feat: 完成 issue #49 ④ 路由准确率评估脚本（≥96.5%）

core/llm-gateway/router.py

@@ -13,9 +13,9 @@
 - 路由决策前**强制先过 DLP 出站检查**：query 若命中 DLP block 规则，
   一律走本地（fail-closed），云端仅在 DLP 放行时允许（PRD 5.4 数据不出厂）。
 
-设计说明（供子任务 #43 继续细化）：
-- 本版实现规则匹配与分级、模板加载、评估准确率的离线脚本接口；
-- 子任务 #43 将在此基础上补齐敏感度词库覆盖与准确率 ≥ 96.5% 的调优基线。
+设计说明（Issue #43 雏形，Issue #49 补齐评测）：
+- 本版实现规则匹配与分级、模板加载、路由准确率离线评测入口（`evaluate()`）；
+- 配套评测报告脚本 `evaluate_routing.py`（Issue #49 交付），验收目标 ≥ 96.5%。
 
 测试：`python -m unittest discover -s tests -v`（在 core/llm-gateway 目录下执行）。
 """
@@ -372,14 +372,17 @@ class SensitivityRouter:
     def evaluate(self, samples: List[Dict[str, object]]) -> Dict[str, object]:
         """离线评估路由准确率（目标 ≥ 96.5%）。
 
-        `samples`：`[{"query": str, "expected": "local"|"cloud"|"block"}, ...]`。
-        返回总体准确率 + 每类明细。子任务 #49 将扩展为评测集与报表脚本。
+        `samples`：`[{"query": str, "expected": "local"|"cloud"|"block",
+        "dlp_blocked": bool(可选)}, ...]`。
+        返回总体准确率 + 每类明细 + 逐样本记录（供评测报告脚本渲染明细，
+        配套 `evaluate_routing.py`，Issue #49 交付）。
         """
         total = len(samples)
         if total == 0:
             return {"accuracy": 0.0, "correct": 0, "total": 0, "by_target": {}}
         correct = 0
         by_target: Dict[str, Dict[str, int]] = {}
+        sample_records: List[Dict[str, object]] = []
         for s in samples:
             expected = str(s["expected"])
             got = self.route(str(s["query"]), dlp_blocked=bool(s.get("dlp_blocked", False)))
@@ -390,13 +393,77 @@ class SensitivityRouter:
             agg["total"] += 1
             if ok:
                 agg["correct"] += 1
+            sample_records.append({
+                "query": str(s["query"]),
+                "expected": expected,
+                "actual": got.target,
+                "ok": ok,
+                "reason": got.reason,
+                "rule_name": got.rule_name,
+                "category": got.category,
+            })
         return {
             "accuracy": round(correct / total, 4),
             "correct": correct,
             "total": total,
             "by_target": by_target,
+            "samples": sample_records,
         }
 
+    def render_evaluation_report(self, report: Dict[str, object],
+                                 threshold: float = 0.965) -> str:
+        """把 `evaluate()` 的结构化报告渲染为 Markdown 文本（评测报告脚本用）。
+
+        `threshold`：验收准确率阈值（PRD 5.4 / EPIC #6 目标 ≥ 96.5%）。
+        """
+        total = int(report.get("total", 0))
+        lines: List[str] = [
+            "# LLM 网关 · 敏感度路由准确率评测报告",
+            "",
+            f"- 生成时间：{datetime.now(timezone.utc).isoformat(timespec='seconds')}",
+            f"- 路由规则数：{self.rule_count}（内置保底 + 模板资产）",
+            f"- 样本总数：{total}",
+        ]
+        if total:
+            acc = float(report.get("accuracy", 0.0))
+            passed = acc >= threshold
+            lines.append(
+                "- 路由准确率 {:.2%}｜验收目标 ≥ {:.2%}｜**{}**".format(
+                    acc, threshold, "达标" if passed else "未达标")
+            )
+        lines.append("")
+
+        by_target = report.get("by_target") or {}
+        if by_target:
+            lines += [
+                "## 按预期路由目标分解",
+                "",
+                "| 预期目标 | 样本数 | 正确 | 准确率 |",
+                "|---|---|---|---|",
+            ]
+            for target in sorted(by_target):
+                g = by_target[target]
+                acc_t = (float(g["correct"]) / float(g["total"])
+                         if g["total"] else 0.0)
+                lines.append("| {} | {} | {} | {:.1%} |".format(
+                    target, g["total"], g["correct"], acc_t))
+            lines.append("")
+
+        bad = [r for r in report.get("samples", []) if not r.get("ok")]
+        if bad:
+            lines += ["## 未通过样本明细", ""]
+            for i, r in enumerate(bad, 1):
+                lines.append("{}. **{expected} → {actual}**（{query}）".format(
+                    i,
+                    expected=r.get("expected", "?"),
+                    actual=r.get("actual", "?"),
+                    query=r.get("query", "?"),
+                ))
+                lines.append("   - 决策依据：{}（规则：{}）".format(
+                    r.get("reason", "?"), r.get("rule_name") or "—"))
+            lines.append("")
+        return "\n".join(lines)
+
     # -- 审计 --------------------------------------------------------------
 
     def _record(self, decision: RouteDecision) -> None: