Recap: 履歷進得來了，也拆成欄位了，今天開始拿它跟職缺對照

職缺的每一條要求，去履歷裡找有沒有對應的證據
找到就附上原句，找不到就說找不到

模型判定，程式驗證

分兩段做。模型負責判定並給出引用，程式負責確認那段引用真的存在

schema 也照這條線切開：

# --- 以下由模型填 ---
requirement: str
verdict: MatchVerdict
quote: str | None

# --- 以下由程式驗證後補上，模型不得填寫 ---
quote_verified: bool | None = None
quote_start: int | None = None
quote_end: int | None = None

模型可以說它引用了某句話，但那句話存不存在由程式決定

沒寫到不等於不會

判定三態：direct 明確寫到、indirect 可推得但沒直說、not_found 沒有相關內容

not_found 的語意在 prompt 裡寫死：

履歷沒寫到不等於求職者不會。not_found 的意思是「履歷沒有證據」，不是「這個人沒有這個能力」

差別在下游。Day 12 排學習計畫時，如果把 not_found 讀成「不會」，會叫一個其實會的人去從頭學

還有一條：寧可判 not_found，也不要為了湊證據而引用不相干的句子

為什麼不能直接用 quote in source

第一版就是這樣寫的，然後發現誠實引用會被判成捏造

pypdf 抽出來的文字帶著 PDF 的換行跟多重空格，模型複述時會把它正規化掉
實測一句 180 字的引用，原樣比對 False，空白正規化後 True —— 模型其實照抄了，是空白害的

所以比對前先壓平空白、統一全半形（NFKC）、casefold，而且要留一張索引表，
否則比對成功也指不出位置，UI 標不亮原文

連字號還有個坑：PDF 常把 end-to-end 這種詞斷在連字號後換行
只吃掉換行、保留連字號，不然多出來的空格會讓誠實引用被判成「改過字」

相似度怎麼算才不會冤枉人

找不到完全相符時，要分辨「改了兩個字」跟「整句捏造」

不能用最長連續片段當分數 —— 在句子中間插一個詞（模型最常見的動手腳方式）會把字串切成兩半，
最長片段只剩一半，誠實引用會被打成捏造

similarity = sum(b.size for b in blocks) / len(n_q)

這個分數的意思是「模型宣稱引用的內容，有多少比例真的照順序出現在原文裡」

判定也是三態，altered 不算通過：

誤判的成本不對稱：把誠實引用判成捏造，使用者會不信任系統；把捏造判成照抄，系統就沒有存在意義了

0.85 是手調的

_NEAR_MISS_THRESHOLD = 0.85 沒有任何根據，就是試出來的起點
Day 25 建評估規準時要拿資料集重新校準，先記在這裡

另外模型偶爾會自相矛盾：判了 not_found 卻附上引用
這種清掉引用並記一句 判定為 not_found 卻附上引用，已忽略該引用，不是靜默吞掉

版本：Python 3.12.10，比對只用標準庫的 difflib 與 unicodedata

明天

證據對得起來了，接下來是改寫
明天要讓它只能重組既有事實，不能長出新的