证据优先 LLM 裁判

核心思路

裁判不直接读取完整原始会话，而是读取经过裁剪和脱敏的共享证据摘要。指标 description 是判定准则，judge_scope 只是关注提示，不能把未关注的证据过滤掉。

判定结果

每个指标返回 pass、fail、na 或 error，并附中文理由、证据片段、置信度和人工复核标记。证据不足时返回 error 或 needs_human_review，不猜测。

校准要求

裁判模型、Prompt、Rubric 和校准集必须版本化。上线前比较人工标签与裁判结果，重点检查门禁附近样本、长度偏差、位置偏差和不同场景的误判率。