feat(evaluation): memoir readiness, judge/replay updates, eval web playground

Add memoir_readiness_service and router tests; extend judge schemas/services, replay_service, and conversation rubric; align story route agent, payload, prompts, and story_pipeline_sync; update agent logging, config, and DI. Document internal-eval; add replayDraft util and PlaygroundPage changes in app-eval-web.

api/app/core/agent_logging.py

@@ -5,7 +5,7 @@ Agent / LLM 诊断日志：耗时、输入输出规模、截断预览。
 - **摘要**（单行：耗时、字符数、operation 名）：当 ``LOG_AGENT_VERBOSE=1`` 时通过 ``logger.info`` 输出，
   便于生产环境在不把全局日志调到 DEBUG 的情况下排查 Agent 性能与路径。
 
-敏感内容：DEBUG 下会记录用户相关文本截断预览，生产环境请勿长期开启 DEBUG。
+敏感内容：DEBUG 下会记录用户相关文本；``AGENT_LOG_MAX_CHARS=0`` 时记录全文，生产环境请勿长期开启 DEBUG。
 
 配置（节选）：``AGENT_LOG_OMIT_SYSTEM_MESSAGE_BODY``（默认 true）省略聊天 System 正文，仅打 len+sha12；
 ``AGENT_LOG_JSON_PROMPT_PREFIX_CHARS`` + ``AGENT_LOG_JSON_PROMPT_PREFIX_ONLY_IF_LEN_GT`` 在 DEBUG 下跳过
@@ -35,12 +35,12 @@ def agent_summary_enabled() -> bool:
 
 
 def truncate_for_log(text: str | None, *, max_chars: int | None = None) -> str:
-    """截断过长文本，避免日志爆量。"""
+    """截断过长文本，避免日志爆量。max_chars / AGENT_LOG_MAX_CHARS 为 0 表示不截断。"""
     if text is None:
         return ""
     max_c = max_chars if max_chars is not None else settings.agent_log_max_chars
     s = str(text)
-    if len(s) <= max_c:
+    if max_c <= 0 or len(s) <= max_c:
         return s
     return s[:max_c] + f"... [truncated total_len={len(s)}]"
 

api/app/core/config.py

@@ -163,8 +163,8 @@ class Settings(BaseSettings):
     log_level: str = "INFO"
     # LOG_AGENT_VERBOSE：为 True 时额外输出 Agent 单行 INFO 摘要（耗时、规模），无需全局 DEBUG
     log_agent_verbose: bool = False
-    # AGENT_LOG_MAX_CHARS：DEBUG 下记录 prompt/响应预览时的最大字符数
-    agent_log_max_chars: int = Field(default=4096, ge=256, le=100_000)
+    # AGENT_LOG_MAX_CHARS：DEBUG 下记录 prompt/响应预览时的最大字符数；0=不截断（完整输出）
+    agent_log_max_chars: int = Field(default=0, ge=0, le=50_000_000)
     # AGENT_LOG_OMIT_SYSTEM_MESSAGE_BODY：DEBUG 下访谈/资料聊天日志省略 System 正文（仅 len+sha12）
     agent_log_omit_system_message_body: bool = True
     # AGENT_LOG_JSON_PROMPT_PREFIX_CHARS：DEBUG 下 *.prompt 总长超过下项时再跳过前 N 字符后预览（0=不跳过）
@@ -225,14 +225,18 @@ class Settings(BaseSettings):
     story_append_max_canonical_chars: int = Field(default=12000, ge=1000, le=500_000)
     story_append_max_versions: int = Field(default=20, ge=1, le=500)
     # StoryRouteAgent：候选 JSON 预算（保守默认，可调大）
-    story_route_candidate_body_max_chars: int = Field(default=1600, ge=200, le=8000)
+    story_route_candidate_body_max_chars: int = Field(default=2200, ge=200, le=8000)
     story_route_candidate_total_max_chars: int = Field(
-        default=16_000, ge=2000, le=100_000
+        default=20_000, ge=2000, le=100_000
     )
     story_route_long_body_head_chars: int = Field(default=700, ge=100, le=4000)
     story_route_long_body_tail_chars: int = Field(default=700, ge=100, le=4000)
     story_route_summary_min_chars: int = Field(default=30, ge=0, le=500)
-    story_route_index_preview_chars: int = Field(default=80, ge=20, le=500)
+    story_route_index_preview_chars: int = Field(default=140, ge=20, le=500)
+    # 童年/求学/家庭：本批口述低于该字数且路由为 new 时，倾向续写到默认候选，减少碎篇
+    memoir_story_route_append_guardrail_oral_chars: int = Field(
+        default=1800, ge=0, le=50_000
+    )
     # Evidence 检索 top_k：大批次 unit 时降低检索量
     evidence_top_k_default: int = Field(default=10, ge=1, le=50)
     evidence_top_k_large_batch: int = Field(default=5, ge=1, le=50)
@@ -317,11 +321,36 @@ class Settings(BaseSettings):
     internal_eval_enable_docs: bool = False
     # 逗号分隔；空则内部 API 不额外限制 Origin（仍可依赖 internal_eval_api_key）
     internal_eval_cors_origins: str = ""
-    # GLM / 智谱：评审模型（OpenAI 兼容 Chat Completions，与 langchain-openai 一致）
+    # 智谱 GLM-5：评审模型（OpenAI 兼容 Chat Completions，与 langchain-openai 一致）
     eval_judge_api_key: str = ""
     eval_judge_base_url: str = "https://open.bigmodel.cn/api/paas/v4"
-    eval_judge_model: str = "glm-4-flash"
+    eval_judge_model: str = "glm-5"
     eval_judge_temperature: float = 0.3
+    # GLM-5 输入上下文 200K（https://docs.bigmodel.cn）
+    eval_judge_context_window_tokens: int = Field(
+        default=200_000, ge=4096, le=2_000_000
+    )
+    # 预留给完成 tokens（json 输出）及路由误差
+    eval_judge_completion_reserve_tokens: int = Field(
+        default=4096, ge=256, le=131_072
+    )
+    eval_judge_prompt_budget_safety_tokens: int = Field(
+        default=2048, ge=0, le=32_768
+    )
+    # transcript 混合中英文时 token/字 保守估值（估大以免超出真实上下文）
+    eval_judge_approx_tokens_per_char: float = Field(
+        default=1.2, ge=0.3, le=8.0
+    )
+    # 整段/逐轮节选 transcript 最大字符；0=按 eval_judge_context_window_tokens 自动扣 rubric 头
+    eval_judge_max_transcript_chars: int = Field(default=0, ge=0, le=2_000_000)
+    # 双 transcript 对比流：每条对话上限；0=按上下文平分（扣 overhead）
+    eval_judge_max_compare_transcript_chars_each: int = Field(
+        default=0, ge=0, le=2_000_000
+    )
+    # 对比 prompt 固定开销（模板 + 两份评分 JSON）的字符估值，供自动平分使用
+    eval_judge_compare_prompt_overhead_chars: int = Field(
+        default=14_000, ge=500, le=500_000
+    )
     # 候选对话回放：与生产访谈类似的温度
     eval_candidate_temperature: float = 0.7
     # 门禁：受保护 session 合成份数下跌超过该阈值视为回归（0–100 分制）

api/app/core/dependencies.py

@@ -186,7 +186,7 @@ async def get_current_user(
 
 
 def get_eval_judge_langchain_llm():
-    """智谱 GLM（OpenAI 兼容）用于评审 JSON；与访谈生产模型分离。"""
+    """智谱 GLM-5（OpenAI 兼容 Chat Completions）用于评审 JSON；与访谈生产模型分离。"""
     from langchain_openai import ChatOpenAI
 
     api_key = (settings.eval_judge_api_key or settings.zhipu_api_key or "").strip()
@@ -199,7 +199,7 @@ def get_eval_judge_langchain_llm():
     return ChatOpenAI(
         api_key=api_key,
         base_url=base or "https://open.bigmodel.cn/api/paas/v4",
-        model=settings.eval_judge_model or "glm-4-flash",
+        model=settings.eval_judge_model or "glm-5",
         temperature=settings.eval_judge_temperature,
     )