證據分類覆核（Evidence Classification Review）

功能群：證據管理｜分類生命週期、兩種證據概念、EC_ error code、核心資料模型先讀 功能群總覽

事實基準：兩條線並存——批次線 2026-09-17 從套件 jedi-evidence-classification 與 FE 掃出（FR-107，以 run_uid 定址、檢查點用 part_id ＋ ao_letter、目標集吃 run 的 catalog_snapshot）；Drive 線 2026-07-05 掃出（FR-030 v1，以 run_folder_id 定址、檢查點用 {ControlId}[{letter}]、真相在 Drive _state.json）。UI 兩條線共用同一支 EvidenceClassificationReview.vue，只換資料來源

變更紀錄： - 2026-09-30（FR-122）：寫明「待人審」的兩種來源與各自呈現（沙箱判定藏字或注入分數高→不送 AI；AI 閘道標記→照送 AI、結果僅供參考）、被閘道擋下與額度用完的檔怎麼顯示、AI 配對與人工配對的區分；分類改經 AI 閘道與檔案沙箱（§11） - 2026-09-29（FR-122.6-D，CM-2336／2337）：版面改「一條待辦線」——統計列、待人審黃區、「只看未分類」鈕與狀態下拉收成頁頭四分頁（要你處理／已完成／非證據／全部）＋進度條；新增「下一步」卡與人工確認（寫入 reviewed_by／reviewed_at）；自動配對門檻可在本頁調整並重挑 AI 配對（存 review_threshold，不重跑 AI）；原「AI 把握度 ≥」改名「只顯示 AI 分數 ≥」、僅在「全部」分頁；被安全檢查攔下的檔（needs_review）紅底標「已攔截」排最前；已配對表加「來源」欄；「標為非證據」「從證據池刪除」收進檔名旁 ⋮ 選單 - 2026-09-17（FR-107，CM-1888）：右欄配對區由一筆一卡改為一筆一列的表格（已配對與 AI 候選共用 PlacementTable，mode 切換）——完整麵包屑收進代號 tooltip、AI 理由收進展開列、狀態改用左側色線，一屏可比對十筆以上；篩選列「最高信心 ≥」更名為「AI 把握度 ≥」、收件匣鈕「未分類審閱」更名為「只看未分類」，兩者都補上說明 tooltip（原文案看不出是篩選動作），批次線的領域下拉改讀該 run 的 catalog_snapshot（原讀舊 Drive 線的靜態表，列出的領域與本次分類對不上） - 2026-09-17（FR-107）：批次線上線——新增以 run_uid 定址的入口（嵌在批次流程頁第③步）、檢查點代號改 part_id／ao_letter、目標集改吃 run 的 catalog_snapshot（凍結快照）、權限鎖專案角色；原 Drive 線（run_folder_id）保留供既有分類結果讀取。批次四步與狀態機見 功能群總覽 §2

1. 功能描述

證據分類覆核頁是 AI 證據自動分類的人工覆核工作區：一個分類 run 跑完後，逐檔檢視 AI 建議的 placement（檔案 → 檢查點的對應），手動新增 / 移除 placement、標記 N/A、刪檔，最後儲存。

同一支元件服務兩條線（見 _overview §2），差別在資料來源與「存完之後去哪」：

	批次線（現行主線）	Drive 線（既有資料）
入口	批次流程頁第③步嵌入（/project/projects/:id/evidence-batches/:batchUid/review/:runUid）	獨立頁（.../ap/:apUid/classify-evidence/run/:runFolderId）
定址	run_uid（UUID）	run_folder_id（Drive 資料夾 ID）
檢查點代號	part_id ＋ ao_letter（如 IA.L1-3.5.1_obj.1）	{ControlId}[{letter}]（如 AC.L1-3.1.1[a]）
目標集（可選的檢查點母體）	run 的 catalog_snapshot——分類當下凍結，與這次判定必然對得齊	living SSP 的 in-scope 控制集
存完之後	回批次流程頁按「歸檔進任務」，檔案改綁控制任務、job_evidences 真正寫入一筆	同步回 Drive _state.json，需要時歸檔＝把檔複製進 per-AO 資料夾
編輯真相	run 的 state（沒有 Drive）	Drive 上的 _state.json，DB state 是鏡像

主要使用者：批次線＝專案 manager（寫）／專案參與者（讀，auditor 唯讀）；Drive 線＝v1 僅 JWT、未鎖專案角色。見 §3。

角色速覽（完整見 _overview §5）：

角色	一句話
manager	專案經理 — 觸發分類（上游）並覆核修正；批次線的寫入類動作只有他能做
專案參與者	批次線可讀（auditor 進得去但按鈕整組隱藏，唯讀）
（覆核者）	Drive 線的覆核 / 存 / 歸檔僅需 JWT（未鎖專案角色，實驗階段遺留）

1.1 功能總覽（本頁全部功能）

#	功能	說明	位置	詳述
1	分頁切換	要你處理／已完成／非證據／全部，各帶份數；「要你處理」旁紅色小計＝其中被安全檢查攔下的份數。預設停「要你處理」，沒有待處理就轉「已完成」	頁頭 ClassificationReviewHeader	§4、§10
2	進度與統計	進度條「已處理 N / M 份（非證據不計）· 涵蓋 X / Y 個檢查點」；「統計」展開列出總檔數／已分類數+%／未分類／配對總數+每檔平均／檢查點涵蓋	頁頭	§10
3	自動配對門檻	顯示目前生效門檻（調過會附「原本 X」）；點開滑桿 0.40～1.00、按「套用」用既有 AI 分數重挑自動配對	頁頭	§10、§12
4	儲存／捨棄／歸檔	儲存（帶未存項數）、捨棄重載；批次線 embedded 時的「歸檔進任務」／「重新歸檔」（未存時停用、稽核員不顯示）	頁頭右側	UC-EC-01、UC-EC-02
5	篩選列（僅「全部」分頁）	搜尋檔名／領域下拉（批次線列該 run catalog_snapshot 的領域）／配對數（全部／單一／≥2／≥5）／「只顯示 AI 分數 ≥」slider（預設 0，只影響顯示）／重設	ClassificationFilterBar	§5
6	檔案清單（左欄）	標題隨分頁；每列一個狀態點＋一行原因（紅盾＋「已攔截」＝安全檢查攔下、橙＝AI 沒把握、綠＝已配對或已確認、灰＝非證據）；AI 分數欄、配對數欄可排序；預覽鈕	ClassificationFileList（34%）	§5
7	檔案詳情（右欄）	header（檔案編號／評估數／配對數、已確認者與時間、確認過的被攔檔顯示灰色「待人審」）＋上下一份（j/k、↑↓）＋ ⋮ 選單；兩態身：非證據／一般	ClassificationFileDetail（66%）	UC-EC-01
8	下一步卡	只在人必須動手時出現（被攔下、未配對、手動配了但未確認）：原因＋一句要做什麼＋「確認這樣分類，下一份」「標為非證據」；被攔下的檔紅框	詳情最上方	UC-EC-01
9	已配對表	一筆一列：檢查點代號（麵包屑在 tooltip）／說明／來源（AI／人工）／AI 分數／狀態（已配對／新加入／已移除）／移除或復原；AI 理由在展開列；標題旁「調整檢查點」	PlacementTable（mode="placed"）	UC-EC-01
10	AI 候選表	未放置的 AI 建議，預設只列 ≥ 生效門檻，可切「看全部」；操作為「加入」	PlacementTable（mode="candidate"）	UC-EC-01
11	調整檢查點（AOPickerDialog）	從全部目標集勾選加／減配對（勾=保留、取消=移除、新勾=新增），AI 評過的顯示分數	已配對表標題旁	UC-EC-01
12	標記非證據／復原	整檔標為非證據（確認框）／復原	⋮ 選單、下一步卡；非證據態「還原」	UC-EC-01
13	從證據池刪除	把檔案移出證據池（is_deleted，確認框）	⋮ 選單	UC-EC-01
14	檔案預覽	開檔預覽（docx/xlsx/pptx/pdf/text/image，<50MB）	清單預覽鈕 → EvidenceFilePreviewDialog	§6
15	重跑分類	獨立路由開啟時的 Header 鈕，返回上頁重新觸發（本頁不觸發，router.back()）	Header（非 embedded）	§12
16	用量費用列	模型／token／粗估費用（僅 DEV_MODE）	頁頭下方	—

UC（§2）只展開 1（逐檔覆核與儲存）、2（歸檔）這些核心操作路徑；統計 / 篩選 / 預覽是輔助檢視。觸發分類本身不在本頁——批次線在批次流程頁第②步，Drive 線在上游專案 / AP 頁（見 §12）。

🔴 批次線的歸檔（第 4 項「歸檔進任務」）是把檔改綁控制任務、寫 job_evidences；Drive 線的歸檔是把檔複製進 Drive 資料夾——兩者名字都叫「歸檔」但做的事不同，見 _overview §2。

2. Use Case

角色速覽（完整見 _overview §5）：

角色	一句話
manager	專案經理 — 觸發分類（上游）並覆核修正；批次線的寫入類動作只有他能做
專案參與者	批次線可讀（auditor 進得去但按鈕整組隱藏，唯讀）
（覆核者）	Drive 線的覆核 / 存 / 歸檔僅需 JWT（未鎖專案角色，實驗階段遺留）

流程圖視覺慣例：菱形 = 判斷、橘底 = 例外/擋下、紅框 = 錯誤（標 error code）、綠框 = 成功終點、虛線 = 可選路徑。

UC-EC-01 逐檔覆核分類並儲存

項目	內容
角色	覆核者（v1 JWT）
前置條件	分類 run 已 completed、_state.json 存在
產出 / 後置條件	placement 增減 / N/A / 刪檔在記憶體 → 儲存時 diff → Drive copy/trash + overwrite _state.json + DB 鏡像同步

批次線的主路徑：停在「要你處理」分頁，逐份看「下一步」卡 → 必要時「調整檢查點」或從 AI 候選加入 → 按「確認這樣分類，下一份」（寫 reviewed_by／reviewed_at，自動跳下一份）→ 份數歸零後按儲存 → 歸檔進任務。要整批放寬或收緊自動配對，先在頁頭調門檻再逐份處理。

UC-EC-02 歸檔 run（analyze-only → 落檔）

項目	內容
角色	覆核者（v1 JWT）
前置條件	run archive_files=false（analyze-only，placement 檔尚未複製）
產出 / 後置條件	無 placement_drive_id 的 placement copy 進 per-AO 資料夾、填回 id；archive_files=true + archived_at

3. 權限矩陣

角色基調見 _overview §5。本頁檢查點：

兩條線的守門不同（這是兩者最大的差異之一）：

操作	FE 判定	BE 強制	BE 檢查位置
批次線：建批次 / 上傳 / 刪檔 / 開始分類 / 歸檔 / 清理	canWrite ＝ 專案 manager 且已設定儲存位置	is_project_manager() → EC_403005	套件 app/service/evidence_batch_service.py _require_manager()
批次線：看批次清單 / 流程頁 / 分類結果	auditor 進得去，但按鈕整組隱藏＋顯示一行說明	is_project_participant() → EC_403002	同上 _require_participant()
Drive 線：觸發分類（上游）	專案 manager	project_participant.role == "manager" → EC_403001	app/evidence_classification/service/evidence_classification_service.py:99-150
Drive 線：讀 state / 存 / 歸檔 / 預覽	能到 URL 即可（無頁內角色判定）	僅 @jwt_required()，未檢專案角色	套件 route（認證由宿主注入的 decorator 套上）

⚠️ Drive 線的覆核權限未鎖（收進 §12）：觸發分類鎖 manager，但覆核 / 存 / 歸檔 / 預覽只驗 JWT——FR-030 v1 實驗階段遺留，非資安定案。批次線已改鎖專案角色，這條只影響舊入口。

批次寫入類動作刻意用專用碼 EC_403005（「僅專案管理者可操作證據批次」）而非泛用的 EC_403001：後者文案只講「觸發自動分類」，上傳或刪檔被擋時顯示那句對不上使用者當下做的事。

4. 狀態機與前置條件

分類 run 狀態機見 _overview §2。本頁相關 gate：

條件	效果	出處
批次線：批次 status = review	才進得到第③步確認分類；classifying 時前端每 5 秒輪詢批次詳情，轉 review 自動跳頁	批次狀態機見 _overview §2.1
批次線：run 有 catalog_snapshot	才有目標集可對照；缺快照回 EC_412007（「此 run 無目標集快照，請重新分類」）	套件 run state 讀取
批次線：分類進行中封口	加檔 / 刪檔被擋回 EC_409003，前端顯示「分類進行中不能改檔」	SEALED_ACTIONS
run status = completed	才有可覆核的 _state.json（Drive 線）	evidence_classification_service（run state 讀取）
archive_files = false	顯示未歸檔警示 + 立即歸檔鈕；placement placement_drive_id 為 null	ClassificationFileDetail / metadata
未存變更	儲存／捨棄鈕啟用，儲存鈕帶未存項數。比對每份檔的配對＋非證據＋刪除＋確認，以及 review_threshold	useEvidenceClassification.hasUnsavedChanges
待人審來源①：沙箱判定	檔案沙箱拆檔時發現藏字（hidden_text），或注入分數 ≥ 0.8（injection）→ 不送 AI，needs_review=true、ai_suggested=false、無候選。清單列「{原因} · 沒送 AI」	套件 jedi_evidence_classification/app/service/gateway_classifier.py（INJECTION_SKIP_THRESHOLD，常數不可調）
待人審來源②：AI 閘道標記	送 AI 時閘道命中標記級規則（疑似注入 injection、原文外洩比對 verbatim）→ 照送、照配對，needs_review=true、ai_suggested=true。清單列「{原因} · AI 結果僅供參考」	同上
被閘道擋下（例如檔內含私鑰）	不送 AI、不設 needs_review；error 記擋下原因，無候選，清單列落在橙點「沒有候選」，歸「要你處理」	同上
執行中額度用完	error=quota_exhausted，清單列橙點「額度用完未分類」，歸「要你處理」；額度恢復後可重跑	同上；額度見 AI 額度
分頁歸屬	非證據 → 非證據；已確認（reviewed_at）→ 已完成；needs_review → 要你處理；有配對 → 已完成；其餘 → 要你處理。AI 自動配好的檔不需人確認	reviewBucket.js::fileBucket
確認失效	已確認的檔被加減配對或改非證據 → 清掉 reviewed_by／reviewed_at，回到要你處理	useEvidenceClassification.clearReview

5. UI 設計

📸 實際畫面截圖待補（一律亮色模式拍攝）：以 playwright 對 STG 擷取，預計補以下四張到 assets/img/： ① 整頁「要你處理」分頁（頁頭 + 左清單含被攔下的檔 + 右詳情下一步卡）ec-review-overview.png ② 檔案詳情 — 已完成（已配對表含來源欄 + AI 候選表）ec-review-classified.png ③ 頁頭門檻面板展開 ec-review-threshold.png ④ 調整檢查點對話框（AOPickerDialog）ec-review-aopicker.png

版面骨架與區塊職責（2 欄 Splitter，狀態存 localStorage ec-review-splitter；彩色區塊可點跳本頁小節錨點，虛線框＝點開或特定分頁才出現）：

狀態呈現：清單列狀態點（紅盾＝被攔下、橙＝AI 沒把握、綠＝已配對或已確認、灰＝非證據）；被攔下的檔整列紅底＋左側紅條＋「已攔截」標籤；AI 分數 tier 色（高 ≥0.85 綠 / 中 ≥0.70 橘 / 低 紅）；已配對表來源欄 AI 藍、人工灰。鍵盤 j/k / 上下鍵切檔。無 socket，覆核為前端記憶體操作、存時才寫。

6. API 規格

Envelope：成功 {"status": true, "data": …}、失敗 {"status": false, "error_code": "EC_…", "msg": "…"}。

6.1 總清單（本頁呼叫的全部 endpoint）

分類	Method + Path	說明	完整規格
批次線 載入	GET /classification-run/{run_uid}/state	讀 run 的 state（run_uid 為 UUID，掛載順序在 legacy 那條之前）	§6.2
批次線 儲存	PUT /classification-run/{run_uid}/state	存編輯（沒有 Drive，run 的 state 即真相）	§6.2
批次線 預覽	GET /classification-run/{run_uid}/file/{file_uid}/preview	走租戶儲存後端取檔	GAI-SD-02
批次線 上游（非本頁）	POST /evidence-batches/{batch_uid}/classify・/archive・/purge	開始分類 / 歸檔進任務 / 清理暫存檔（在批次流程頁）	_overview §2.1
載入	GET /classification-run/{run_folder_id}/state	讀 _state.json（metadata + files + placements）	§6.2
儲存	PUT /classification-run/{run_folder_id}/state	存編輯（BE diff → Drive copy/trash → 覆寫 + DB 鏡像）	§6.2
歸檔	POST /classification-run/{run_folder_id}/archive	analyze-only run 落檔	§6.2
預覽	GET /classification-run/{run_folder_id}/file/{file_drive_id}/preview	Drive 檔預覽	GAI-SD-02
報表	GET .../report/validation・.../report/adjudication	DEV 捷徑（下游頁）	驗證報表 / 誤判報表
上游（非本頁）	POST /project/{project_uid}/ap/{ap_uid}/classify-evidence、GET .../classify-evidence/jobs	觸發分類 / job 清單（在專案/AP 頁）	§12

6.2 分類 run state 類

[GET] /classification-run/{run_folder_id}/state

Response data：{metadata, files[]}——

metadata：

欄位	型別	說明
drive_run_folder_id	string	Drive run 資料夾 id
drive_run_folder_name	string	Drive run 資料夾名稱
framework_id	string	合規框架（v1 = cmmc-l1）
confidence_threshold	number	信心門檻
model	string	使用模型
archive_files	bool	是否已複製 placement 檔進 per-AO 資料夾
token_usage	object	token 用量：{total_tokens, cache_read_input_tokens, estimated_cost_usd}
last_edited_at	string	最後編輯時間
last_edited_by_user_id	int	最後編輯者
archived_at	string	歸檔時間（歸檔後才有）
archived_by_user_id	int	歸檔者（歸檔後才有）

files[]（每檔）：

欄位	型別	說明
file_drive_id / file_name	string	Drive 檔識別 / 名稱
is_na / is_deleted	bool	標記不適用 / 移出證據池
matches[]	array	AI 候選：{ao_id（如 AC.L1-3.1.1[a]）, confidence(0–1), reasoning}
placements[]	array	確定放置：{ao_id, placement_drive_id（歸檔後才有）, source(ai/manual), added_at?}

出處：evidence_classification_service.py::get_state（讀 Drive _state.json）

[PUT] /classification-run/{run_folder_id}/state

Request：同 GET 的 {metadata, files[]} 完整結構（前端整包送回）。BE diff old vs new placements：新增 → copy_file 進 per-AO 資料夾填 placement_drive_id；移除 → trash_file；蓋章 last_edited_*；覆寫 _state.json；_sync_run_state_to_db（idempotent）。Response data：{operations_applied, drive_copied, drive_trashed, errors[]}。出處：evidence_classification_service.py::put_state

[POST] /classification-run/{run_folder_id}/archive

無 body。對每個無 placement_drive_id 的 placement copy 進 per-AO 資料夾；設 archive_files=true、archived_at。Response data：{drive_copied, already_archived, errors[]}。出處：evidence_classification_service.py::archive_run

7. 前端檔案地圖（compliance-manager-fe/）

檔案	角色
src/views/evidence-classification/EvidenceClassificationReview.vue	主檢視（2 欄 Splitter、分頁、篩選、存 / 歸檔、確認後跳下一份）
src/views/evidence-classification/reviewBucket.js	分頁歸屬規則（fileBucket）與「要你處理」排序（被攔下的排前）
.../components/ClassificationReviewHeader.vue	頁頭：分頁、進度、統計展開、門檻調整、儲存／捨棄、歸檔 slot
.../components/ClassificationFilterBar.vue	篩選列（僅「全部」分頁）
.../components/ClassificationFileList.vue	左檔案清單（虛擬捲動）
.../components/ClassificationFileDetail.vue	右詳情（三態）
.../components/PlacementTable.vue / AOPickerDialog.vue	已配對／AI 候選共用表（mode 切換）/ 加 AO
.../components/EvidenceFilePreviewDialog.vue	Drive 檔預覽
src/service/EvidenceClassificationService.js	API 包裝（getState / putState / archiveRun / 報表）
src/composables/useEvidenceClassification.js	state 管理（load / add/remove placement / markNa / markReviewed / applyThreshold / save / hasUnsavedChanges）
src/config/router/index.js:859-862	route evidence-classification-review
src/config/locales/i18n/{zh-tw,en}/evidence-classification.json	i18n（namespace lang.evidence_classification.*）

8. 後端檔案地圖（本頁核心鏈路）

鏈路	Route	App Service	底層
讀 / 存 state	api/evidence_classification/routes/evidence_classification_route.py::ClassificationRunStateRoute	app/evidence_classification/service/evidence_classification_service.py::get_state / put_state（diff + Drive ops + DB 鏡像）	EvidenceDriveOps（copy/trash/update_json）+ ClassificationRunDomainService.update_state
歸檔	同檔 ClassificationRunArchiveRoute	archive_run	EvidenceDriveOps
觸發分類（上游）	同檔（classify-evidence route）	trigger_classify（_check manager）→ ClassifierContainerRunner（Docker）→ Drive + DB persist	evidence_classification_runs repo

DDD 提醒：本模組 route → app service → domain service / repo（ClassificationRunDomainService）+ infra 的 EvidenceDriveOps（Drive 操作限縮在 infra）。error code 前綴 EC_（common/code/evidence_classification_error_code.py）。

9. DB

9.1 資料表總清單（本頁讀寫的全部表）

表	讀/寫	說明	欄位詳述
compliance.evidence_classification_runs	讀/寫（鏡像同步 state）	分類 run 記錄；真相在 Drive _state.json，本表 state/report_original JSONB 為鏡像	§9.3
（Drive _state.json / _report-original.json）	讀/寫	placement 編輯的真相來源（非 DB，見 _overview §2）	—

本頁不直接寫 ground_truth（那是誤判報表 CANON 匯入）；ground truth 表見 _overview §6 與 驗證報表。

9.3 核心表欄位（取自 DEV DB dump）

compliance.evidence_classification_runs — 證據分類 run 結果

欄位	型別	說明
run_folder_id	varchar(128)	Drive run folder id（自然鍵） = 頁面 URL 的 runFolderId
tenant_id / project_uid / ap_uid	int / varchar	租戶 / 專案 / AP
framework_id	varchar(64)	合規框架（v1 = cmmc-l1）
model / confidence_threshold	varchar / numeric(4,2)	使用模型 / 信心門檻
status	varchar(32)	queued / processing / completed / failed
archive_files	boolean	是否已複製 placement 檔進 per-AO 資料夾
input_file_count / classified_count	int	輸入 / 已分類檔數
estimated_cost_usd	numeric(10,4)	估算費用
state	jsonb	_state.json 鏡像（User 修正後）
report_original	jsonb	_report-original.json 鏡像（AI 首次輸出，immutable；報表對照基準）
container_log	text	容器日誌
triggered_at / completed_at / last_edited_at / archived_at	timestamptz	生命週期時間
triggered_by / last_edited_by / archived_by _user_id	int	各動作使用者

10. 頁面邏輯與資料對應

載入時序：

關鍵欄位對應（畫面 ↔ API）：

畫面元素	FE state	API 欄位
分頁份數	bucketCounts	files 依 fileBucket 分組
統計展開	ec.stats	files 聚合（classified / unclassified / placements / coverage）
生效門檻	metadata.review_threshold ?? metadata.confidence_threshold	同左
待人審／原因	file.needs_review、review_reason（hidden_text 疑似藏字／injection 疑似注入指令／verbatim 原文外洩比對命中／其他）	沙箱或閘道寫入，前端唯讀
是否送過 AI	file.ai_suggested	true＝AI 有看過、結果僅供參考；false 且 needs_review＝沒送 AI，需人工配對
未分類原因	file.error	quota_exhausted＝額度用完；其他＝閘道擋下或處理失敗
人工確認	file.reviewed_by（login_name）、reviewed_at；清單列顯示「已人工確認」	files[] 同名欄位，隨 PUT state 整包存（無獨立 endpoint）
AI 分數條	match.confidence	matches[].confidence（tier 前端算）
已配對表來源欄	placement.source	placements[].source（ai／manual；舊資料無此欄時有分數視為 AI）
AI 候選表	未放置的 matches ≥ 生效門檻（或「看全部」）	matches[] \ placements[]
未存項數	pendingCount（配對 diff＋每檔狀態變動）	—

調整門檻：applyThreshold(n) 對每份檔（跳過已刪除、非證據、已確認）保留人工配對，AI 配對只留 matches 分數 ≥ n 者，並補上 ≥ n 但尚未配上的 match（source: 'ai'）；metadata.review_threshold = n。不呼叫後端，儲存時隨 state 一起寫。

儲存流程：前端整包 PUT state → BE diff → Drive copy/trash → 覆寫 _state.json → DB 鏡像；捨棄 = 重載。歸檔另走 POST archive。

錯誤對應：BE EC_ envelope → toast；常見 EC_403001（觸發非 manager）、EC_404003（_state.json 不存在）、EC_404008（run 未存 DB 無法產報表）、EC_500003（Drive 檔操作失敗）、EC_500004（state JSON 解析失敗）。

11. 背景行為與外部依賴

類型	內容
AI 分類（批次線）	背景工作 guidant-worker 撿單；每份檔先交檔案沙箱 guidant-sandbox 拆檔、掃藏字、算注入分數，再經 AI 閘道送外部 AI（遮蔽機敏資料、檢查額度、寫 ai_call_log，feature classification）。沙箱不連外網、不持有 AI 金鑰
AI 分類（Drive 線）	既有資料，只讀；_state.json + _report-original.json
Drive	覆核存檔 = Drive copy/trash + 覆寫 JSON（EvidenceDriveOps）；歸檔複製 placement 檔進 per-AO 三層資料夾
Socket	本頁無 socket；覆核為前端記憶體操作、存時才寫
jedi-* 套件	Drive 操作 / classifier 容器（模組自有 infra）；jedi-auth（JWT）
把握度門檻	批次流程第②步設定（預設 0.70、可調 0.50～1.00），本頁可另調 0.40～1.00；沙箱的注入分數門檻 0.8 是套件常數，不在畫面上
守門規則	主機規則目錄，現場可調，見 落地版維運 4.12
送出前額度預估	在批次流程第②步：預估超過剩餘額度 1.5 倍擋整批（GRC_412058），本頁不會見到

12. 邊界情況與已知坑

1. 真相在 Drive _state.json 不是 DB：DB state 是鏡像；直接改 DB 會與 Drive 脫鉤（見 _overview §7 坑 2）
2. 覆核權限 v1 未鎖：觸發鎖 manager，覆核 / 存 / 歸檔僅 JWT（§3）
3. 觸發分類不在本頁：本頁「重跑分類」是 router.back()；實際觸發 POST /project/{uid}/ap/{apUid}/classify-evidence 在上游專案 / AP 頁（單 project 單 AP、無並行，同 project 一次一 job）
4. analyze-only 模式 placement_drive_id 為 null：未歸檔前 placement 只在 JSON、檔案未複製；歸檔後才落檔
5. 儲存是整包 diff 不是增量：前端送完整 files 陣列，BE 自行 diff；多人同時覆核同一 run 會互蓋（無鎖）
6. 限 CMMC L1 + Drive（v1）：非 CMMC L1 框架 / 非 Drive 來源 v1 不支援（見 _overview §7 坑 5）
7. 報表即時算、無確認狀態：驗證 / 誤判報表每次開重算（見 驗證報表 / 誤判報表）
8. 預覽限檔型 / 大小：docx/xlsx/pptx/pdf/text/image、<50MB
9. 兩個分數別搞混：頁頭的「自動配對門檻」會改變配對（算不算分類成功）；「全部」分頁的「只顯示 AI 分數 ≥」只決定清單顯示哪些檔，不改任何配對
10. 門檻下限 0.40：AI 分類時只回報 ≥ 0.4 的候選，調更低也配不出新東西；調門檻只重挑 AI 配的，人工配對與已確認檔不動
11. review_threshold 不覆寫 confidence_threshold：驗證／誤判報表以 confidence_threshold 當「AI 原始判斷」基準線，覆寫會讓報表的 AI 準確率失真
12. 確認不動待人審欄位：needs_review／review_reason 是安全檢查的判定，人工確認只加 reviewed_by／reviewed_at，事後仍查得到這份曾被攔下
13. 「已攔截」涵蓋兩種來源：沒送 AI 的與 AI 結果僅供參考的都紅底標「已攔截」；要分辨看清單列那行原因與詳情下一步卡的待辦文字。
14. 被閘道擋下的檔不算「已攔截」：它沒有 needs_review，落在橙點「沒有候選」；要知道是哪條規則擋的，到 AI 用量 呼叫明細找 feature＝證據自動分類、狀態＝被阻擋。

13. 開發與驗證

• 跑起來：BE python main_socketio.py（port 8000，log 在 log/app.log）；FE 在 compliance-manager-fe/ 起 Vite dev server。BE 改 service code 後必須重啟（無 hot reload）
• 測試帳號：dev 環境專案 manager 帳號（密碼見 .env / 部署文件）
• 導航路徑：登入 → 專案 / AP 觸發分類 → 分類 job 完成 → 進覆核頁（.../classify-evidence/run/{runFolderId}）
• 前置資料：租戶已連 Google Drive（CONNECTED）+ AP 已 init Drive 資料夾 + Evidences 有檔案 + 已跑過一個 completed 分類 run
• E2E：compliance-manager-test/ repo（Cucumber + Playwright）；以 證據分類 / classification 搜尋
• 相關文件：FR-030（AI 證據分類，docs/features/FR-030-2605-auto-evidence-classification/）、FR-031（報表）；下游報表見 驗證報表 與 誤判報表；DB / API 全量見 GAI-SD-02/03