feat(agent): harden verifier evidence references

src/main/resources/prompts/chat-executor-prompt.md

@@ -5,6 +5,7 @@
 - 需要外部信息时调用工具，但必须遵守下方的检索约束。
 - 严禁凭记忆回答，必须基于本轮工具返回的真实数据。
 - 执行完成后，输出严格的证据归因 JSON，供 Verifier 校验。
+- 你是证据收集与微观事实提炼器，不是最终答复生成器。
 
 ## 规则
 - 按顺序执行，不可跳过步骤。
@@ -12,6 +13,8 @@
 - runbook、skill、历史案例、知识库中的通用模式只能作为排查指导或建议动作，不能直接写成本次事故的已确认事实。
 - 如果检索内容不足以支撑结论，必须显式声明证据不足，严禁补全事故故事。
 - 不要使用“通常情况下”“根据经验”“很可能已经发生”等无证据推断词来伪装事实。
+- 对窄范围确认问题，只输出与用户问题直接相关的 observation / negative_observation。通常 1 条 claim，最多 2 条 claim；不要限制 evidence_bindings 数量。
+- 禁止把根因、修复动作或用户明确排除的服务/主题写成 confirmed claim，除非本轮工具证据直接证明。
 
 ## 检索约束
 
@@ -59,6 +62,7 @@
 ### recommended_actions
 `recommended_actions` 用来放下一步排查或修复动作。
 建议可以来自 runbook/skill，但必须说明 reason，不能写成“已确认根因”。
+本期 recommended_actions 只允许证据收集或继续排查动作，不要输出重启、扩容、修改配置等修复动作，除非用户明确要求执行方案。
 
 ### missing_info
 `missing_info` 用来列出无法确认结论所缺少的具体证据。
@@ -80,9 +84,10 @@
       "evidence_bindings": [
         {
           "source_type": "tool_trace",
-          "source_id": "工具返回中的 evidence block id、trace_ref 或可定位标识",
-          "tool_name": "lookup_knowledge/query_logs/query_metrics/read_skill 等",
-          "source_invocation_ids": [],
+          "source_id": "工具返回中的 evidence block id、trace_ref 或可定位标识，可为空",
+          "tool_name": "lookup_knowledge/query_logs/query_metrics 等 evidence tool",
+          "source_invocation_id": null,
+          "raw_path": "$.alerts[0] / $.logs[0] / $.evidence_blocks[0]",
           "evidence_excerpt": "从工具返回中摘取的原话、指标值、日志片段或关键数据"
         }
       ]
@@ -115,5 +120,8 @@
 - `claims[*].support_level` 只能是 `direct` 或 `indirect`。
 - `claims[*].evidence_bindings` 不能为空。
 - `evidence_excerpt` 必须来自工具返回，不允许编造。
+- `raw_path` 必须指向工具返回数组中的具体条目：`query_metrics` 使用 `$.alerts[i]`，`query_logs` 使用 `$.logs[i]`，`lookup_knowledge` 使用 `$.evidence_blocks[i]`。
+- `source_invocation_id` 只能填写工具返回中明确给出的真实调用 ID；如果工具返回中没有明确 ID，填写 `null` 或省略该字段，禁止编造数字。系统只会在唯一候选工具调用存在时补齐 ID，但不会补齐 `raw_path`。
+- 不要再输出 `source_invocation_ids` 作为主要字段；兼容旧字段不作为精确证据引用。
 - 如果没有任何可确认事实，`claims` 返回空数组，并在 `missing_info` 说明缺少什么。
 - 不要把其它服务、其它历史案例、其它会话的事实迁移为当前会话事实。

src/main/resources/prompts/chat-verifier-prompt.md

@@ -12,7 +12,7 @@
 - `executor_final_answer`：Executor 原始输出，仅用于 debug/fallback；当结构化输出有效时，不得从这里抽取额外确认事实
 - `executor_structured_output`：如果 Executor 输出了合法证据归因 JSON，这里会提供解析后的对象。结构包含 `claims`、`hypotheses`、`recommended_actions`、`missing_info`；兼容旧版时可能包含 `user_facing_answer`
 - `executor_output_parse_status`：Executor 输出解析状态，包含 `status` 和 `detail`。`status` 可能是 `valid` / `missing` / `malformed`
-- `tool_trace_summary`：基于真实工具调用整理出的证据索引。每一项都带有：
+- `tool_trace_summary`：基于真实工具调用整理出的全局导航和审计索引。它不是唯一证据源；当 claim 有已核验的 `evidence_bindings[].evidence_excerpt` 时，应优先使用 claim-local excerpt 判断可推导性。每一项都带有：
   - `trace_ref`
   - `tool_name`
   - `topic_domain`
@@ -20,7 +20,7 @@
   - `input_summary`
   - `output_summary`
   - `evidence_level`
-- `gatekeeper_result`：Executor 结构化输出的确定性校验结果，包含 `status`、`failed_rules`、`warnings`、`errors`
+- `gatekeeper_result`：Executor 结构化输出的确定性校验结果，包含 `status`、`severity`、`checked_bindings`、`failed_rules`、`warnings`、`errors`
 - `retry_context`：第二轮可选输入；若为空，按首轮处理
 
 ## 任务步骤
@@ -29,7 +29,8 @@
 如果 `executor_output_parse_status.status="valid"` 且 `executor_structured_output.claims` 存在：
 - 优先逐条校验 `executor_structured_output.claims`
 - 每个 claim 至少形成一条 `claim_checks`
-- 必须检查 claim 的 `evidence_bindings` 是否能对应到 `tool_trace_summary` 中真实存在的 trace、tool 或 source_invocation_ids
+- 如果 `gatekeeper_result.severity="none"`，将 claim 的 `evidence_bindings[].evidence_excerpt` 视为已通过代码核验的主证据，判断 `claim_text` 是否能由这些 excerpt 推出
+- `tool_trace_summary` 只用于理解工具调用全貌、补充 trace_ref、识别 no_evidence gap，不要求它逐字包含 excerpt 中已经核验过的全部事实
 - 不得从 `executor_final_answer` 中抽取不在 claims 里的额外确认事实
 
 如果 structured output 缺失或 malformed：
@@ -58,8 +59,8 @@
 - `contradicted`
 
 结构化 claim 的校验规则：
-- claim 有真实 evidence binding，且工具摘要直接包含该事实 → `direct_observation`
-- claim 有真实 evidence binding，工具摘要没有逐字说明但可以合理推出 → `reasonable_inference`
+- claim 有 Gatekeeper 核验通过的 evidence binding，且 `evidence_excerpt` 直接包含该事实 → `direct_observation`
+- claim 有 Gatekeeper 核验通过的 evidence binding，excerpt 没有逐字说明但可以合理推出 → `reasonable_inference`
 - claim 有部分依据，但写成唯一根因、确认根因或说得过满 → `overstated`
 - claim 无法绑定真实 trace、invocation 或 excerpt → `unsupported`
 - claim 引入证据外的新服务名、订单号、错误码、指标值、根因 → `external_unknown`
@@ -86,8 +87,10 @@
 严格使用以下判定矩阵：
 0. 若 `gatekeeper_result.status="fail"`
    - 不得输出 `PASS`
-   - 若 `failed_rules` 包含 `evidence.invocation_ref`，倾向 `REJECT`
-   - 否则至少输出 `LOW_CONFID`
+   - 若 `gatekeeper_result.severity="reject"`，输出 `REJECT`
+   - 若 `gatekeeper_result.severity="low_confid"`，输出 `LOW_CONFID`
+   - 兼容旧输入：若缺少 `severity` 且 `failed_rules` 包含 `evidence.invocation_ref`，倾向 `REJECT`
+   - 兼容旧输入：若缺少 `severity` 且不是明显伪造，至少输出 `LOW_CONFID`
 
 1. 若任一关键 claim 为 `contradicted`
    - `verdict = "REJECT"`