feat(admin): 「自动评测」页做实 —— 接真评测数据，去 mock (P1)

审计 P1「admin 三页纯 mock」之一。此前 EvalsPage 是写死的质量趋势+编造的
错题本+虚构纠偏轨迹。现接 sundynix_eval 真数据(评测经 JetStream eval 流持久
落库,刚升级)。

- store/eval_query.go:EvalTrend(按天 avg 综合分/忠实度+低分计数)、EvalSummaryFor
  (ok/warn/poor/corrected 计数+均值)、PoorEvals(错题本,level in poor/warn +
  评语+纠偏标记+租户名)。全 WithoutTenant 平台口径;忠实度均值只算 sources>0
  (无来源的忠实度恒0会压低失真)。
- GET /admin/evals?days=(RequireAdmin);admin api.ts + EvalsPage 重写:
  总览卡片(综合分/合格率/低分占比/纠偏采纳率)+质量&忠实度趋势(纯SVG折线+低分
  背景条)+错题本(点行展开评语)。
- 诚实边界:纠偏「前后全文对照」后端未持久化,只存了 Reason/Corrected/各维度分,
  故错题本展示评语+「已纠偏」标记,不再编造 before/after。

live:/admin/evals 返 57 次评测 avg=0.88、错题本10条、11天趋势;浏览器渲染
真数据(趋势线07-15真实下探)。go+tsc+41 vitest 全绿。

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

sundynix-gateway/internal/handler/admin.go

@@ -570,3 +570,23 @@ func (h *Handler) AdminUsage(c *gin.Context) {
 	}
 	c.JSON(http.StatusOK, resp)
 }
+
+// AdminEvals: GET /api/v1/admin/evals?days= —— 自动评测观测（趋势 + 计数 + 错题本）。全平台口径。
+// 数据来自 sundynix_eval（评测经 JetStream eval 流持久落库）；此前该页纯 mock。
+func (h *Handler) AdminEvals(c *gin.Context) {
+	ctx := store.WithoutTenant(c.Request.Context())
+	now := time.Now()
+	days := 14
+	if d, err := strconv.Atoi(c.Query("days")); err == nil && d > 0 && d <= 90 {
+		days = d
+	}
+	from := now.AddDate(0, 0, -(days - 1)).Format("20060102")
+	to := now.Format("20060102")
+	c.JSON(http.StatusOK, gin.H{
+		"from":    from,
+		"to":      to,
+		"trend":   h.db.EvalTrend(ctx, from, to),
+		"summary": h.db.EvalSummaryFor(ctx, from, to),
+		"poor":    h.db.PoorEvals(ctx, 30),
+	})
+}

sundynix-gateway/internal/router/router.go

@@ -155,6 +155,7 @@ func New(db *store.Postgres, cache *store.Redis, bus *nats.Bus, blobStore *blob.
 			admin.GET("/status", h.AdminStatus)      // 服务状态：基建/服务探活 + MCP 工具注册
 			admin.GET("/overview", h.AdminOverview)  // 系统级聚合：全平台用户/任务/评测/模型态/提示词态/健康
 			admin.GET("/usage", h.AdminUsage)        // 用量/积分/成本：全平台按天趋势 + 租户排行 / 单租户余额
+			admin.GET("/evals", h.AdminEvals)        // 自动评测观测：质量趋势 + 计数 + 错题本（真数据）
 			admin.POST("/migrate-kb-storage", h.MigrateKBStorage) // 增量3：存量 KB 三库 owner/kb→space/kb 重灌（一次性）
 			admin.GET("/audit", h.AuditList)                  // 敏感操作审计流（倒序，翻页）
 			admin.GET("/guardrail-events", h.GuardrailEvents) // 护栏命中安全事件流（倒序，翻页）

sundynix-gateway/internal/store/eval_query.go

@@ -0,0 +1,97 @@
+package store
+
+import "context"
+
+// 评测观测查询（admin「自动评测」页做实用；此前该页纯 mock）。全平台口径 → WithoutTenant。
+// 注：评测的「纠偏前后全文轨迹」后端未持久化，只存了 Reason(评语)/Corrected(是否已纠偏采纳)/
+// 各维度分，故错题本展示这些真数据，不含编造的 before/after 对照。
+
+// EvalDay 是评测趋势按天一行。
+type EvalDay struct {
+	Day         string  `json:"day"`          // YYYYMMDD
+	AvgOverall  float64 `json:"avg_overall"`  // 当日综合分均值 [0,1]
+	AvgFaithful float64 `json:"avg_faithful"` // 当日忠实度均值（仅计有来源的评测）
+	Count       int64   `json:"count"`
+	PoorCount   int64   `json:"poor_count"` // 当日 poor 级条数（幻觉/低质趋势）
+}
+
+// EvalTrend 按天聚合评测（from/to 为 YYYYMMDD）。avg_faithful 只算有检索来源的评测（sources>0），
+// 无来源的忠实度恒 0 会把均值压低失真。
+func (p *Postgres) EvalTrend(ctx context.Context, from, to string) []EvalDay {
+	if p.db == nil {
+		return nil
+	}
+	var out []EvalDay
+	p.db.WithContext(ctx).Model(&Eval{}).
+		Select("to_char(created_at,'YYYYMMDD') as day, "+
+			"avg(overall) as avg_overall, "+
+			"avg(case when sources > 0 then faithful end) as avg_faithful, "+
+			"count(*) as count, "+
+			"count(case when level = 'poor' then 1 end) as poor_count").
+		Where("to_char(created_at,'YYYYMMDD') >= ? AND to_char(created_at,'YYYYMMDD') <= ?", from, to).
+		Group("day").Order("day").Scan(&out)
+	return out
+}
+
+// EvalSummary 是评测总览计数。
+type EvalSummary struct {
+	Total      int64   `json:"total"`
+	OK         int64   `json:"ok"`
+	Warn       int64   `json:"warn"`
+	Poor       int64   `json:"poor"`
+	Corrected  int64   `json:"corrected"`   // 经低分自动纠偏重生成后采纳的条数（恒温器闭环成效）
+	AvgOverall float64 `json:"avg_overall"` // 区间综合分均值
+}
+
+// EvalSummaryFor 区间内评测计数（from/to 为 YYYYMMDD）。
+func (p *Postgres) EvalSummaryFor(ctx context.Context, from, to string) EvalSummary {
+	var s EvalSummary
+	if p.db == nil {
+		return s
+	}
+	p.db.WithContext(ctx).Model(&Eval{}).
+		Select("count(*) as total, "+
+			"count(case when level='ok' then 1 end) as ok, "+
+			"count(case when level='warn' then 1 end) as warn, "+
+			"count(case when level='poor' then 1 end) as poor, "+
+			"count(case when corrected then 1 end) as corrected, "+
+			"coalesce(avg(overall),0) as avg_overall").
+		Where("to_char(created_at,'YYYYMMDD') >= ? AND to_char(created_at,'YYYYMMDD') <= ?", from, to).
+		Scan(&s)
+	return s
+}
+
+// PoorEval 是错题本一行（低分评测 + 评语 + 纠偏标记；带租户名免前端二次查）。
+type PoorEval struct {
+	TaskID     string  `json:"task_id"`
+	TenantName string  `json:"tenant_name"`
+	Owner      string  `json:"owner"`
+	Overall    float64 `json:"overall"`
+	Rule       float64 `json:"rule"`
+	LLM        float64 `json:"llm"`
+	Faithful   float64 `json:"faithful"`
+	Level      string  `json:"level"`
+	Reason     string  `json:"reason"`
+	Sources    int     `json:"sources"`
+	Corrected  bool    `json:"corrected"`
+	CreatedAt  string  `json:"created_at"`
+}
+
+// PoorEvals 最近的低分评测（level=poor/warn，错题本）。
+func (p *Postgres) PoorEvals(ctx context.Context, limit int) []PoorEval {
+	if p.db == nil {
+		return nil
+	}
+	if limit <= 0 || limit > 100 {
+		limit = 30
+	}
+	var out []PoorEval
+	p.db.WithContext(ctx).Table("sundynix_eval e").
+		Select("e.task_id, coalesce(t.name,'') as tenant_name, e.owner, e.overall, e.rule, e.llm, "+
+			"e.faithful, e.level, e.reason, e.sources, e.corrected, "+
+			"to_char(e.created_at,'YYYY-MM-DD HH24:MI') as created_at").
+		Joins("left join sundynix_tenant t on t.id = e.tenant_id").
+		Where("e.level in ('poor','warn') AND e.deleted_at IS NULL").
+		Order("e.created_at desc").Limit(limit).Scan(&out)
+	return out
+}