优化: 对抗评估clamp去冗余+JSON提取正则兜底+update_task注释对齐status收口

Cargo.lock

@@ -805,6 +805,7 @@ dependencies = [
  "chrono",
  "df-ai-core",
  "df-core",
+ "regex",
  "serde",
  "serde_json",
  "tokio",

Cargo.toml

@@ -16,3 +16,4 @@ chrono = { version = "0.4", features = ["serde"] }
 uuid = { version = "1", features = ["v4"] }
 rusqlite = { version = "0.31", features = ["bundled"] }
 tracing = "0.1"
+regex = "1"

crates/df-ideas/Cargo.toml

@@ -13,3 +13,4 @@ async-trait = { workspace = true }
 anyhow = { workspace = true }
 chrono = { workspace = true }
 tracing = { workspace = true }
+regex = { workspace = true }

crates/df-ideas/src/adversarial.rs

@@ -162,14 +162,9 @@ impl AdversarialEngine {
             .await
             .map_err(|e| anyhow::anyhow!("LLM complete 调用失败: {e}"))?;
 
-        parse_llm_eval(&resp.text, &idea.id).map(|mut eval| {
+        // 数值 clamp 由 parse_llm_eval 单点收口（final_score∈[0,10]、confidence∈[0,1]，
-            // LLM 路径 final_score 由分析师裁决给出，统一 clamp 到启发式同等量纲 [0,10]
+        // 均在 parse 内对所有 Ok 路径完成），此处不再重复 clamp（CR-40-1 去冗余）。
-            eval.final_score = eval.final_score.clamp(0.0, 10.0);
+        parse_llm_eval(&resp.text, &idea.id)
-            // confidence clamp [0,1]（parse_llm_eval 已对各 Argument 做过，此处为结构兜底）
-            eval.positive.confidence = eval.positive.confidence.clamp(0.0, 1.0);
-            eval.negative.confidence = eval.negative.confidence.clamp(0.0, 1.0);
-            eval
-        })
     }
 
     /// 启发式评估（基于评分与内容信号，稳定有区分度）
@@ -530,7 +525,7 @@ fn parse_llm_eval(text: &str, idea_id: &str) -> Result<AdversarialEval> {
         positive,
         negative,
         analyst,
-        // clamp 由调用方 evaluate_with_llm 再做一次结构兜底
+        // final_score clamp 单点收口于此（evaluate_with_llm 不再重复 clamp，CR-40-1）
         final_score: raw.final_score.clamp(0.0, 10.0),
         recommendation,
         // 由 evaluate() 按 LLM 调度路径覆盖为 EvaluatedBy::Llm
@@ -540,11 +535,16 @@ fn parse_llm_eval(text: &str, idea_id: &str) -> Result<AdversarialEval> {
 
 /// 从 LLM 返回文本中提取 JSON 主体。
 ///
-/// 优先按代码围栏提取；无围栏时整段去首尾空白后原样返回。整段若非合法 JSON
+/// 提取优先级：
-/// 由 [`parse_llm_eval`] 的 serde 步骤报错 bail。
+/// 1. 代码围栏在开头（```json … ``` 或 ``` … ```）→ 快路径剥离围栏返回主体。
+/// 2. 围栏不在开头（LLM 输出「前缀文字 + ```json + {...} + ```」）→ 正则
+///    `(?s)\{.*\}` 兜底提取首个 `{` 到最后一个 `}` 的片段（增强命中率）。
+///
+/// 注意：兜底返回的是「原始文本中首个 JSON 对象字面量」，**不再** trim 后整段交给
+/// serde——由 [`parse_llm_eval`] 的 serde 步骤校验合法性，失败即 bail 降级。
 fn extract_json(text: &str) -> String {
     let trimmed = text.trim();
-    // 去除 ```json ... ``` 或 ``` ... ``` 围栏
+    // 快路径：围栏在开头（```json ... ``` 或 ``` ... ```）
     if let Some(rest) = trimmed.strip_prefix("```") {
         // 跳过语言标记（json/JSON 等）到首个换行
         let after_lang = match rest.find('\n') {
@@ -557,7 +557,15 @@ fn extract_json(text: &str) -> String {
         }
         return body.trim().to_string();
     }
-    trimmed.to_string()
+    // 兜底：围栏不在开头或混杂前后文字 → 正则提取首个 JSON 对象（CR-40-2）。
+    // (?s) 让 . 匹配换行，贪婪 {*} 取首 { 到末 }，覆盖嵌套对象。
+    // 提取失败（无 { }）则返回 trimmed 走原文 serde 报错降级，语义不变。
+    static JSON_RE: std::sync::OnceLock<regex::Regex> = std::sync::OnceLock::new();
+    let re = JSON_RE.get_or_init(|| regex::Regex::new(r"(?s)\{.*\}").expect("合法静态正则"));
+    match re.captures(trimmed) {
+        Some(c) => c.get(0).map(|m| m.as_str().to_string()).unwrap_or_else(|| trimmed.to_string()),
+        None => trimmed.to_string(),
+    }
 }
 
 /// 枚举字面量 → [`AssessmentLevel`]。区分大小写匹配 schema 文档约定。
@@ -875,5 +883,22 @@ mod tests {
         assert!((eval.negative.confidence - 0.0).abs() < 1e-9, "confidence<0 应 clamp 到 0.0");
         assert!((eval.final_score - 10.0).abs() < 1e-9, "final_score>10 应 clamp 到 10.0");
     }
+
+    /// LLM 返回「前缀文字 + ```json + {...} + ```」（围栏不在开头）→ extract_json
+    /// 正则兜底提取首个 JSON 对象 → 解析成功不降级（CR-40-2 兜底路径）。
+    #[tokio::test]
+    async fn a12_llm_mock_fenced_not_at_start() {
+        let idea = make_idea("围栏不在开头", "测试正则兜底", Priority::High, vec![]);
+        let llm_text = "好的，以下是我的评估：\n```json\n{\n  \"positive\": {\"thesis\":\"p\",\"evidence\":[],\"reasoning\":[],\"confidence\":0.7},\n  \"negative\": {\"thesis\":\"n\",\"evidence\":[],\"reasoning\":[],\"confidence\":0.4},\n  \"analyst\": {\"summary\":\"s\",\"strengths\":[],\"weaknesses\":[],\"risks\":[],\"opportunities\":[],\"final_assessment\":\"Recommended\"},\n  \"final_score\": 7.0,\n  \"recommendation\": \"Soon\"\n}\n```\n希望对你有帮助。";
+        let provider = Arc::new(MockProvider { text: llm_text.to_string() });
+        let engine = AdversarialEngine::new(provider);
+        let eval = engine.evaluate(&idea).await.unwrap();
+
+        println!("\n[a12] 围栏不在开头 → 正则兜底提取");
+        println!("  evaluated_by = {:?} (期望 Llm，不应降级)", eval.evaluated_by);
+        assert_eq!(eval.evaluated_by, EvaluatedBy::Llm, "围栏不在开头应正则兜底解析成功");
+        assert!((eval.final_score - 7.0).abs() < 1e-9);
+        assert_eq!(eval.recommendation, Recommendation::Soon);
+    }
 }
 

src-tauri/src/commands/task.rs

@@ -97,8 +97,13 @@ pub async fn update_task(
     field: String,
     value: String,
 ) -> Result<bool, String> {
-    // 字段名注入由 df-storage 白名单兜底；这里补 status / priority 值校验，
+    // status 值校验保留：仅对「非法值」(拼写错 in-progess / "in progress" / 大小写错 / 越界)
-    // 拦截拼写错误（in-progess / "in progress" / 大小写错）与越界数值（999 / "abc"）静默落库。
+    // 给出友好早错误(先于 crud.rs 白名单那串冷冰冰的「字段不在白名单」拒)。合法 status 值
+    // 不可经本 IPC 写入——crud.rs tasks 白名单已收口移除 status(F-03 batch64 b94e74a /
+    // D-260616-04)，所有 status 改动须走 advance_task_atomic 状态机(CAS + can_transition +
+    // review_rounds 累加,唯一 status 写入路径)。即此 is_valid 校验的「通过」分支永不会触达
+    // update_field 的 status 写入(白名单会先拒)；它只为非法值兜底 UX，不承担合法值写入职责。
+    // priority 值校验同理补在下方：拦截 "abc" / 999 等脏数据静默落库。
     if field == "status" && !TaskStatus::is_valid(&value) {
         return Err(format!(
             "非法 status 值 {:?}，合法值: {:?}",