From c6b6a73970bdd806096e4fb233db177bf1e1b34c Mon Sep 17 00:00:00 2001
From: youpaishidifu <youpaishidifu@git.ypshidifu.cn>
Date: Wed, 19 Aug 2026 14:20:14 +0800
Subject: [PATCH] =?UTF-8?q?=E4=BF=AE=E5=A4=8D[=E7=9B=B8=E5=85=B3=E6=A3=80?=
 =?UTF-8?q?=E6=9F=A5]=EF=BC=9A=E7=BA=AF=E5=81=9C=E7=94=A8=E8=AF=8D?=
 =?UTF-8?q?=E6=9F=A5=E8=AF=A2=E6=A8=A1=E7=B3=8A=E5=AD=90=E4=B8=B2=E5=9B=9E?=
 =?UTF-8?q?=E9=80=80=EF=BC=8C=E5=AE=B9=E5=BF=8DOCR/=E8=BE=93=E5=85=A5?=
 =?UTF-8?q?=E5=99=AA=E5=A3=B0?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

- 问题：查询"关于我们儿"匹配到index.md"关于我们"(匹配度8.66)却未通过内容相关性检查，跳过回复。
- 根因：q_mean为空(关于/我们均为停用词)落入纯停用词分支，整串精确子串匹配"关于我们儿" in full失败即拒，多一个"儿"字符无法容忍。
- 修复：精确匹配失败后增加模糊子串回退——按stripped长度从大到小在full中查找连续片段，命中长度≥max(3, len*0.75)放行。
- 测试：单测4/4(案例+回归)，真实KB端到端：index 8.66→True，beibao 2.24/sdf1 0.60→False。
---
 auto_reply.py | 33 ++++++++++++++++++++++++++++++++-
 1 file changed, 32 insertions(+), 1 deletion(-)

diff --git a/auto_reply.py b/auto_reply.py
index 5842e67..2aac84a 100644
--- a/auto_reply.py
+++ b/auto_reply.py
@@ -142,7 +142,38 @@ class AutoReply:
             if len(stripped) >= 2:
                 full = (doc.get("heading", "") + " " + doc.get("title", "")
                         + " " + (doc.get("content", "") or doc.get("body", ""))).lower()
-                return stripped in full
+                if stripped in full:
+                    return True
+                # ⭐ 模糊子串回退（2026-08-19）：OCR/输入噪声导致 1~2 字符差异时
+                # 仍应放行。例：查询"关于我们儿" vs 文档标题"关于我们"（多一个"儿"）。
+                # 纯停用词查询（q_mean 为空）整串匹配失败后，降级为 LCS 相似度检查——
+                # 只要 stripped 的绝大部分字符能连续出现在 full 中即视为相关。
+                # 复用子串回退思路，但此分支无 meaningful token 可依赖，直接查 LCS。
+                _win = 0
+                _src = stripped
+                _tgt = full
+                # LCS 长度 ≥ min(len(_src), len(_tgt)) * 0.75 且 ≥ 3 时放行
+                # 用窗口滑动近似 LCS：以 stripped 的连续片段（len 从大到小）在 full 中查找
+                for _qlen in range(len(_src), 2, -1):
+                    for _start in range(len(_src) - _qlen + 1):
+                        _phrase = _src[_start:_start + _qlen]
+                        if _phrase in _tgt:
+                            _win = _qlen
+                            break
+                    if _win:
+                        break
+                if _win >= max(3, int(len(_src) * 0.75)):
+                    logger.debug(
+                        f"纯停用词查询模糊子串回退放行: query={query[:30]!r} "
+                        f"stripped={stripped[:30]!r} win_len={_win}/{len(_src)} "
+                        f"doc_heading={(doc.get('heading') or '')[:30]!r}"
+                    )
+                    return True
+                logger.debug(
+                    f"纯停用词查询无共同子串拒绝: query={query[:30]!r} "
+                    f"stripped={stripped[:30]!r} win_len={_win}/{len(_src)} "
+                    f"doc_heading={(doc.get('heading') or '')[:30]!r}"
+                )
             return False
 
         _link = re.compile(r'\[([^\]]*)\]\([^\)]+\)')