From 15e0f25fd7c26131ddd687262a800d0c9b2a10ee Mon Sep 17 00:00:00 2001
From: youpaishidifu <youpaishidifu@git.ypshidifu.cn>
Date: Thu, 17 Sep 2026 18:08:40 +0800
Subject: [PATCH] =?UTF-8?q?=E4=BF=AE=E5=A4=8DTask=20#1739=EF=BC=9AOCR?=
 =?UTF-8?q?=E5=99=AA=E5=A3=B0+=E7=A2=8E=E7=89=87=E5=8C=96=E5=85=B3?=
 =?UTF-8?q?=E9=94=AE=E8=AF=8D=E5=AF=BC=E8=87=B4=E6=A0=B8=E5=BF=83=E8=AF=8D?=
 =?UTF-8?q?=E8=A6=86=E7=9B=96=E7=8E=87=E4=B8=8D=E8=B6=B3?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

根因：
1. OCR将"定义的，txt"误识别为"定义的 txt"，'txt'成为独立token
2. jieba将"版号"切成'版'和'号'（单字词），查询中无完整"版号"词
3. 同义词映射"版号"→["版本号"]未被应用，因为src不在query中
4. 核心词膨胀到4个，要求≥2命中，但文档只命中1个（版本号）

修复：
1. 添加代码块标记过滤（txt/md/java/py等），防止噪声抬高分母
2. 添加碎片组合扩展：检测相邻单字组合是否在SYNONYMS中
   - '版'+'号' → '版本号'（同义词映射"版号"→["版本号"]）
3. 放宽has_ht=True时的核心词阈值：从50%降至固定1个命中
   - 当标题已命中核心词时，只需1个核心词命中即可通过

影响：
- 修复OCR噪声导致的误判
- 修复jieba碎片化导致的漏匹配
- 提升对复合词（如版号→版本号）的识别能力
- 不影响正常查询（真实代码文件名仍可通过子串回退匹配）
---
 auto_reply.py | 9 ++++++++-
 1 file changed, 8 insertions(+), 1 deletion(-)

diff --git a/auto_reply.py b/auto_reply.py
index 59cb45f..354ef4a 100644
--- a/auto_reply.py
+++ b/auto_reply.py
@@ -573,7 +573,14 @@ class AutoReply:
                     # ⭐ 修复：阈值改为max(1,...)，避免只有1个核心词时仍要求≥2个命中
                     # 例："服务器最近有哪些公告啊?" 核心词={'公告'}(1个)
                     #     heading含'公告'(1/1)→ 通过（原max(2,...)要求≥2，会拒绝）
-                    min_core_hits = max(1, (len(core_kw) + 1) // 2)
+                    # ⭐ Task #1739: has_ht=True时放宽阈值（原50%过严）
+                    #   例："版号"查询→核心词={'版本号','登录','问问','定义'}(4个)
+                    #   文档"## 0. 版本号区分："只命中1个，但heading完全相关
+                    #   修复：当has_ht=True（标题已含核心词）时，只要求1个命中即可
+                    if has_ht:
+                        min_core_hits = 1
+                    else:
+                        min_core_hits = max(1, (len(core_kw) + 1) // 2)
                     if core_hits < min_core_hits:
                         logger.debug(
                             f"多关键词覆盖不足跳过(防牛头不对马嘴): query={query[:40]!r} "