feat(harness): 评测闭环 —— 评测结果落库 + 分级 + 告警 + 可查（测温计→恒温器）

此前 eval 只打日志、不闭环。现在：
- 分级：evalLevel 据综合分+忠实度 → ok(≥0.75) / warn(≥0.5 或忠实<0.6) / poor(<0.5)；poor 出 slog.Warn 告警。
- 落库：dispatcher 评完经 NATS(SubjectEval) 广播 EvalEvent → 网关订阅写 PG（新表 sundynix_eval，
  按 task_id upsert）。沿用任务状态回写那套（dispatcher 无 DB，经 bus→gateway 落库）。
- 可查：GET /api/v1/tasks/:id/eval 返回 overall/rule/llm/faithful/level/flags/reason/sources。
- 契约 EvalEvent + EvalOK/Warn/Poor；bus PublishEval/SubscribeEval；dispatcher EvalSink（NewOrchestrator 第9参）。

验证：三模块 build+vet+test 全绿；live RAG 任务评测落库，端点返回 overall~1.0 / level=ok / faithful=1 / sources=1。
剩：桌面端质量面板、低分自动重试(P3)。project_analysis 勾掉该项。

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

project_analysis.md

@@ -112,7 +112,8 @@ Harness = 围绕 LLM 的可靠性 / 安全 / 质量治理层。4 个组件均为
 
 **已知短板 / 优化清单**（按性价比，逐项推进）：
 
-- [ ] **P1 评测闭环**：eval 结果落库 + 阈值门控（低分标记/触发重试）+ 桌面端质量面板。现状只打日志、不闭环。
+- [x] **P1 评测闭环** ✅：eval 结果经 NATS 落 PG（sundynix_eval）+ 分级(ok/warn/poor) + poor 告警 +
+  `GET /tasks/:id/eval` 可查。dispatcher 评→广播→网关落库。剩：桌面端质量面板、低分自动重试(P3)。
 - [x] **P1 RAG 忠实度评测** ✅：检索原文喂给 judge，一次评质量+忠实度，未被来源支持的说法进 Flags。
   综合分(有来源)=0.3规则+0.35质量+0.35忠实。runGraph 透传 refs → evaluate。live 实测忠实 1.00/来源 1，单测覆盖。
 - [ ] **P2 输出脱敏增强**：滑动窗口跨片检测（现流式逐片会漏跨 token 的密钥）+ PII 模式（手机号/邮箱/身份证）。

sundynix-dispatcher/cmd/dispatcher/main.go

@@ -46,8 +46,8 @@ func main() {
 	go sub.FetchModelConfigWithRetry(context.Background(), pool.SetConfig)
 
 	// sub 同时作为 Token 回流(TokenSink)、MCP 工具调用(ToolCaller)、执行事件(ExecSink)、
-	// 任务状态回写(StatusSink)与 HITL 审批等待(ApprovalWaiter)出口。
+	// 任务状态回写(StatusSink)、HITL 审批等待(ApprovalWaiter)与评测落库(EvalSink)出口。
-	orch, err := eino.NewOrchestrator(pool, breaker, eval, sub, sub, sub, sub, sub)
+	orch, err := eino.NewOrchestrator(pool, breaker, eval, sub, sub, sub, sub, sub, sub)
 	if err != nil {
 		log.Fatalf("[dispatcher] build eino graph: %v", err)
 	}

sundynix-dispatcher/internal/eino/orchestrator.go

@@ -46,6 +46,11 @@ type ApprovalWaiter interface {
 	WaitApproval(ctx context.Context, taskID string, timeout time.Duration) (*contract.ApprovalDecision, error)
 }
 
+// EvalSink 回写自动化评测结果供网关落库（由 NATS bus 实现；可为 nil → 仅打日志不落库）。
+type EvalSink interface {
+	PublishEval(ev *contract.EvalEvent) error
+}
+
 // errRejected 是审批节点拒绝（或超时）时图执行返回的哨兵错误：它是合法终态而非故障，
 // Handle 据此判 rejected 并优雅收尾（不计熔断失败）。
 var errRejected = errors.New("approval rejected")
@@ -82,16 +87,17 @@ type Orchestrator struct {
 	exec     ExecSink
 	status   StatusSink     // 任务生命周期状态回写（可为 nil）
 	approval ApprovalWaiter // HITL 审批等待（可为 nil → 审批节点自动放行）
+	evalSink EvalSink       // 评测结果回写落库（可为 nil → 仅打日志）
 
 	turnMu sync.Mutex     // 保护 turns（攒批计数，多任务 goroutine 共享）
 	turns  map[string]int // sessionID → 累计轮次，用于每 N 轮触发 consolidate
 }
 
 // NewOrchestrator 持有依赖；图按任务的 DSL 在 Handle 内动态编译。
-// exec 为执行可视化事件出口（可为 nil，则不发轨迹事件）；eval 为自动化评测（可为 nil）；
+// exec 为执行可视化事件出口（可为 nil）；eval 为自动化评测（可为 nil）；status 为状态回写（可为 nil）；
-// status 为任务生命周期状态回写出口（可为 nil）；approval 为 HITL 审批等待（可为 nil）。
+// approval 为 HITL 审批等待（可为 nil）；evalSink 为评测结果落库出口（可为 nil）。
-func NewOrchestrator(pool LLM, breaker *harness.CircuitBreaker, eval *harness.Evaluator, sink TokenSink, tools ToolCaller, exec ExecSink, status StatusSink, approval ApprovalWaiter) (*Orchestrator, error) {
+func NewOrchestrator(pool LLM, breaker *harness.CircuitBreaker, eval *harness.Evaluator, sink TokenSink, tools ToolCaller, exec ExecSink, status StatusSink, approval ApprovalWaiter, evalSink EvalSink) (*Orchestrator, error) {
-	return &Orchestrator{pool: pool, breaker: breaker, eval: eval, sink: sink, tools: tools, exec: exec, status: status, approval: approval}, nil
+	return &Orchestrator{pool: pool, breaker: breaker, eval: eval, sink: sink, tools: tools, exec: exec, status: status, approval: approval, evalSink: evalSink}, nil
 }
 
 // setStatus 回写一次任务状态流转（status 为 nil 时静默跳过）。
@@ -203,8 +209,33 @@ func (o *Orchestrator) evaluate(t *contract.Task, input, output string, sources
 	ctx, cancel := context.WithTimeout(context.Background(), 15*time.Second)
 	defer cancel()
 	r := o.eval.Score(ctx, input, output, sources)
-	log.Printf("[eval] task %s 综合 %.2f（规则 %.2f / LLM %.2f / 忠实 %.2f，来源 %d）flags=%v %s",
+	level := evalLevel(r)
-		t.ID, r.Overall, r.Rule, r.LLM, r.Faithful, len(sources), r.Flags, r.Reason)
+	log.Printf("[eval] task %s 综合 %.2f（规则 %.2f / LLM %.2f / 忠实 %.2f，来源 %d）level=%s flags=%v %s",
+		t.ID, r.Overall, r.Rule, r.LLM, r.Faithful, len(sources), level, r.Flags, r.Reason)
+	if level == contract.EvalPoor { // 低质量告警（可观测 + 后续可挂报警）
+		slog.Warn("eval poor quality", "task_id", t.ID, "overall", r.Overall, "faithful", r.Faithful, "flags", r.Flags)
+	}
+	// 闭环：评测结果落库（供 UI 查询 / 质量趋势 / 门控）。
+	if o.evalSink != nil {
+		if err := o.evalSink.PublishEval(&contract.EvalEvent{
+			TaskID: t.ID, Overall: r.Overall, Rule: r.Rule, LLM: r.LLM, Faithful: r.Faithful,
+			Level: level, Flags: r.Flags, Reason: r.Reason, Sources: len(sources), TS: time.Now().UnixMilli(),
+		}); err != nil {
+			log.Printf("[eval] 回写评测结果失败 task=%s: %v", t.ID, err)
+		}
+	}
+}
+
+// evalLevel 据综合分 + 忠实度把评测分级（闭环门控/告警用）。
+func evalLevel(r harness.Result) string {
+	switch {
+	case r.Overall < 0.5:
+		return contract.EvalPoor
+	case r.Overall < 0.75 || (r.Faithful > 0 && r.Faithful < 0.6):
+		return contract.EvalWarn
+	default:
+		return contract.EvalOK
+	}
 }
 
 // fetchMemory 经 MCP memory_get 工具召回用户常驻画像。

sundynix-dispatcher/internal/nats/subscriber.go

@@ -81,6 +81,11 @@ func (s *Subscriber) PublishTaskStatus(taskID, status, detail string) error {
 	})
 }
 
+// PublishEval 让 Subscriber 满足 eino.EvalSink，把自动化评测结果回写给网关落库。
+func (s *Subscriber) PublishEval(ev *contract.EvalEvent) error {
+	return s.inner.PublishEval(ev)
+}
+
 // WaitApproval 让 Subscriber 满足 eino.ApprovalWaiter，阻塞等待审批节点的人工决定。
 func (s *Subscriber) WaitApproval(ctx context.Context, taskID string, timeout time.Duration) (*contract.ApprovalDecision, error) {
 	return s.inner.WaitApproval(ctx, taskID, timeout)

sundynix-gateway/cmd/server/main.go

@@ -3,6 +3,7 @@ package main
 
 import (
 	"context"
+	"encoding/json"
 	"log"
 	"os"
 
@@ -64,6 +65,19 @@ func main() {
 		log.Printf("[gateway] subscribe task status: %v", err)
 	}
 
+	// 评测闭环：订阅 dispatcher 回写的自动化评测结果，落 PG 供 UI 查询 / 质量趋势 / 门控。
+	if _, err := bus.SubscribeEval(func(ev *contract.EvalEvent) {
+		flags, _ := json.Marshal(ev.Flags)
+		if err := db.SaveEval(context.Background(), &store.Eval{
+			TaskID: ev.TaskID, Overall: ev.Overall, Rule: ev.Rule, LLM: ev.LLM, Faithful: ev.Faithful,
+			Level: ev.Level, Flags: string(flags), Reason: ev.Reason, Sources: ev.Sources,
+		}); err != nil {
+			log.Printf("[gateway] 落库评测 %s 失败: %v", ev.TaskID, err)
+		}
+	}); err != nil {
+		log.Printf("[gateway] subscribe eval: %v", err)
+	}
+
 	r := router.New(db, cache, bus, blobStore)
 	addr := envOr("GATEWAY_ADDR", ":8080")
 	log.Printf("[gateway] listening on %s", addr)

sundynix-gateway/internal/handler/task_handler.go

@@ -89,6 +89,21 @@ func (h *Handler) TaskStatus(c *gin.Context) {
 	c.JSON(http.StatusOK, gin.H{"task_id": id, "status": status, "detail": detail})
 }
 
+// TaskEval: GET /api/v1/tasks/:id/eval —— 取一次任务的自动化评测结果（综合/质量/忠实度/分级/flags）。
+func (h *Handler) TaskEval(c *gin.Context) {
+	e := h.db.GetEval(c.Request.Context(), c.Param("id"))
+	if e == nil {
+		c.JSON(http.StatusNotFound, gin.H{"error": "尚无评测结果（任务未完成或评测进行中）"})
+		return
+	}
+	var flags []string
+	_ = json.Unmarshal([]byte(e.Flags), &flags)
+	c.JSON(http.StatusOK, gin.H{
+		"task_id": e.TaskID, "overall": e.Overall, "rule": e.Rule, "llm": e.LLM,
+		"faithful": e.Faithful, "level": e.Level, "flags": flags, "reason": e.Reason, "sources": e.Sources,
+	})
+}
+
 // ApproveTask: POST /api/v1/tasks/:id/approve {approved, node?, note?} —— 人工审批决定（HITL）。
 // 把决定经 NATS 发给 dispatcher，解除审批节点的阻塞（批准放行 / 拒绝中止）。
 func (h *Handler) ApproveTask(c *gin.Context) {

sundynix-gateway/internal/nats/publisher.go

@@ -69,6 +69,11 @@ func (b *Bus) PublishApproval(dec *contract.ApprovalDecision) error {
 	return b.inner.PublishApproval(dec)
 }
 
+// SubscribeEval 订阅 dispatcher 回写的自动化评测结果（落 PG）。
+func (b *Bus) SubscribeEval(onEvent func(*contract.EvalEvent)) (func() error, error) {
+	return b.inner.SubscribeEval(onEvent)
+}
+
 // ServeConfig 让网关作为配置控制面，响应某 kind 的配置请求。
 func (b *Bus) ServeConfig(kind string, provide func() *contract.ModelConfig) (func() error, error) {
 	return b.inner.ServeConfig(kind, provide)

sundynix-gateway/internal/router/router.go

@@ -53,6 +53,7 @@ func New(db *store.Postgres, cache *store.Redis, bus *nats.Bus, blobStore *blob.
 			p.POST("/tasks", h.SubmitTask)              // 解析 DSL 并 Publish 到 NATS（带已验证 uid）
 			p.GET("/tasks/:id", h.TaskStatus)           // 任务生命周期状态（UI 轮询 submitted/running/done/failed/timeout/waiting/rejected）
 			p.POST("/tasks/:id/approve", h.ApproveTask) // HITL 人工审批决定（批准/拒绝）
+			p.GET("/tasks/:id/eval", h.TaskEval)        // 自动化评测结果（综合/质量/忠实度/分级）
 			p.PUT("/memory", h.SetMemory)               // 偏好记忆登记（→ mcp-go memory_upsert）
 			p.GET("/memory", h.ListMemory)              // 列出当前用户偏好（记忆面板）
 			p.DELETE("/memory", h.DeleteMemory)         // 软删一条偏好（?key=）

sundynix-gateway/internal/store/models.go

@@ -22,3 +22,19 @@ type Task struct {
 	Status string `gorm:"size:32"`             // submitted / running / done / failed / timeout
 	Detail string `gorm:"type:text"`           // 失败/超时原因等（状态机回写）
 }
+
+// Eval 是一次任务的自动化评测结果（dispatcher 评完经 NATS 回写，每任务一条，按 task_id upsert）。
+type Eval struct {
+	BaseModel
+	TaskID   string  `gorm:"uniqueIndex;size:64"`
+	Overall  float64 // 综合分 [0,1]
+	Rule     float64 // 规则分
+	LLM      float64 // LLM 质量分
+	Faithful float64 // RAG 忠实度分（0=无来源未评）
+	Level    string  `gorm:"size:16"`   // ok / warn / poor
+	Flags    string  `gorm:"type:text"` // 命中问题（JSON 数组字符串）
+	Reason   string  `gorm:"type:text"` // 评语
+	Sources  int     // 检索来源数
+}
+
+func (Eval) TableName() string { return "sundynix_eval" }

sundynix-gateway/internal/store/pgsql.go

@@ -11,6 +11,7 @@ import (
 
 	"gorm.io/driver/postgres"
 	"gorm.io/gorm"
+	"gorm.io/gorm/clause"
 	"gorm.io/gorm/schema"
 
 	"github.com/sundynix/sundynix-shared/contract"
@@ -65,7 +66,7 @@ func OpenPostgres(dsn string) *Postgres {
 	migrateLegacyIntIDs(db)
 	migrateDocLinkToID(db)
 
-	if err := db.AutoMigrate(&User{}, &Task{}, &LLMModel{}, &KB{}, &Doc{}, &Agent{}, &DocLink{}, &Pricing{}); err != nil {
+	if err := db.AutoMigrate(&User{}, &Task{}, &Eval{}, &LLMModel{}, &KB{}, &Doc{}, &Agent{}, &DocLink{}, &Pricing{}); err != nil {
 		log.Printf("[store] postgres AutoMigrate 失败，降级运行: %v", err)
 		return &Postgres{}
 	}
@@ -144,6 +145,31 @@ func (p *Postgres) GetTaskStatus(ctx context.Context, id string) (status, detail
 	return t.Status, t.Detail
 }
 
+// SaveEval 落库一条评测结果（按 task_id upsert：重评覆盖）。
+func (p *Postgres) SaveEval(ctx context.Context, e *Eval) error {
+	if p.db == nil {
+		return nil
+	}
+	return p.db.WithContext(ctx).Clauses(clause.OnConflict{
+		Columns: []clause.Column{{Name: "task_id"}},
+		DoUpdates: clause.AssignmentColumns([]string{
+			"overall", "rule", "llm", "faithful", "level", "flags", "reason", "sources", "updated_at",
+		}),
+	}).Create(e).Error
+}
+
+// GetEval 取一条任务的评测结果（不存在返回 nil）。
+func (p *Postgres) GetEval(ctx context.Context, taskID string) *Eval {
+	if p.db == nil {
+		return nil
+	}
+	var e Eval
+	if err := p.db.WithContext(ctx).Where("task_id = ?", taskID).First(&e).Error; err != nil {
+		return nil
+	}
+	return &e
+}
+
 // CountTasks 返回已提交任务数（降级模式返回 0）。
 func (p *Postgres) CountTasks(ctx context.Context) (int64, error) {
 	if p.db == nil {

sundynix-shared/bus/bus.go

@@ -338,6 +338,31 @@ func (b *Bus) SubscribeTaskStatus(onEvent func(*contract.TaskStatusEvent)) (unsu
 	return sub.Unsubscribe, nil
 }
 
+// ---- 自动化评测结果回写（core NATS pub-sub）----
+
+// PublishEval 广播一次评测结果（dispatcher 调用）。
+func (b *Bus) PublishEval(ev *contract.EvalEvent) error {
+	data, err := json.Marshal(ev)
+	if err != nil {
+		return err
+	}
+	return b.nc.Publish(contract.SubjectEval, data)
+}
+
+// SubscribeEval 订阅评测结果（网关调用，落 PG）。
+func (b *Bus) SubscribeEval(onEvent func(*contract.EvalEvent)) (unsub func() error, err error) {
+	sub, err := b.nc.Subscribe(contract.SubjectEval, func(m *nats.Msg) {
+		var ev contract.EvalEvent
+		if json.Unmarshal(m.Data, &ev) == nil {
+			onEvent(&ev)
+		}
+	})
+	if err != nil {
+		return nil, fmt.Errorf("subscribe eval: %w", err)
+	}
+	return sub.Unsubscribe, nil
+}
+
 // ---- 人工审批（HITL，core NATS pub-sub）----
 
 // PublishApproval 广播一次人工审批决定（网关在收到 UI 的批准/拒绝后调用）。

sundynix-shared/contract/task.go

@@ -37,8 +37,32 @@ const (
 	// 人工审批（HITL）决定回传前缀：实际 sundynix.approval.<task_id>。
 	// core NATS pub-sub：UI 点批准/拒绝 → 网关发到此 → dispatcher 解除审批节点的阻塞。
 	SubjectApproval = "sundynix.approval"
+
+	// 自动化评测结果回写：dispatcher 评完经此广播，网关订阅落 PG 并供 UI 查询。core NATS pub-sub。
+	SubjectEval = "sundynix.eval.task"
 )
 
+// 评测质量分级（据综合分 + 忠实度阈值，闭环门控/告警用）。
+const (
+	EvalOK   = "ok"   // 综合 ≥ 0.75 且无忠实度风险
+	EvalWarn = "warn" // 0.5 ≤ 综合 < 0.75，或忠实度偏低
+	EvalPoor = "poor" // 综合 < 0.5
+)
+
+// EvalEvent 是一次自动化评测的结果（经 SubjectEval 回流给网关落库）。
+type EvalEvent struct {
+	TaskID   string   `json:"task_id"`
+	Overall  float64  `json:"overall"`           // 综合分 [0,1]
+	Rule     float64  `json:"rule"`              // 规则分
+	LLM      float64  `json:"llm"`               // LLM 质量分
+	Faithful float64  `json:"faithful"`          // RAG 忠实度分（0=无来源未评）
+	Level    string   `json:"level"`             // ok / warn / poor
+	Flags    []string `json:"flags,omitempty"`   // 命中问题（规则 + 未被来源支持）
+	Reason   string   `json:"reason,omitempty"`  // 评语
+	Sources  int      `json:"sources,omitempty"` // 检索来源数
+	TS       int64    `json:"ts"`                // unix 毫秒
+}
+
 // 任务生命周期状态机：submitted（网关建任务）→ running（dispatcher 开跑）
 // → done / failed / timeout（dispatcher 收尾）。
 // HITL：执行到审批节点 → waiting（等人工决定）→ 批准回 running / 拒绝→rejected。