#!/usr/bin/env python3
"""parse-book skill：M3 直调拆书执行器（B4-S3 重构：出卡权上移窗级）。

创始人拍板（2026-07-13）：拆书内容生产 LLM=New-API MiniMax-M3（经 llm skill），
不再派 opus/haiku 子代理。B4 fable 审查裁决（2026-07-13）：章级逐章出卡有三同根病
（同功 family 撞车/单章证不成跨章公式/间隔数字伪精确），治法=章级只产「范式候选线索」，
出卡在窗级聚类归并（复用大纲窗切分）——同一手法多章多次出现归并为一张母卡+实例章号，
间隔数字由实例章号差机械计算。

管线三步（顺序依赖）：
  chapters  逐章一次 M3：细纲+实体+范式候选线索 → example_parse_scaffold（正文只过一遍）
  （parse_outline window：窗级大纲聚合 → example_parse_outline，窗=出卡窗的 SoT）
  cards     逐窗一次 M3：窗内线索+细纲+阶段大纲 → 聚类出母卡 → parse_ingest cards 守卫入库

断点续跑：chapters 按 example_parse_task.scaffold_status 跳过；cards 按窗内是否已有活卡跳过。
"""
import json
import pathlib
import re
import subprocess
import sys

import click
import psycopg

# 统一走 llm skill 入口（trust_env/重试/<think>剥离/JSON 容错都在那边）
# 敏感/额度降级链已上收 llm.chat_governed（全局统一治理），本模块不再自持降级链
sys.path.insert(0, str(pathlib.Path(__file__).resolve().parents[2] / "llm" / "scripts"))
from llm import chat_governed, extract_json  # noqa: E402

DSN = ("postgresql://root:f6710e2d0294eb1c10e26a805a64bc54@100.64.0.8:5433/muse-example"
       "?keepalives=1&keepalives_idle=15&keepalives_interval=5&keepalives_count=3")
TENANT = 1
HERE = pathlib.Path(__file__).resolve().parent
TMP = pathlib.Path("/tmp/muse-parse")

# ── 提示词资产（合同一律 load_contracts 动态渲染，禁手写——CONTRACTS 漂移冤案教训） ──

IDENTITY = """你是知识抽取员(extractor)，分析槽位的默认绑定件。产出全部是草稿。
元数据纪律：schema 有什么字段你就抽什么，schema 没有的不抽——字段合同就是抽取 checklist，不自造结构；归型走各型「判据」；归不进任何型的候选=枚举缺口，如实报不硬塞；每字段要有正文证据，置信度低标「?」。
通则：以正文为准，不脑补正文没写的；基础字段规范填；采纳正文≠确认知识。"""

ENTITY_CRITERIA = ("实体型判据(脚手架级,只要 型/名称/一句话摘要)：character=具名可指认的行动主体；"
                   "location=有名字的地点/星球/设施；faction=组织/国家/军团/公司；"
                   "power_system=力量体系/科技体系/修炼阶梯(体系本身,非招式)；"
                   "item=有名字且有跨章戏份的装备/机甲/物品；event=已发生的重大事件(战役/事故/仪式)。"
                   "立卡门槛：有跨章戏份潜力；一次性龙套与单场景道具不收。")

PATTERN_TYPES = ("craft", "combat", "emotion", "scene_pattern", "trope")

# 基础公共字段（yudao 惯例列，出卡时由 ingest/payload 承载，不进抽取字段表）
BASE_KEYS = {"名称", "别名", "一句话摘要", "标签", "来源", "状态", "例证出处"}

# 抽象指代白名单（金标准结论：M3 自造代号如"A角色"破坏可读性；专名只允许进实例定位）
PLACEHOLDERS = "主角/对手/强敌/导师/盟友/队友/配角/反派/长辈/宝物/装备/机关/势力/秘密/危机"


def load_contracts(conn):
    """从库内 schema 版本快照动态渲染五型合同——prompt 与 ingest 守卫同源。

    教训（B4 fable 审查坐实的 bug 级冤案）：此前 prompt 手写合同与库内字段名漂移
    （emotion/scene_pattern/trope 三型全对不上），M3 正确产出的 11 张非 craft 卡
    全部被守卫按另一套字段名冤杀——「prompt 自立合同」违反元数据驱动公理，禁止再犯。
    """
    contracts = {}
    for t in PATTERN_TYPES:
        # 走 active_version_id（激活版本=治理权威），与 ingest 守卫同版本语义——
        # 「最新版本行」在铺了新版未激活时会与守卫劈叉
        snap = conn.execute(
            """SELECT v.field_contract_snapshot FROM muse_meta_schema_version v
               JOIN muse_meta_schema s ON s.active_version_id=v.id
               WHERE s.tenant_id=%s AND s.schema_key=%s""", (TENANT, t)).fetchone()[0]
        fields = [f for f in snap.get("特有字段", []) if f.get("key") not in BASE_KEYS]
        contracts[t] = {"中文名": snap.get("中文名", t), "判据": snap.get("判据", ""),
                        "字段": fields}
    return contracts


def render_contracts(contracts):
    """合同渲染为 markdown 表格形态（比单行 JSON dump 对 LLM 遵从率更友好）。"""
    parts = []
    for t, c in contracts.items():
        rows = "\n".join(f"| {f['key']} | {f.get('说明', '')} |" for f in c["字段"])
        parts.append(f"### {t}（{c['中文名']}）\n判据：{c['判据']}\n\n"
                     f"| 字段 key | 说明 |\n|---|---|\n{rows}")
    return "\n\n".join(parts)


def scaffold_prompt(title, ch, ch_title, text, prev_entities):
    # 前文实体压缩（创始人 2026-07-14）：判重只需名字清单，不必重发型+摘要全档——
    # 全量 json 到后期每章膨胀到 15 万+ token（深空第 557 章 2851 实体≈15 万），是次数被压的真凶
    _names = sorted({(e.get("名称") or e.get("name") or "").strip() for e in prev_entities} - {""}) if prev_entities else []
    ents = "、".join(_names) if _names else "（第一章，为空）"
    wc = len(text.replace("\n", "").replace(" ", ""))
    cap = max(60, int(wc * 0.05))  # 绝对字数上限（纯比例约束 M3 会写超，首轮实测 9.8%–19%）
    # 缓存友好（read-context「稳定度递减吃前缀缓存」）：固定规则段全部前置吃前缀缓存，
    # 章号/字数/上限/前文实体/正文（每章必变）一律尾置；cap 值随材料尾置、规则段只说「见文末上限」以保持固定
    return f"""【功能指令(parse-book 章级 pass：细纲+实体+范式候选线索)】
对参考书的当前章（书名/章号/正文见文末材料区）做三件事：
1) 逆推本章细纲：章目标/关键事件/出场角色/伏笔动作(埋·推·收)/章末钩子。**细纲全文不得超过文末给出的字数上限**（约本章正文的 5%；超标会被校验脚本机械退回）。细纲是结构骨架，不是缩写复述——用短语与分号，不写完整句子。
2) 抽实体增量（脚手架级索引）：{ENTITY_CRITERIA}
判重：文末给出前文已收录实体的**名字清单**，清单内的实体本章不重报（若本章赋予其新身份，可在摘要里点明）；清单外的本章新实体照抽。
3) 报范式候选线索（**只报线索不出卡**，出卡由窗级聚类另做）：本章表现突出、疑似可跨书复用的写法。五型候选：craft=单点叙事装置(删去它场景仍成立)；combat=整场武力对抗的打法；emotion=整场情绪戏的推进；scene_pattern=拍卖/谈判/审讯等场景公式；trope=跨章复用的情节公式。
每条线索给四项：type（五型之一，拿不准填"?"）、name（2–8 字短名，作者口头会说的话，禁书内专名禁修饰堆叠）、clue（一句话：这个写法怎么运作，用{PLACEHOLDERS}等抽象指代）、evidence（一句话：本章哪里这样写、为何突出，可用专名）。
0–5 条/章，平庸章 0 条正常；门槛比出卡低——拿不准的报上来，窗级聚类会过滤。

【输出规则（只输出一个 JSON 对象，禁止任何其他文字）】
{{"outline": "细纲文本", "entities": [{{"type": "六型之一", "name": "名称", "brief": "一句话摘要"}}], "hints": [{{"type": "五型之一或?", "name": "短名", "clue": "运作机制一句话", "evidence": "本章证据一句话"}}]}}

━━━ 本章材料（每章不同，非规则）━━━
【当前章】《{title}》第 {ch} 章《{ch_title}》｜正文约 {wc} 字｜细纲上限 {cap} 字
【前文实体名字清单（判重用，已在列的不重报）】
{ents}
【本章正文】
{text}"""


def window_cards_prompt(title, a, b, stage_outline, ch_outlines, ch_hints, contracts, batch_note):
    """窗级聚类出卡 prompt（B4-S3 核心资产；金标准七条纪律全落于此）。
    放量教训：百条线索一次全型聚类=认知超载，M3 退化为逐条转写（37 章窗出 74 张卡）——
    调用侧按型分批（batch_note 说明本批范围），每批线索几十条以内聚类才真实发生。
    缓存友好（read-context「稳定度递减吃前缀缓存」）：合同+七条纪律+输出格式（上千字、
    跨书跨窗完全一致）全部前置吃前缀缓存；书名/章范围/本批说明/三层材料（每窗每批必变）尾置。"""
    return f"""【功能指令(parse-book 窗级聚类出卡+脱敏红线)】
把一个窗口内已完成章级分析的候选线索**聚类归并**成「公共范式卡」——同一手法在多章的多次出现归并为一张母卡，带全部实例章号；线索不足处可从细纲的伏笔账（埋·推·收）补证跨章装置。书名、章范围、本批范围与三层材料（阶段大纲/逐章细纲/候选线索）均见文末材料区。

{render_contracts(contracts)}

出卡纪律：
- 聚类优先：先把线索按「同一运作机制」分组（不同章的同类线索=同一卡的多个实例），再逐组判断是否值得出卡。**本批最多 6 张，硬上限**——只出聚类后最能跨书复用的母卡；输出张数接近线索条数=你在逐条转写而不是聚类，整批作废。聚不成组又不够突出的线索直接丢弃。
- **每张卡必须带 instances**（窗内章号+一句话定位）；缺 instances 的卡=机械拒收。
- 跨章证据：结构装置（伏笔类）尽量给出埋与收两端的实例章号；只有单章实例的会被标「跨窗待证」降低可信度。
- 命名：卡名=作者口头会说的话（2–8 字，如「先抑后扬」「借刀杀人」），禁「XX式YY化ZZ」修饰语堆叠、禁书内专名、禁自造黑话。
- 摘要：一句话**通用手法陈述**（抹掉本书信息后换任何题材仍成立），禁复述本书剧情、禁与实例定位雷同。
- 抽象指代白名单：{PLACEHOLDERS}——白名单外的自造代号（如"A角色""X道具"）不要用。
- 可迁移性是卡的本体：说不清「作者这样做、读者会怎样」的因果=不是范式，整张卡不出；带此类字段（如原理）的型按其字段说明的句式写——**句式里的 X/Y/Z 是占位符，必须替换成本卡的具体内容**，字面保留「做Y」「读者会Z」=机械拒卡。
- 实例只报章号+一句话定位；**严禁在任何字段里自报间隔章数**——间隔由校验脚本按实例章号差机械计算，自己编数字=伪精确。
- fields 只允许使用该卡 type 在上方合同表里列出的中文 key，没证据的 key 省略不编造。**先按判据定 type，再对照该型的表格填字段**——把别的型才有的 key（哪怕内容再有价值）塞进本型=机械拒卡；上一批实测拒卡主因就是给非 craft 卡塞了 craft 才有的字段。
- 脱敏红线：只写抽象结构与手法归纳，严禁抄录原文（≥15 连续字与原文重合=机械拒卡）；书内专名只允许出现在实例定位(anchor)里。

【输出规则（只输出一个 JSON 对象，禁止任何其他文字；没有值得立的卡时 cards 给空数组）】
{{"cards": [{{"type": "craft|combat|emotion|scene_pattern|trope", "name": "短名", "brief": "一句话通用摘要", "fields": {{"中文合同key": "值"}}, "instances": [{{"ch": 章号数字, "anchor": "一句话情节定位(可用专名)"}}]}}]}}

━━━ 本窗材料（每窗每批不同，非规则）━━━
《{title}》第 {a}–{b} 章。{batch_note}

【阶段大纲】
{stage_outline}

【逐章细纲】
{ch_outlines}

【逐章候选线索】
{ch_hints}"""


# 敏感降级链（历史常量）：已并入 llm.BUDGET_CHAIN 全局统一链，由 chat_governed 内部消化，
# m3_json 不再自己遍历它；保留定义仅作历史留痕，勿再用于逐链换模型。
FALLBACK_MODELS = ["MiniMax-M2.7", "deepseek-v4-flash"]


class SensitiveHardStop(Exception):
    """主模型 + 两个降级备选全部撞敏感——按创始人指令硬停整个解析并汇报（不跳过、不硬扛）。"""


def m3_json(prompt, model, need_keys, system=IDENTITY):
    """调模型 → JSON 容错提取 → 形状校验（不合格带提示重试 1 次）。

    敏感/额度降级已上收 llm.chat_governed（全局统一降级链 + 额度治理）：撞内容安全或模型不可用
    时由 chat_governed 沿全局链自动换模型、并按窗口预算/调用数治理；全链耗尽（used 为 None）时本
    函数抛 SensitiveHardStop 交上层硬停（parse_upgrade/parse_salvage 靠它跳窗）。JSON 形状问题
    非敏感，不换模型（原样抛 RuntimeError，上层按章跳过）。返回 (data, usage) 契约不变。"""
    content, usage, used = chat_governed(prompt, model=model, system=system)
    if used is None:  # 全局降级链全部耗尽（内容安全/不可用）——保留硬停语义
        raise SensitiveHardStop(f"chat_governed 全局降级链全部耗尽（内容安全或模型不可用），model={model}")
    # 拿到内容：JSON 形状校验，不合格带提示重试 1 次（仍走 chat_governed 全局治理）
    for retry in range(2):
        try:
            data = extract_json(content)
            if all(k in data for k in need_keys):
                return data, usage
            err = f"缺少必需键 {need_keys}"
        except Exception as e:  # json_repair 也救不回来的输出
            err = str(e)[:200]
        if retry == 0:
            content, u2, used2 = chat_governed(
                prompt + f"\n\n【重试提示】上次输出无法解析（{err}），请严格按输出规则只输出一个 JSON 对象。",
                model=model, system=system)
            if used2 is None:
                break  # 重试提示也触发全链耗尽：当作该轮失败，落到下方 RuntimeError
            # 只合并数值键：上游 usage 带嵌套 dict（如 *_tokens_details），dict+dict 会崩（放量实测）
            usage = {k: usage.get(k, 0) + u2.get(k, 0) for k in set(usage) | set(u2)
                     if isinstance(usage.get(k, 0), (int, float)) and isinstance(u2.get(k, 0), (int, float))}
    # JSON 形状最终失败（非敏感）：不换模型，原样抛（上层按章跳过）
    raise RuntimeError(f"JSON 形状重试仍失败（{used}）: {err}")


def ingest(kind, work_id, key, payload, keyflag="--chapter-order"):
    """写临时文件 → parse_ingest 机械校验入库；返回 (是否成功, 输出文本)。"""
    TMP.mkdir(parents=True, exist_ok=True)
    f = TMP / f"{work_id}-{key}-{kind}.json"
    f.write_text(json.dumps(payload, ensure_ascii=False, indent=1))
    r = subprocess.run([sys.executable, str(HERE / "parse_ingest.py"), kind,
                        "--work-id", str(work_id), keyflag, str(key), "--file", str(f)],
                       capture_output=True, text=True)
    return r.returncode == 0, (r.stdout + r.stderr).strip()


@click.group()
def cli():
    """M3 直调拆书（章级线索 → 窗级出卡）"""


@cli.command()
@click.option("--work-id", type=int, required=True)
@click.option("--from", "from_", type=int, required=True)
@click.option("--to", type=int, required=True)
@click.option("--model", default="MiniMax-M3", show_default=True)
def chapters(work_id, from_, to, model):
    """章级 pass：逐章一次 M3（细纲+实体+范式候选线索）。正文只过这一遍。"""
    # 任务行就绪（幂等）
    subprocess.run([sys.executable, str(HERE / "parse_ingest.py"), "init-tasks",
                    "--work-id", str(work_id), "--from", str(from_), "--to", str(to)],
                   capture_output=True, text=True)
    with psycopg.connect(DSN) as conn:
        title = conn.execute("SELECT title FROM muse_content_work WHERE id=%s", (work_id,)).fetchone()[0]
    total_in = total_out = 0
    for ch in range(from_, to + 1):
        with psycopg.connect(DSN) as conn:
            row = conn.execute(
                """SELECT c.id, c.title, b.content_text, t.scaffold_status
                   FROM muse_content_chapter c
                   JOIN muse_content_block b ON b.chapter_id=c.id AND b.deleted=FALSE
                   JOIN example_parse_task t ON t.chapter_id=c.id AND t.tenant_id=c.tenant_id
                   WHERE c.tenant_id=%s AND c.work_id=%s AND c.order_no=%s AND c.deleted=FALSE""",
                (TENANT, work_id, ch)).fetchone()
            if not row:
                click.echo(f"#{ch} 章或任务行不存在，跳过")
                continue
            ch_id, ch_title, text, s_st = row
            if s_st == "done":
                click.echo(f"#{ch} 脚手架已完成，跳过")
                continue
            # 前文实体索引（紧凑：型/名称/摘要），判重用
            prev = [e for (ents,) in conn.execute(
                """SELECT s.entities FROM example_parse_scaffold s
                   JOIN muse_content_chapter c ON c.id=s.chapter_id
                   WHERE s.tenant_id=%s AND s.work_id=%s AND c.order_no<%s AND s.deleted=FALSE""",
                (TENANT, work_id, ch)).fetchall() for e in ents]
        try:
            p1 = scaffold_prompt(title, ch, ch_title, text, prev)
            data, usage = m3_json(p1, model, ("outline", "entities", "hints"))
            total_in += usage.get("prompt_tokens", 0)
            total_out += usage.get("completion_tokens", 0)
            ok, out = ingest("scaffold", work_id, ch, data)
            # 比例超标是 M3 高频病：带压缩指令重试 1 次（首轮实测 10/15 章超标）
            if not ok and "细纲比例" in out:
                cap = max(60, int(len(re.sub(r"\s", "", text)) * 0.05))
                data, usage = m3_json(
                    p1 + f"\n\n【重试】上次细纲 {len(data['outline'])} 字超标被退回。"
                         f"压缩到 {cap} 字以内：只留章目标/关键事件/伏笔动作/钩子，删掉一切修饰与过程描述。",
                    model, ("outline", "entities", "hints"))
                total_in += usage.get("prompt_tokens", 0)
                total_out += usage.get("completion_tokens", 0)
                ok, out = ingest("scaffold", work_id, ch, data)
            click.echo(f"  {out}")
        except SensitiveHardStop as e:
            # 降级链（主+2 备）全撞敏感——按创始人指令硬停该书解析并汇报，不跳过、不硬扛
            with psycopg.connect(DSN) as conn:
                conn.execute(
                    """UPDATE example_parse_task SET scaffold_status='failed', error_message=%s
                       WHERE tenant_id=%s AND work_id=%s AND chapter_id=(
                           SELECT id FROM muse_content_chapter
                           WHERE tenant_id=%s AND work_id=%s AND order_no=%s)""",
                    (str(e)[:500], TENANT, work_id, TENANT, work_id, ch))
                conn.commit()
            click.echo(f"  ⛔ #{ch} 敏感降级链全失败：{e}")
            click.echo(f"《{title}》解析按指令硬停于 #{ch}（此前完成章已落库；该章需人工定夺）")
            return
        except RuntimeError as e:
            click.echo(f"  #{ch} 章级 M3 失败: {e}")
    click.echo(f"《{title}》{from_}–{to} 章级完成；token in={total_in:,} out={total_out:,}")


@cli.command()
@click.option("--work-id", type=int, required=True)
@click.option("--from-order", "from_order", type=int, help="只出该窗（窗起始章）；不给则全部窗")
@click.option("--model", default="MiniMax-M3", show_default=True)
@click.option("--redo", is_flag=True, help="窗内已有活卡也重出（默认跳过=断点续跑）")
def cards(work_id, from_order, model, redo):
    """窗级出卡：逐窗一次 M3 聚类归并（窗=example_parse_outline 行，先跑 parse_outline window）。"""
    with psycopg.connect(DSN) as conn:
        title = conn.execute("SELECT title FROM muse_content_work WHERE id=%s", (work_id,)).fetchone()[0]
        contracts = load_contracts(conn)  # prompt 与 ingest 守卫同源（库内 schema 快照）
        sql = """SELECT from_order, to_order, outline_text, window_no FROM example_parse_outline
                 WHERE tenant_id=%s AND work_id=%s AND deleted=FALSE"""
        args = [TENANT, work_id]
        if from_order:
            sql += " AND from_order=%s"
            args.append(from_order)
        wins = conn.execute(sql + " ORDER BY from_order", args).fetchall()
    if not wins:
        click.echo("无大纲窗行——先跑 parse_outline.py window（窗是出卡的切分依据）")
        return
    total_in = total_out = 0
    for a, b, stage_ol, wno in wins:
        with psycopg.connect(DSN) as conn:
            # 断点续跑：窗内已有活卡（本窗出的）则跳过
            if not redo and conn.execute(
                    """SELECT 1 FROM muse_knowledge_draft WHERE tenant_id=%s AND source_type='parse_book'
                       AND source_id=%s AND draft_payload->>'窗起'=%s AND deleted=FALSE LIMIT 1""",
                    (TENANT, work_id, str(a))).fetchone():
                click.echo(f"win#{a}–{b} 已有活卡，跳过（--redo 强制重出）")
                continue
            rows = conn.execute(
                """SELECT c.order_no, c.title, s.outline_text, s.pattern_hints
                   FROM muse_content_chapter c
                   JOIN example_parse_scaffold s ON s.chapter_id=c.id AND s.deleted=FALSE
                   WHERE c.tenant_id=%s AND c.work_id=%s AND c.order_no BETWEEN %s AND %s
                     AND c.deleted=FALSE ORDER BY c.order_no""",
                (TENANT, work_id, a, b)).fetchall()
        if len(rows) < (b - a + 1):
            have = {r[0] for r in rows}
            click.echo(f"win#{a}–{b} 缺章级脚手架 {[n for n in range(a, b + 1) if n not in have][:10]}，先补 chapters")
            continue
        ch_outlines = "\n".join(f"第{no}章《{ct}》：{o}" for no, ct, o, _ in rows)
        hints = [{"章": no, "线索": h} for no, _, _, hs in rows for h in (hs or [])]
        n_hint = len(hints)
        # 按型分批出卡（放量实测：百条线索一次全型聚类=认知超载，退化为逐条转写）——
        # 每批只给该型合同+该型线索，型内聚类真实可行；「?」型线索单独一批（五型合同全给，让 M3 先归型）
        by_type = {}
        for h in hints:
            t = h["线索"].get("型")
            by_type.setdefault(t if t in PATTERN_TYPES else "?", []).append(h)
        all_cards, win_in, win_out = [], 0, 0
        for t, hs in sorted(by_type.items()):
            sub_contracts = contracts if t == "?" else {t: contracts[t]}
            note = (f"本批只处理「{t}」型的 {len(hs)} 条线索（其余型另批处理），只出 {t} 型卡。"
                    if t != "?" else
                    f"本批是 {len(hs)} 条章级未归型的线索——先按各型判据归型，归不进五型的丢弃。")
            try:
                p = window_cards_prompt(title, a, b, stage_ol, ch_outlines,
                                        json.dumps(hs, ensure_ascii=False, indent=1), sub_contracts, note)
                data, usage = m3_json(p, model, ("cards",))
                win_in += usage.get("prompt_tokens", 0)
                win_out += usage.get("completion_tokens", 0)
                # 病症机械检测→带方重试一次（放量实测三病：方差空批/逐条转写/长清单丢实例键）
                cs = data.get("cards") or []
                no_ins = sum(1 for c in cs if not (c.get("instances") or c.get("实例")))
                sick = ("输出了空数组，但本批有 %d 条候选线索——认真逐条聚类评估后再输出，确实全部不够格才允许空数组"
                        % len(hs) if (not cs and len(hs) >= 3) else
                        "输出了 %d 张卡——这是逐条转写不是聚类。重新按「同一运作机制」分组归并，只出最能跨书复用的母卡，最多 6 张"
                        % len(cs) if len(cs) > 8 else
                        "有 %d 张卡缺 instances（窗内章号+定位）——instances 是必填键，缺=全部被机械拒收。重新输出全部卡并逐张补上"
                        % no_ins if no_ins else None)
                if sick:
                    data, usage = m3_json(p + "\n\n【重试】上次" + sick + "。", model, ("cards",))
                    win_in += usage.get("prompt_tokens", 0)
                    win_out += usage.get("completion_tokens", 0)
                    cs = data.get("cards") or []
                all_cards += cs
                click.echo(f"  批[{t}] 线索{len(hs)} → 卡{len(cs)}")
            except RuntimeError as e:
                click.echo(f"  批[{t}] M3 失败: {e}（本批线索丢失，重跑 --redo 可补）")
        total_in += win_in
        total_out += win_out
        _, out = ingest("cards", work_id, a, {"cards": all_cards}, keyflag="--from-order")
        click.echo(f"win#{a}–{b}（线索 {n_hint} 条，分 {len(by_type)} 批）\n  {out}")
    click.echo(f"《{title}》窗级出卡完成；token in={total_in:,} out={total_out:,}")


if __name__ == "__main__":
    try:
        cli()
    except (psycopg.Error, RuntimeError) as e:
        click.echo(f"[错误] {type(e).__name__}: {e}", err=True)
        sys.exit(1)