFreshClient.attempts == 1:
+                raise ValueError("Could not connect to tenant default_tenant")
+
+        def get_or_create_collection(self, name):
+            return FakeCollection()
+
+    class FakeSharedSystemClient:
+        @staticmethod
+        def clear_system_cache():
+            events.append(("clear_cache", stale_file.exists()))
+
+    fake_chromadb = type(
+        "FakeChromaModule",
+        (),
+        {"PersistentClient": BrokenThenFreshClient},
+    )
+    monkeypatch.setitem(sys.modules, "chromadb", fake_chromadb)
+    monkeypatch.setitem(
+        sys.modules,
+        "chromadb.api.shared_system_client",
+        type("FakeSharedSystemClientModule", (), {"SharedSystemClient": FakeSharedSystemClient}),
+    )
+
+    count = build_chroma_index(
+        source_dir=source_dir,
+        embedding_provider=lambda texts: [[0.1, 0.2] for _ in texts],
+        persist_path=persist_path,
+        collection_name="test",
+        reset=True,
+    )
+
+    assert count == 1
+    assert events == [
+        ("client", 1, True),
+        ("clear_cache", True),
+        ("client", 2, False),
+    ]
+    assert not stale_file.exists()