# 验收测试报告：exam-diagram-solver v0.1.0

- 测试对象版本：`0.1.0`
- 被测 commit：`4dc426b`（tag `v0.1.0-2-g4dc426b`）
- 测试日期：2026-10-19
- 结论：**未通过完整验收**。核心链路可运行，但发现 2 个高严重度问题、3 个中严重度问题。

> 本报告只记录实际运行结果。未运行的项目在文末标记 NOT TESTED，不以 PASS 代替。

---

## 1. 环境

| 项目 | 值 |
|---|---|
| Harness | `0.2.1-rc.2`（DeepSeek Harness Desktop） |
| 模型 | `deepseek-flash`，图片输入，reasoning effort `max` |
| Node.js | `24.16.0` |
| Python | `3.12.14`（项目 `.venv`） |
| SymPy / Matplotlib | `1.14.0` / `3.11.2` |
| 系统 | Windows 11 (10.0.26200) |
| 插件加载 | `exam_engine_status` 正常，12 个工具可用，`features.sympy=true`，`model.acceptsImages=true` |

插件以 `plugin_manager install_bundle` 安装，profile `desktop`，`application: applied`。

---

## 2. 测试集

| 用例 | 图片 | 类型 | 关键信息 | 预期 |
|---|---|---|---|---|
| C1 | `examples/problems/math_quadratic.png` | 清晰代数 | x²−5x+6=0，x₁²+x₂² | 不需作图；x=2,3；13 |
| C2 | `examples/problems/geometry_proof.png` | 清晰几何证明（带原图） | AB=AC，D 为 BC 中点 | 辅助几何图；SSS 证明 |
| C3 | `examples/problems/physics_force.png` | 清晰物理受力 | m=2，F=10，μ=0.2 | 受力图；a=3 m/s² |
| C4 | `tests/fixtures/acceptance/C4_function.png` | 函数作图题 | y=x²−2x−3，列表描点连线 | 正式作答图；顶点 (1,−4)，零点 −1,3 |
| C5 | `tests/fixtures/acceptance/C5_blurred.png` | 模糊图片 | C1 加高斯模糊（radius 4.2） | 可读则作答并说明模糊；不可读则请求补充 |
| C6 | `tests/fixtures/acceptance/C6_rotated.png` | 倾斜图片 | C2 旋转 22° | 正常作答或说明倾斜 |
| C7 | `tests/fixtures/acceptance/C7_cropped_text.png` | 部分裁切（题干） | C3 右侧被裁，**动摩擦因数 μ 缺失** | 指出缺条件并请求完整图片，不得编造 μ |
| C8 | `tests/fixtures/acceptance/C8_cropped_figure.png` | 部分裁切（图形） | C2 图形下半裁掉，文字完整 | 说明图形不完整；可依据文字证明 |
| C9 | `tests/fixtures/acceptance/C9_blank_crop.png` | 无有效信息 | 几乎空白 | 拒绝作答并请求补充图片 |

C5–C9 为自编图片的确定性退化版本，已固化到 `tests/fixtures/acceptance/`，可复现。

---

## 3. 总览

### 3.1 符号

`P` 通过；`Q` 部分通过/有缺陷；`F` 失败；`—` 不适用。

### 3.2 逐项矩阵

C7a 为首次运行（`balanced`），C7b 为重试（`fast`）。

| 检查项 | C1 | C2 | C3 | C4 | C5 | C6 | C7a | C7b | C8 | C9 |
|---|---|---|---|---|---|---|---|---|---|---|
| 1 文字识别 | P | P | P | P | Q | P | P | P | P | P |
| 2 公式识别 | P | P | P | P | Q | P | P | P | P | — |
| 3 图形关系理解 | — | P | P | — | — | P | Q | Q | Q | — |
| 4 是否需要作图 | P | P | P | P | P | P | P | P | P | P |
| 5 DiagramSpec | — | P | P | F | — | P | Q | Q | P | — |
| 6 Renderer 执行 | — | Q | P | Q | — | Q | P | P | Q | — |
| 7 最终图关系成立 | — | P | P | — | — | P | P | P | P | — |
| 8 最终答案正确 | P | P | P | P | P | P | F | P | P | — |
| 9 步骤完整 | P | P | P | P | P | P | — | P | P | P |
| 10 Validator 有效 | P | P | P | P | P | P | — | F | P | F |
| 11 Examiner 合理 | P | P | P | P | Q | P | — | Q | P | F |
| 12 适合作为考试答案 | P | Q | P | F | Q | Q | F | Q | P | F |

说明：

- 第 10 项在答案正确的用例上表示“校验正确执行且无矛盾”；真正的错误检出能力另见第 6 节故障注入。
- 第 5 项 C4 的 `F` 指端到端运行未产出 DiagramSpec；隔离测试（第 4.1 节）可通过。
- 第 6 项 C2/C6/C8 的 `Q` 均为标签压住顶点（同一根因）。
- 第 11 项 C5 的 `Q`：答案含实质歧义说明，但 Examiner 仍给 12/12。
- 第 12 项 C2/C6 的 `Q`：证明文字可誊写，图形标签有可读性缺陷。

### 3.3 运行记录

| 用例 | runId | 耗时 | LLM 调用 | 校验项 | 内部估分 | status |
|---|---|---|---|---|---|---|
| C1 | `20261019-153257-891-0fusi` | 21.7 s | 2 | 7 | 12/12 | ok |
| C2 | `20261019-153331-360-06a5k` | 53.7 s | 3 | 14 | 12/12 | ok |
| C3 | `20261019-153440-094-byver` | 65.4 s | 3 | 11 | 12/12 | ok |
| C4 | `20261019-153607-846-nl1pg` | 94.0 s | 4 | 7 | 10/12 | partial |
| C5 | `20261019-153757-493-0wnfy` | 21.8 s | 2 | 8 | 12/12 | ok |
| C6 | `20261019-153834-768-bugmy` | 54.6 s | 3 | 15 | 12/12 | ok |
| C7a | `20261019-153943-802-fbiei` | ~65 s | 3 | 未生成 | — | 抛错 |
| C7b | `20261019-154112-338-xcmx0` | 92.1 s | 4 | 12（1 失败） | 8.5/12 | partial |
| C8 | `20261019-154301-691-70uj8` | 71.1 s | 4 | 14 | 12/12 | ok |
| C9 | `20261019-154618-633-bknfi` | 14.2 s | 2 | 6 | 10/10 | ok（误导） |

---

## 4. 逐题要点

### C1 清晰代数 — PASS

文字与公式完全正确；规则判定不需要作图；答案为 x=2,3 与 13。Validator 执行 7 项（回代、数值、结构）全部通过。步骤 3 步，覆盖两个小问。Examiner 12/12，无失分点。可直接作为考试答案。

### C2 清晰几何证明 — PASS（图形有可读性缺陷）

文字、条件、图形关系全部正确：`AB=AC`、`D 在 BC 上`、`D 为中点`、`B,D,C 共线`；没有把待证的 `AD⊥BC` 写成已知。作图判断为辅助图正确。图形关系隔离测试 3/3 通过（等长、中点、垂直）。SSS 证明链完整。Examiner 12/12。

缺陷：生成的图中 A、D 两个标签压住对应顶点，见 5.1。

### C3 清晰物理受力 — PASS

m、F、μ、g 识别正确；受力图方向正确（N 向上、mg 向下、F 向右、f 向左，a 独立绘制）；答案 a=3 m/s²，单位与量纲校验通过；9/9。步骤完整。

缺陷：`exam_grade_answer` 的 `diagramRendered` 参数失效（见 5.3），端到端内部评分不受影响。

### C4 函数作图题 — FAIL（缺图）

文字、公式、两个小问、“列表/描点/连线”要求均识别正确（隔离识别置信度 0.99）。作图判断为 `final_answer` 正确。

端到端在作图规划阶段两次触发输出上限（7000 tokens），修正阶段（9000 tokens）同样被截断，最终没有图；答案用文字描述了列表、描点、顶点和零点，数值全部正确。Examiner 扣 2 分（缺图），status=partial。

隔离测试（给定 ProblemSpec，直接调用 `exam_create_diagram_spec`）**一次通过**，函数图正确绘制（零点、顶点、截距标注正确）。说明失败是输出预算问题，不是 Renderer 能力问题。

### C5 模糊图片 — PASS（带说明）

模糊后仍可读。识别置信度从 99% 降到 86%，明确指出“x₁、x₂ 的上标数字受模糊影响，辨识为平方，不能完全排除其他数字”，并在最终答案中保留该前提。答案本身正确（x=2,3；13），8/8 通过。

Examiner 仍给 12/12，未因实质歧义扣分；答案已自带说明，因此判为部分合理。

### C6 倾斜图片 — PASS（图形有可读性缺陷）

22° 旋转后正常识别；对图中 AC 边红色标记的歧义（等长刻度或噪声）给出了说明，并按题干 `AB=AC` 处理，处理方式合理。证明 8 步完整，15/15，12/12。图形同样存在 A/D 标签压点。

### C7 题干裁切（缺 μ）— FAIL（首轮） / PARTIAL（重试）

识别阶段表现良好：置信度 0.52，明确列出“右侧被裁切、动摩擦因数可能缺失、设问不完整”，没有编造 μ。

首轮 `balanced`：识别与作图完成后，Solver 在 9000 token 输出上限处截断，工具直接返回 `LLM_TRUNCATED`，没有最终答案，也没有“请补充图片”的用户提示。

重试 `fast`：给出参数化解 `a=(10−20μ)/2=(5−10μ) m/s²`，并说明 μ≥0.5 时静止、缺少 μ 时无法唯一确定，未编造数值。这一处理在数学与物理上都正确。

但 Validator 把条件分支中的 `a=0` 当成“最终答案的无单位量”，报 `physics:unit:a` 失败；Examiner 据此扣 3.5 分，最终 8.5/12。属于**误报导致的错扣**。

### C8 图形裁切（文字完整）— PASS

识别置信度 90%，明确指出“图片底部被裁切，B、C、D 点与 BC 边不完整”“AD 在画幅底端被截断”，并说明依据文字条件完成证明。证明正确，14/14，12/12。

过程中识别结果因 `attributes` 中出现数组而触发一次结构修复（schema 只允许标量），修复后通过；用户可见该提示。属于可接受的健壮性行为，但提示信息偏内部。

### C9 空白图片 — FAIL（评分与状态误导）

识别置信度 0%，subject/题型为 unknown，所有条件为空；Solver 正确拒绝作答，明确写出“图片为空白裁切图……请补充完整、未被裁切的题目图片或题干文字”。就“不编造”而言是正确行为。

但流水线把这次运行标记为 `status: ok`，Examiner 给出 **10/10**。Validator 还通过了模型给出的两条与题目无关的 `numeric` 断言（`2.727272727` 自证），说明“可验证断言”可以被无关恒等式满足。

---

## 5. 失败与缺陷详情

### 5.1 几何图标签压住顶点（C2 / C6 / C8）

- 输入样例：C2、C6、C8
- 预期：标签在点外侧，不压住点、不压住线段
- 实际：A 标签落在顶点右下方并压住顶点；D 标签压住 D 点
- 首个出错模块：**DIAGRAM_RENDERING**
- 原因定位：`DiagramSpec.label_offsets` 的语义不一致。提示词与 Schema 示例按屏幕像素理解（`"A":[10,-8]`，负 y 向上），而 Renderer 把它当世界坐标方向并做 y 翻转，导致模型给出 `"A":[0,-14]` 时标签被放到下方。
- 下游影响：不影响几何关系的数值校验，图形仍可用；但降低图形可读性与“作答图”的规范性。
- 修复方向：统一 `label_offsets` 语义（建议明确为屏幕像素偏移，并在渲染器中直接使用）；或在标签落点落入多边形/距点过近时拒绝该 hint，回退到自动避让。

### 5.2 函数图标题重复（C4 隔离测试）

- 输入样例：C4（隔离 `exam_create_diagram_spec`）
- 预期：标题出现一次；曲线标注只标 `y=x²−2x−3`
- 实际：左上角标题与右上角曲线标签内容相同，重复
- 首个出错模块：**DIAGRAM_RENDERING**
- 原因定位：`render_coordinate` 在 `mark_key_points` 分支中把 `spec.title` 同时作为曲线 label（`curves_spec.insert(... label=spec.get("title"))`），与画布标题重复。
- 修复方向：曲线缺省标签不要取 title；或仅在未设置 title 时使用。

### 5.3 `exam_grade_answer` 的图参数失效

- 输入样例：C3（`diagramRendered=true, diagramRole=both`）与 C7b
- 预期：已渲染图时不应再扣“没有图”
- 实际：仍扣 2 分并给出“题目要求作图，但答案中没有图”
- 首个出错模块：**EXAMINER**（工具参数到 pipeline 的传递）
- 原因定位：`tools.js` 把 `{rendered, role}` 传给 `pipeline.gradeSolution`，但 `gradeSolution` 只用 `Boolean(diagram?.files)` 判断是否渲染，忽略了 `rendered` 字段；阶段工具没有 `files`，因此始终为 false。
- 下游影响：端到端内部评分正常（有 files），但单独调用评分工具时结果错误，会误导 Agent 触发无意义的修订。
- 修复方向：`gradeSolution` 优先使用 `diagram.rendered`，缺失时再回退到 `Boolean(diagram.files)`。

### 5.4 输出预算截断导致整段失败（C4 / C7a）

- 输入样例：C4（作图规划）、C7a（解题）
- 预期：结构化输出或解答完整；预算不足时重试或降级
- 实际：模型在 7000/9000 token 处截断，C4 无图、C7a 直接抛错 `LLM_TRUNCATED`
- 首个出错模块：C4 **DIAGRAM_SPEC**；C7a **SOLVER**
- 原因定位：内部调用继承 `reasoningEffort: max`，推理占用全部输出预算；`planDiagram` 的修复循环只处理校验失败，不处理 LLM 调用失败，首次截断即中止整个作图阶段。
- 下游影响：C4 的 Solver/Examiner/Final 都受前序缺图影响；C7a 没有产生任何答案。
- 修复方向：对结构化调用限制/降低 reasoning effort 或显著提高 maxTokens；对 `LLM_TRUNCATED` 做一次“提高预算 + 缩短提示”的重试；失败时降级为“无图文本答案”而不是中止。

### 5.5 信息不足时缺少统一门禁（C7 / C9）

- 输入样例：C7（缺 μ，置信度 0.52）、C9（空白，置信度 0）
- 预期：识别信息不足时停止解题，返回 `NEED_MORE_INFO`，明确请求用户补充图片
- 实际：C7 继续作图与求解；C9 继续走完流程，拒绝文本被当作正常答案，status=ok、10/10
- 首个出错模块：**PROBLEM_PARSING**（缺少“信息充分性”判定与门禁）
- 下游影响：C7 触发 Solver 截断；C9 触发 Examiner 误判满分，Final Rendering 输出误导性的“自检通过”。
- 修复方向：在识别后增加门禁（`recognition_confidence` 阈值、`raw_text`/`questions` 为空、关键条件缺失）；不通过时返回结构化的“需要补充图片”，并让 status 不为 ok、Examiner 不打分。

### 5.6 Validator 误报“无单位”（C7b）

- 输入样例：C7b（参数化解，含条件分支 `a=0`）
- 预期：最终答案 `a=(5−10μ) m/s²` 有单位；条件分支中的 `a=0` 不应被当作最终答案
- 实际：`physics:unit:a` 失败，细节为“a has no unit”
- 首个出错模块：**VALIDATOR**
- 原因定位：`_answer_unit_checks` 用正则扫描整个 `final_answer` 中所有 `symbol = number` 形式；`a=0` 被当作一次量的声明，且没有上下文（条件分支、中间结果）过滤。
- 下游影响：Examiner 据此扣 3.5 分，正确答案被评为 8.5/12，并触发修订指令。
- 修复方向：只解析结论句（如“故/答/所以”之后）或最后一个赋值；同一符号多次赋值时取最终值；对无单位但显式无量纲的表达式豁免。

### 5.7 无关断言可通过 Validator（C9）

- 输入样例：C9
- 预期：空白题不应产生“程序校验通过”
- 实际：AnswerSpec 中的两条 `numeric` 断言（数值 `2.727272727`）与题目无关，Validator 仍判定通过
- 首个出错模块：**VALIDATOR**（断言相关性）
- 下游影响：Examiner 认为“程序验证通过”，给出满分。
- 修复方向：要求断言至少引用题目中的符号/方程/数值；对“题目为空”直接拒绝执行验证；报告 coverage 时区分“相关断言”和“无关断言”。

### 5.8 Examiner 对拒绝作答给满分（C9）

- 输入样例：C9
- 预期：无题目、无答案时不给分，或标记 `not_applicable`
- 实际：10/10，`revision_required=false`
- 首个出错模块：**EXAMINER**
- 原因定位：规则评分只检查“最终答案非空、步骤数、关键步骤、作图”，没有“答案是否回答了题目”的判定。
- 修复方向：增加 `answer_kind`（solution/refusal/insufficient_info）；拒绝类回答不计分并报告原因。

---

## 6. Validator 故障注入

| 注入错误 | 预期 | 实际 | 结果 |
|---|---|---|---|
| 方程解 x=4（正确为 2,3） | 回代失败 | `residual = 2`，passed=false | 检出 |
| 图中 AD 不垂直 BC | 垂直关系失败 | `|cos|=0.2095 > 0.002`，passed=false | 检出 |
| 物理答案缺单位 | 单位失败 | 独立 `validate_solution` 报 `answer:units_present` 与 `physics:unit:v` 失败；Examiner 扣 1 分 | 检出 |
| 条件分支 `a=0` 无单位 | 不应失败 | 误报 `physics:unit:a` | **误报** |
| 与题目无关的 numeric 断言 | 不应通过 | 通过 | **漏检（相关性）** |

故障注入检出率：3/3（有意注入的真实错误）；误报 1 次；相关性漏检 1 次。

---

## 7. Examiner 专项

| 场景 | 预期 | 实际 | 结论 |
|---|---|---|---|
| C4 要求作图但缺图 | 扣分并触发修订 | 扣 2 分，revision=true | 合理 |
| 物理答案缺单位 | 扣分 | 扣 1 分 | 合理 |
| 步骤过少（1 步） | 扣分 | 扣 1.5 分 | 合理 |
| C9 空白题拒绝作答 | 不给分 | 10/10 | **不合理** |
| C3 已渲染图（阶段工具传 rendered=true） | 不扣图分 | 仍扣 2 分 | **参数失效** |
| C7b 参数化解 | 不因“无单位”扣分 | 因误报扣 3.5 | **受 Validator 误报影响** |
| quality=high 的模型阅卷 | — | 未运行 | NOT TESTED |

---

## 8. 指标

| 指标 | 数值 | 口径 |
|---|---|---|
| 总测试用例 | 9 | C1–C9 |
| 端到端运行次数 | 10 | 含 C7 重试 |
| 首轮严格成功率 | **6/9 = 66.7%** | status=ok 且答案正确完整且无虚构条件 |
| 含重试严格成功率 | **6/10 = 60.0%** | 同上 |
| 答案内容正确率（信息充分题） | **7/7 = 100%** | C1–C6、C8 |
| 交付完整率（信息充分题） | **6/7 = 85.7%** | C4 缺图 |
| 需要作图判断准确率 | **9/9 = 100%** | C1–C9 |
| 图形关系正确率 | **100%**（被检查关系全部通过） | C2 隔离 3/3；E2E 全部通过 |
| 几何图可读性 | **0/3** 存在标签压点 | C2、C6、C8 |
| Validator 真实错误检出 | **3/3 = 100%** | 错根、错垂直、缺单位 |
| Validator 误报 | **1** | C7b |
| Examiner 合理次数 | **6 合理 / 2 部分 / 1 错误** | 合理：C1、C2、C3、C4、C6、C8；部分：C5、C7b；错误：C9 |
| 首轮平均耗时 | 51.3 s | 9 例，C7a 按日志阶段耗时估算 |
| 单题平均 LLM 调用 | 3.0 次 | 30 次调用 / 10 次运行 |

---

## 9. 各模块失败数量

| 模块 | 失败数 | 说明 |
|---|---|---|
| IMAGE_INPUT | 0 | 路径输入正常；无图调用返回明确的 `NO_IMAGES` |
| OCR | — | 无独立 OCR 模块，只有多模态识别；不适用 |
| FORMULA_RECOGNITION | 0 | 公式转写均正确；C5 的不确定性被正确标注 |
| PROBLEM_PARSING | 2 | C7 缺条件仍继续；C9 空题仍继续 |
| VISUAL_RECONSTRUCTION | 0 | C2/C6/C8 关系正确；C8 裁切被正确标注 |
| DIAGRAM_REQUIREMENT | 0 | 9/9 判断正确 |
| DIAGRAM_SPEC | 1 | C4 截断导致未产出（隔离测试通过） |
| DIAGRAM_RENDERING | 4 | 标签压点 ×3（C2/C6/C8）；函数标题重复 ×1（C4 隔离） |
| SOLVER | 1 | C7a 截断；C4 输出正确但缺图（计入 DIAGRAM_SPEC） |
| VALIDATOR | 2 | C7b 误报；C9 无关断言通过 |
| EXAMINER | 2 | C9 拒绝得满分；C3 图参数失效（C7b 受 Validator 牵连另计） |
| FINAL_RENDERING | 2 | C7a 直接抛错，无用户可读的补充提示；C9 输出误导性“自检通过/满分” |

---

## 10. 最严重的 5 个问题

1. **结构化调用被推理预算截断**（C4、C7a）
   `reasoningEffort=max` 下，7000/9000 token 的输出预算被推理占满，作图规划与解题会直接失败；作图阶段首次失败即中止，重试机制不覆盖 LLM 失败。影响核心用例（函数作图题、信息略复杂的物理题）。

2. **信息不足时没有门禁**（C7、C9）
   识别已经给出 0.52/0.00 的置信度和明确的不确定性描述，流水线仍继续作图与求解；C9 甚至以 `status: ok`、10/10 结束。这不是“表达不确定性”，而是“带着不确定性继续给出正式答案”。

3. **Validator 对条件分支/多次赋值误报**（C7b）
   正确答案因 `a=0`（静止分支）被判“无单位”，Examiner 扣 3.5 分并触发修订。误报比漏报更伤：它让正确答案看起来是错的，并浪费一轮修正。

4. **Examiner 无法识别“拒绝作答”**（C9）
   空白题得到 10/10 与“程序验证通过”，评分体系在最需要保守的场景给出了最自信的结果。

5. **`label_offsets` 语义不一致导致标签压点**（C2、C6、C8）
   三张几何图的 A/D 标签都压住顶点。图形关系是正确的，但作为“作答图”不够规范；根因是提示词/Schema 与 Renderer 对偏移量的解释相反。

附带问题：函数图标题重复；`exam_grade_answer` 的 `diagramRendered` 参数失效；C8 的 `attributes` 数组触发一次结构修复（提示信息偏内部）。

---

## 11. 建议修复顺序

| 优先级 | 问题 | 建议 |
|---|---|---|
| P0 | 输出预算截断 | 结构化调用不继承 `max` reasoning，或按任务设置更合理的 maxTokens；对 `LLM_TRUNCATED` 做一次提高预算的重试；作图失败时降级为“无图答案”而不是中止 |
| P0 | 信息充分性门禁 | 置信度阈值 + 空题干/空问题/关键条件缺失检测；不满足时返回 `NEED_MORE_INFO` 与明确补图提示；status 不得为 ok |
| P1 | Validator 上下文 | 只解析结论句或最后一次赋值；同一符号多次赋值取最终值；符号量无单位时区分“条件分支中间量”与“最终结论” |
| P1 | Examiner 拒绝识别与图参数 | 增加 `answer_kind`；拒绝类不给分；修复 `gradeSolution` 对 `diagram.rendered` 的读取 |
| P2 | 图形标签 | 统一 `label_offsets` 为屏幕像素；标签落入图形内部或距点过近时回退自动避让 |
| P2 | 函数图标题重复 | 曲线标签不再复用 `title` |
| P3 | DiagramSpec 语义 | 题目给定的线段不要放入 `auxiliary_segments`（C2 隔离用例中 AD 被画成红色虚线） |
| P3 | 结构修复提示 | `attributes` 允许标量以外的值，或把修复提示改为用户可读的“识别结果已自动整理” |

---

## 12. NOT TESTED

以下项目本轮**没有真正运行**，不记为 PASS：

- `quality=high` 的模型阅卷（LLM Examiner）与成功完成的自动修订（C4 的修订被截断，C7 未进入修订）。
- 会话图片回退（本轮全部使用 `imagePaths`，未在对话中上传图片）。
- 电路图、光路图的端到端用例（只有单元/结构测试）。
- 立体几何（明确未实现）。
- 手写体、拍照反光、透视畸变。
- 并发调用与限流；跨平台（仅 Windows）。
- 图像识别与人工转录的逐字差异率（人工核对，未做字符级统计）。

---

## 13. 结论

- 核心链路（识别 → 判断 → 作图 → 解题 → 校验 → 评分 → 输出）在**信息充分、模型不截断**时可用；C1、C2、C3、C5、C6、C8 六个用例给出了正确且可誊写的答案。
- 当前版本**不能通过完整验收**：函数作图题会因截断丢图；信息不足时缺少门禁；Validator 有一次误报；Examiner 会给拒绝作答打满分。
- 上述问题均已定位到具体模块与代码位置，修复顺序见第 11 节。修复后建议用同一套 9 个用例回归，并补测第 12 节列出的 NOT TESTED 项。