fix(review): replace presubmit recommendation quota with explainable rule engine

- Remove '3-8 major' quota that made accept/minor_revision unreachable
- Add recommend_engine.py: rule-based R0-R5 + tier-parameterized judgment
- Journal tier (1/2/3) from journals.json review_tier field
- LLM no longer outputs recommendation; engine is single source of truth
- Rationale exposed in API and rendered in PresubmitPanel
- Weak draft still major_revision (R1); strong draft now minor_revision (R5)

docs/pr-reports/2026-10-12-presubmit-recommend-engine.md

@@ -0,0 +1,61 @@
+# fix(review): presubmit recommendation 判定过严修复（配额制 → 规则引擎）
+
+## 背景
+
+用户反馈 AI 预审稿多次测试均返回 major_revision。2026-10-12 诊断确认根因是
+**配额制**而非"尺子紧"：
+
+- `self_review.py` 硬性规则要求 `major_weaknesses 3-8 条`（强制配额）→ accept/minor_revision 几乎不可达；
+- LLM 直接输出 recommendation，无程序层规则；JSON 示例锚定 `major_revision`、coerce 缺省回落 `major_revision`；
+- 对照实验：近 GB 完备强稿（BUSCO 96.8% / Hi-C 98.7% / PRJNA+GCA+figshare 齐 / UFBoot 1000）仍被凑出 6 条 major，与弱稿（7 条）几乎无区分度；
+- `target_journal` 传入但 Prompt 零分档标准。
+
+## 修改内容
+
+| 文件 | 变更 |
+|---|---|
+| `app/services/recommend_engine.py`（新增） | 纯函数规则引擎：R0 fatal→reject / R1 硬性 major→大修（不可协商，与 tier 无关）/ R2' tier3 仅 1-2 条 soft 可降小修 / R2 soft≥1→大修 / R4 0 major 且 minor≤tier 阈值→接收 / R5→小修；rationale 模板拼装（rule/hard_hits/计数/tier/explanation，含 tier 降级提示句）；`resolve_tier` 按 journals.json `review_tier` 匹配，失败默认 tier 2 |
+| `app/services/self_review.py` | Prompt 重写：严重分级标准（major/minor/presentation），**三类均不设下限、可 0 条、严禁凑数**；硬性规则 5 项打标签（busco/hic/accession/voucher/abs_missing）；删除 recommendation 输出字段与示例锚定；coerce 不再读 recommendation（防注入），hard_rule 白名单过滤 |
+| `app/routers/presubmit.py` | coerce 后接引擎；meta 增加 tier/tier_label/tier_source |
+| `data/journals/journals.json` | 精选 5 本加 `review_tier`（GB/MP=1；BMC PB/FPS/Rice=2）+ notes 一行 |
+| `ui/.../PresubmitPanel.vue` | 判定依据块（explanation + 硬性 chips）；判定档位徽标；reject 红标"建议人工复核"；顶部 AI 免责行；major 卡片"硬性/fatal"徽标 |
+| `tests/test_presubmit.py` | 用例 1-10（引擎分支全覆盖 + tier 对照 + 注入忽略 + rationale 字段） |
+
+判定链与旧链路唯一对外契约变化：`report.recommendation` 语义不变（四档枚举），
+新增 `report.recommendation_rationale` 与 `meta.tier*`。
+
+## 测试用例与结果
+
+- **pytest：87 passed**（78 基线 + 9 新增/重写），含用例 1-10：
+  强稿形态不判大修、弱稿形态判大修且 hard_hits 正确、0 major 0/多 minor 分支、
+  soft major 分支、fatal→reject、tier3 降级与硬性豁免、tier1 accept 门槛、
+  LLM recommendation 注入被忽略、hard_rule 白名单过滤、rationale 含 tier/explanation。
+- **vitest：377 passed / 5 failed**（5F 为既有他人 i18n labels 改动引发的 benchpanel
+  失败，与本改动无关；新增 4 条 rationale/档位/fatal 展示用例全绿）。
+- **真实链路验收**（诊断同款样本、同 target_journal=Genome Biology，真 LLM 调用）：
+
+| 样本 | 修复前 | 修复后 | 依据 |
+|---|---|---|---|
+| 弱稿 diag_weak.pdf | major_revision（7 major） | **major_revision**（R1；硬性 5 命中：BUSCO/Hi-C/Accession/voucher/ABS + soft 2 + minor 6） | 真缺陷不漏判 ✓ |
+| 强稿 diag_strong.pdf | major_revision（凑出 6 major） | **minor_revision**（R5；0 major / 5 minor） | 区分度恢复 ✓ |
+
+## 部署验证
+
+```bash
+bash review_service/restart.sh
+# 上传强/弱样本对比（或任意 PDF）：
+curl -X POST http://127.0.0.1:8100/api/review/presubmit \
+  -F "file=@paper.pdf" -F "target_journal=Genome Biology"
+# 检查 report.recommendation_rationale.rule / meta.tier；前端看"判定依据"块
+```
+
+## 是否需要立即部署
+
+待管理员确认。属判定质量修复（误报大修影响用户体验与信任），建议随下次正常发版带上。
+
+## 遗留（Phase 2 候选）
+
+- 程序层兜底 `_sanity_check_missing_hard_rules`：正文无 PRJNA/GCA_/SRP 关键词但 LLM
+  未报 accession_missing → 追加 warning（不进 recommendation 计算）；先观察 LLM 是否
+  "躺平"再决定。
+- tier 数据仅覆盖精选 5 本；扩展到 journal_directory 1056 条需人工核验后另行入库。

review_service/app/routers/presubmit.py

@@ -13,6 +13,7 @@ from pydantic import BaseModel
 
 from ..config import get_settings
 from ..services import llm, paper_parse, self_review
+from ..services.recommend_engine import decide_recommendation, resolve_tier
 
 logger = logging.getLogger(__name__)
 
@@ -74,6 +75,16 @@ async def presubmit_review(
         return _error("UPSTREAM_DOWN", f"审稿模型调用失败：{exc}", degraded=True)
 
     report = self_review.coerce_report(payload)
+    # recommendation 由规则引擎计算（LLM 输出的同名字段已被 coerce 忽略）
+    tier, tier_matched = resolve_tier((target_journal or "").strip())
+    decision = decide_recommendation(
+        majors=report.major_weaknesses,
+        minors=report.minor_weaknesses,
+        presentations=report.presentation_format,
+        tier=tier,
+    )
+    report.recommendation = decision["recommendation"]
+    report.recommendation_rationale = decision["rationale"]
     return PresubmitResponse(
         ok=True,
         report=report,
@@ -83,5 +94,8 @@ async def presubmit_review(
             "text_chars": len(feed_text),
             "truncated": truncated,
             "model": llm._llm_config()["model"],
+            "tier": tier,
+            "tier_label": decision["rationale"]["tier_label"],
+            "tier_source": tier_matched or "默认",
         },
     )

review_service/app/services/recommend_engine.py

@@ -0,0 +1,174 @@
+"""services/recommend_engine.py —— presubmit recommendation 规则引擎（纯函数，零 LLM）。
+
+背景（2026-10-12 诊断）：旧链路由 LLM 直接输出 recommendation，且 SYSTEM_PROMPT 配额
+强制 "major_weaknesses 3-8 条"，导致 accept/minor_revision 几乎不可达（对照实验中
+强稿——BUSCO 96.8%/Hi-C 98.7%/accession 齐/UFBoot 1000——仍被凑出 6 条 major）。
+新链路：LLM 只如实列 weakness（major 带 hard_rule/fatal 标签），本引擎按可测规则
+计算 recommendation + rationale（模板拼装，可复现，不经 LLM）。
+
+判定链（自上而下首条命中）：
+  R0    任一 major 带 fatal=true              → reject（须人工复核）
+  R1    H = 硬性 major 数 ≥ 1                 → major_revision（与 tier 无关，不可协商）
+  R2'   tier==3 且 1≤S≤2 且 H==0              → minor_revision（入门刊仅 soft 可降）
+  R2    S = soft major 数 ≥ 1                 → major_revision（S≥5 标 severe，仍非 reject）
+  R4    S == 0 且 minor ≤ accept_max_minor[tier] → accept
+  R5    S == 0                                → minor_revision
+其中 S = 总 major 数 − 硬性标签数（标签漏打时 S 变大，只会更严不会漏放）。
+"""
+from __future__ import annotations
+
+import json
+from functools import lru_cache
+from pathlib import Path
+from typing import Any, Iterable
+
+from ..config import get_settings
+
+# 硬性规则标签（SYSTEM_PROMPT 与 coerce 共用白名单；未知标签一律置 None）
+HARD_RULE_TAGS = (
+    "busco_missing",      # 组装类论文缺 BUSCO 完整格式
+    "hic_missing",        # 宣称 chromosome-level/Hi-C 但缺挂载率
+    "accession_missing",  # 缺数据 Accession（"will be deposited" 视为缺）
+    "voucher_missing",    # 野生材料缺凭证标本
+    "abs_missing",        # 缺 ABS/名古屋合规声明
+)
+
+HARD_RULE_LABELS = {
+    "busco_missing": "BUSCO 完整度缺失",
+    "hic_missing": "Hi-C 挂载率缺失",
+    "accession_missing": "数据 Accession 缺失",
+    "voucher_missing": "凭证标本缺失",
+    "abs_missing": "ABS/名古屋合规声明缺失",
+}
+
+TIER_LABELS = {1: "顶刊", 2: "主流期刊", 3: "入门期刊"}
+
+# tier 参数：accept 门槛（minor 上限）；tier3 额外允许 ≤2 条 soft major 降为小修
+TIER_ACCEPT_MAX_MINOR = {1: 1, 2: 2, 3: 3}
+TIER3_SOFT_MAJOR_AS_MINOR_MAX = 2
+
+
+@lru_cache(maxsize=1)
+def _tier_by_name() -> dict[str, int]:
+    """journals.json 精选期刊 name(casefold) → review_tier（读文件一次，缓存）。"""
+    path = get_settings().journals_seed_abs
+    try:
+        payload = json.loads(Path(path).read_text(encoding="utf-8"))
+    except (OSError, ValueError):
+        return {}
+    out: dict[str, int] = {}
+    for j in payload.get("journals") or []:
+        if not isinstance(j, dict):
+            continue
+        name = str(j.get("name") or "").strip().casefold()
+        tier = j.get("review_tier")
+        if name and isinstance(tier, int) and tier in (1, 2, 3):
+            out[name] = tier
+    return out
+
+
+def resolve_tier(target_journal: str) -> tuple[int, str]:
+    """目标期刊 → (tier, matched_name)。空/未命中 → (2, "") 默认主流档。"""
+    key = (target_journal or "").strip().casefold()
+    if not key:
+        return 2, ""
+    tier = _tier_by_name().get(key)
+    return (tier, key) if isinstance(tier, int) else (2, "")
+
+
+def _item_field(item: Any, key: str) -> Any:
+    if isinstance(item, dict):
+        return item.get(key)
+    return getattr(item, key, None)
+
+
+def decide_recommendation(
+    majors: Iterable[Any],
+    minors: Iterable[Any] = (),
+    presentations: Iterable[Any] = (),
+    tier: int = 2,
+) -> dict[str, Any]:
+    """规则引擎入口。majors 项可为 dict 或带 hard_rule/fatal 属性的对象。
+
+    返回 {"recommendation": ..., "rationale": {...}}；
+    rationale 含 rule/hard_hits/计数/tier/tier_label/explanation（模板拼装）。
+    """
+    del presentations  # 呈现类不参与判定（仅归档展示）
+    majors = list(majors)
+    minors = list(minors)
+    if tier not in (1, 2, 3):
+        tier = 2
+
+    hard_hits: list[str] = []
+    fatal = False
+    for m in majors:
+        if bool(_item_field(m, "fatal")):
+            fatal = True
+        hr = _item_field(m, "hard_rule")
+        if hr in HARD_RULE_LABELS:
+            hard_hits.append(hr)
+
+    m_count = len(majors)
+    h_count = len(hard_hits)
+    s_count = m_count - h_count  # soft major（标签漏打 → 计入 S，只会更严）
+    minor_count = len(minors)
+    tier_label = TIER_LABELS[tier]
+
+    # tier3 降级通道提示（对作者可见：同稿投不同档结果不同）
+    tier_note = ""
+    if h_count == 0 and 1 <= s_count <= TIER3_SOFT_MAJOR_AS_MINOR_MAX and tier != 3:
+        tier_note = f"当前判定基于 tier {tier} 档；tier 3 入门刊此稿可能判 minor_revision。"
+
+    def _result(rec: str, rule: str, explanation: str) -> dict[str, Any]:
+        return {
+            "recommendation": rec,
+            "rationale": {
+                "rule": rule,
+                "hard_hits": hard_hits,
+                "major_count": m_count,
+                "hard_count": h_count,
+                "soft_count": s_count,
+                "minor_count": minor_count,
+                "tier": tier,
+                "tier_label": tier_label,
+                "explanation": explanation + tier_note,
+            },
+        }
+
+    # R0：fatal → reject（前端须配"建议人工复核"）
+    if fatal:
+        return _result(
+            "reject", "R0",
+            "存在 fatal 级问题（数据可靠性/伦理，须人工复核）→ 建议拒稿。")
+
+    # R1：硬性 major 不可协商
+    if h_count >= 1:
+        labels = "、".join(HARD_RULE_LABELS.get(t, t) for t in dict.fromkeys(hard_hits))
+        return _result(
+            "major_revision", "R1",
+            f"命中硬性缺陷（{labels}）→ 大修（不可协商）；"
+            f"另有大修级 {s_count} 条、小修级 {minor_count} 条。")
+
+    # R2'：入门刊 1-2 条 soft major 可降为小修
+    if tier == 3 and 1 <= s_count <= TIER3_SOFT_MAJOR_AS_MINOR_MAX:
+        return _result(
+            "minor_revision", "R2'",
+            f"无硬性缺陷，大修级（soft）{s_count} 条；"
+            f"入门刊（tier 3）可将 ≤{TIER3_SOFT_MAJOR_AS_MINOR_MAX} 条 soft 降为小修 → 建议小修。")
+
+    # R2/R3：soft major ≥ 1（S≥5 标 severe）
+    if s_count >= 1:
+        sev = "，severe" if s_count >= 5 else ""
+        return _result(
+            "major_revision", "R2",
+            f"大修级问题 {s_count} 条（均非硬性{sev}）→ 建议大修。")
+
+    # R4/R5：无 major
+    accept_max = TIER_ACCEPT_MAX_MINOR[tier]
+    if minor_count <= accept_max:
+        return _result(
+            "accept", "R4",
+            f"无大修级问题，小修级 {minor_count} 条（≤{accept_max}）→ 建议接收。")
+    return _result(
+        "minor_revision", "R5",
+        f"无大修级问题，小修级 {minor_count} 条 → 建议小修。")

review_service/app/services/self_review.py

@@ -1,21 +1,25 @@
 """services/self_review.py —— 植物基因组学专属自审稿（System Prompt + 报告模型）。
 
 六大领域维度检查清单硬编码在 SYSTEM_PROMPT（发给 DeepSeek）：
-1. 基因组组装质量（N50/L50/BUSCO 完整格式/Hi-C 挂载率，缺项即 Major）
+1. 基因组组装质量（N50/L50/BUSCO 完整格式/Hi-C 挂载率；硬性缺项打 hard_rule 标签）
 2. 基因注释可靠性（MAKER/AUGUSTUS 流程、RNA-seq 证据、基因数与已知范围一致性）
 3. 比较基因组学与进化（Bootstrap/后验概率、OrthoFinder 等直系同源策略）
-4. 数据可用性合规（SRA/BioProject + 组装/GFF3 Accession，缺失即 Major）
+4. 数据可用性合规（SRA/BioProject + 组装/GFF3 Accession，缺失即硬性 major）
 5. 统计与实验设计（GWAS/QTL 样本量·多重校正·群体结构；转录组生物学重复）
-6. 伦理与合规·植物特异性（凭证标本 voucher、ABS 惠益分享声明）
+6. 伦理与合规·植物特异性（凭证标本 voucher、ABS 惠益分享声明——均为硬性 major）
 
-Major/Minor 每条必须给 Evidence（论文章节位置或具体指标数值），由 coerce
-宽容归一化（缺失补空串，不丢条目）。
+2026-10-12 判定链重构：LLM 不再输出 recommendation（旧配额制 "major 3-8 条" 导致
+accept/minor 几乎不可达，见 recommend_engine.py 模块 docstring）；只如实列 weakness
+并打 hard_rule/fatal 标签，recommendation 由规则引擎计算。Major/Minor 每条必须给
+Evidence（论文章节位置或具体指标数值），由 coerce 宽容归一化（缺失补空串，不丢条目）。
 """
 from __future__ import annotations
 
+from typing import Any
+
 from pydantic import BaseModel, Field
 
-RECOMMENDATIONS = ("accept", "minor_revision", "major_revision", "reject")
+from .recommend_engine import HARD_RULE_TAGS
 
 SYSTEM_PROMPT = """你是一位植物基因组学领域资深审稿人，长期为 Plant Cell、Nature Plants、
 Genome Biology、Molecular Plant、Plant Journal 等期刊审稿。请对用户提供的论文正文做
@@ -28,9 +32,10 @@ Genome Biology、Molecular Plant、Plant Journal 等期刊审稿。请对用户
   "Complete 95.3% [S:93.1%, D:2.2%], Missing 4.7%, n=1614 (embryophyta_odb10)"
   （含 Complete/Single-copy/Duplicated/Missing 四项与数据集版本、n 值）
 - Hi-C 挂载率（anchoring rate，chromosome-level 比例）及挂载到染色体的 scaffold 比例
-判定规则：若论文只报 N50 而未报 BUSCO 完整度或 Hi-C 挂载率（组装类论文），直接列为
-Major Weakness。同时检查组装是否为 pseudo-chromosome 级别、污染评估（如 k-mer/coverage
-检查）与 gap 比例。
+判定规则：若论文只报 N50 而未报 BUSCO 完整度或 Hi-C 挂载率（组装类论文），列为
+Major Weakness 并打对应 hard_rule 标签（BUSCO 缺失→"busco_missing"；宣称
+chromosome-level/Hi-C 挂载但未报挂载率→"hic_missing"）。同时检查组装是否为
+pseudo-chromosome 级别、污染评估（如 k-mer/coverage 检查）与 gap 比例。
 
 【维度二：基因注释可靠性】检查：
 - 是否使用标准注释流程（MAKER、AUGUSTUS、BRAKER、GeMoMa、EVidenceModeler 等），参数与版本是否交代
@@ -53,7 +58,8 @@ Major Weakness。同时检查组装是否为 pseudo-chromosome 级别、污染
 - 基因组组装是否有 GenBank/ENA accession（GCA_/GCF_），GFF3 注释文件、蛋白/CDS 文件
   是否有可公开获取的位置（仓库 accession 或补充数据链接）
 - 转录组数据是否同样有 SRA accession
-判定规则：组装/注释类论文若缺失上述任何一环，直接列为 Major Weakness。
+判定规则：组装/注释类论文若缺失上述任何一环（含 "will be deposited" 等未给号的
+承诺式表述），列为 Major Weakness 并打 hard_rule 标签 "accession_missing"。
 
 【维度五：统计与实验设计】检查：
 - GWAS/QTL 定位：样本量/群体大小是否充分；多重检验校正是否明确（Bonferroni/FDR/
@@ -65,34 +71,60 @@ Major Weakness。同时检查组装是否为 pseudo-chromosome 级别、污染
 
 【维度六：伦理与合规（植物特异性）】检查：
 - 野生植物材料：是否提供凭证标本（voucher specimen）信息——标本馆编号、存放机构、
-  采集地点（GPS）与采集许可；无凭证标本的野生资源取样 → Major 或 Minor（视用途）
+  采集地点（GPS）与采集许可；无凭证标本的野生资源取样 → Major Weakness 并打
+  hard_rule 标签 "voucher_missing"
 - 遗传资源获取与惠益分享（ABS）合规性：是否声明符合《名古屋议定书》/本国遗传资源
-  获取条例（如中国《生物安全法》/《种子法》相关条款）、是否说明材料来源与授权
+  获取条例（如中国《生物安全法》/《种子法》相关条款）、是否说明材料来源与授权；
+  涉及遗传资源但缺 ABS/名古屋合规声明 → Major Weakness 并打 hard_rule 标签
+  "abs_missing"
 - 农业转基因/基因编辑材料的合规声明（若涉及）
+- fatal 标签：仅当你发现明确的数据造假或伦理违规证据时，将该条 "fatal" 置 true
+  （数据内部矛盾、明显编造迹象等；无明确证据绝不可打标——该标签会触发拒稿建议）。
 
-输出要求（必须输出单个 JSON 对象，不要输出其他任何内容）：
+输出要求（必须输出单个 JSON 对象，不要输出其他任何内容；不要输出 recommendation
+字段——推荐结论由程序规则引擎根据你列出的问题与标签计算）：
 {
   "summary": "总体评价（3-5 句，须点明论文类型与所适用的维度）",
-  "major_weaknesses": [{"title": "...", "detail": "...", "evidence": "...", "suggestion": "..."}],
+  "major_weaknesses": [{"title": "...", "detail": "...", "evidence": "...", "suggestion": "...",
+                        "hard_rule": "busco_missing|hic_missing|accession_missing|voucher_missing|abs_missing|null",
+                        "fatal": false}],
   "minor_weaknesses": [{"title": "...", "detail": "...", "evidence": "...", "suggestion": "..."}],
   "presentation_format": [{"title": "...", "detail": "...", "evidence": "...", "suggestion": "..."}],
-  "questions_for_authors": ["..."],
-  "recommendation": "major_revision"
+  "questions_for_authors": ["..."]
 }
 
-硬性规则：
-1. major_weaknesses 3-8 条、minor_weaknesses 3-8 条；上述维度中命中的硬性判定规则
-   （组装缺 BUSCO/挂载率、缺数据 Accession）必须出现。
+【严重程度分级——据此分类，不设条数配额】
+- major_weaknesses：问题的解决需要补充实验/补充数据/补充分析流程/大幅改写论证结构，
+  或影响论文核心结论的可信度与数据合规性。列在这里意味着"不解决就不能发表"。
+- minor_weaknesses：在现有数据与实验范围内即可解决（补一段说明、补一个基于已有数据的
+  统计、澄清方法描述、局部重写）。列在这里意味着"改了更好，不改也能审"。
+- presentation_format：仅呈现层面的问题（图表样式、图注格式、参考文献体例、语法）。
+  严禁把呈现问题升格为 major。
+
+分级与条数规则：
+1. major_weaknesses、minor_weaknesses、presentation_format 均【不设下限，可以为 0 条】。
+   论文确实完善时输出空数组是正确答案；严禁为凑数而降低分级标准或制造问题。
 2. **每条 major_weaknesses 的 evidence 字段必填**：必须引用论文的具体章节位置
    （如 "Methods 2.1"、"Table 2"、"Results 第 3 段"、"Data Availability 一句话未见"）
    或具体指标数值（如 "仅报 scaffold N50=42.6 Mb，未提供 BUSCO 与 Hi-C 挂载率"）。
-   evidence 严禁编造：引用不到具体位置时，写明"正文未见相关报告"。
+   evidence 严禁编造：引用不到具体位置时，写明"正文未见相关报告"。只列有 evidence
+   的问题：列不出具体章节位置或指标数值的问题，不要列。
 3. minor_weaknesses/presentation_format 的 evidence 尽量给出，无法定位时可留空字符串。
 4. 论文不涉及的维度（如纯 RNA-seq 论文不谈组装）在 summary 中说明并跳过，不硬凑条目。
-5. recommendation 只能是 accept / minor_revision / major_revision / reject 之一，
-   缺失关键合规项（维度四）时通常不高于 major_revision。
-6. presentation_format 覆盖：图表规范（图注含单位/误差棒说明）、参考文献格式、
-   字数与结构、英文语法（若投英文刊）。
+5. 宁可把拿不准严重程度的问题放 minor_weaknesses（由作者判断），不要放 major。
+
+硬性规则（命中必须列 major 并打 hard_rule 标签，不论其他方面多完善；规则不可协商）：
+A. 组装类论文缺 BUSCO 完整格式报告 → hard_rule="busco_missing"
+B. 宣称 chromosome-level/Hi-C 挂载但未报挂载率 → hard_rule="hic_missing"
+C. 缺数据 Accession（SRA/GenBank/组装/GFF3；"will be deposited" 等承诺式表述视为缺）
+   → hard_rule="accession_missing"
+D. 野生植物材料缺凭证标本（voucher）→ hard_rule="voucher_missing"
+E. 涉及遗传资源但缺 ABS/名古屋合规声明 → hard_rule="abs_missing"
+（核心进化结论所依赖的系统发育树若无任何节点支持率 → 列 major（非硬性，不打标签）；
+  附带性质的树无支持率 → 可列 minor。GWAS 缺多重校正等统计问题按同样原则判级。）
+
+presentation_format 覆盖：图表规范（图注含单位/误差棒说明）、参考文献格式、
+字数与结构、英文语法（若投英文刊）。
 """
 
 
@@ -101,6 +133,8 @@ class WeaknessItem(BaseModel):
     detail: str = ""
     evidence: str = ""
     suggestion: str = ""
+    hard_rule: str | None = None   # 仅 major 可带；白名单外置 None（见 coerce）
+    fatal: bool = False            # 明确造假/伦理证据才可 true（触发 R0 拒稿）
 
 
 class SelfReviewReport(BaseModel):
@@ -109,7 +143,9 @@ class SelfReviewReport(BaseModel):
     minor_weaknesses: list[WeaknessItem] = Field(default_factory=list)
     presentation_format: list[WeaknessItem] = Field(default_factory=list)
     questions_for_authors: list[str] = Field(default_factory=list)
-    recommendation: str = "major_revision"
+    # recommendation 由 recommend_engine 计算后写入；LLM 输出的同名字段一律忽略
+    recommendation: str = ""
+    recommendation_rationale: dict[str, Any] = Field(default_factory=dict)
 
 
 def build_user_prompt(text: str, target_journal: str) -> str:
@@ -129,27 +165,29 @@ def _coerce_items(raw: object) -> list[WeaknessItem]:
             detail = str(entry.get("detail") or "").strip()
             if not title and not detail:
                 continue
+            hard_rule = str(entry.get("hard_rule") or "").strip() or None
+            if hard_rule not in HARD_RULE_TAGS:
+                hard_rule = None  # 白名单外的标签丢弃（防 LLM 编造标签操纵引擎）
             items.append(WeaknessItem(
                 title=title or "（未命名）",
                 detail=detail,
                 evidence=str(entry.get("evidence") or "").strip(),
                 suggestion=str(entry.get("suggestion") or "").strip(),
+                hard_rule=hard_rule,
+                fatal=bool(entry.get("fatal")),
             ))
     return items
 
 
 def coerce_report(payload: dict) -> SelfReviewReport:
+    """宽容归一化 LLM 输出。不读 recommendation 字段（引擎唯一来源，防注入操纵）。"""
     questions = payload.get("questions_for_authors") or []
     if not isinstance(questions, list):
         questions = []
-    recommendation = str(payload.get("recommendation") or "").strip().lower()
-    if recommendation not in RECOMMENDATIONS:
-        recommendation = "major_revision"
     return SelfReviewReport(
         summary=str(payload.get("summary") or "").strip(),
         major_weaknesses=_coerce_items(payload.get("major_weaknesses")),
         minor_weaknesses=_coerce_items(payload.get("minor_weaknesses")),
         presentation_format=_coerce_items(payload.get("presentation_format")),
         questions_for_authors=[str(q).strip() for q in questions if str(q).strip()],
-        recommendation=recommendation,
     )

review_service/data/journals/journals.json

@@ -1,7 +1,7 @@
 {
   "version": 1,
   "updated": "2026-10-10",
-  "notes": "植物基因组学领域种子期刊。acceptance_rate 无公开权威数据一律为 null（不编造）；impact_factor / review_time_weeks 为公开 JCR/期刊官网常识近似值，以 last_updated 标注刷新时间，接入真实数据源前需人工核验。scope_desc 为英文范围描述，供 vstore 向量匹配使用。 format_rules_default 为通用默认规则（rules_source=default）；精选 5 本 format_rules 已于 2026-10-10 按各刊官网投稿指南人工核验填入（rules_source=official，附 source_url / last_verified / notes），官网未规定的字段一律 null 不猜测。 新增标签字段（不进 SQLite，接口按 id 从本文件合并）：scope_tags / application_tags / cross_domain 按 scope_desc 归类的标签；cas_partition / jcr_quartile 为占位（partition_source=placeholder），核实不确定的一律 null、不猜测，接入真实分区数据前需人工核验。 精选列表已更换为本环境可访问官网的 5 本（Genome Biology / BMC Plant Biology / Molecular Plant / Frontiers in Plant Science / Rice）；原 OUP/Wiley/Springer 4 本（The Plant Cell / The Plant Journal / Theoretical and Applied Genetics / The Plant Genome）移出精选，仍保留在 journal_directory 1056 条全量目录中。",
+  "notes": "植物基因组学领域种子期刊。acceptance_rate 无公开权威数据一律为 null（不编造）；impact_factor / review_time_weeks 为公开 JCR/期刊官网常识近似值，以 last_updated 标注刷新时间，接入真实数据源前需人工核验。scope_desc 为英文范围描述，供 vstore 向量匹配使用。 format_rules_default 为通用默认规则（rules_source=default）；精选 5 本 format_rules 已于 2026-10-10 按各刊官网投稿指南人工核验填入（rules_source=official，附 source_url / last_verified / notes），官网未规定的字段一律 null 不猜测。 新增标签字段（不进 SQLite，接口按 id 从本文件合并）：scope_tags / application_tags / cross_domain 按 scope_desc 归类的标签；cas_partition / jcr_quartile 为占位（partition_source=placeholder），核实不确定的一律 null、不猜测，接入真实分区数据前需人工核验。 精选列表已更换为本环境可访问官网的 5 本（Genome Biology / BMC Plant Biology / Molecular Plant / Frontiers in Plant Science / Rice）；原 OUP/Wiley/Springer 4 本（The Plant Cell / The Plant Journal / Theoretical and Applied Genetics / The Plant Genome）移出精选，仍保留在 journal_directory 1056 条全量目录中。 [2026-10-12] 5 本精选期刊新增 review_tier（1=顶刊/2=主流，供 presubmit recommendation 分档判定；匹配失败默认 tier 2）。",
   "format_rules_default": {
     "rules_source": "default",
     "max_pages": 10,
@@ -27,6 +27,7 @@
       "application_tags": ["基础研究", "算法与方法"],
       "cas_partition": "1区",
       "jcr_quartile": "Q1",
+      "review_tier": 1,
       "partition_source": "placeholder",
       "cross_domain": ["进化生物学", "单细胞组学"],
       "format_rules": {
@@ -58,6 +59,7 @@
       "application_tags": ["基础研究"],
       "cas_partition": null,
       "jcr_quartile": null,
+      "review_tier": 2,
       "partition_source": "placeholder",
       "cross_domain": ["植物生物技术"],
       "format_rules": {
@@ -89,6 +91,7 @@
       "application_tags": ["基础研究", "分子育种"],
       "cas_partition": null,
       "jcr_quartile": null,
+      "review_tier": 1,
       "partition_source": "placeholder",
       "cross_domain": ["植物生物技术"],
       "format_rules": {
@@ -120,6 +123,7 @@
       "application_tags": ["基础研究"],
       "cas_partition": null,
       "jcr_quartile": null,
+      "review_tier": 2,
       "partition_source": "placeholder",
       "cross_domain": ["农业科学"],
       "format_rules": {
@@ -151,6 +155,7 @@
       "application_tags": ["基础研究", "分子育种", "种业"],
       "cas_partition": null,
       "jcr_quartile": null,
+      "review_tier": 2,
       "partition_source": "placeholder",
       "cross_domain": ["作物科学"],
       "format_rules": {

review_service/tests/test_presubmit.py

@@ -1,6 +1,7 @@
 """tests/test_presubmit.py —— presubmit 离线单元测试（mock 解析与 LLM，不依赖上游）。
 
-覆盖：非 PDF 校验 / 报告归一化 / LLM 失败降级 / 解析失败降级 / 非法 recommendation 回退。
+覆盖：非 PDF 校验 / 报告归一化 / LLM 失败降级 / 解析失败降级 / recommendation 规则
+引擎（R0-R5 + tier 分档 + rationale 可解释 + LLM recommendation 注入被忽略）。
 运行: cd review_service && <venv>/bin/python -m pytest -q
 """
 from __future__ import annotations
@@ -10,6 +11,7 @@ from fastapi.testclient import TestClient
 
 from app.main import app
 from app.services import llm, paper_parse
+from app.services.recommend_engine import decide_recommendation
 
 FAKE_PDF = b"%PDF-1.4 fake-bytes-for-test"
 
@@ -21,6 +23,8 @@ LLM_PAYLOAD = {
             "detail": "未做多重检验校正",
             "evidence": "Methods 2.1 仅报 p<0.05，未见 FDR/Bonferroni",
             "suggestion": "补充 FDR 校正",
+            "hard_rule": None,
+            "fatal": False,
         },
         "纯字符串条目",  # 宽容归一化：字符串 → WeaknessItem(title=...)
     ],
@@ -28,7 +32,7 @@ LLM_PAYLOAD = {
     "minor_weaknesses": [{"detail": "缺少缩写表", "title": "缩写"}],
     "presentation_format": [{"title": "图注不完整", "detail": "Fig.2 无单位", "suggestion": "补单位"}],
     "questions_for_authors": ["群体结构如何校正？", ""],
-    "recommendation": "MAJOR_REVISION",  # 应归一化为小写
+    "recommendation": "MAJOR_REVISION",  # 引擎忽略此字段（防注入）；归一化不再读取
 }
 
 
@@ -88,8 +92,14 @@ def test_normal_report_normalized(client: TestClient):
     body = _post(client, "p.pdf", FAKE_PDF, journal="Plant Cell").json()
     assert body["ok"] is True
     report = body["report"]
-    # recommendation 大写 → 小写
+    # 2 条 soft major（无硬性标签）→ 引擎 R2 → major_revision（与 LLM 是否输出无关）
     assert report["recommendation"] == "major_revision"
+    # rationale：规则依据 + tier 字段 + explanation（用例 10）
+    rat = report["recommendation_rationale"]
+    assert rat["rule"] == "R2"
+    assert rat["major_count"] == 2 and rat["hard_count"] == 0 and rat["soft_count"] == 2
+    assert rat["tier"] == 2 and rat["tier_label"] == "主流期刊"
+    assert rat["explanation"]
     # 字符串条目宽容归一化
     assert len(report["major_weaknesses"]) == 2
     assert report["major_weaknesses"][1]["title"] == "纯字符串条目"
@@ -100,10 +110,12 @@ def test_normal_report_normalized(client: TestClient):
     # 空问题剔除
     assert report["questions_for_authors"] == ["群体结构如何校正？"]
     assert report["minor_weaknesses"] and report["presentation_format"] and report["summary"]
-    # meta 透传
+    # meta 透传 + tier 信息
     assert body["meta"]["target_journal"] == "Plant Cell"
     assert body["meta"]["text_chars"] > 0
     assert body["meta"]["truncated"] is False
+    assert body["meta"]["tier"] == 2  # Plant Cell 不在精选分档表 → 默认主流档
+    assert body["meta"]["tier_source"] == "默认"
 
 
 def test_llm_failure_degrades(client: TestClient, monkeypatch):
@@ -128,15 +140,153 @@ def test_parse_failure_degrades(client: TestClient, monkeypatch):
     assert body["error"]["degraded"] is True
 
 
-def test_invalid_recommendation_falls_back(client: TestClient, monkeypatch):
-    async def weird(*args, **kwargs):
-        return {"summary": "x", "recommendation": "strong_accept", "major_weaknesses": "not-a-list"}
+def test_llm_recommendation_injection_ignored(client: TestClient, monkeypatch):
+    """LLM 擅自输出 recommendation:"accept" → 引擎不读该字段，按条数判定（用例 8）。"""
+    async def evil(*args, **kwargs):
+        return {
+            "summary": "x",
+            "recommendation": "accept",  # 注入企图
+            "major_weaknesses": [
+                {"title": "M1", "evidence": "Methods"},
+                {"title": "M2", "evidence": "Results"},
+            ],
+            "minor_weaknesses": [],
+        }
 
-    monkeypatch.setattr(llm, "complete_json", weird)
+    monkeypatch.setattr(llm, "complete_json", evil)
     body = _post(client, "p.pdf", FAKE_PDF).json()
     assert body["ok"] is True
-    assert body["report"]["recommendation"] == "major_revision"
-    assert body["report"]["major_weaknesses"] == []
+    assert body["report"]["recommendation"] == "major_revision"  # 2 soft → R2
+
+
+def test_empty_llm_payload_engine_accept(client: TestClient, monkeypatch):
+    """LLM 漏输出各 weakness 字段 → 不崩，引擎按 0/0/0 给 accept（用例 9）。"""
+    async def bare(*args, **kwargs):
+        return {"summary": "x"}
+
+    monkeypatch.setattr(llm, "complete_json", bare)
+    body = _post(client, "p.pdf", FAKE_PDF).json()
+    assert body["ok"] is True
+    assert body["report"]["recommendation"] == "accept"
+    assert body["report"]["recommendation_rationale"]["rule"] == "R4"
+
+
+# ================================================================
+# recommendation 规则引擎（离线：mock LLM payload / 直调引擎）
+# ================================================================
+
+def _post_payload(client: TestClient, monkeypatch, payload: dict, journal: str = ""):
+    async def fake(*args, **kwargs):
+        return dict(payload)
+
+    monkeypatch.setattr(llm, "complete_json", fake)
+    return _post(client, "p.pdf", FAKE_PDF, journal=journal).json()
+
+
+def test_strong_payload_not_major(client: TestClient, monkeypatch):
+    """用例 1：强稿形态 0 major / 4 minor → minor_revision（诊断回归：不得再判大修）。"""
+    body = _post_payload(client, monkeypatch, {
+        "summary": "完备稿",
+        "major_weaknesses": [],
+        "minor_weaknesses": [{"title": f"m{i}"} for i in range(4)],
+    })
+    assert body["ok"] is True
+    assert body["report"]["recommendation"] == "minor_revision"
+    assert body["report"]["recommendation_rationale"]["rule"] == "R5"
+
+
+def test_weak_payload_major(client: TestClient, monkeypatch):
+    """用例 2：弱稿形态 7 major（含 2 硬性标签）→ major_revision + hard_hits。"""
+    body = _post_payload(client, monkeypatch, {
+        "summary": "缺项稿",
+        "major_weaknesses": [
+            {"title": "缺 BUSCO", "evidence": "Results 仅 N50", "hard_rule": "busco_missing"},
+            {"title": "缺 Accession", "evidence": "Data Availability 未见", "hard_rule": "accession_missing"},
+            *[{"title": f"s{i}", "evidence": "Methods"} for i in range(5)],
+        ],
+        "minor_weaknesses": [{"title": "m1"}],
+    })
+    report = body["report"]
+    assert report["recommendation"] == "major_revision"
+    rat = report["recommendation_rationale"]
+    assert rat["rule"] == "R1"
+    assert set(rat["hard_hits"]) == {"busco_missing", "accession_missing"}
+    assert rat["hard_count"] == 2 and rat["soft_count"] == 5
+
+
+def test_hard_rule_whitelist_stripped(client: TestClient, monkeypatch):
+    """LLM 编造白名单外 hard_rule 标签 → coerce 丢弃，不得操纵引擎。"""
+    body = _post_payload(client, monkeypatch, {
+        "summary": "x",
+        "major_weaknesses": [
+            {"title": "m1", "evidence": "Methods", "hard_rule": "made_up_tag"},
+        ],
+        "minor_weaknesses": [],
+    })
+    report = body["report"]
+    assert report["major_weaknesses"][0]["hard_rule"] is None
+    assert report["recommendation"] == "major_revision"  # 按 soft 计 → R2
+    assert report["recommendation_rationale"]["hard_hits"] == []
+
+
+def test_fatal_reject(client: TestClient, monkeypatch):
+    """用例 6：fatal=true → reject（R0），rationale 提示人工复核。"""
+    body = _post_payload(client, monkeypatch, {
+        "summary": "疑似造假",
+        "major_weaknesses": [{"title": "数据矛盾", "evidence": "Table 2 vs Fig.3", "fatal": True}],
+    })
+    assert body["report"]["recommendation"] == "reject"
+    assert body["report"]["recommendation_rationale"]["rule"] == "R0"
+    assert "人工复核" in body["report"]["recommendation_rationale"]["explanation"]
+
+
+def test_tier_matching_journals_json(client: TestClient, monkeypatch):
+    """精选期刊名匹配 journals.json review_tier；Genome Biology → tier 1。"""
+    body = _post_payload(client, monkeypatch, {
+        "summary": "x",
+        "major_weaknesses": [],
+        "minor_weaknesses": [{"title": "a"}],
+    }, journal="Genome Biology")
+    assert body["meta"]["tier"] == 1
+    assert body["meta"]["tier_label"] == "顶刊"
+    assert body["meta"]["tier_source"] == "genome biology"
+    # tier1 accept 门槛更紧：1 minor 仍 accept（≤1）
+    assert body["report"]["recommendation"] == "accept"
+
+
+# ---- 引擎直调（tier 分档与 rationale 分支）----
+
+def test_engine_tier3_soft_major_downgrade():
+    """用例 7：2 条 soft major——tier3 降级 minor_revision；tier2 仍 major_revision。"""
+    majors = [{"title": "m", "hard_rule": None, "fatal": False}] * 2
+    d3 = decide_recommendation(majors, [], [], tier=3)
+    assert d3["recommendation"] == "minor_revision"
+    assert d3["rationale"]["rule"] == "R2'"
+    d2 = decide_recommendation(majors, [], [], tier=2)
+    assert d2["recommendation"] == "major_revision"
+    assert d2["rationale"]["rule"] == "R2"
+
+
+def test_engine_tier_note_and_accept_thresholds():
+    """用例 10：rationale 含 tier 说明句；tier1 accept 门槛 minor≤1。"""
+    one_soft = [{"title": "m"}]
+    d = decide_recommendation(one_soft, [], [], tier=2)
+    assert "tier 3 入门刊此稿可能判 minor_revision" in d["rationale"]["explanation"]
+    assert d["rationale"]["tier"] == 2
+    # tier1：1 minor → accept；2 minor → minor_revision
+    assert decide_recommendation([], [{"title": "a"}], [], tier=1)["recommendation"] == "accept"
+    assert decide_recommendation([], [{"title": "a"}, {"title": "b"}], [], tier=1)["recommendation"] == "minor_revision"
+    # tier3：3 minor 仍 accept（≤3）
+    assert decide_recommendation([], [{"title": "a"}, {"title": "b"}, {"title": "c"}], [], tier=3)["recommendation"] == "accept"
+
+
+def test_engine_hard_never_downgraded_by_tier():
+    """硬性 major 不因 tier3 降级（不可协商）。"""
+    d = decide_recommendation(
+        [{"title": "缺 accession", "hard_rule": "accession_missing", "fatal": False}],
+        [], [], tier=3)
+    assert d["recommendation"] == "major_revision"
+    assert d["rationale"]["rule"] == "R1"
 
 
 def test_domain_system_prompt_wired(client: TestClient, monkeypatch):

tests/frontend/unit/edu/presubmit.rationale.test.js

@@ -0,0 +1,116 @@
+// tests/frontend/unit/edu/presubmit.rationale.test.js —— PresubmitPanel 判定 rationale/档位/fatal 展示（Dev-E 判定链重构配套）
+// 2026-10-12：recommendation 改由规则引擎计算后新增展示——
+//  1) rationale.explanation + 硬性 hard_hits chips
+//  2) 判定档位徽标（tier + 期刊名；同稿投不同 tier 结果不同须显式告知）
+//  3) reject → "建议人工复核"红标 + 顶部 AI 免责行（fatal 展示克制）
+import { describe, it, expect, vi, beforeEach } from 'vitest';
+import { mount } from '@vue/test-utils';
+import { createPinia, setActivePinia } from 'pinia';
+import PresubmitPanel from '../../../../ui/src/components/edu/panels/PresubmitPanel.vue';
+
+vi.mock('../../../../ui/src/api/review.js', () => ({
+  getJournals: vi.fn(),
+  getDirectory: vi.fn(),
+  getConferences: vi.fn(),
+  presubmit: vi.fn(),
+  recommend: vi.fn(),
+  formatCheck: vi.fn(),
+  formatErrorMessage: vi.fn(),
+  reformatTex: vi.fn(),
+  compileTex: vi.fn(),
+  reviewErrorMessage: vi.fn((e) => (e && e.message) || 'err'),
+}));
+
+import { useEduStore } from '../../../../ui/src/stores/edu.js';
+
+function makeReportPayload(over = {}) {
+  return {
+    ok: true,
+    report: {
+      summary: '总体尚可。',
+      major_weaknesses: [
+        {
+          title: '缺 BUSCO 完整度',
+          detail: '仅报 N50',
+          evidence: 'Results',
+          suggestion: '补 BUSCO',
+          hard_rule: 'busco_missing',
+          fatal: false,
+        },
+      ],
+      minor_weaknesses: [{ title: '缩写表', detail: '', evidence: '', suggestion: '' }],
+      presentation_format: [],
+      questions_for_authors: [],
+      recommendation: 'major_revision',
+      recommendation_rationale: {
+        rule: 'R1',
+        hard_hits: ['busco_missing'],
+        major_count: 1, hard_count: 1, soft_count: 0, minor_count: 1,
+        tier: 1, tier_label: '顶刊',
+        explanation: '命中硬性缺陷（BUSCO 完整度缺失）→ 大修（不可协商）；另有大修级 0 条、小修级 1 条。',
+      },
+      ...over.report,
+    },
+    meta: {
+      filename: 'paper.pdf', target_journal: 'Genome Biology',
+      text_chars: 100, truncated: false, model: 'deepseek',
+      tier: 1, tier_label: '顶刊', tier_source: 'genome biology',
+      ...over.meta,
+    },
+  };
+}
+
+describe('PresubmitPanel 判定 rationale / 档位 / fatal 克制展示', () => {
+  let store;
+  let pinia;
+
+  beforeEach(() => {
+    pinia = createPinia();
+    setActivePinia(pinia);
+    store = useEduStore();
+  });
+
+  it('展示 rationale.explanation 与硬性 hard_hits chips', () => {
+    store.report = makeReportPayload();
+    const wrapper = mount(PresubmitPanel, { global: { plugins: [pinia] } });
+    expect(wrapper.find('.pp-rationale-text').text()).toContain('命中硬性缺陷');
+    expect(wrapper.find('.pp-rationale-text').text()).toContain('BUSCO 完整度缺失');
+    const chips = wrapper.findAll('.pp-hard-chip');
+    expect(chips.length).toBe(1);
+    expect(chips[0].text()).toBe('BUSCO 完整度缺失');
+    // major 卡片上的"硬性"徽标
+    expect(wrapper.find('.pp-hard-badge').exists()).toBe(true);
+    expect(wrapper.find('.pp-hard-badge').text()).toBe('硬性');
+  });
+
+  it('判定档位徽标：期刊名 + tier + 档位名', () => {
+    store.report = makeReportPayload();
+    const wrapper = mount(PresubmitPanel, { global: { plugins: [pinia] } });
+    expect(wrapper.find('.pp-tier').text()).toBe('判定档位：Genome Biology（tier 1 顶刊）');
+  });
+
+  it('reject：红标"建议人工复核" + 顶部 AI 免责行（fatal 克制展示）', () => {
+    store.report = makeReportPayload({
+      report: {
+        recommendation: 'reject',
+        recommendation_rationale: {
+          rule: 'R0', hard_hits: [], major_count: 1, hard_count: 0, soft_count: 1,
+          minor_count: 0, tier: 2, tier_label: '主流期刊',
+          explanation: '存在 fatal 级问题（数据可靠性/伦理，须人工复核）→ 建议拒稿。',
+        },
+      },
+    });
+    const wrapper = mount(PresubmitPanel, { global: { plugins: [pinia] } });
+    expect(wrapper.find('.pp-rec').text()).toBe('拒稿');
+    expect(wrapper.find('.pp-rec-warn').text()).toBe('建议人工复核');
+    expect(wrapper.find('.pp-ai-note').text()).toContain('fatal 级判定请务必人工核对');
+  });
+
+  it('无 reject 时不显示"建议人工复核"红标', () => {
+    store.report = makeReportPayload();
+    const wrapper = mount(PresubmitPanel, { global: { plugins: [pinia] } });
+    expect(wrapper.find('.pp-rec-warn').exists()).toBe(false);
+    // AI 免责行始终展示
+    expect(wrapper.find('.pp-ai-note').exists()).toBe(true);
+  });
+});

ui/src/components/edu/panels/PresubmitPanel.vue

@@ -2,8 +2,11 @@
      链路：本地 PDF（form-data）→ edu.submitPresubmit(fd, {onUploadProgress})
      → POST /api/review/presubmit（file + target_journal；≤50MB，vstore 解析 + 六维 LLM）
      → {ok, report{summary, major/minor_weaknesses[], presentation_format[],
-        questions_for_authors[], recommendation}, meta{filename,target_journal,text_chars,truncated,model}}
-     （真实响应结构写入前已 curl 8100 实测；self_review.py 六维 prompt 不动，本组件纯展示）。
+        questions_for_authors[], recommendation(规则引擎计算), recommendation_rationale},
+        meta{...,tier,tier_label,tier_source}}
+     判定链（2026-10-12）：LLM 只列 weakness（major 带 hard_rule/fatal 标签），
+     recommendation 由 recommend_engine 规则引擎计算并附 rationale（可解释）；
+     fatal → reject 红标 + "建议人工复核"（克制展示，须人工核对）。
      优先级：edu.report 存在 → 结果区（不退回上传区）；否则 loading > error > 上传区。
      结果/targetJournal 草稿存 store 跨菜单保留；PDF 文件为面板本地 ref（切菜单需重选）。
      http.js FormData+onUploadProgress → XHR 分支，上传阶段显示真实百分比。 -->
@@ -20,6 +23,13 @@ const REC = {
   major_revision: { label: '大修', cls: 'major' },
   reject: { label: '拒稿', cls: 'reject' },
 };
+const HARD_RULE_LABELS = {
+  busco_missing: 'BUSCO 完整度缺失',
+  hic_missing: 'Hi-C 挂载率缺失',
+  accession_missing: '数据 Accession 缺失',
+  voucher_missing: '凭证标本缺失',
+  abs_missing: 'ABS/名古屋合规声明缺失',
+};
 
 const fileInput = ref(null);
 const file = ref(null); // File 面板本地（不进 store）
@@ -33,6 +43,22 @@ const errored = computed(() => edu.reportStatus === 'error');
 const report = computed(() => edu.report?.report || null);
 const meta = computed(() => edu.report?.meta || null);
 const rec = computed(() => REC[report.value?.recommendation] || REC.major_revision);
+const rationale = computed(() => report.value?.recommendation_rationale || null);
+const isReject = computed(() => report.value?.recommendation === 'reject');
+/** 判定档位提示：同一论文投不同 tier 结果可能不同，必须显式告知 */
+const tierText = computed(() => {
+  const r = rationale.value;
+  const m = meta.value;
+  const tier = r?.tier ?? m?.tier;
+  if (!tier) return '';
+  const label = r?.tier_label || m?.tier_label || '';
+  const journal = (m?.target_journal || '').trim();
+  const name = journal || (m?.tier_source && m.tier_source !== '默认' ? m.tier_source : '未指定期刊');
+  return `判定档位：${name}（tier ${tier} ${label}）`;
+});
+const hardHits = computed(() =>
+  (rationale.value?.hard_hits || []).map((t) => HARD_RULE_LABELS[t] || t)
+);
 
 /** 上传阶段（pct<1）显示真实百分比；上传完成后是解析 + LLM 长等待 */
 const phaseText = computed(() =>
@@ -110,11 +136,24 @@ function reset() {
         <span v-if="meta.truncated" class="pp-truncated">· 正文超限已截断至 6 万字符</span>
       </div>
 
+      <p class="pp-ai-note">本判定由 AI 生成，仅供投稿前参考；fatal 级判定请务必人工核对后再决定。</p>
+
       <div class="pp-topline">
         <span class="pp-rec" :class="rec.cls">{{ rec.label }}</span>
+        <span v-if="isReject" class="pp-rec-warn">建议人工复核</span>
+        <span v-if="tierText" class="pp-tier">{{ tierText }}</span>
         <button class="pp-again" type="button" @click="reset">重新上传</button>
       </div>
 
+      <!-- 判定依据（规则引擎 rationale：可解释、可复现） -->
+      <div v-if="rationale" class="pp-rationale">
+        <div class="pp-rationale-head">判定依据</div>
+        <p class="pp-rationale-text">{{ rationale.explanation }}</p>
+        <div v-if="hardHits.length" class="pp-hard-hits">
+          <span v-for="(h, i) in hardHits" :key="'hh-' + i" class="pp-hard-chip">{{ h }}</span>
+        </div>
+      </div>
+
       <p class="pp-summary">{{ report.summary }}</p>
 
       <!-- 主要问题（重视觉） -->
@@ -126,6 +165,8 @@ function reset() {
       >
         <div class="pp-card-title">
           <span class="pp-idx">{{ i + 1 }}</span>{{ it.title }}
+          <span v-if="it.hard_rule" class="pp-hard-badge" title="硬性规则命中，不可协商">硬性</span>
+          <span v-if="it.fatal" class="pp-fatal-badge" title="fatal 级：请人工核对证据">fatal</span>
         </div>
         <p class="pp-detail">{{ it.detail }}</p>
         <div v-if="it.evidence" class="pp-evidence">
@@ -301,6 +342,81 @@ function reset() {
 .pp-rec.minor { color: var(--pa-info); }
 .pp-rec.major { color: var(--pa-warning); }
 .pp-rec.reject { color: var(--pa-error); }
+.pp-ai-note {
+  margin: 0;
+  padding: 6px 10px;
+  border: 1px dashed var(--pa-hairline);
+  border-radius: var(--pa-r-sm);
+  font-size: 12px;
+  color: var(--pa-ink-subtle);
+}
+.pp-rec-warn {
+  flex: none;
+  padding: 2px 8px;
+  border-radius: var(--pa-r-sm);
+  background: var(--pa-error);
+  color: #fff;
+  font-size: 11px;
+  font-weight: 600;
+}
+.pp-tier {
+  flex: 1;
+  font-size: 12px;
+  color: var(--pa-ink-muted);
+}
+.pp-rationale {
+  padding: 10px 12px;
+  background: var(--pa-surface-1);
+  border: 1px solid var(--pa-hairline);
+  border-radius: var(--pa-r-md);
+}
+.pp-rationale-head {
+  font-size: 12px;
+  font-weight: 600;
+  color: var(--pa-ink-muted);
+  margin-bottom: 4px;
+}
+.pp-rationale-text {
+  margin: 0;
+  font-size: 13px;
+  line-height: 1.65;
+  color: var(--pa-ink);
+}
+.pp-hard-hits {
+  display: flex;
+  flex-wrap: wrap;
+  gap: 6px;
+  margin-top: 8px;
+}
+.pp-hard-chip {
+  padding: 1px 8px;
+  border: 1px solid var(--pa-error);
+  border-radius: var(--pa-r-pill);
+  font-size: 11.5px;
+  color: var(--pa-error);
+}
+.pp-hard-badge {
+  flex: none;
+  margin-left: 6px;
+  padding: 0 6px;
+  border-radius: var(--pa-r-sm);
+  border: 1px solid var(--pa-error);
+  font-size: 10.5px;
+  font-weight: 600;
+  color: var(--pa-error);
+  line-height: 1.6;
+}
+.pp-fatal-badge {
+  flex: none;
+  margin-left: 4px;
+  padding: 0 6px;
+  border-radius: var(--pa-r-sm);
+  background: var(--pa-error);
+  font-size: 10.5px;
+  font-weight: 700;
+  color: #fff;
+  line-height: 1.6;
+}
 .pp-again {
   padding: 5px 14px;
   border: 1px solid var(--pa-hairline);