feat(android): evaluate candidates before human confirmation

docs/00-ai-start-here.md

@@ -51,9 +51,9 @@
 
 ## 当前阶段与优先路径
 
-当前已完成 Phase 0、T-101 至 T-103：Android 可运行、设备就绪、workflow、私有样本
-导入、固定词搜索、最多 5 个候选截图采集和结构化需求提取链路均已验证。下一步是
-T-104，用同一需求 schema 评估候选并停在人工确认点，继续禁止订单提交和支付。
+当前已完成 Phase 0 和 Phase 1：Android 可运行、设备就绪、workflow、私有样本导入、
+动态词搜索、最多 5 个候选截图采集、结构化需求提取、候选评估和人工确认停止点均已
+验证。下一步是 T-201，生成并收敛 Go-Gin、SQLite 和迁移骨架。
 
 严格按以下顺序推进：
 

docs/02-requirements.md

@@ -8,7 +8,7 @@
 | --- | --- |
 | 任务来源 | 其他管理后台或本项目管理 Web 采集商品标题、描述、图片、数量和预算。 |
 | 第一层样本来源 | 本机目录中的蝦皮订单文本和参考图；二者以蝦皮订单号作为同名文件名。 |
-| 执行方式 | 采购人员使用 Android App 操作拼多多；固定词搜索和最多 5 个候选证据采集已可运行，需求提取和匹配判断尚未实现。 |
+| 执行方式 | 采购人员使用 Android App 操作拼多多；需求提取、动态词搜索、最多 5 个候选证据采集、匹配建议和人工确认停止点已可运行。 |
 | 核心痛点 | 人工把图片和描述转成搜索词、逐条比较商品并记录结果，耗时且不一致。 |
 | 验证范围 | 一台设备、一个管理身份、一个采购执行人员、拼多多单平台。 |
 | 资金边界 | MVP 不提交订单、不支付，只验证到人工确认位置。 |
@@ -105,9 +105,11 @@ T-004 已固定首版规则：推荐私有目录为被 Git 忽略的 `private-fi
   原始输入保留，硬约束与输入一致。T-103 已实现版本化 schema、0.75 置信阈值、
   冲突转人工以及 SKU/数量的本地确定性回填；当前样本未提供预算，因此预算保持空。
 - F-005/US-004/IX-006：在已验证的拼多多版本上，App 能从任务进入搜索结果并检查
-  最多 5 个候选；无合理候选时明确结束而不是随意选择。
+  最多 5 个候选；T-104 已把需求搜索词、当前候选证据和严格评估 schema 绑定，
+  无合理候选时明确结束而不是随意选择。
 - F-006/US-005/IX-007：流程到达人工确认点后停止；MVP 任意路径都不能触发最终
-  提交订单或支付。
+  提交订单或支付。T-104 的本地确认只允许标记建议候选可用或拒绝本次候选，
+  `order_submitted` 固定为 `false`。
 - F-007/US-006/IX-008：失败包含稳定错误码、失败步骤、可读说明和必要截图；重新
   打开任务后证据仍可查看。
 
@@ -144,7 +146,8 @@ T-004 已固定首版规则：推荐私有目录为被 Git 忽略的 `private-fi
 - OnePlus PKG110、Android 16/API 36、拼多多 8.17.0 的首页、搜索输入、结果页、
   候选卡和详情返回已形成可复现基线；不同账号、类目和页面实验的差异仍是风险。
 - VLM 需求提取的 provider-neutral 合约和 OpenAI 兼容适配器已实现；真实供应商、
-  模型、测试凭证、成本上限、数据留存地区和图片隐私规则仍待确认。
+  模型、测试凭证、成本上限、数据留存地区和图片隐私规则仍待确认。候选评估契约和
+  本机 mock 集成已实现，但尚无真实模型质量证据。
 - 拼多多平台条款、自动化允许范围和账号风控需要业务方确认；项目不实现绕过措施。
 - 后续若允许提交订单，必须先明确 SKU、收货地址、运费、优惠、发票、金额审批、
   幂等和人工确认规则，并单独更新需求。

docs/03-tech-stack.md

@@ -25,10 +25,10 @@
 | 图片/截图 | 后端受控本地文件目录，数据库存元数据 | MVP 已定 | 禁止把二进制直接塞入日志；生产再评估对象存储。 |
 | 管理鉴权 | 单个种子管理账号 + 服务端会话 Cookie | MVP 已定 | 密码只保存哈希；完整 RBAC 为 V2。 |
 | App 鉴权 | 采购员登录态 + 设备绑定令牌 | 目标已定，细节待实现 | 人员身份与设备身份分离；令牌只保存哈希。 |
-| VLM 接入 | 应用内统一适配器，优先兼容 OpenAI 风格多模态接口 | 需求提取已实现，供应商待定 | T-103 使用严格 JSON Schema、单次调用预算和 2048 px 图片上限；GUI-Owl/MAI-UI 动作模型不具备需求提取能力。 |
+| VLM 接入 | 应用内统一适配器，优先兼容 OpenAI 风格多模态接口 | 需求提取与候选评估已实现，供应商待定 | T-103/T-104 使用严格 JSON Schema、单候选单次调用和 2048 px 图片上限；GUI-Owl/MAI-UI 动作模型不具备需求提取能力。 |
 | 通知 | MVP 不使用推送 | 已定 | 点击“获取任务”调用原子 claim API；V2 再评估厂商推送/WebSocket。 |
 | 后端测试 | 标准库 `testing` + `httptest` | MVP 已定 | 覆盖状态机、权限、幂等、SQLite 事务和输入校验。 |
-| Android 测试 | Gradle `test` + `kotlinx-coroutines-test` 1.7.3 + 真实设备 smoke | 需求提取探针已验证 | 122 次测试覆盖 runner、页面分类、候选、VLM schema、端点策略与隐私；OnePlus PKG110 上完成私有 fixture + 本机 mock 的单次多模态请求 smoke。 |
+| Android 测试 | Gradle `test` + `kotlinx-coroutines-test` 1.7.3 + 真实设备 smoke | Phase 1 探针已验证 | 166 次测试覆盖 runner、动态页面分类、受控证据、VLM schema、人工确认策略与隐私；OnePlus PKG110 上完成私有 fixture + 本机 mock 的需求提取和 5 候选评估 smoke。 |
 | 部署 | 单机局域网 Go 服务；容器化后置 | MVP 已定 | Android 测试机必须能通过 HTTPS 或受控测试网络访问。 |
 
 ## Roubao 上游版本基线

docs/04-architecture.md

@@ -105,6 +105,14 @@ evidence/            # 截图、步骤日志、脱敏和上传
   浏览范围。
 - 模型不能返回点击坐标、状态迁移或“允许提交订单”等执行授权。
 
+T-104 按候选 ordinal 串行评估，每个候选最多一次结构化调用、整批最多 5 次；首个
+网络失败或无效输出停止后续调用。模型响应只允许
+`schema_version/candidate_index/decision/score/matched/missing_or_uncertain/
+rejection_reasons/confidence`，其中 `decision` 仅允许 `REVIEW/REJECT/
+MANUAL_REQUIRED`。ordinal、证据 SHA-256、建议候选、provider provenance、
+`manual_review_required=true` 和 `order_submitted=false` 由本地代码确定。任务没有
+预算时，模型声称价格或预算匹配会被视为无效输出。
+
 T-103 的模型响应只允许
 `schema_version/search_query/category/attributes/confidence/warnings`。属性来源限定为
 `TITLE/IMAGE/BOTH`；额外字段、无效 JSON、重复或越界属性、坐标/动作语义均视为无效
@@ -189,10 +197,10 @@ SearchProbeScreen
 登录、验证码、风控、订单或支付边界都终止 workflow。该路径不提供坐标、ADB、
 Shizuku shell、OCR 或 VLM 动作降级。
 
-T-102 在搜索结果后追加一个有界候选步骤：
+T-102/T-104 在搜索结果后追加一个有界候选步骤：
 
 ```text
-固定词结果页
+精确匹配固定词或当前结构化需求词的结果页
  -> 最多 2 次滚动预算
  -> 最多 5 个去重商品卡
  -> 验证详情页
@@ -206,6 +214,17 @@ T-102 在搜索结果后追加一个有界候选步骤：
 受控 evidence 边界读取，不能让 VLM adapter 自行遍历 cache。Android 10/API 29 及
 以下不能运行当前截图探针，应在预检时明确不支持，不使用媒体投影或 shell 绕过。
 
+`CandidateEvidenceSource` 只接受当前 workflow 内存中的连续 ordinal 元数据，文件名
+固定为 `candidate-01.png` 至 `candidate-05.png`；每张 PNG 最多 8 MiB、全批最多
+32 MiB、声明尺寸最长边不超过 10000 px，并复核规范路径、PNG/IHDR、精确字节数、
+尺寸和 SHA-256。Android gateway 再解码并把最长边缩至 2048 px。当前需求快照与
+搜索词必须同时匹配候选 session，否则拒绝评估；另一个关键词的结果页只允许重新进入
+搜索框，不能采集候选。
+
+评估结束后 automation 不再产生动作，UI 进入 `AWAITING_CONFIRMATION`、
+`MANUAL_REVIEW` 或 `NO_MATCH`。人员可以把本地建议项标记为可用，或拒绝本次候选；
+这只是验证结果，所有状态的 `order_submitted` 均为 `false`。
+
 需求提取是独立探针，不启动拼多多，也不接入 `MobileAgent`。GUI-Owl 和 MAI-UI 输出
 动作/坐标，明确不具备 `supportsRequirementExtraction` 能力。真实供应商未确认前，
 普通测试只使用 Fake gateway；本机 OpenAI 兼容 mock 仅验证 Android 请求链路和隐私

docs/05-coding-rules.md

@@ -65,6 +65,14 @@
 - 需求提取标题和 SKU 分别限制为 2048、512 个 UTF-8 字节，超过上限不得截断后发送。
 - 图片进入 VLM 前必须校验媒体类型、字节上限、JPEG 魔数、SHA-256 和可解码尺寸，并
   按声明长度一次分配精确读取、有界缩放；prompt、Base64 和原始响应不得写普通日志。
+- 候选评估按 ordinal 串行执行，每个候选最多调用一次、整批最多 5 次；失败、取消或
+  无效输出立即停止后续调用，不保留部分结果作为自动建议。
+- 候选证据只能通过当前 session 的 metadata allowlist 读取；复核固定文件名、规范
+  路径、PNG/IHDR、字节数、尺寸和 SHA-256，VLM adapter 不得遍历 cache。
+- 候选 session 必须绑定完整需求快照和精确搜索词；旧需求、其他关键词或失败
+  workflow 的截图不得进入评估。
+- 模型不能设置建议 ordinal、人工确认状态或 `order_submitted`；预算缺失时价格或
+  预算匹配声明无效。
 
 ## 6. 后端与 API 规则
 

docs/api.md

@@ -334,6 +334,7 @@ App 空闲或运行时上报设备状态；运行时任务续租使用任务专
 ```json
 {
   "schema_version": 1,
+  "candidate_index": 1,
   "decision": "REVIEW",
   "score": 0.82,
   "matched": ["颜色接近", "价格未超预算"],
@@ -343,7 +344,11 @@ App 空闲或运行时上报设备状态；运行时任务续租使用任务专
 }
 ```
 
-`decision` 只允许 `REVIEW`、`REJECT`、`MANUAL_REQUIRED`。模型没有“提交订单”权限。
+`candidate_index` 必须原样回显当前候选 ordinal；`decision` 只允许 `REVIEW`、
+`REJECT`、`MANUAL_REQUIRED`。App 按 ordinal 串行评估，每个候选最多调用一次、整批
+最多 5 次，并由本地确定性规则产生建议项。模型不能返回页面动作、建议 ordinal、
+人工确认状态或订单授权，也没有“提交订单”权限；原任务未提供预算时，任何价格或
+预算匹配声明都视为无效输出。
 
 ## 执行事件与结果
 

docs/current-state.md

@@ -5,8 +5,8 @@
 ## 当前快照
 
 - 日期：2026-07-25
-- 阶段：T-103 已完成；准备 T-104 候选评估与人工确认点
-- Git：当前分支为 `main`；T-001 至 T-004、T-101 至 T-103 均已纳入 Git 历史
+- 阶段：Phase 1 已完成，准备开始 T-201 后端骨架
+- Git：当前分支为 `main`；T-001 至 T-004、T-101 至 T-104 均已纳入 Git 历史
 - 生产代码：`android-buyer/` 已接入 Roubao Android 源码
 - Android：固定 `main@c8a6d7f03422eb01744b01f3ee77bf7757741f7e`；MIT 许可证已保留
 - 后端：已决定使用 Go 1.23.0 + Gin 1.11.0；Go Blueprint v0.10.11 骨架尚未接入
@@ -14,12 +14,13 @@
   Build Tools 34.0.0、Platform Tools/ADB 37.0.0；用户级 SDK 环境变量已设置
 - Android Studio：未安装；`winget` 静默安装卡住后已终止，不阻塞命令行构建
 - 测试：`lintDebug test assembleDebug` 成功；App 两个变体、task contract 和导入器
-  共 20 份报告、122 次测试，0 failure、0 error、0 skipped
+  共 26 份报告、166 次测试，0 failure、0 error、0 skipped
 - Workflow：纯 Kotlin runner 已支持步骤 timeout、最多 3 次 retry、安全阻塞、
   用户停止和单 runner 并发拒绝；T-102 已接入搜索加有界候选采集五步
 - TaskSource：严格 CLI 已生成并验证真实私有 ProbeTask；默认 APK 不含私有 fixture
-- VLM：需求提取 schema、0.75 阈值、冲突转人工、单次 OpenAI 兼容调用、安全端点
-  策略、字段/响应上限和 JPEG 校验/缩放已实现；SKU/数量由本地原值回填，预算保持空
+- VLM：需求提取与候选评估均使用严格 schema、0.75 阈值、受控证据源、安全端点和
+  单次调用边界；候选最多 5 个并按 ordinal 串行评估，本地产生建议并停在人工确认，
+  SKU/数量由本地原值回填，预算保持空，订单提交状态固定为 false
 - 测试设备：OnePlus PKG110，Android 16/API 36；肉包 `1.4.2 (7)`；拼多多
   `8.17.0 (81700)`
 - 设备就绪：肉包采购无障碍已启用并连接；拼多多首页、搜索输入、固定词结果页、
@@ -45,6 +46,7 @@
 | `docs/tasks/T-101.md` | DONE | 固定脱敏词拼多多搜索和结果页真机验证 |
 | `docs/tasks/T-102.md` | DONE | 最多 5 个候选详情截图、证据 manifest 和结果页返回 |
 | `docs/tasks/T-103.md` | DONE | 私有任务需求 schema、硬约束、隐私边界和 VLM 适配器 |
+| `docs/tasks/T-104.md` | DONE | 动态搜索、候选严格评估、本地建议和人工确认点 |
 | `deepseek总结.txt` | 已有 | 历史讨论摘要，不是正式需求权威 |
 | `android-buyer/` | 已有 | Roubao `main` 固定 commit 的 Android 基线 |
 | `android-buyer/task-contract/` | 已有 | Android/CLI 共享 ProbeTask 与 TaskSource |
@@ -54,9 +56,9 @@
 
 ## 任务摘要
 
-- 已完成：T-001 至 T-004，以及 T-101 至 T-103。
+- 已完成：T-001 至 T-004，以及 T-101 至 T-104。
 - 正在进行：无。
-- 下一个可领取任务：T-104 接入候选评估并停在人工确认点。
+- 下一个可领取任务：T-201 生成并收敛 Go-Gin、SQLite 和迁移骨架。
 
 ## 当前可运行内容
 
@@ -77,6 +79,12 @@ $env:RUN_START_COMMAND = "1"
 清空旧结果；设备原 API provider 设置已恢复。该 smoke 只证明集成与隐私边界，不
 代表真实 VLM 提取质量；真实凭证调用未执行。
 
+同日完成 T-104 真机 smoke：结构化需求搜索词驱动拼多多搜索并采集 5 份候选证据，
+本机 mock 精确收到 5 次按 ordinal 排序的单图 POST；请求未包含订单、店铺、本机
+路径或数量字段。严格评估进入“等待人工确认”，人员可标记建议候选可用或拒绝，
+`order_submitted` 始终为 false；日志敏感词、Base64、原始响应和 schema/prompt
+命中均为 0。该结果不代表真实模型的商品匹配质量。
+
 ## 维护规则
 
 发生以下变化时覆盖更新本文：

docs/tasks/T-104.md

@@ -0,0 +1,109 @@
+---
+id: T-104
+title: 接入候选评估并停在人工确认点
+phase: 1
+deps:
+  - T-102
+  - T-103
+status: DONE
+created: 2026-07-25
+context_ref: 32d5310
+work_branch: main
+write_paths:
+  - android-buyer/app/src/main/java/com/roubao/autopilot/MainActivity.kt
+  - android-buyer/app/src/main/java/com/roubao/autopilot/accessibility/**
+  - android-buyer/app/src/main/java/com/roubao/autopilot/pinduoduo/**
+  - android-buyer/app/src/main/java/com/roubao/autopilot/ui/screens/SearchProbeScreen.kt
+  - android-buyer/app/src/main/java/com/roubao/autopilot/vlm/**
+  - android-buyer/app/src/test/java/com/roubao/autopilot/pinduoduo/**
+  - android-buyer/app/src/test/java/com/roubao/autopilot/vlm/**
+  - docs/**
+  - progress.md
+---
+
+## 问题 / 背景
+
+T-102 已能有界采集最多 5 份匿名候选截图证据，T-103 已能从私有任务得到严格的结构化
+需求，但两者尚未使用同一搜索词连接，候选也没有匹配项、缺失项和拒绝原因。T-104
+只完成候选建议和人员确认闭环，不提交订单、不进入支付。
+
+## 方案
+
+1. 需求提取成功后，候选探针使用该提取结果的搜索词；固定脱敏词仍保留给 T-101/T-102
+   独立回归。
+2. 只有搜索词与当前需求一致且 workflow 成功的候选证据可以评估。
+3. 受控 evidence source 按内存中的候选元数据读取匿名 PNG，复核数量、文件名、路径、
+   字节数、PNG 尺寸和 SHA-256；VLM adapter 不自行遍历 cache。
+4. 每次用户操作按 ordinal 串行评估，单个候选最多调用一次、全批最多 5 次；任一网络
+   失败或无效输出都会停止后续付费调用。
+5. 本地代码从有效评估中稳定产生建议项；预算缺失、低分、不确定或模型输出无效时保持
+   人工处理。无论模型输出如何，都不能产生页面动作或订单授权。
+6. UI 展示匹配项、缺失项、拒绝原因和建议项，并停在人工确认点；人员只能标记候选
+   可用或拒绝本次候选，结果始终记录 `order_submitted=false`。
+
+## 验收要点
+
+- [x] 候选搜索使用当前结构化需求的搜索词，旧搜索结果不能冒充当前任务证据。
+- [x] 最多 5 份候选 PNG 经受控边界验证后才进入评估 gateway。
+- [x] 模型请求不含订单号、店铺名、本机路径、数量或支付信息。
+- [x] 严格 schema 输出每个候选的判断、分数、匹配项、缺失项和拒绝原因。
+- [x] 缺候选、ordinal 不一致、额外字段、动作语义和证据篡改均安全失败或转人工。
+- [x] UI 明确停在人工确认，不包含提交订单或支付动作。
+- [x] Fake gateway、证据读取、动态搜索和人工确认状态均有自动化测试。
+- [x] `lintDebug test assembleDebug` 通过，默认 APK 不含私有 fixture。
+- [x] 无真实模型凭证时只用本机 mock 验证集成，不宣称真实匹配质量。
+
+## 执行记录
+
+### 2026-07-25：任务开始
+
+- 基于 T-103 提交 `32d5310` 开始。
+- 当前外部 blocker 仍是真实 VLM 供应商、凭证、费用、数据留存和模型效果；先完成
+  provider-neutral 契约、Fake 测试和本机 mock 集成。
+
+### 2026-07-25：实现
+
+- 动态搜索使用当前 `RequirementExtraction.searchQuery`，同时绑定完整需求快照、
+  搜索词、成功 workflow 和本次候选 metadata；任一不一致都拒绝评估。
+- `CandidateEvidenceSource` 只按内存 allowlist 读取 `candidate-01.png` 等固定匿名
+  文件，复核规范路径、8 MiB 单图/32 MiB 总量、PNG/IHDR、尺寸和 SHA-256。
+- `CandidateEvaluator` 按 ordinal 串行调用，单候选一次、全批最多 5 次；无效输出、
+  provider 失败或取消立即停止后续调用，无效批次不保留先前自动建议。
+- 严格解析候选 ordinal、判断、分数、匹配项、缺失项、拒绝原因和置信度；拒绝额外
+  字段、数字字符串、坐标/动作/提交/支付语义，以及无预算时的价格匹配声明。
+- 推荐候选由本地按分数、置信度和 ordinal 稳定产生；人工接受必须对应实际存在的
+  `REVIEW` 建议项，批次和 UI 均固定 `order_submitted=false`。
+- UI 展示每个候选的评估理由、警告和人工操作，只提供“标记建议候选可用”和
+  “拒绝本次候选”，没有提交订单或支付控件。
+
+### 2026-07-25：自动化验证
+
+- 执行
+  `.\gradlew.bat :app:lintDebug test assembleDebug --no-daemon`，构建与 lint 通过。
+- App Debug/Release、task contract 和导入器共 26 份报告、166 次测试，0 failure、
+  0 error、0 skipped。
+- 覆盖动态搜索、其他关键词结果页、受控证据路径/大小/PNG/尺寸/哈希、每候选调用
+  次数与停止规则、严格 schema、隐私字段、确定性推荐、人工确认和订单未提交状态。
+- 不带 `probeFixturesDir` 重建默认 Debug APK，`assets/probe-fixtures/` 条目为 0。
+
+### 2026-07-25：真机 smoke
+
+- 在 OnePlus PKG110、Android 16/API 36、拼多多 8.17.0 上，用私有 fixture 完成
+  动态搜索和 5/5 候选证据采集。
+- 一次性本机 OpenAI 兼容 mock 精确收到 5 次 POST，ordinal 为 1 至 5，每次只有
+  一张 JPEG data URL；订单、店铺、本机路径和数量字段命中均为 false。
+- 严格响应进入“等待人工确认”，5 个候选均可见；点击“标记建议候选可用”后显示
+  候选已由人员标记可用且订单未提交，页面没有提交或支付按钮。
+- 候选流程后的 logcat 中私有 sentinel、Base64、原始 mock 响应及 schema/prompt
+  命中均为 0；设备 provider 已恢复，ADB reverse 已移除。
+
+### 未验证项
+
+- 未使用真实远程 VLM 凭证，不宣称真实商品匹配质量、成本或供应商可用性。
+- 当前证据是整页截图，尚无确定性商品标题和价格采集；第一层预算为空，因此任何
+  价格或预算匹配都转人工。
+
+### 后续
+
+- T-201 建立 Go-Gin、SQLite 和迁移骨架。
+- T-202 生成并确认 P0 Web/App 低保真原型。