diff --git a/AGENTS.md b/AGENTS.md
index 3094c4f..22cb5fc 100644
--- a/AGENTS.md
+++ b/AGENTS.md
@@ -29,7 +29,7 @@ Keep Electron security boundaries intact:
 
 ## Runtime Behavior
 
-- Ask and Plan modes must remain read-only at the runtime boundary.
+- Ask mode must remain read-only at the runtime boundary.
 - Execute mode may use tools only through the existing approval controls.
 - Preserve cancellation, timeout, bounded-output, and shutdown behavior.
 - Treat OpenCode and Continue as untrusted child runtimes. Preserve environment
diff --git a/FEATURES.md b/FEATURES.md
index 5924277..9073618 100644
--- a/FEATURES.md
+++ b/FEATURES.md
@@ -37,6 +37,11 @@
 - [x] **知识图谱**：支持规则、模型和混合抽取，以及实体、关系、别名和证据维护。
 - [x] **向量模型配置与检索**：可配置兼容 Embeddings 接口并用于语义检索。
 - [x] **向量诊断与索引任务**：提供真实向量生成诊断、按文档重建进度、取消、失败状态与重启后结果恢复；每篇成功文档立即可用于检索。
+- [x] **混合检索测试台**：支持全文、中文词组、向量和图谱通道诊断，可调 Top K、阈值、权重、本地或学习型重排及上下文预算。
+- [x] **上下文分块与离线评估**：保留标题、页码、标题层级和块类型用于上下文索引，并提供双语 Recall、MRR、nDCG、上下文精度/召回和无答案误报评估。
+- [x] **高级分块与维护**：支持固定、结构化和父子分块，以及分块搜索、编辑、停用、删除、文档重建和可取消的全库重建。
+- [x] **受控知识本体**：每个知识库可定义实体、关系、别名和端点约束，保留证据偏移、置信度和抽取来源，并显式提示图谱重建。
+- [x] **强制检索与引用上下文**：对话可按需或每次先检索，显示零结果、降级、失败与取消状态，并可查看引用上下文或安全打开来源。
 - [x] **魔法笔记 / Magic Notes**：提供本地优先的笔记与待办工作台、范围管理、编辑、筛选和受控 AI 评论；创建、保存和评论结果使用统一应用通知。
 - [ ] **MCP Server Control Plane**（规划中）：扩展 MCP Agent Runtime Broker，统一生命周期、健康检查、重连、Schema 缓存、按项目或任务隔离、审批和审计，并受控接入 OpenCode、Continue。
 
diff --git a/README.md b/README.md
index b1dd493..8f144be 100644
--- a/README.md
+++ b/README.md
@@ -93,7 +93,10 @@ GoodBuddy 不绑定特定模型厂商。用户可以通过 OpenAI Responses、Op
 
 ![GoodBuddy 知识工作区](docs/screenshots/knowledge-workspace.png)
 
-- SQLite FTS5 全文检索与有界上下文召回。
+- SQLite FTS5、中文词组、向量和图谱混合检索，并提供可调权重、本地重排与有界上下文。
+- 检索测试工作台展示候选数量、通道降级、耗时、排名、分数和实际送入模型的上下文。
+- 支持固定长度、结构化和父子分块，以及分块搜索、编辑、停用、删除和可取消重建。
+- 对话可选择由模型按需检索或每次先检索，并展示检索状态与可打开上下文的来源引用。
 - 支持规则、模型和混合图谱抽取。
 - 支持实体、关系、别名、证据与来源位置追溯。
 - 图谱可搜索、筛选、缩放和拖动节点。
diff --git a/docs/features/knowledge-rag-enhancement-prd.md b/docs/features/knowledge-rag-enhancement-prd.md
new file mode 100644
index 0000000..bbfc762
--- /dev/null
+++ b/docs/features/knowledge-rag-enhancement-prd.md
@@ -0,0 +1,591 @@
+# 知识库检索与分块增强 PRD
+
+## 文档信息
+
+| 项目 | 内容 |
+| --- | --- |
+| 状态 | 实施中 |
+| 版本 | 0.1 |
+| 日期 | 2026-08-11 |
+| 适用产品 | GoodBuddy 桌面端 |
+| 实施范围 | 第一阶段：可用、可见、可诊断；第二阶段：可调、可优化、可维护 |
+
+## 1. 背景
+
+GoodBuddy 已具备本地多知识库、文件与目录同步、网页导入、SQLite FTS5、
+OpenAI 兼容向量模型、RRF 混合检索、知识图谱、任务状态和来源引用。现有实现
+优先建立了本地数据主权、安全边界和跨 Runtime 工具授权，但用户仍难以稳定
+获得“导入资料后即可准确问答”的体验。
+
+当前主要问题不是缺少知识图谱，而是基础 RAG 链路缺少完整闭环：
+
+1. 在对话中启用知识库只会开放搜索工具，是否检索仍由模型自行决定。
+2. 默认向量检索关闭，中文全文检索对自然语言问法和同义表达的召回不足。
+3. 向量请求失败会降级为全文检索，但知识库页面仍可能显示索引完成。
+4. 大于 5,000 个向量分块的知识库会跳过向量召回。
+5. 用户不能独立测试召回、查看各通道得分或确认实际送入模型的上下文。
+6. 分块参数固定，缺少结构化、父子分块、分块预览和人工修正。
+7. 引用只能阅读片段，不能查看完整上下文或打开原始来源。
+
+本项目先完成稳定性和可观测性，再增加高级分块、重排与维护能力。知识图谱
+继续作为可选召回通道，但不替代全文和向量检索的基础质量。
+
+## 2. 已确认的产品决策
+
+1. 保持本地优先，不引入必须联网的托管知识库服务。
+2. 保持 Electron Main、Preload、Renderer 的安全边界，Renderer 不直接读取
+   数据库、原文件或向量。
+3. 保留“模型按需检索”，并新增“每次先检索”模式。后者必须由 Main 进程
+   预检索，不能只依赖提示词要求模型调用工具。
+4. 知识库新建后不默认启用全部已有知识库；对话中的范围继续由用户显式选择。
+5. 向量服务不可用时保留全文检索，但必须返回明确降级状态。
+6. 中文召回使用应用内可控的 CJK n-gram 索引，不新增远程服务依赖。
+7. 混合检索保留 RRF 候选融合，并增加本地确定性重排、可选的
+   Cohere/Jina 兼容学习型重排、最低相关度和上下文预算。学习型重排失败时
+   安全降级，不影响全文、向量和图谱召回。
+8. 向量搜索取消 5,000 分块静默失效，使用有界内存的分页扫描。在没有稳定
+   跨平台向量扩展前，接受本地 CPU 线性扫描，并持续显示性能诊断。
+9. 向量索引兼容性同时校验 Provider、Model、维度和 Provider Fingerprint。
+   同名模型切换端点后，旧向量不能继续参与召回。
+10. 失败或取消的重建不能停用上一版已就绪索引。新索引只有完整校验成功后才
+    原子替换当前服务版本。
+11. 分块设置属于知识库，修改后不会伪装为立即生效。用户需要显式重建索引。
+12. 分块允许预览、编辑、启用、停用和删除。来源再次同步可能覆盖人工修改，
+    UI 必须在修改前持续说明该行为。
+13. 第一阶段和第二阶段均不新增付费或外部模型调用。现有 Embeddings 调用仍由
+    用户配置决定。
+14. Ask 的运行时边界保持只读。知识库内容始终被标记为不可信证据，
+    不能成为系统指令。
+
+## 3. 目标
+
+### 3.1 用户目标
+
+- 明确知道本次回答是否检索、检索了哪些知识库，以及是否发生降级。
+- 在知识库页面输入真实问题，查看命中分块、通道、得分和最终上下文。
+- 为不同文档选择适合的分块模式，并在导入前理解影响。
+- 查看和修正错误分块，不需要删除并重新导入整个来源。
+- 从回答引用查看完整上下文，并打开对应本地文件或网页。
+- 在向量、解析或图谱失败时获得可恢复的状态和明确操作。
+
+### 3.2 产品目标
+
+- 默认中文问法在没有向量模型时仍具有可用的关键词召回。
+- 向量服务故障、大知识库和模型变更不再产生静默空结果。
+- 建立可复现的检索调试入口，支持固定问题进行回归测试。
+- 将解析、全文、向量和图谱状态拆分，避免“索引完成”误导。
+- 为后续元数据过滤、远程 Rerank Provider 和自动评测保留稳定契约。
+
+### 3.3 质量目标
+
+- 中文同义改写测试集的 Recall@5 相比现有全文检索基线提升至少 30%。
+- 检索测试结果必须在本机重复执行时保持稳定排序。
+- 任意向量失败都必须在检索诊断或任务状态中可见。
+- 10,000 个分块的知识库不得因固定上限返回空向量结果。
+- 每条展示引用都能找到仍存在且属于已授权知识库的分块和文档。
+- 检索输出和上下文拼装均遵守字符、结果数和 IPC 大小上限。
+
+## 4. 非目标
+
+本项目不包含：
+
+- 团队共享知识库、SSO、SCIM 或跨设备同步。
+- 企业级 ACL、文档级角色继承和远程权限同步。
+- 云端网站爬虫、Notion、飞书、语雀等第三方连接器。
+- MinerU、PaddleOCR-VL 或其他远程文档解析服务。
+- 专用向量数据库、外部 Elasticsearch 或打包平台原生向量扩展。
+- 托管重排服务账户、计费或供应商绑定；仅提供通用兼容接口配置。
+- 自动问题生成、FAQ 生成和训练数据标注平台。
+- 完整 RAG 离线评测平台。第二阶段只提供手动检索测试与可导出的诊断信息。
+- 在应用内高保真渲染所有原始 Office 和 PDF 文档。
+
+## 5. 竞品基线与 GoodBuddy 定位
+
+截至 2026-08-11，Dify、FastGPT 和 RAGFlow 的公开文档均把检索测试、可配置
+分块和可调检索参数作为知识库基础能力：
+
+| 能力 | Dify | FastGPT | RAGFlow | GoodBuddy 本期 |
+| --- | --- | --- | --- | --- |
+| 检索测试 | 支持 | 支持 | 支持 | 第一阶段支持 |
+| Top K / 阈值 | 支持 | 支持 | 支持 | 第一阶段支持 |
+| 全文 + 向量 | 支持 | 支持 | 支持 | 已有，第一阶段增强中文 |
+| Rerank | 模型 Rerank | 模型 Rerank | 模型 Rerank | 本地确定性与可选兼容模型重排 |
+| 父子分块 | 支持 | 可通过索引与大分块组合 | 支持多种切分策略 | 第二阶段支持 |
+| 分块维护 | 支持内容维护 | 支持数据维护 | 支持块级检查 | 第二阶段支持 |
+| 深度文档理解 | 中等 | 中等 | 强 | 继续复用本地解析与 OCR |
+| 本地目录监听 | 非核心 | 非核心 | 非核心 | GoodBuddy 差异化能力 |
+| 本地可编辑图谱 | 非核心 | 非核心 | 部分版本支持 GraphRAG | GoodBuddy 差异化能力 |
+
+本期不复制竞品的云端工作流平台，而是将其成熟 RAG 交互映射为桌面、本地、
+受控的数据链路。
+
+参考公开文档：
+
+- Dify Knowledge：
+  <https://docs.dify.ai/en/use-dify/knowledge/readme>
+- Dify 检索测试：
+  <https://docs.dify.ai/en/use-dify/knowledge/test-retrieval>
+- Dify 分块设置：
+  <https://docs.dify.ai/en/use-dify/knowledge/create-knowledge/chunking-and-cleaning>
+- FastGPT 知识库搜索方案和参数：
+  <https://doc.fastgpt.io/docs/introduction/guide/knowledge_base/dataset_engine>
+- RAGFlow Dataset 配置：
+  <https://ragflow.io/docs/configure_knowledge_base>
+- RAGFlow 检索测试：
+  <https://ragflow.io/docs/run_retrieval_test>
+
+## 6. 信息架构
+
+知识工作区继续使用主从布局和现有四个页签：
+
+```text
+知识库
+├─ 文档与来源
+│  ├─ 来源管理
+│  ├─ 检索测试入口
+│  ├─ 文档状态
+│  └─ 分块查看与维护
+├─ 知识图谱
+├─ 任务中心
+└─ 设置
+   ├─ 检索设置
+   ├─ 分块设置
+   └─ 图谱设置
+```
+
+“检索测试”是当前知识库的高频诊断操作，通过知识库标题区次操作打开独立
+工作台，不新增第五个一级页签。
+
+对话输入区的知识范围弹层包含：
+
+1. 已启用知识库多选。
+2. 检索方式：模型按需检索、每次先检索。
+3. 当前范围为空、索引降级或向量未配置时的短说明。
+
+## 7. 第一阶段：可用、可见、可诊断
+
+### 7.1 检索方式
+
+新增请求级 `knowledgeRetrievalMode`：
+
+| 值 | 用户文案 | 行为 |
+| --- | --- | --- |
+| `auto` | 模型按需检索 | 保留当前 `knowledge_search` 工具，由模型决定是否调用 |
+| `always` | 每次先检索 | Main 在启动 Runtime 前使用原始用户问题检索一次，再把有界证据作为不可信上下文提供给 Runtime |
+
+规则：
+
+- 没有启用知识库时不显示为“已检索”。
+- `always` 预检索后仍保留 `knowledge_search`，模型可以改写查询再次检索。
+- 预检索零结果不阻止回答，但必须显示“已检索，未找到相关内容”。
+- 预检索失败不得自动扩大范围或访问未选知识库。
+- 图片生成能力不执行知识预检索。
+- Ask 和 Execute 使用相同的只读检索范围。
+
+### 7.2 中文全文检索
+
+在现有 `unicode61` FTS 之外增加本地 CJK n-gram 检索文本：
+
+- 连续汉字生成二元词组，保留必要的单字符短查询回退。
+- 拉丁字母和数字使用 NFKC、大小写归一化和现有 FTS。
+- 多个查询词使用召回优先的 OR 候选，再通过覆盖率和短语命中重排。
+- 不把整句中文问题转换成“所有汉字必须同时出现”的条件。
+- 索引更新、分块编辑、停用和删除必须同步更新 CJK 索引。
+- 数据库迁移必须为已有分块有界回填，不要求用户重新导入。
+
+### 7.3 检索设置
+
+每个知识库保存以下设置：
+
+| 字段 | 范围 | 默认值 |
+| --- | --- | --- |
+| `topK` | 1 至 20 | 6 |
+| `minimumVectorSimilarity` | 0 至 1 | 0（不过滤低相似度结果） |
+| `ftsWeight` | 0 至 2 | 1 |
+| `vectorWeight` | 0 至 2 | 1 |
+| `graphWeight` | 0 至 2 | 0.8 |
+| `candidateMultiplier` | 2 至 10 | 4 |
+| `contextMaxCharacters` | 2,000 至 48,000 | 16,000 |
+| `adjacentChunkCount` | 0 至 2 | 0 |
+| `localRerankEnabled` | 布尔值 | false |
+
+至少一个召回通道权重大于 0。图谱未启用时，图谱权重只读显示为不可用。
+向量模型未启用或索引不兼容时，向量权重保留但当前请求降级。
+
+### 7.4 检索测试工作台
+
+用户输入最多 4,000 字符的问题，工作台显示：
+
+- 当前知识库和生效设置。
+- 总耗时、各通道耗时和候选数。
+- 请求通道、实际使用通道和降级原因。
+- 最终结果序号、文档、定位、片段和最终相关度。
+- FTS、CJK、向量、图谱的独立排名与向量相似度。
+- 本地重排前后排名。
+- 相邻分块或父块合并后的实际上下文。
+- “查看分块”“打开来源”操作。
+
+检索测试不创建聊天消息、不写入会话历史、不调用 LLM，也不改变知识库内容。
+
+### 7.5 可扩展向量搜索
+
+移除“超过 5,000 个候选则返回空结果”的逻辑：
+
+1. 按稳定游标分页读取同一知识库、Provider、Model 和维度的向量。
+2. 每批计算余弦相似度。
+3. 内存中只保留候选上限所需的最佳结果。
+4. 支持取消和应用关闭。
+5. 维度、校验和或索引状态不匹配的向量不参与结果。
+6. 诊断返回扫描数量和向量耗时。
+7. Provider Fingerprint 不匹配时标记索引不兼容，不回退到同名旧模型向量。
+
+线性扫描是本期跨平台保底实现。后续接入稳定向量扩展时不得改变上层契约。
+
+### 7.6 状态与降级
+
+文档状态拆分为：
+
+| 状态 | 含义 |
+| --- | --- |
+| 解析 | 等待、运行、完成、失败 |
+| 全文索引 | 等待、完成、失败 |
+| 向量索引 | 未启用、等待、运行、完成、失败、不兼容 |
+| 图谱 | 未启用、按需、等待、运行、完成、失败 |
+
+知识库汇总不得仅以“文档 metadata 不是 failed”计算完成。UI 至少显示：
+
+- 可用于全文检索的文档数。
+- 已完成向量化的文档数。
+- 失败文档数。
+- 当前向量模型与索引是否兼容。
+
+降级事件包括：
+
+- 未配置向量模型。
+- 查询向量生成失败。
+- 当前模型没有匹配索引。
+- 部分文档向量失败。
+- 图谱关闭或没有证据。
+- 结果被相关度或上下文预算过滤。
+
+### 7.7 引用查看
+
+每条引用增加稳定 `chunkId`、最终相关度和检索通道。用户展开引用后可以：
+
+1. 查看命中分块。
+2. 查看相邻分块或父块形成的完整上下文。
+3. 查看知识库、文档、来源和定位。
+4. 对本地文件调用 Main 校验后的 `shell.openPath`。
+5. 对 HTTP(S) 来源调用 Main 校验后的外部打开。
+
+Renderer 不能提交任意路径或 URL。Main 必须根据 `libraryId`、`documentId` 和
+`chunkId` 重新读取已保存来源并验证归属。
+
+界面把该列表描述为“本次检索证据”或“已查阅来源”，不把仅被召回的片段
+自动宣称为回答中某个句子的精确出处。后续只有经过稳定 Citation ID 校验的
+句级标注才能使用更强的“该句引用”语义。
+
+## 8. 第二阶段：可调、可优化、可维护
+
+### 8.1 分块模式
+
+每个知识库选择一种模式：
+
+| 模式 | 行为 | 适用内容 |
+| --- | --- | --- |
+| 固定分块 | 按目标长度、重叠和自然边界切分 | 普通文本、日志、代码 |
+| 结构分块 | 优先保持解析 section、Markdown 标题和段落结构 | 手册、制度、长文档 |
+| 父子分块 | 小块用于召回，大块用于模型上下文 | 长篇说明、合同、研究资料 |
+
+设置：
+
+| 字段 | 范围 | 默认值 |
+| --- | --- | --- |
+| `mode` | `fixed` / `structure` / `parent-child` | `structure` |
+| `targetCharacters` | 400 至 8,000 | 1,600 |
+| `overlapCharacters` | 0 至目标长度的 40% | 160 |
+| `parentCharacters` | 1,600 至 16,000 | 4,800 |
+| `childCharacters` | 300 至 4,000 | 900 |
+
+父子分块要求：
+
+- 父块只作为上下文，不进入 FTS、CJK 或向量候选。
+- 子块用于召回，并保存父块关联。
+- 引用默认突出子块，同时允许查看父块全文。
+- 父块和子块总输出仍受上下文预算限制。
+
+### 8.2 本地与学习型重排
+
+第二阶段提供不调用外部模型的可选本地重排。评分特征包括：
+
+- 原始 RRF 排名。
+- 中文和拉丁词覆盖率。
+- 完整短语命中。
+- 文档标题、分块标题和路径命中。
+- 向量相似度。
+- 同文档重复结果惩罚。
+
+重排结果必须：
+
+- 归一化为 0 至 1 的 `relevance`。
+- 对相同输入和索引保持确定性。
+- 保留重排前排名和各特征得分用于诊断。
+- 在关闭时完全保留原有 RRF 排序。
+
+学习型模式使用 Main 进程中的 Cohere/Jina 兼容客户端，凭据只进入加密设置和
+Main 进程。请求限制为 100 个候选、每个候选 8,000 字符，并具有 15 秒默认
+超时、取消传播和有界响应。失败时可回退本地重排或 RRF，并只返回脱敏诊断。
+
+### 8.3 相邻分块合并与上下文预算
+
+- 对最终候选按文档和 ordinal 合并相邻分块。
+- 不把同一分块重复放入上下文。
+- 保留每个命中分块的引用定位。
+- 按相关度从高到低消耗 `contextMaxCharacters`。
+- 单个超长父块按安全边界截断并标记 `truncated`。
+- 不允许低排名结果挤掉已经选中的高排名证据。
+
+### 8.4 分块管理
+
+文档行提供“查看分块”，打开分块管理对话框：
+
+- 显示 ordinal、角色、标题、定位、字符数、启用状态和内容预览。
+- 支持分页和文档内搜索。
+- 支持编辑内容。
+- 支持启用或停用。
+- 支持删除，并说明来源同步可能重新创建分块。
+- 编辑后更新 FTS 和 CJK 索引，并使旧向量失效。
+- 已配置向量模型时，编辑操作完成后为该文档重建向量。
+- 删除最后一个可检索分块时，文档显示“无可检索内容”，不能显示完全就绪。
+
+高影响删除使用具体确认文案。普通启停使用共享 Switch，并声明
+`role="switch"`。
+
+### 8.5 单文档与全库重建
+
+- 单文档重建重新读取来源、解析、分块、全文索引、向量和图谱。
+- 全库重建按来源顺序执行，并显示文档级进度。
+- 修改分块模式或关键参数后，知识库显示“设置已更新，等待重建”。
+- 重建采用文档级原子替换，失败时保留上一版可用分块和向量。
+- 用户可以取消全库重建；已经成功替换的文档保持可用。
+- 文件不存在、网页失败或 OCR 不可用时保留可重试错误。
+- 单来源允许的 2,000 个文件必须全部参与增量同步、删除检测和校验和跳过，
+  不受普通页面 500 项列表上限影响。
+
+## 9. 数据模型与兼容性
+
+### 9.1 KnowledgeBase
+
+知识库增加版本化设置：
+
+```ts
+type KnowledgeRetrievalSettings = {
+  version: 1
+  topK: number
+  minimumVectorSimilarity: number
+  ftsWeight: number
+  vectorWeight: number
+  graphWeight: number
+  candidateMultiplier: number
+  contextMaxCharacters: number
+  adjacentChunkCount: number
+  localRerankEnabled: boolean
+}
+
+type KnowledgeChunkingSettings = {
+  version: 1
+  mode: 'fixed' | 'structure' | 'parent-child'
+  targetCharacters: number
+  overlapCharacters: number
+  parentCharacters: number
+  childCharacters: number
+}
+```
+
+SQLite 使用 JSON 列保存设置，读写均经过共享 Zod Schema。迁移后的旧知识库使用
+与当前行为接近的兼容默认值，不自动重建已有分块。
+
+### 9.2 Chunk
+
+分块增加以下语义：
+
+```ts
+type KnowledgeChunkRole = 'standalone' | 'parent' | 'child'
+
+type KnowledgeChunkState = {
+  enabled: boolean
+  role: KnowledgeChunkRole
+  parentChunkId?: string
+  manuallyEdited: boolean
+  updatedAt?: string
+}
+```
+
+实现可以使用显式列或受校验 metadata，但查询必须为旧数据提供默认值：
+
+- 缺少 `enabled` 时视为 `true`。
+- 缺少 `role` 时视为 `standalone`。
+- 父块不参与召回索引。
+
+### 9.3 检索响应
+
+```ts
+type KnowledgeRetrievalResponse = {
+  query: string
+  durationMs: number
+  settings: KnowledgeRetrievalSettings
+  diagnostics: {
+    requestedChannels: KnowledgeRetrievalChannel[]
+    usedChannels: KnowledgeRetrievalChannel[]
+    degradedChannels: Array<{
+      channel: KnowledgeRetrievalChannel
+      reason: string
+    }>
+    candidateCounts: Partial<Record<KnowledgeRetrievalChannel, number>>
+  }
+  results: KnowledgeRetrievalResult[]
+  context: {
+    characterCount: number
+    truncated: boolean
+    groups: KnowledgeContextGroup[]
+  }
+}
+```
+
+错误、诊断和引用不得包含 API Key、Authorization Header、完整私人文档或未经
+限制的 Provider 响应。
+
+## 10. IPC 与安全边界
+
+新增或扩展的 IPC：
+
+- `knowledge:retrieve`
+- `knowledge:settings:update`
+- `knowledge:document:rebuild`
+- `knowledge:library:rebuild`
+- `knowledge:chunks:list`
+- `knowledge:chunk:update`
+- `knowledge:chunk:delete`
+- `knowledge:reference:context`
+- `knowledge:reference:open`
+
+要求：
+
+- 所有输入由共享 Zod Schema 校验。
+- 所有处理器校验可信 Renderer sender。
+- ID 必须重新检查知识库、来源、文档和分块归属。
+- 列表使用有界分页，单次最多返回 200 个分块。
+- 内容编辑限制单块最大字符数。
+- 外部打开只接受数据库已保存的本地普通文件或 HTTP(S) URL。
+- 不向 Preload 暴露原始数据库、Electron `shell` 或文件系统 API。
+- 更新与重建遵守取消、超时、应用关闭和有界错误规则。
+
+## 11. 交互与无障碍
+
+- 复用 `PageTabs`、`SegmentedControl`、共享 Switch 和应用通知。
+- 检索方式是互斥选项，使用 `SegmentedControl` 或语义化单选组。
+- 分块启停是持久二元状态，使用 `role="switch"`。
+- 检索结果列表使用可访问名称，得分不得只用颜色表达。
+- 检索工作台打开后焦点进入问题输入框，关闭后返回触发按钮。
+- 分块编辑和删除对话框遵守焦点陷阱、Escape 和焦点恢复。
+- 异步成功使用应用通知；字段错误、检索进度和可就地恢复错误保留在工作台。
+- 窄窗口下检索结果改为单列，配置摘要保持可读，不隐藏降级状态。
+
+## 12. 失败与恢复
+
+| 场景 | 行为 |
+| --- | --- |
+| 向量查询失败 | 继续全文和图谱检索，显示降级原因 |
+| 部分文档无向量 | 使用可用文档，显示完成数和失败数 |
+| CJK 索引迁移失败 | 回滚迁移，不损坏旧 FTS |
+| 重排失败 | 回退 RRF 排序并显示诊断 |
+| 分块编辑后向量失败 | 保留编辑和全文索引，标记向量失败 |
+| 单文档重建失败 | 保留上一版可用索引 |
+| 同名模型端点变化 | 旧 Fingerprint 索引标记不兼容，等待重建 |
+| 新向量重建失败 | 保留上一版就绪向量继续服务，单独记录失败尝试 |
+| 原文件已移动 | 显示来源不可用，提供重试或移除 |
+| 引用对象已删除 | 显示引用已失效，不打开任意替代路径 |
+| 上下文超预算 | 按排名截断并明确标记 |
+| 请求取消或应用关闭 | 停止新批次，释放句柄，不留下半替换索引 |
+
+## 13. 埋点与评测
+
+GoodBuddy 不上传私人检索查询或文档内容。本地诊断至少记录有界统计：
+
+- 检索模式。
+- 启用知识库数量。
+- 各通道候选数和耗时。
+- 是否发生降级。
+- 最终结果数和上下文字符数。
+- 重建文档数、成功数、失败数和取消状态。
+
+手动验收使用仓库内不含私人内容的固定样例集，覆盖：
+
+- 中文自然语言改写和同义词。
+- 中英文混合产品名。
+- 精确编号、路径和代码标识。
+- 多文档冲突信息。
+- 无答案问题。
+- 10,000 个以上分块。
+- 向量服务断开和模型维度变化。
+
+## 14. 实施顺序
+
+### 14.1 第一阶段
+
+1. 共享设置、请求和检索响应契约。
+2. SQLite 迁移和 CJK 索引。
+3. 可扩展向量扫描、检索诊断和状态模型。
+4. 检索设置与工作台。
+5. 对话“每次先检索”。
+6. 引用上下文和打开来源。
+7. 第一阶段单元、IPC 和 Renderer 测试。
+
+### 14.2 第二阶段
+
+1. 结构分块和父子分块。
+2. 本地重排与相关度。
+3. 相邻块合并和上下文预算。
+4. 分块预览、编辑、启停和删除。
+5. 单文档与全库重建。
+6. 第二阶段回归、性能和生产构建验证。
+
+## 15. 验收标准
+
+### 15.1 第一阶段
+
+- 用户可在对话中选择“模型按需检索”或“每次先检索”。
+- “每次先检索”在 Runtime 启动前产生检索诊断和引用，即使模型未调用工具。
+- 未配置向量模型时，中文改写问题仍能通过 CJK 索引召回相关分块。
+- 向量查询失败时回答可继续，界面明确显示已降级。
+- 10,000 个分块的向量测试能够返回正确 Top K，不出现固定上限空结果。
+- 同名模型切换端点后，不会读取 Fingerprint 不匹配的旧向量。
+- 重建失败时，上一版已就绪向量仍能继续召回。
+- 包含 2,000 个文件的目录同步能够处理第 501 至 2,000 个文档的修改与删除。
+- 检索测试展示通道、候选数、排名、相关度、上下文和降级原因。
+- 引用可以查看完整上下文并打开 Main 校验后的来源。
+- 查询长度在共享契约、IPC、MCP 和数据库层保持一致。
+
+### 15.2 第二阶段
+
+- 用户可选择固定、结构或父子分块并显式重建。
+- 父块不参与召回，子块命中后可提供父块上下文。
+- 本地重排可以开启或关闭，并显示重排前后排名。
+- 上下文严格遵守字符预算，重复和相邻片段按规则合并。
+- 用户可预览、编辑、启停和删除分块。
+- 分块修改后 FTS、CJK 和向量状态保持一致。
+- 单文档重建失败不会破坏上一版可用索引。
+- 所有新增操作可用键盘完成，并在浅色、深色和窄窗口下可用。
+
+### 15.3 工程验证
+
+所有源代码变更完成后必须通过：
+
+```text
+npm test
+npm run typecheck
+npm run lint
+npm run build
+```
+
+外部或付费模型调用不属于自动验证，只有获得明确授权后才运行。
diff --git a/docs/features/knowledge-rag-enhancement-user-stories.md b/docs/features/knowledge-rag-enhancement-user-stories.md
new file mode 100644
index 0000000..9cbd637
--- /dev/null
+++ b/docs/features/knowledge-rag-enhancement-user-stories.md
@@ -0,0 +1,523 @@
+# 知识库检索与分块增强 User Stories
+
+## 文档信息
+
+| 项目 | 内容 |
+| --- | --- |
+| 状态 | 实施中 |
+| 版本 | 0.1 |
+| 日期 | 2026-08-11 |
+| 关联 PRD | [知识库检索与分块增强 PRD](knowledge-rag-enhancement-prd.md) |
+
+## 1. 角色
+
+### 1.1 普通知识使用者
+
+已经导入公司制度、产品手册或项目资料，希望直接提问并得到稳定、带来源的回答，
+不需要理解向量、RRF 或分块算法。
+
+### 1.2 知识库维护者
+
+负责导入、同步和清理资料，需要知道哪些文档成功、哪些索引失败，以及如何修复
+错误解析或错误分块。
+
+### 1.3 RAG 调试者
+
+需要用真实问题验证召回，比较不同参数和通道，定位“文档里有但没有命中”的
+原因。
+
+### 1.4 本地与内网用户
+
+不能把资料上传到外部知识库服务，希望全文检索、分块、重排和诊断均在本机
+完成，只在显式配置 Embeddings 后发送有界文本。
+
+## 2. Epic A：明确控制是否检索
+
+### US-A1 模型按需检索
+
+作为普通知识使用者，我希望保留由模型判断是否需要检索的模式，以便一般闲聊
+不会产生不必要的知识搜索。
+
+验收：
+
+- Given 当前启用了至少一个知识库并选择“模型按需检索”
+- When 用户发送问题
+- Then Main 只向本次请求开放已选知识库的只读搜索能力
+- And 模型没有调用知识搜索时，不显示虚假的“已检索”
+- And 未选中的知识库不可被工具参数扩大范围
+
+### US-A2 每次先检索
+
+作为普通知识使用者，我希望选择“每次先检索”，以便模型不能跳过已启用的
+知识库。
+
+验收：
+
+- Given 当前启用了至少一个知识库并选择“每次先检索”
+- When 用户发送文本问题
+- Then Main 在 Runtime 启动前使用原始问题执行一次有界检索
+- And 命中证据以不可信上下文进入 Runtime
+- And 模型仍可通过只读工具执行后续改写检索
+- And 页面明确显示“已预检索”“零结果”或“已降级”
+- And 图片生成请求不执行知识预检索
+
+### US-A3 请求级范围
+
+作为普通知识使用者，我希望每次请求只使用我勾选的知识库，以免不相关资料
+干扰回答。
+
+验收：
+
+- 新建知识库后只新增该知识库到当前选择，不自动重新启用已取消的知识库
+- 删除知识库后从当前范围中移除对应 ID
+- 同一请求最多启用 20 个知识库
+- 对话输入区持续显示已选数量和检索方式
+- 范围为空时检索方式不产生误导状态
+
+## 3. Epic B：检索可见、可诊断
+
+### US-B1 打开检索测试
+
+作为 RAG 调试者，我希望在当前知识库直接输入问题并测试，以便不通过聊天模型
+也能验证索引。
+
+验收：
+
+- 知识库标题区提供“测试检索”次操作
+- 工作台打开后焦点进入查询输入框
+- 查询最多 4,000 字符
+- 测试不创建聊天消息、任务成果或模型调用
+- 关闭工作台后焦点返回触发按钮
+
+### US-B2 查看通道诊断
+
+作为 RAG 调试者，我希望看到每种检索通道的结果和降级原因，以便判断问题来自
+全文、向量还是图谱。
+
+验收：
+
+- 结果显示请求通道和实际使用通道
+- 结果显示 FTS/CJK、向量和图谱候选数
+- 结果显示总耗时和有界通道耗时
+- 向量未配置、请求失败或索引不兼容时显示明确原因
+- 不在错误或诊断中显示 API Key、Authorization 或完整文档
+
+### US-B3 查看排名与上下文
+
+作为 RAG 调试者，我希望看到候选排名、最终相关度和送入模型的上下文，以便
+解释最终回答为什么使用这些资料。
+
+验收：
+
+- 每条结果显示文档、定位、片段和最终排名
+- 可用时显示全文、向量、图谱独立排名和向量相似度
+- 启用本地重排后显示重排前排名
+- 展示相邻块或父块合并后的上下文
+- 展示上下文字符数、预算和截断状态
+
+### US-B4 零结果诊断
+
+作为普通知识使用者，我希望零结果时获得具体原因，而不是只有空列表。
+
+验收：
+
+- 区分“知识库为空”“索引不可用”“查询无命中”“被阈值过滤”
+- 提供修改关键词、检查状态或调整阈值的下一步说明
+- 零结果不显示为首次使用空状态
+- 检索测试保留原查询和设置，方便再次执行
+
+## 4. Epic C：中文与混合检索
+
+### US-C1 中文自然语言召回
+
+作为中文用户，我希望不用输入原文中的连续短语，也能找到表达相同意思的内容。
+
+验收：
+
+- 中文索引生成连续二元词组
+- 中文查询不会要求所有不同汉字同时出现
+- 短查询具有有界单字回退
+- 中英文、数字和产品标识混合查询仍能召回
+- 相同查询和索引产生稳定排序
+
+### US-C2 向量服务降级
+
+作为本地与内网用户，我希望向量服务断开时仍可使用全文搜索，同时清楚知道
+语义召回不可用。
+
+验收：
+
+- 查询向量失败不阻止 FTS/CJK 和图谱检索
+- 检索响应包含向量降级原因
+- 文档状态不把向量失败显示成全部完成
+- 同名模型切换端点后，Fingerprint 不匹配的旧向量不得参与召回
+- 重建失败时，上一版已就绪向量继续服务
+- 修复配置并重建后，降级状态消失
+- 故障信息经过脱敏
+
+### US-C3 大知识库向量检索
+
+作为知识库维护者，我希望超过 5,000 个分块后语义搜索仍然工作。
+
+验收：
+
+- 向量分批扫描没有固定 5,000 分块空结果
+- 只保留所需最佳候选，内存不会随全库候选等比例增长
+- 扫描支持取消和应用关闭
+- 10,000 个以上分块的测试返回正确 Top K
+- 诊断显示扫描数量与耗时
+
+### US-C4 大目录完整同步
+
+作为知识库维护者，我希望包含 2,000 个文件的目录也能完整增量同步，以免后半
+部分文档长期保留旧内容。
+
+验收：
+
+- 第 501 至 2,000 个文档参与校验和比较
+- 未变化文档不会重复解析和向量化
+- 已删除文件对应文档会被移除
+- 页面分页上限不影响后台同步完整性
+
+### US-C5 调整召回参数
+
+作为 RAG 调试者，我希望调整 Top K、最低相关度和通道权重，以便适配不同知识
+类型。
+
+验收：
+
+- Top K、阈值、候选倍数和权重具有明确范围和默认值
+- 至少一个召回通道权重大于 0
+- 图谱关闭时图谱权重不可生效并说明原因
+- 设置持久化到当前知识库，不影响其他知识库
+- 非法输入不能跨 IPC
+
+## 5. Epic D：真实索引状态
+
+### US-D1 查看分阶段状态
+
+作为知识库维护者，我希望分别看到解析、全文、向量和图谱状态，以便准确判断
+文档能否使用。
+
+验收：
+
+- 文档不再用单个“ready”代表所有索引完成
+- 全文完成但向量失败时，明确显示“全文可用、向量失败”
+- 向量未启用与向量失败是不同状态
+- 图谱按需、未启用和失败是不同状态
+- 汇总显示全文可用数、向量完成数和失败数
+
+### US-D2 修复失败文档
+
+作为知识库维护者，我希望单独重建失败文档，而不是重新同步整个目录。
+
+验收：
+
+- 文档行提供“重建文档”
+- 重建重新执行解析、分块、全文、向量和图谱
+- 失败时保留上一版可用索引
+- 完成后更新任务和状态
+- 原文件不存在时保留可重试错误
+
+### US-D3 修改设置后重建
+
+作为知识库维护者，我希望分块设置修改后明确提示需要重建，以免误以为旧文档
+已经使用新设置。
+
+验收：
+
+- 保存关键分块设置后显示“等待重建”
+- 设置保存本身不删除现有索引
+- 用户可选择全库重建
+- 全库重建可取消
+- 已成功替换的文档继续可用
+
+## 6. Epic E：高级分块
+
+### US-E1 固定分块
+
+作为知识库维护者，我希望配置目标长度和重叠，以便处理日志、代码或简单文本。
+
+验收：
+
+- 目标长度为 400 至 8,000 字符
+- 重叠不超过目标长度的 40%
+- 优先在自然边界切分
+- 每个块保留来源 section、定位和 ordinal
+- 旧知识库迁移后不自动改变已有分块
+
+### US-E2 结构分块
+
+作为知识库维护者，我希望分块尽量保持标题和段落结构，以便命中片段保留语义。
+
+验收：
+
+- 优先保持解析 section
+- Markdown 标题能够成为分块 heading
+- 标题随子段落进入索引元数据
+- 超长 section 仍按有界规则继续切分
+- 空标题和空段落不创建分块
+
+### US-E3 父子分块
+
+作为 RAG 调试者，我希望小块负责准确召回、大块负责完整上下文，以便兼顾精度
+和完整性。
+
+验收：
+
+- 父块和子块具有稳定关系
+- 父块不直接进入 FTS/CJK/向量候选
+- 子块命中后可返回父块上下文
+- 引用突出实际命中的子块
+- 父块输出仍受上下文预算和截断限制
+
+## 7. Epic F：重排与上下文
+
+### US-F1 本地重排
+
+作为本地与内网用户，我希望在不调用外部模型的情况下改善候选排序。
+
+验收：
+
+- 本地重排默认关闭并可按知识库开启
+- 使用 RRF、词覆盖、短语、标题、路径、向量和重复惩罚等确定性特征
+- 结果相关度归一化到 0 至 1
+- 检索测试显示重排前后排名
+- 关闭时保持原 RRF 行为
+- UI 不把本地算法描述为 AI Rerank 模型
+
+### US-F1.1 学习型重排
+
+作为需要更高排序质量的用户，我希望可选择兼容的学习型重排模型，并在服务
+不可用时继续获得本地结果。
+
+验收：
+
+- 模式明确区分关闭、本地规则和学习型重排
+- Main 最多发送 100 个候选，每个候选不超过 8,000 字符
+- API Key 仅通过环境变量或 Main 加密存储使用，不进入 Renderer
+- 超时、无效响应和服务错误回退本地重排，并显示脱敏诊断
+- 用户取消和应用关闭必须终止请求，不得按普通降级吞掉
+
+### US-F2 相邻分块合并
+
+作为普通知识使用者，我希望命中片段包含必要的上下文，而不是孤立半句话。
+
+验收：
+
+- 可配置向前、向后相邻 0 至 2 个块
+- 只合并同文档且 ordinal 连续的启用分块
+- 同一块不会重复输出
+- 每个原命中仍保留引用定位
+- 合并结果遵守上下文预算
+
+### US-F3 上下文预算
+
+作为普通知识使用者，我希望低质量内容不会挤占模型上下文。
+
+验收：
+
+- 按最终相关度从高到低选择上下文
+- 已选择的高排名证据不会被低排名证据替换
+- 超预算时明确标记截断
+- 预算范围为 2,000 至 48,000 字符
+- IPC 和 Runtime 输入继续受总大小限制
+
+### US-F4 上下文索引
+
+作为知识库维护者，我希望检索可以利用文档结构，而引用仍忠于原文。
+
+验收：
+
+- 可按知识库启用上下文索引，并在修改后提示显式重建
+- 标题、标题层级、页码和块类型使用有界确定性前缀进入 FTS、CJK 和向量文本
+- 原始分块、引用、模型上下文和图谱证据不显示生成前缀
+- FTS、CJK、向量和内容校验使用同一规范索引文本
+
+## 7.1 Epic F+：受控本体与检索评估
+
+### US-F5 每库受控本体
+
+作为知识库维护者，我希望控制可用实体和关系类型，以便图谱保持一致。
+
+验收：
+
+- 每库保存实体类型、关系类型、双语名称、别名和可选端点约束
+- 手工编辑使用受控选择器并拒绝未知类型或不兼容端点
+- 图谱抽取按类型解析实体，保留人工锁定字段和跨类型边界
+- 证据保存原文偏移、置信度、抽取来源和有界 provenance
+- 本体或启用中的图谱策略变化标记需要重建
+
+### US-F6 离线检索评估
+
+作为 RAG 维护者，我希望用固定双语样本检测召回回归，而不读取用户数据或调用
+网络服务。
+
+验收：
+
+- `npm run eval:retrieval` 使用临时 SQLite 和确定性内存 Provider
+- 报告 Recall@5/10、MRR@10、nDCG@10、上下文精度/召回、无答案误报和延迟
+- 提供词法、确定性向量、混合及本地重排消融
+- 质量门槛按中英文分别检查，报告不包含原文、查询、端点、模型名或凭据
+- 可选报告路径仅允许工作区内非符号链接文件
+
+## 8. Epic G：分块维护
+
+### US-G1 查看分块
+
+作为知识库维护者，我希望查看某篇文档实际生成的分块，以便确认解析和切分质量。
+
+验收：
+
+- 文档行提供“查看分块”
+- 列表显示序号、角色、标题、定位、字符数和启用状态
+- 支持有界分页和文档内搜索
+- 可查看完整单块内容
+- 父子块关系可辨认但不只靠颜色表达
+
+### US-G2 编辑分块
+
+作为知识库维护者，我希望修正错误文本，以便问答使用正确内容。
+
+验收：
+
+- 编辑限制单块最大字符数
+- 保存后同步更新全文和 CJK 索引
+- 旧向量立即失效并触发当前文档重建
+- 编辑块标记为人工修改
+- UI 说明来源再次同步可能覆盖修改
+- 保存失败保留用户草稿
+
+### US-G3 启停分块
+
+作为知识库维护者，我希望暂时停用有害或无关片段，而不永久删除它。
+
+验收：
+
+- 使用共享 Switch 和 `role="switch"`
+- 停用块不参与任何召回通道
+- 重新启用后恢复全文索引，并按需重建向量
+- 状态更新失败时保留最后确认状态
+- 引用已停用块时显示引用已失效
+
+### US-G4 删除分块
+
+作为知识库维护者，我希望删除确定无用的分块，以便避免错误召回。
+
+验收：
+
+- 删除前说明来源同步可能重新创建该块
+- 删除使用具体动作和对象文案
+- 删除联动清理全文、CJK、向量和图谱证据
+- 删除最后一个可检索块后文档显示“无可检索内容”
+- 不删除原始文件
+
+## 9. Epic H：引用和来源
+
+### US-H1 查看完整引用上下文
+
+作为普通知识使用者，我希望从回答引用查看完整上下文，以便验证回答是否忠于
+资料。
+
+验收：
+
+- 引用携带稳定 `libraryId`、`documentId` 和 `chunkId`
+- 点击引用由 Main 重新校验对象归属
+- 展示命中分块、相邻块或父块
+- 展示知识库、文档、来源和定位
+- 对已删除对象显示明确失效状态
+
+### US-H2 打开原始来源
+
+作为普通知识使用者，我希望从引用打开原文件或网页，以便继续阅读。
+
+验收：
+
+- 本地来源只通过数据库保存的普通文件路径打开
+- 网页来源只允许数据库保存的 HTTP(S) URL
+- Renderer 不能传入任意待打开路径或 URL
+- 文件已移动时显示可恢复错误
+- 不能跨平台精确跳页时仍显示原定位信息
+
+### US-H3 引用与回答一致
+
+作为普通知识使用者，我希望引用列表只显示本次实际检索到的内容。
+
+验收：
+
+- Main 只收集本次 capability token 产生的引用
+- 预检索和模型后续检索引用去重
+- 引用顺序遵循最终相关度和首次使用顺序
+- 单消息引用数和序列化大小有明确上限
+- 不把未检索文档显示为来源
+
+## 10. Epic I：迁移、安全和兼容
+
+### US-I1 无损迁移
+
+作为现有用户，我希望升级后保留知识库、来源、分块、图谱和向量。
+
+验收：
+
+- SQLite 迁移在事务中执行
+- 旧分块默认启用并视为 standalone
+- 旧知识库获得兼容检索和分块设置
+- CJK 索引回填失败时回滚迁移
+- 升级不自动删除或重建原有内容
+
+### US-I2 安全边界
+
+作为本地用户，我希望新增功能不扩大 Renderer 和子 Runtime 权限。
+
+验收：
+
+- 新增 IPC 全部校验可信 sender 和共享 Schema
+- Main 重新检查知识库、文档、分块和来源归属
+- Renderer 不访问 SQLite、文件系统、Electron shell 或凭据
+- 知识内容标记为不可信证据
+- Ask 不获得写工具
+- 错误和日志不包含密钥、授权头和未限制正文
+
+### US-I3 取消和关闭
+
+作为用户，我希望大库检索或重建可以停止，不留下损坏索引。
+
+验收：
+
+- 长向量扫描、单文档重建和全库重建响应 AbortSignal
+- 应用关闭停止新批次并等待有界清理
+- 文档级替换成功前继续使用上一版索引
+- 取消状态区别于失败
+- 取消不会删除原文件或用户维护的其他文档
+
+## 11. 优先级映射
+
+### 第一阶段
+
+- US-A1、US-A2、US-A3
+- US-B1、US-B2、US-B3、US-B4
+- US-C1、US-C2、US-C3、US-C4、US-C5
+- US-D1
+- US-H1、US-H2、US-H3
+- US-I1、US-I2
+
+### 第二阶段
+
+- US-D2、US-D3
+- US-E1、US-E2、US-E3
+- US-F1、US-F2、US-F3
+- US-G1、US-G2、US-G3、US-G4
+- US-I3
+
+## 12. Definition of Done
+
+每个 User Story 只有在以下条件全部满足时才完成：
+
+1. Main、Preload、Renderer 和共享契约保持明确边界。
+2. 行为有聚焦的单元、IPC 或组件回归测试。
+3. 中英文文案同时更新。
+4. 浅色、深色、键盘和窄窗口核心流程可用。
+5. 失败、取消、空结果和降级状态均有独立表现。
+6. 不覆盖用户现有未提交或未跟踪文件。
+7. `npm test`、`npm run typecheck`、`npm run lint` 和 `npm run build`
+   全部通过。
diff --git a/docs/features/knowledge-retrieval-evaluation.md b/docs/features/knowledge-retrieval-evaluation.md
new file mode 100644
index 0000000..474110d
--- /dev/null
+++ b/docs/features/knowledge-retrieval-evaluation.md
@@ -0,0 +1,112 @@
+# Knowledge retrieval evaluation
+
+GoodBuddy's retrieval evaluation is an offline Vitest suite that exercises the
+real `KnowledgeService` and `KnowledgeDatabase` retrieval path without changing
+production data. Run it with:
+
+```text
+npm run eval:retrieval
+```
+
+By default the suite returns the report only to its tests and leaves no file.
+To retain a JSON report, set `GOODBUDDY_RETRIEVAL_EVAL_OUTPUT` to a
+workspace-relative file path. Absolute paths and paths escaping the workspace
+are rejected.
+
+## Corpus and labels
+
+The committed `synthetic-bilingual-v1` fixture is wholly synthetic, bilingual
+(Simplified Chinese and English), and CC0. Stable document, chunk, and query IDs
+make changes reviewable. The strict Zod schema bounds every field and rejects
+unknown fields, duplicate or dangling IDs, inexact annotations, and
+path/endpoint/secret-like values. It also rejects degenerate label sets: each
+language must contain both an answerable and a no-answer query.
+
+Each answerable query has graded chunk judgments:
+
+- `3`: directly answers the question.
+- `2`: substantially answers it.
+- `1`: useful supporting evidence.
+
+Every judgment also contains one or more exact, verbatim answer spans from its
+chunk. A no-answer query has no judgments. When adding labels, two reviewers
+should independently check relevance grades and exact spans, resolve
+disagreements, then update the fixture version or ID when the corpus meaning
+changes.
+
+## Evaluation design
+
+Each run creates a temporary SQLite database and directly seeds the production
+knowledge classes with stable IDs. It uses deterministic in-memory embedding
+providers with stable fingerprints; it does not read API keys, environment
+provider settings, user databases, or network resources. Five ablations use
+the same corpus:
+
+1. lexical retrieval only;
+2. topic-agnostic deterministic token-hash vector retrieval;
+3. handcrafted-alias vector retrieval;
+4. lexical/vector hybrid retrieval;
+5. hybrid retrieval with the local heuristic reranker.
+
+The token-hash provider hashes normalized input tokens without topic-specific
+knowledge, so it is a transparent lexical-overlap vector ablation. The
+handcrafted bilingual alias provider exists only as **regression plumbing** to
+exercise vector, hybrid, and rerank production paths with stable cross-language
+matches. It is fixture-aware and is not an embedding-quality model or a claim
+about real provider quality.
+
+The suite runs twice and compares the deterministic projection (IDs, hashes,
+rank metrics, and failures). Wall-clock latency is intentionally excluded from
+that equality check.
+
+## Metrics
+
+- **Recall@5 / Recall@10:** fraction of all annotated relevant chunks returned
+  within the cutoff, macro-averaged over answerable queries.
+- **MRR@10:** reciprocal rank of the first relevant chunk, with zero when none
+  appears in the first ten.
+- **Graded nDCG@10:** discounted cumulative gain using `2^grade - 1`, divided
+  by the ideal graded ordering.
+- **Context precision:** characters in exact annotated spans found in returned
+  context divided by all returned context characters.
+- **Context recall:** characters in exact annotated spans found in returned
+  context divided by all annotated span characters.
+- **No-answer false-positive rate:** no-answer queries that return any result
+  divided by all no-answer queries.
+- **Latency:** count, minimum, median, p95, maximum, and arithmetic mean in
+  milliseconds for each ablation. These are diagnostic, not deterministic
+  gates.
+
+Rankings are deduplicated by chunk ID before cutoffs and ranking metrics are
+computed. Overlapping or nested exact evidence spans are unioned, so duplicate
+rank entries and overlapping annotations cannot inflate context precision or
+recall. Aggregate metrics are also emitted per language.
+
+## Privacy
+
+Reports contain only fixture/query/ablation IDs, a SHA-256 corpus hash, an
+evaluation-definition hash, a hash of provider definitions, aggregate metrics,
+latency summaries, and ID-based actionable failures. The
+`evaluationDefinitionHash` covers fixture version/ID, raw queries, judgments,
+retrieval settings, ablations, provider definitions, and metric version; it
+changes when the evaluated contract changes without disclosing that contract.
+Reports omit raw queries, document titles, corpus text, snippets/context,
+source paths, endpoints, fingerprints, model names, credentials, metadata, and
+vectors. The integration test checks every fixture title, chunk, query, and
+private provider identifier against the serialized report.
+
+Retained report paths must be workspace-relative. Resolution uses async
+filesystem APIs, rejects absolute/traversal paths and null bytes, checks each
+parent component, and refuses symlink traversal or a symlink destination. The
+report is first written to a same-directory temporary file and then renamed.
+
+## Quality gates
+
+The integration test gates stable lexical, topic-agnostic token-hash,
+regression-vector, hybrid, context-precision/context-recall, and per-language
+baselines. It also requires reranked MRR@10 of at least 0.78, reranked nDCG@10
+of at least 0.75, no-answer false positives no higher than 0.34, and prevents
+local reranking from reducing hybrid nDCG@10 by more than 0.05. Exact nDCG
+arithmetic has a focused unit test. Gates are fixture baselines rather than
+universal production-SLA claims; adjust them only with a reviewed fixture or
+justified retrieval behavior change.
diff --git a/docs/长期助手功能规划.md b/docs/长期助手功能规划.md
index f988dcd..de40db0 100644
--- a/docs/长期助手功能规划.md
+++ b/docs/长期助手功能规划.md
@@ -95,12 +95,6 @@ GoodBuddy 应能够：
 - 允许读取明确授权的上下文。
 - 禁止文件写入、命令执行和外部副作用。
 
-#### Plan
-
-- Runtime 可读取上下文并生成结构化计划。
-- 用户确认计划后才能进入 Execute。
-- 计划变更需要重新确认。
-
 #### Execute
 
 - 允许按现有逐工具审批机制执行。