From 874308c09912d0bc8fecf40d87f7f1054063f59f Mon Sep 17 00:00:00 2001
From: =?UTF-8?q?=E6=B5=85=E5=BF=B5?= <email@sample.com>
Date: Tue, 29 Sep 2026 17:42:59 +0800
Subject: [PATCH] =?UTF-8?q?fix:=20Task5=E8=B4=A8=E9=87=8F=E5=AE=A1?=
 =?UTF-8?q?=E6=9F=A5=E4=BF=AE=E5=A4=8D(=D0=B4=D0=BE=D0=BB=D0=BB=D0=B0?=
 =?UTF-8?q?=D1=80=D0=BE=D0=B2=E5=8F=98=E6=A0=BC/=E6=97=B6=E9=97=B4?=
 =?UTF-8?q?=E7=BB=84re.I/breach=5Frate=E5=A4=8D=E6=95=B0=E5=90=8C=E6=AD=A5?=
 =?UTF-8?q?/hours=E8=B1=81=E5=85=8D=E9=94=81/lang=5Fpool=E6=B3=A8=E9=87=8A?=
 =?UTF-8?q?)?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

Co-Authored-By: Claude Code <noreply@anthropic.com>
---
 app/prompts/extractor.md        |  2 +-
 app/services/boundary_filter.py | 21 ++++++++++++++++-----
 scripts/breach_rate.py          |  7 ++++---
 tests/test_boundary_filter.py   | 10 ++++++++++
 4 files changed, 31 insertions(+), 9 deletions(-)

diff --git a/app/prompts/extractor.md b/app/prompts/extractor.md
index 69b5e00..8c688fb 100644
--- a/app/prompts/extractor.md
+++ b/app/prompts/extractor.md
@@ -13,7 +13,7 @@
 - 项目类型：市政工程/农田灌溉/房建项目/经销商备货等
 - 目标国家：客户所在或项目所在的国家/地区
 - 预算提及：客户提到的预算或目标价（有才记，原样保留）
-- 字段值统一用中文概括（如 Kenya→肯尼亚、irrigation→灌溉）；唯一例外是规格要求——必须原样保留客户原文，绝不翻译
+- 字段值统一用中文概括（如 Kenya→肯尼亚、irrigation→灌溉）；规格要求等标注"原样保留"的原话字段除外——必须保留客户原文，绝不翻译
 
 其中联系方式如果有的话格式为：{"手机": "xxx", "WhatsApp": "xxx", "邮箱": "xxx", "微信": "xxx"}
 - 如果对话中客户更正了此前提供的联系方式（如 wrong number / 号码错了 / use this / 换成 / 又给了一个新号），联系方式必须以客户最后提供的值为准覆盖旧值
diff --git a/app/services/boundary_filter.py b/app/services/boundary_filter.py
index 1d76b7e..70f3f4e 100644
--- a/app/services/boundary_filter.py
+++ b/app/services/boundary_filter.py
@@ -54,22 +54,28 @@ PRICE_PATTERNS = [
     #    错拼形态);俄语 цен[аы]?(цена/цены/цен);阿语复数 أسعار。
     #    \b 包裹不受影响——"customs" 中 costo?s? 无子串匹配(c 后是 u),
     #    词边界防线依旧成立
+    # ⚠️ 无英文组的年份排除 (?!(?:19|20)\d\d): "precios 2025" 会命中
+    #    ——有意为之(价格词在前的宁拦勿放,与英文组从严方向一致但更保守)
     re.compile(r"\b(?:precio?s?|costo?s?|custo?s?|preço?s?|цен[аы]?|"
                r"стоимость|(?:ال)?سعر|(?:ال)?أسعار|(?:ال)?ثمن)\b"
                r"[^\d\n]{0,20}(?<![a-z])\d", re.I),
-    # 货币名词后置(数字+货币词): dólares/euros/рублей(西里尔 долларов
-    # 由上方 стоимость 前置组兜住,不单列)
+    # 货币名词后置(数字+货币词): dólares/euros/рублей/долларов
+    # ⚠️ 西里尔 долларов 变格必须单列(质量审查发现): 前置组只有名词
+    #    стоимость,动词句 "стоит 500 долларов"/"будет стоить 800
+    #    долларов" 前无价格名词,靠前置组兜不住
     # ⚠️ euros 排除 pallets 邻接——"50 euro pallets"(欧标托盘)是建材
     #    物流高频词,非价格
     re.compile(r"\d[\d,.]*\s*(?:d[óo]lares?|euros?\b(?!\s*pallets?)|"
-               r"рублей|руб\.?)", re.I),
+               r"рублей|руб\.?|доллар(?:ов|а|ы)?)", re.I),
     # 多语言时间承诺(西/葡 dias|semanas,俄 дн/недел,阿 أيام;与英文
     # days/weeks 组同构)
     # ⚠️ 不收 horas/hours/小时——system.md 的 "reply within 12 hours"
     #    依赖此豁免(响应时效承诺非交期承诺)
     # ⚠️ 俄语变格只收 дн(ей|я)/недел[ьи] 主形态,其余变格(дню/неделю
     #    等)不收——宁可少而准
-    re.compile(r"\d+\s*[- ]?(?:d[ií]as?|semanas?|дн(?:ей|я)|недел[ьи]|أيام)\b"),
+    # ⚠️ re.I 必须有——大写形态 '15 Días'/'30 SEMANAS' 实测要拦(质量审查),
+    #    与英文时间组 re.I 对齐
+    re.compile(r"\d+\s*[- ]?(?:d[ií]as?|semanas?|дн(?:ей|я)|недел[ьи]|أيام)\b", re.I),
 ]
 
 DEFLECTIONS_EN = [
@@ -158,7 +164,12 @@ PIVOTS_ES_CONTACT = [
 # Task 5: 语言路由三分支——汉字→ZH;西语特征(重音符/ñ/ç/ã/¿¡ 粗匹配,与
 # 汉字检测同构)→ES;否则 EN。葡语借道 ES 池(拉美沟通惯例相近;ç/ã 为
 # 葡语专属特征,"qual o preço?" 类纯 ç 短句也归 ES,spec 审查加固)
-def _lang_pool(user_msg: str):
+def _lang_pool(user_msg: str) -> str:
+    # 方法论局限(有意取舍): 特征类是"重音字符粗匹配"——法语/意大利用户
+    # (ça 的 ç / perché 的 é)同样命中 ES 池,收到西语替换句。罗曼语族互
+    # 半可懂,属可接受的优雅降级;葡语借道 ES 池(拉美惯例)同理。
+    # 无变音符打字形态("preco 500"/"qual o preco?")墙与路由双双放行,
+    # 降级 EN——宁可少而准,观察期 breach_rate 暴露后再扩。
     if re.search(r"[一-鿿]", user_msg or ""):
         return "zh"
     if re.search(r"[áéíóúñãç¿¡]", user_msg or ""):
diff --git a/scripts/breach_rate.py b/scripts/breach_rate.py
index 56aae65..679d2ae 100644
--- a/scripts/breach_rate.py
+++ b/scripts/breach_rate.py
@@ -10,9 +10,10 @@ PATTERNS = [
     (r"\$\s?\d", "美元符"),
     (r"[€£]\s?\d", "欧元/英镑符"),
     (r"\d[\d,.]*\s*(usd|美元|万块?|块钱)", "货币单位"),
-    (r"\d[\d,.]*\s*(d[óo]lares?|euros?\b(?!\s*pallets?)|рублей|руб\.?)",
-     "货币单位(多语言)"),
-    (r"\b(?:precio|costo|custo|preço|цена|стоимость|(?:ال)?سعر|(?:ال)?ثمن)\b"
+    (r"\d[\d,.]*\s*(d[óo]lares?|euros?\b(?!\s*pallets?)|рублей|руб\.?|"
+     r"доллар(?:ов|а|ы)?)", "货币单位(多语言)"),
+    (r"\b(?:precio?s?|costo?s?|custo?s?|preço?s?|цен[аы]?|стоимость|"
+     r"(?:ال)?سعر|(?:ال)?أسعار|(?:ال)?ثمن)\b"
      r"[^\d\n]{0,20}(?<![a-z])\d", "价格名词前置(多语言)"),
     (r"(price|cost|quote)[^.\d]{0,20}(?<![a-z])(?!(?:19|20)\d\d(?!\d))\d",
      "价格动词邻接(年份排除)"),
diff --git a/tests/test_boundary_filter.py b/tests/test_boundary_filter.py
index a7abcfc..c8698c7 100644
--- a/tests/test_boundary_filter.py
+++ b/tests/test_boundary_filter.py
@@ -245,6 +245,12 @@ MULTILINGUAL_PRICE_HITS = [
     "preços 500",                         # 葡语复数
     "Цены: 1200",                         # 俄语复数
     "الأسعار 500 دولار",                  # 阿语复数(定冠词+复数)
+    # 俄语动词+西里尔美元变格(质量审查: 前置组只有名词,стоит 句兜不住)
+    "Стоит примерно 500 долларов",
+    "будет стоить 800 долларов",
+    # 大写时间形态(质量审查: 时间组补 re.I 前实测漏检)
+    "entrega en 15 Días",
+    "30 SEMANAS",
 ]
 
 # 建材规格形态: 不得误杀
@@ -270,6 +276,10 @@ SPEC_NON_HITS = [
     "El precio del DN800 PE100 depende del volumen y el flete",
     "El costo de las tuberías SDR11 se envía por correo",
     "Цена труб PN16 зависит от объёма",
+    # hours/horas 豁免锁: system.md 的 "reply within 12 hours" 时效话术
+    # 依赖时间组不收小时——往时间模式加 horas/hours 时这两条必须红
+    "Respondemos en 12 horas",
+    "reply within 12 hours",
 ]