證據分類分析結果報表（FR-031）Implementation Plan

For agentic workers: REQUIRED SUB-SKILL: Use superpowers:subagent-driven-development (recommended) or superpowers:executing-plans to implement this plan task-by-task. Steps use checkbox (- [ ]) syntax for tracking.

Goal: 把既有 Python 報表演算法（validate.py / gen_ao_adjudication.py）移植進 BE，每次分類 run 落 DB，並提供 2 個系統內獨立唯讀報表頁（驗證報表 + 各 AO 誰對誰錯）。

Architecture: 新增 compliance.evidence_classification_runs 主表（JSONB 鏡像三個 Drive 產物）+ 完整 DDD 持久層；既有 _finalize_drive_output/put_state/archive_run 旁路補寫 DB（不改既有 Drive 行為與畫面）；報表為純函式 builder 吃 DB row（report_original + state）× catalog × CANON → 結構化 JSON → FE PrimeVue 渲染。

Tech Stack: Python 3.11 / Flask-RESTful (flask_apispec MethodResource) / SQLAlchemy + jedi_common BaseModel/BaseRepositoryImpl / dependency-injector / PostgreSQL JSONB / pytest｜FE: Vue 3 + PrimeVue + Pinia。

⚠️ 實作後追加（見 design.md §13 Reconciliation）：本計畫 Phase 1-7 完成後，依實機對照外部 script + user 回饋追加了：正解匯入(Option B)（新表 evidence_classification_ground_truth + import API + 報告①②都吃匯入正解）、報告② 同源正解修正、報告① 結構強化（ao_by_control / 未分類彙整 / 移除 attention）、FE 改成 1:1 移植 script HTML 版面（非原 D7 的 generic PrimeVue 重畫）。細節以 design §13 為準。

規範錨點（每個 commit 都遵守）：

• DDD 嚴格分層（route 不碰 DB、app service @transaction、repo 繼承 BaseRepositoryImpl），見 CLAUDE.md。
• error code 走 EvidenceClassificationErrorCode（前綴 EC_）。
• commit 顯式 git add <檔名>，禁用 -am（memory feedback_subagent_explicit_git_add）。
• app service test 必加 logger patch autouse fixture（memory feedback_test_logger_patch_db_handler）。
• 改 BE service 後提醒 user 重啟 BE（無 hot reload）；服務一律 user 自己起，計畫不附啟動命令。
• 不切 branch；push 等 user 明示。

plan 寫好到實作常隔多日，先驗證 method/欄位假設（memory feedback_plan_vs_reality_verify_first）。

• 0.1 確認三個整合點簽名仍是：
  • _finalize_drive_output(self, job_uid, tenant_id, evidence_folder_id, state, catalog_data, copy_files=True)
  • put_state(self, run_folder_id, new_state, current_user_id) -> dict
  • archive_run(self, run_folder_id, current_user_id) -> dict Run: grep -n "def _finalize_drive_output\|def put_state\|def archive_run" app/evidence_classification/service/evidence_classification_service.py
• 0.2 在 _finalize_drive_output 內定位 report_original dict 與 container_log 文字的取得點（DB upsert 需要這兩個；state 已是參數）。記下變數名 / 讀檔路徑。 Run: sed -n '244,427p' app/evidence_classification/service/evidence_classification_service.py
• 0.3 確認 _finalize_drive_output 能拿到 project_id / ap_id / org_unit_id（DB row 索引欄）。若 service 內只有 project_uid/ap_uid，記下需從 project entity 取 id、AP 從哪查。
• 0.4 確認 catalog 實際結構： Run: python3 -c "import json;d=json.load(open('docs/reference/CMMC-Level 1-Evidences/cmmc_l1_aos.json'));print(d['domains'][0]['controls'][0].keys())" 確認有 id/name/statement/assessment_objectives，AO 子項結構（取 ao_id + ao_text）。
• 0.5 確認 route 註冊方式：看 api/evidence_classification/routes/evidence_classification_route.py 結尾 create_module() / blueprint add_url_rule 樣式，2 個新 route 照抄。
• 0.6 把 0.2~0.5 發現若與 design 有出入，先回報 user再動工（不自行 patch design）。

Task 1.1：SQL migration

Files: Create scripts/sql/2026-05-31_fr031_evidence_classification_runs.sql

• Step 1: 寫 migration（欄位對齊 BaseModel：created_at/updated_at/created_user/updated_user）

-- Date: 2026-05-31
-- FR-031 證據分類分析結果報表 — run 結果落 DB
CREATE TABLE compliance.evidence_classification_runs (
    id                      BIGSERIAL    PRIMARY KEY,                       -- (2026-05-31)
    run_folder_id           VARCHAR(128) NOT NULL,                          -- Drive run folder id（自然鍵）(2026-05-31)
    run_folder_name         VARCHAR(255),
    tenant_id               INTEGER      NOT NULL,
    project_id              INTEGER      NOT NULL,
    project_uid             VARCHAR(36),                                   -- FE 列表/URL (2026-05-31)
    ap_uid                  VARCHAR(36),                                   -- AP uid soft ref (2026-05-31)
    org_unit_id             INTEGER,
    framework_id            VARCHAR(64)  NOT NULL DEFAULT 'cmmc-l1',
    model                   VARCHAR(64),
    confidence_threshold    NUMERIC(4,2),
    status                  VARCHAR(32)  NOT NULL DEFAULT 'completed',
    archive_files           BOOLEAN      NOT NULL DEFAULT TRUE,
    input_file_count        INTEGER,
    classified_count        INTEGER,
    estimated_cost_usd      NUMERIC(10,4),
    triggered_at            TIMESTAMPTZ,
    completed_at            TIMESTAMPTZ,
    last_edited_at          TIMESTAMPTZ,                                    -- 報告① 降級判定 (2026-05-31)
    archived_at             TIMESTAMPTZ,
    triggered_by_user_id    INTEGER,
    last_edited_by_user_id  INTEGER,
    archived_by_user_id     INTEGER,
    report_original         JSONB,                                         -- AI 原始, immutable (2026-05-31)
    state                   JSONB,                                         -- 當前狀態, 同步 Drive (2026-05-31)
    container_log           TEXT,
    created_at              TIMESTAMPTZ  NOT NULL DEFAULT now(),
    updated_at              TIMESTAMPTZ  NOT NULL DEFAULT now(),
    created_user            VARCHAR(50),
    updated_user            VARCHAR(50)
);
CREATE UNIQUE INDEX uq_ecr_run_folder_id ON compliance.evidence_classification_runs (run_folder_id);  -- (2026-05-31)
CREATE INDEX ix_ecr_project_ap ON compliance.evidence_classification_runs (project_uid, ap_uid);      -- (2026-05-31)
CREATE INDEX ix_ecr_tenant ON compliance.evidence_classification_runs (tenant_id);                    -- (2026-05-31)
GRANT SELECT, INSERT, UPDATE, DELETE ON compliance.evidence_classification_runs TO cm_app;
GRANT USAGE, SELECT ON SEQUENCE compliance.evidence_classification_runs_id_seq TO cm_app;

• Step 2: 套 DEV DB（用 cmmgr，psql 帶 -p 25432 -d guidant_ai_dev；密碼查 .env DB_SECRET）。驗證 \d compliance.evidence_classification_runs。
• Step 3: Commit

git add scripts/sql/2026-05-31_fr031_evidence_classification_runs.sql
git commit -m "feat(evidence-classify): FR-031 run 落 DB migration（evidence_classification_runs）"

Task 1.2：ORM model

Files: Create infra/evidence_classification/model/classification_run_model.py, infra/evidence_classification/model/__init__.py

• Step 1: 寫 model（繼承 BaseModel；JSONB 用 postgresql dialect；schema=compliance；不重宣告 audit 欄位）

from datetime import datetime
from typing import Optional
from sqlalchemy import String, Integer, Numeric, Boolean, Text, DateTime
from sqlalchemy.dialects.postgresql import JSONB
from sqlalchemy.orm import Mapped, mapped_column
from jedi_common.session.database.model.base_model import BaseModel


class ClassificationRunModel(BaseModel):
    """證據分類 run 結果（鏡像 Drive run folder）"""
    __tablename__ = "evidence_classification_runs"
    __table_args__ = {"schema": "compliance", "comment": "證據分類 run 結果"}

    run_folder_id: Mapped[str] = mapped_column(String(128), nullable=False, comment="Drive run folder id（自然鍵）")
    run_folder_name: Mapped[Optional[str]] = mapped_column(String(255))
    tenant_id: Mapped[int] = mapped_column(Integer, nullable=False)
    project_id: Mapped[int] = mapped_column(Integer, nullable=False)
    project_uid: Mapped[Optional[str]] = mapped_column(String(36))
    ap_uid: Mapped[Optional[str]] = mapped_column(String(36))
    org_unit_id: Mapped[Optional[int]] = mapped_column(Integer)
    framework_id: Mapped[str] = mapped_column(String(64), nullable=False, server_default="cmmc-l1")
    model: Mapped[Optional[str]] = mapped_column(String(64))
    confidence_threshold: Mapped[Optional[float]] = mapped_column(Numeric(4, 2))
    status: Mapped[str] = mapped_column(String(32), nullable=False, server_default="completed")
    archive_files: Mapped[bool] = mapped_column(Boolean, nullable=False, server_default="true")
    input_file_count: Mapped[Optional[int]] = mapped_column(Integer)
    classified_count: Mapped[Optional[int]] = mapped_column(Integer)
    estimated_cost_usd: Mapped[Optional[float]] = mapped_column(Numeric(10, 4))
    triggered_at: Mapped[Optional[datetime]] = mapped_column(DateTime(timezone=True))
    completed_at: Mapped[Optional[datetime]] = mapped_column(DateTime(timezone=True))
    last_edited_at: Mapped[Optional[datetime]] = mapped_column(DateTime(timezone=True))
    archived_at: Mapped[Optional[datetime]] = mapped_column(DateTime(timezone=True))
    triggered_by_user_id: Mapped[Optional[int]] = mapped_column(Integer)
    last_edited_by_user_id: Mapped[Optional[int]] = mapped_column(Integer)
    archived_by_user_id: Mapped[Optional[int]] = mapped_column(Integer)
    report_original: Mapped[Optional[dict]] = mapped_column(JSONB)
    state: Mapped[Optional[dict]] = mapped_column(JSONB)
    container_log: Mapped[Optional[str]] = mapped_column(Text)

    def __repr__(self) -> str:
        return f"<ClassificationRunModel {self.run_folder_id}>"

• Step 2: Commit

git add infra/evidence_classification/model/classification_run_model.py infra/evidence_classification/model/__init__.py
git commit -m "feat(evidence-classify): FR-031 ClassificationRunModel ORM"

Task 1.3：Entity + QueryEntity

Files: Create domain/evidence_classification/entity/classification_run_entity.py, classification_run_query_entity.py, domain/evidence_classification/__init__.py + entity/__init__.py

• Step 1: 寫 entity（plain class，建構子含全欄位 + audit；mirror subtask 範本）。report_original/state 為 dict、container_log 為 str。
• Step 2: 寫 query entity（run_folder_id / project_id / ap_id / tenant_id，皆 =None）。
• Step 3: Commit（explicit add 兩檔 + init）。

Task 1.4：Mapper

Files: Create infra/evidence_classification/mapper/classification_run_mapper.py + mapper/__init__.py

• Step 1: 寫 mapper（to_entity / to_list_entity / to_model，全欄位逐一；mirror subtask mapper，補 to_model 供 add/update）。
• Step 2: Commit。

Task 1.5：Repo interface + impl

Files: Create domain/evidence_classification/repository/classification_run_repository.py, infra/evidence_classification/repository/classification_run_repository_impl.py (+ __init__)

• Step 1: interface

from jedi_common.session.database.repository.base_repository import IBaseRepo
from typing import TypeVar
T = TypeVar("T"); Q = TypeVar("Q")
class IClassificationRunRepo(IBaseRepo[T, Q]):
    pass

• Step 2: impl（mirror SubtaskStatusHistoryRepoImpl：super().__init__(model=ClassificationRunModel, mapper=ClassificationRunMapper)）。
• Step 3: Commit。

Task 1.6：Domain service

Files: Create domain/evidence_classification/service/classification_run_domain_service.py + service/__init__.py

• Step 1: 寫 domain service（注入 repo）。公開 method：
  • get_by_run_folder_id(run_folder_id) -> Entity | None（get_one_by_fields）
  • upsert_run(entity) -> Entity（先查 run_folder_id，有則帶 id 走 update、無則 add）
  • update_state(run_folder_id, state: dict, last_edited_at, last_edited_by_user_id, archive_files=None, archived_at=None, archived_by_user_id=None)（查到 entity → 覆寫對應欄位 → update）
  • list_by_project_ap(project_id, ap_id) -> list[Entity]（報表/列表用，可選）
• Step 2: Commit。

Task 1.7：DI wiring

Files: Modify di_containers/evidence_classification/evidence_classification_containers.py

• Step 1: 加 classification_run_repo = providers.Factory(ClassificationRunRepoImpl) + classification_run_domain_service = providers.Factory(ClassificationRunDomainService, classification_run_repo=classification_run_repo)；把它注入 evidence_classification_service（新增建構子參數，見 Task 2.1）。
• Step 2: 確認 auto-scan 不需額外註冊（repo/domain service 非 auto-scan 目標，靠 container 顯式 wire）。
• Step 3: Commit。

Task 2.0：trigger 把 ap_uid 存進 JobRegistry（Phase 0 驗證補）

Files: Modify app/evidence_classification/service/evidence_classification_service.py、app/evidence_classification/service/job_registry.py

• Step 1: JobRegistry.create(...) 加參數 ap_uid: str = None 並存入 job dict（registry 原本沒存 ap）。
• Step 2: trigger_classify 內 JobRegistry.create(...) 呼叫補 ap_uid=ap_uid。
• Step 3: Commit。

• 取值對照（_finalize upsert 用）：project_id/project_uid/model/confidence_threshold/framework_id/archive_files/triggered_by(started_by_user_id) ← JobRegistry.get(job_uid)；org_unit_id ← get_user_context().org_unit_id；ap_uid ← registry（本 task 補存後）；report_original ← self._runner.read_report(job_uid)；container_log ← self._runner.read_container_log(job_uid)；state ← 參數。

Task 2.1：service 注入 domain service + upsert at finalize

Files: Modify app/evidence_classification/service/evidence_classification_service.py

• Step 1: Test（test/test_evidence_classification_db_persist.py，含 logger patch autouse fixture）：mock Drive ops + container，呼叫觸發/finalize 路徑後，斷言 classification_run_domain_service.upsert_run 被呼叫且 entity 帶正確 run_folder_id/project_id/model/threshold/archive_files/report_original/state/container_log。
• Step 2: 跑測試確認 FAIL。
• Step 3: 實作：建構子加 classification_run_domain_service 參數存 self._run_ds；在 _finalize_drive_output 上傳 JSON 成功後，組 ClassificationRunEntity 呼叫 self._run_ds.upsert_run(...)。
  • 取 report_original/container_log 依 Phase 0.2 發現的來源。
  • DB 失敗不可回滾 Drive：包 try/except Exception as e: logger.error(...)（不 re-raise）。
• Step 4: 跑測試確認 PASS。
• Step 5: Commit（explicit add service + test）。

Task 2.2：put_state / archive_run 同步 DB

Files: Modify same service

• Step 1: Test：put_state 後斷言 update_state 被呼叫且帶新 state + last_edited_at/last_edited_by_user_id；archive_run 後帶 archive_files=True+archived_at/archived_by_user_id。
• Step 2: FAIL → 實作 → PASS：在兩 method 覆寫 Drive _state.json 成功後補 self._run_ds.update_state(...)（同樣 try/except 不回滾）。
• Step 3: Commit。

Task 2.3：歷史 run lazy 回填（開放問題1，預設做）

Files: Modify same service（get_state 或新 helper _ensure_run_persisted）

• Step 1: Test：DB 無 row 但 Drive 有 → 呼叫 report/state 端點時，從 Drive 載入 _state.json/_report-original.json/log → upsert_run 一次。
• Step 2: FAIL → 實作 → PASS：_ensure_run_persisted(run_folder_id, tenant_id)：先查 DB；無則用既有 drive_ops 讀三檔 + tenant 反查 → upsert。報表 method 開頭呼叫它。
• Step 3: Commit。

Task 3.1：report_common.py

Files: Create app/evidence_classification/service/report/__init__.py, report_common.py; Test test/test_report_common.py

• Step 1: Test（純函式，無需 logger fixture / DB）：

from app.evidence_classification.service.report.report_common import doc_key, normalize_aoid, ai_placements, user_placements

def test_doc_key_same_doc_diff_ext():
    assert doc_key("X_20260518.pdf") == doc_key("X.docx")        # 去日期/副檔名後同鍵

def test_normalize_aoid_single_ao_autofill():
    assert normalize_aoid("PE.L1-3.10.4", {"PE.L1-3.10.4[a]"}) == "PE.L1-3.10.4[a]"

def test_ai_placements_threshold_filter():
    ro = {"metadata": {"confidence_threshold": 0.8},
          "files": [{"file_name": "a.png", "matches": [{"ao_id": "AC.L1-3.1.1[a]", "confidence": 0.9}, {"ao_id": "IA.L1-3.5.2[a]", "confidence": 0.4}]}]}
    ph, unplaced, diag = ai_placements(ro, 0.8, {"AC.L1-3.1.1[a]", "IA.L1-3.5.2[a]"})
    assert ph == {"AC.L1-3.1.1[a]": ["a.png"]}
    assert unplaced == []

def test_user_placements_from_state():
    st = {"files": [{"file_name": "a.png", "is_deleted": False,
                     "placements": [{"ao_id": "AC.L1-3.1.1[a]"}]}]}
    assert user_placements(st) == {"AC.L1-3.1.1[a]": ["a.png"]}

• Step 2: 跑測試 FAIL。
• Step 3: 實作（移植 validate.py 的 nfc/norm_name/doc_key/normalize_aoid/practice_of/parse_container_log，砍掉 INDEX_TO_NIST/SPECIAL_IX/load_excel/to_ai_aoid；新增 load_catalog(framework_id) 攤平 domains→controls→AOs、ai_placements、user_placements、CTRL_NAME 16 條）。完整演算法參照 validate.py lines 68-227。
• Step 4: 跑測試 PASS。
• Step 5: Commit。

Task 4.1：validation_report_builder.py

Files: Create app/evidence_classification/service/report/validation_report_builder.py; Test test/test_validation_report_builder.py

• Step 1: Test（餵造好的 report_original + state + 迷你 catalog dict）：

def test_full_mode_recall_precision():
    # state.metadata.last_edited_at 有值 → full；AI 對 1/2 → recall/precision 可算
    report = build_validation_report(report_original, state_reviewed, catalog)
    assert report["mode"] == "full"
    assert report["summary"]["control_level"]["hit"] == 1

def test_degraded_when_unreviewed():
    # last_edited_at/archived_at 皆 None → degraded，無 summary
    report = build_validation_report(report_original, state_raw, catalog)
    assert report["mode"] == "degraded"
    assert "summary" not in report or report["summary"] is None
    assert report["unclassified"] is not None         # 降級仍給未分類診斷 + 放置清單

def test_missing_four_levels():
    # 構造涵蓋 版本格式/AO選錯/分到其他控制項/AI完全未分類 四級
    ...
def test_unclassified_three_categories_and_recover():
    # catA/catB/catC + 降門檻可否救回
    ...

• Step 2: FAIL。
• Step 3: 實作 build_validation_report(report_original, state, catalog) -> dict：
  • GT = user_placements(state)；AI = ai_placements(report_original)；catalog 給 valid_aoids + control_name + ao_text。
  • 降級判定：state["metadata"].get("last_edited_at") 與 archived_at 皆 falsy → mode="degraded"，跳過 recall/precision 與四級彙整，仍輸出 unclassified + AI 放置 + cost。
  • 演算法逐段對應 validate.py main()+write_reports()（控制項/AO 層級、四級 label、未分類三類、docker log 解析）。輸出 §5.2 JSON shape。
  • 不產 HTML/MD/CSV（只回 dict）。
• Step 4: PASS。
• Step 5: Commit。

Task 5.1：CANON 資源檔

Files: Create app/evidence_classification/resources/cmmc_l1_canon.json + resources/__init__.py

• Step 1: 把 gen_ao_adjudication.py 的 CANON dict（63 檔）轉成 §5.4 結構：

{ "framework_id": "cmmc-l1",
  "rules": { "Login_Fido_Setting.png": {"controls": ["IA.L1-3.5.2"], "rationale": "FIDO 登入＝身分鑑別"},
             "NTP_Setting.png": {"controls": [], "rationale": "L2 範圍外"} } }

（逐筆照搬，set(...) → array、空 set → []、理由原文）。

• Step 2: Commit。

Task 5.2：adjudication_report_builder.py

Files: Create app/evidence_classification/service/report/adjudication_report_builder.py; Test test/test_adjudication_report_builder.py

• Step 1: Test：

def test_user_wrong_detected():
    # 權限申請表 User 放 IA.3.5.2（鑑別），CANON 說應在 AC.3.1.1 → user_wrong 抓到
    r = build_adjudication_report(report_original, state, catalog, canon)
    assert any(w["file"] == "perm_form.pdf" for w in r["user_wrong"])

def test_ai_over_placement():
    # AI 放 CANON 外 → ai_wrong
def test_out_of_scope_empty_canon():
    # NTP（CANON 空集合）兩邊放 → out_scope
def test_undecided_when_not_in_canon():
    # 檔不在 CANON → undecided，不判對錯
def test_available_false_when_no_canon():
    assert build_adjudication_report(ro, st, catalog, canon=None)["available"] is False
def test_note_user_equals_ai_when_unreviewed():
    # last_edited_at None → note_user_equals_ai True

• Step 2: FAIL。
• Step 3: 實作 build_adjudication_report(report_original, state, catalog, canon) -> dict（移植 gen_ao_adjudication.py::main() 判定邏輯：控制項精確比對、空集合超範圍、不在 CANON 未裁定；User 側 user_placements、AI 側 ai_placements）。輸出 §5.3 JSON。canon is None → {"available": False}。
• Step 4: PASS。
• Step 5: Commit。

Task 5.3：CANON loader

Files: Modify report_common.py（或新 canon_loader.py）

• Step 1: Test：load_canon("cmmc-l1") 回 dict；load_canon("unknown") 回 None。
• Step 2: FAIL → 實作（讀 resources/_canon.json，缺檔回 None）→ PASS。
• Step 3: Commit。

Task 6.1：app service 兩個 report method

Files: Modify evidence_classification_service.py; Test test/test_evidence_classification_report_endpoints.py（logger fixture）

• Step 1: Test：mock _run_ds.get_by_run_folder_id 回帶 report_original+state 的 entity → get_validation_report(run_folder_id, user_id) 回 dict 含 mode；get_adjudication_report(...) 回含 available。run 不存在（DB+Drive 皆無）→ raise NotFound(EC_RUN_NOT_PERSISTED)。
• Step 2: FAIL。
• Step 3: 實作（皆 @transaction）：

@transaction
def get_validation_report(self, run_folder_id, current_user_id) -> dict:
    run = self._ensure_run_persisted_for_read(run_folder_id, current_user_id)
    catalog = load_catalog(run.framework_id)
    return build_validation_report(run.report_original, run.state, catalog)

@transaction
def get_adjudication_report(self, run_folder_id, current_user_id) -> dict:
    run = self._ensure_run_persisted_for_read(run_folder_id, current_user_id)
    catalog = load_catalog(run.framework_id)
    canon = load_canon(run.framework_id)
    return build_adjudication_report(run.report_original, run.state, catalog, canon)

• Step 4: PASS。
• Step 5: Commit。

Task 6.2：error code + route

Files: Modify common/code/evidence_classification_error_code.py, api/evidence_classification/routes/evidence_classification_route.py

• Step 1: error code 加 EC_RUN_NOT_PERSISTED = ("分類結果尚未保存，無法產生報表", "EC_404008")。
• Step 2: 加 2 個 MethodResource（mirror ClassificationRunStateRoute）：
  • GET /api/1.0/classification-run/<run_folder_id>/report/validation → service.get_validation_report(run_folder_id, user.id)
  • GET /api/1.0/classification-run/<run_folder_id>/report/adjudication → service.get_adjudication_report(...) 在 create_module() 註冊兩 route（照既有 add_url_rule 樣式）。
• Step 3: 手測（user 重啟 BE 後）：curl 兩端點對既有 run_folder_id 回 200 + JSON。
• Step 4: Commit。
• Step 5: 更新 docs/api/evidence-classification/api-spec.md 加兩端點（收尾時併入，非每 commit）。

動工前先讀 FE CLAUDE.md（memory feedback_cross_repo_read_claude_md_first）。FE 同 branch feature/ai-analysis-result-landing。只新增頁面與導覽連結，不動既有審閱/歸檔/比較邏輯。

Task 7.1：Service method

Files: Modify src/service/EvidenceClassificationService.js

• 加 getValidationReport(runFolderId) / getAdjudicationReport(runFolderId)（GET 兩端點，沿用 BaseService envelope）。Commit。

Task 7.2：i18n

Files: Modify src/config/locales/i18n/{zh-tw,en}/evidence-classification.json

• 加報表頁字串（KPI 標題、四級 label、判定圖例、降級提示、報告②無 CANON 提示、User=AI 提示）。Commit。

Task 7.3：驗證報表頁

Files: Create src/views/evidence-classification/EvidenceClassificationValidationReport.vue + route

• PrimeVue 重畫 §5.2：KPI Card（召回/精確 AO+控制項層級）、控制項 DataTable、未分類三類、Docker log、逐 AO Accordion；四級用 Tag severity。degraded → 頂部 Message + 隱藏 KPI/控制項表。成本卡受 SHOW_RUN_COST flag。路由 evidence-classification-report-validation。Commit。

Task 7.4：各 AO 誰對誰錯頁

Files: Create src/views/evidence-classification/EvidenceClassificationAdjudicationReport.vue + route

• PrimeVue 重畫 §5.3：🔴User標錯 / 🟠AI多放 / ⚫超範圍 三 DataTable + 逐 AO Accordion（每格 User/AI 判定 + 結論）。available=false → 顯示「尚未建立正解基準」。note_user_equals_ai → 提示。路由 evidence-classification-report-adjudication。Commit。

Task 7.5：入口連結（僅加導覽）

Files: Modify src/views/evidence-classification/EvidenceClassificationReview.vue（header 加兩報表 Button）、src/components/grc/project/AIEvidenceClassificationDialog.vue（job history row 既有「審閱」Button 旁加兩報表連結，status==='completed' && run_folder_id）

• 兩處各加導覽連結 router.push 到 7.3/7.4 route。不改既有邏輯。Commit。

Task 7.6：FE 手測

• user 重啟/rebuild FE → 從 run 詳情頁 + Dialog 兩入口進兩報表頁 → 斷言關鍵區塊/數字渲染正常（含 degraded run 與 available=false 情境）。

• changelog（batch 收尾寫，type=feat，≥2 份：BE 報表+DB / FE 報表頁）。
• 更新 api-spec.md（2 端點）、state-json-schema.md（如有新增欄位語意）、design.md §11 Reconciliation。
• pytest 全綠：pytest test/test_report_common.py test/test_validation_report_builder.py test/test_adjudication_report_builder.py test/test_evidence_classification_*.py -v。
• BE/FE 各自 commit（顯式 add）；push 等 user。