# 文档切分测试深度分析报告

生成时间: 2026-03-29

## 1. 测试结果汇总

| 状态 | 数量 |
|------|------|
| PASS | 6 |
| FAIL | 1 |
| 总计 | 7 |

## 2. FAIL Case 深度分析

**文件**: 测试模版-四川路桥专项施工方案框架以及编制说明（2025修订第三版）- v0.2.pdf

**总 chunks**: 45

**一级章节数**: 10

### 2.1 泄漏检测详情

检测到的泄漏:
- Chunk ID: `doc_chunk_第九章->五_1`
  Section Label: `第九章 验收要求->五、 验收人员`
  关键词: `第十章`

- Chunk ID: `doc_chunk_第九章->五_1`
  Section Label: `第九章 验收要求->五、 验收人员`
  关键词: `其他资料`

### 2.2 章节结构分析

**第九章 所有 chunks:**
1. `第九章 验收要求->一、 验收标准`
2. `第九章 验收要求->三、 验收内容`
3. `第九章 验收要求->二、 验收程序`
4. `第九章 验收要求->五、 验收人员`
5. `第九章 验收要求->四、 验收时间` <-- 最后一个

**第十章 所有 chunks:**
1. `第十章 其他资料`

**异常发现**: 第十章只有一个 chunk 且没有二级节，而 PASS case 的第十章都有多个带二级节的 chunks。

可能原因:
1. 第十章原文确实没有二级标题
2. 第十章的二级标题未被正确识别（标题格式问题）
3. 第十章内容较少，只有一个 chunk

### 2.3 泄漏类型判断

根据现有数据，此泄漏很可能是**误报**，原因:

1. **第十章已成功提取**: `last_chapter_found: true`
2. **关键词仅出现在第九章最后一个 chunk**: 如果是真实泄漏，应该分散在多个第九章 chunks 中
3. **上下文可能是引用/过渡语**: 如"详见第十章 其他资料"或目录中的引用

### 2.4 与其他文件对比

**PASS case (标准结构测试文件) 的第十章结构:**
- `第十章其他资料->一、计算书`
- `第十章其他资料->二、相关施工图纸`
- `第十章其他资料->三、附图附表`

**差异分析:**
- 标准测试文件的第十章有3个二级节，每个都有独立的 chunk
- FAIL case 的第十章只有一个 chunk，没有二级节

这可能是因为:
1. 两份文件的第十章结构确实不同（一个带二级标题，一个不带）
2. FAIL case 的第十章二级标题格式不符合识别规则

## 3. 所有文件章节完整性检查

| 文件名 | TOC一级章节 | Chunk一级章节 | 泄漏检测 | 状态 |
|--------|-------------|---------------|----------|------|
| 标准结构测试文件.pdf | 10 | 10 | 无 | PASS |
| 测试模版-四川路桥...v0.2.pdf | 10 | 10 | 有 | FAIL |
| 成渝扩容桥梁下部结构...pdf | 10 | 10 | 无 | PASS |
| 达州绕西高速...pdf | 8 | 8 | 无 | PASS |
| 高处作业安全带...pdf | 9 | 9 | 无 | PASS |
| 龙泉山左线特大桥...pdf | 9 | 9 | 无 | PASS |
| 主线天桥现浇箱梁...pdf | 9 | 9 | 无 | PASS |

**观察:**
- 所有文件的 TOC 一级章节数与 Chunk 一级章节数完全匹配
- 无章节缺失问题

## 4. 内容分布分析

**各文件 chunk 数量分布:**

| 文件名 | 总 chunks | 平均每章节 chunks |
|--------|-----------|-------------------|
| 标准结构测试文件.pdf | 65 | 6.5 |
| 测试模版-四川路桥...v0.2.pdf | 45 | 4.5 |
| 成渝扩容桥梁下部结构...pdf | 59 | 5.9 |
| 达州绕西高速...pdf | 19 | 2.4 |
| 高处作业安全带...pdf | 38 | 4.2 |
| 龙泉山左线特大桥...pdf | 42 | 4.7 |
| 主线天桥现浇箱梁...pdf | 42 | 4.7 |

**观察:**
- 达州绕西高速文件平均每章节 chunks 较少 (2.4)，可能是因为章节内容较少或格式简单
- 标准结构测试文件 chunk 数最多 (65)，内容最丰富

## 5. 结论与建议

### 5.1 当前状态评估

| 检查项 | 结果 | 说明 |
|--------|------|------|
| 最后一章提取 | 7/7 成功 (100%) | 所有文件最后一章都已正确提取 |
| 章节完整性 | 7/7 完整 (100%) | 无章节缺失 |
| 跨章节泄漏 | 1/7 报异常 | 可能是误报，需人工确认 |

**总体评价: 良好**

### 5.2 建议

1. **确认泄漏是否为误报**
   - 建议人工查看 `doc_chunk_第九章->五_1` 的完整内容
   - 确认"第十章"、"其他资料"出现的上下文
   - 如果是引用/过渡语，应优化检测逻辑排除此类场景

2. **检查第十章切分差异**
   - 确认 FAIL case 的第十章原文是否真的没有二级标题
   - 如果是格式问题导致未识别，考虑优化标题匹配规则

3. **优化测试脚本**
   - 泄漏检测增加上下文分析（排除"详见第X章"等引用模式）
   - 保存 pipeline 中间结果，避免每次测试都重新运行 LLM

4. **增加更多测试维度**
   - 检查每个章节的内容长度分布
   - 检测可能的重复内容
   - 验证二级节标题的完整性

## 6. 附录: FAIL case 完整 section_labels

```
第一章 编制依据->一、 法律法规
第一章 编制依据->三、 文件制度
第一章 编制依据->二、 标准规范
第一章 编制依据->五、 编制范围
第一章 编制依据->四、 编制原则
第七章 环境保证措施->一、 环境保证体系
第七章 环境保证措施->三、 环境保护及文明施工措施
第七章 环境保证措施->二、 环境保护组织机构
第三章 施工计划->一、 施工进度计划
第三章 施工计划->三、 施工设备计划
第三章 施工计划->二、 施工材料计划
第三章 施工计划->五、 安全生产费用使用计划
第三章 施工计划->四、 劳动力计划
第九章 验收要求->一、 验收标准
第九章 验收要求->三、 验收内容
第九章 验收要求->二、 验收程序
第九章 验收要求->五、 验收人员
第九章 验收要求->四、 验收时间
第二章 工程概况->一、 设计概况
第二章 工程概况->七、 参建各方责任主体单位
第二章 工程概况->三、 周边环境
第二章 工程概况->二、 工程地质与水文气象
第二章 工程概况->五、 施工要求和技术保证条件
第二章 工程概况->六、 风险辨识与分级
第二章 工程概况->四、 施工平面及立面布置
第五章 安全保证措施->一、 安全保证体系
第五章 安全保证措施->三、 技术保障措施
第五章 安全保证措施->二、 组织保证措施
第五章 安全保证措施->五、 监测监控措施
第五章 安全保证措施->六、 应急处置措施
第五章 安全保证措施->四、 安全防护措施
第八章 施工管理及作业人员配备与分工->一、 施工管理人员
第八章 施工管理及作业人员配备与分工->三、 特种作业人员
第八章 施工管理及作业人员配备与分工->二、 专职安全生产管理人员
第六章 质量保证措施->一、 质量保证体系
第六章 质量保证措施->三、 工程创优规划
第六章 质量保证措施->二、 质量目标
第六章 质量保证措施->四、 质量控制程序与具体措施
第十章 其他资料
第四章 施工工艺技术->一、 主要施工方法概述
第四章 施工工艺技术->三、 工艺流程
第四章 施工工艺技术->二、 技术参数
第四章 施工工艺技术->五、 施工方法及操作要求
第四章 施工工艺技术->六、 检查要求
第四章 施工工艺技术->四、 施工准备
```