之前 ⑤a 排除是 patient + category 级("DW 限制" 注释);
EMR.treat_plan 进来后 actual 带牙位,可以升级到 tooth-level overlap。

逻辑(3 路 OR):
  ① 信号无牙位(K05 全口诊断)→ 仍 patient/category 级
  ② actual 无牙位(全口洁治/牙周治疗)→ 视为"全口覆盖"→ 仍排除
  ③ 双方都有牙位 → tooth array overlap(PG && 操作符)

实现细节:
- regexp_replace 把"15 B;24 B"非数字非分号字符替换为 ; → "15;24"
- string_to_array + array_remove '' 去空元素(关键:两 array 都有 '' 时 '' = '' 误返 true)
- PG && 任一元素相同即 overlap

收益例子:
- 罗国标 K04 14;15 + actual endodontic 36 → tooth overlap false → 正确召回 14;15
- 之前 patient/category 级会被误排除

向下兼容:48.7% actual 带牙位 → 这部分走 tooth-level 精筛;
其余 52% actual 无牙位(全口治疗)→ 走 ② 分支,跟现状一致(全口覆盖)。

不需要重导(SQL 改动,数据不动);下次 recompute-plans 立刻生效。

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

背景:
DW top 200 treatName 实测,treatment 字典覆盖率仅 74%(15.8% 漏配 _default skip)。
3 大根因:
  ① 中英文标点不一致(yaml 写英文,DW 实际中文)— 50%+ 漏配
  ② review/recommendation route 关键词不全 — 已交付纸质病历/转诊等流程性误吃 actual
  ③ 真治疗新词漏配 — 牙周序列治疗/桩冠修复/根管治疗后冠修复 等

修复(原则:代码跟宿主无关,宿主个性化只在 yaml):
1. transforms.derive 加 op=normalize(trim 升级版 + CJK→ASCII 中段标点)
   - 中括号 （）→ ()  | 中逗号 ， → ,  | 中分号 ； → ;
   - 中冒号 ： → :  | 中尖括号 ＜＞ → < >  | 中百分号 ％ → %
   - 顿号 、 → ,(语义等价分隔符)
   - 任何中文宿主通用,不是 jvs-dw 特化 — 进 transforms(通用层),不进 yaml(宿主层)

2. manifest:
   - § C 加 normalize derive on treat_name(treat_plan + plan 两路 in-place 覆盖)
   - § B.1 diagnosis message 从 trim 升级到 normalize
   - § C.3 review route 关键词补 ~22 项(正畸复诊/检查/咨询/会诊/复查/转诊/已交付病历/缴费等)
   - § C.4 plan 字段 review drop 也同步补

3. treatment_actual.yaml + treatment_planned.yaml 同步补 ~15 个新词:
   periodontic:  牙周序列治疗 / 系统性牙周治疗 / 全口洁治+OHI / 龈上洁治术/.../洁牙/洗牙
   endodontic:   根管治疗后冠修复 / RCT+冠修复
   implant:      拔除后种植
   prosthodontic: 桩冠修复
   restorative:  树脂充填术
   orthodontic:  更换新矫治器 / 粘接上半口矫治器 / 粘接全口附件 /
                 精调粘接附件 / 发放新矫治器 / 去除矫正器,配戴保持器保持现有咬合关系
   清理 1 个中文顿号 dead key("全口龈上洁治、抛光。" → normalize 后自动落到现有 ASCII 字典)

4. diagnosis.yaml 补 2 个高频:
   K05 菌斑性牙龈炎(928 hits;yaml 原有"菌斑性龈炎"长写变体)
   K02 深窝沟(7613 hits;早期龋兆,临床归 K02)

实测覆盖率(DW top 200,512K rows):
  treatment_actual:  74.0% → 99.9% (mapping 85.5 + review 11.7 + rec 2.6)
                     漏配从 80,879 → 598 行(剩 1 条长文本"拟涂氟知情同意"无业务价值)
  diagnosis:         87.1% → 90.5%
                     剩漏配 95% 是故意 drop(乳牙列/混合牙列/种植术后等 Z 类术后状态)

不需要重导(代码先稳定);下次 cold-import 自动生效。

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

语义修正背景(真实数据验证):
- EMR.treat_plan = 本次实际治疗(actual),字段名误导但语义就是 actual
- EMR.plan        = 未来计划(planned),2023+ host 启用
- settlement      = 财务事件,不是临床事件;颗粒度 1:N、0% 带牙位

改造前:
- treat_plan(actual)被当成 planned ❌
- plan 字段完全没消费 ❌
- settlement 反推 treatment_actual,跟 EMR 双源混叠

改造后:
- treat_plan 真治疗 → treatment_actual_rows kind=actual ⭐ 带 48.7% 牙位
- plan       真治疗 → treatment_planned_rows kind=planned ⭐ 带牙位
- settlement 不再产 treatment_record,职责单一(LTV/退费)

文件改动:
- manifest.yaml § C:treat_plan + plan 双源 split + route(MVP:plan 的复查/建议暂 drop)
- manifest.yaml § D:删除 settlement → _treatment_actual_raw / treatment_actual_rows 派生
- assemblers/treatment_actual.yaml:source 切到 EMR,字典复用 treatment_planned.yaml 同款(200+ entries)
- assemblers/treatment_planned.yaml:仅头部注释更新(源切到 plan 字段)
- assemblers/refund.yaml / payment.yaml:不动(settlement 继续走这两路)

不动的下游:
- treatment.parser.ts:kind 由 emits.action 决定,yaml 改完自动正确
- chain-composer.service.ts / treatment-initiation-recall.scenario.ts:读 fact.kind 抽象层,自动受益

待办:
- 暂不重导(代码层先稳定);下一轮 TRUNCATE + cold-import 看真实效果
- recommendation_rows 双源 union(transforms 加 union op 或 parser 侧 dedup)
- treatment_review_rows 双源 union + kind 区分(actual review vs planned review)
- EMR 漏录 fallback:某些治疗只有 settlement 没 EMR.treat_plan 的兜底策略

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

主要工作(自 W3 末快照以来):

数据层(canonical-fact-layer):
- 治疗链 5 阶段模型(chain-composer S1/S2/S3/S4/S5)+ TreatmentMilestones + TreatmentLifecycles 字典
- alternative-closed 闸:同位置后续替代治疗覆盖原诊断 → 标 closed
- 同 (category, code) 桶按 tooth set overlap 合并(union-find);wholeMouth 桶 S2 修正
- chain.target = SQL 为准(按 plan_reasons.signals.triggers 对齐,plan-aggregate 注入)
- diagnosis name_zh 末尾标点清理;cooldown 内不标 ★ 潜在新链

召回算法:
- DiagnosisTreatmentMap K00-K09 全覆盖(加 K00/K01/K03/K06/K07/K09)
- treatment_initiation_recall 10 个 sub-scenarios + 配套 *_RECOMMENDED 推荐码
- 移除 INTAKE_MAX_DAYS 上界;scenario SQL 加预约排除(任何 sig 后预约即排)
- S2 改用预约主诉类别;S2 fallback 显示 planned 治疗

画像 Persona:
- treatment_chain_status feature 直接复用 ChainComposerService
- value/recall_risk/dnc feature 切到独立 fact_type(v2.1)
- status: in ['active', 'fulfilled'] 加载兼容已完成 actual

Plan 详情聚合:
- /plans/:id/full 接 personas + chains + facts + 话术
- script 从 plan_scripts DB 加载,markdown 反 parse 4 段 sections,前端零适配
- 列表页搜索/过滤改服务端(W3 末)

AI 话术(B 方案 重写):
- DeepSeek V4 Pro → Flash 切换(call defaultModelId + config defaultModel)
- schema 4 段 markdown 字符串(opening/followup/objection/close)对齐前端 mock
- prompt @2026-05-24-d:few-shot demo + ❌/✅ 反例 + 事实约束硬要求
- 事实漂移防护:诊所名 JVS_DW_CLINIC_NAMES 字典翻译、牙位 FDI→俗称、
  主诊医生从 facts 抽、通话称呼 nameSpokenForm(姓+先生/女士)
- scenario 内部 label 禁外露,opening 必须用临床事实开场

鉴权:
- A 方案 refresh token 真实实现(Redis jti rotation,无 host SSO 回调)
- 详情页电话查看 icon + reveal 接口

UI:
- 详情页 TopBar 跟列表页 PageHeader 风格统一
- 治疗链 5 阶段词表(chainStatusVisual)
- 闭环链去"建议下一步" + 闭环时间
- WhyCard 过滤 alternative-closed reasons

数据源接入:
- 5 家试点诊所 JVS DW 实接(瑞尔/瑞泰双 brand,tenant_id 路由)
- yaml transforms(Layer A.5)6 operator 白名单:split/route/derive/filter/project/pick_first_nonzero
- 实测 5000 患者 cohort,408K facts / 2207 plans / 0 failed

待办:
- task #46 cold-import --reparse mode(yaml 改后强制重 parse)
- EMR.treat_plan 语义错位(标记为 planned 实际是 actual);EMR.plan 字段未消费
- 双源 actual 去重(EMR vs settlement)

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

含本阶段全部成果:
- L1 摄入:4 层规范化(transforms 6+2 op / AssemblerEngine / parser+zod / Layer C 预留),
  4 入口统一管道,单 host 多 tenant(瑞尔/瑞泰),__source_row 真原文留底
- 诊断覆盖率 18%→63%:中文名→K码白名单 + 无码落 fact 留 LLM(code_source 溯源)
- 算法:treatment_initiation_recall 4 子规则(K08/K02/K05 + 新增 K04 根管),6 因子打分
- 单一真理源 DiagnosisTreatmentMap(诊断→治疗类别,4 处引用)
- 命名统一(encounter/emr/image),chain-composer 去中文关键词猜码
- Persona 4 特征,plan targetClinicId 回填,token dictionary(诊所名)
- 前端:话术 3 模式(伴飞/卡片/原文)、我的任务沉浸抽屉(触底分页)、
  列表 density 拉开、去头像、去无意义的推荐渠道/时间/角色
- 文档:canonical-fact-layer / potential-treatment-recall(-flow) 对齐

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>