F5 通过，删 Streamlit

README.md

@@ -51,8 +51,7 @@
 - `app/tools/schema.py`   —— CSV 表结构描述
 - `app/llm.py`       —— 兼容层（旧的 get_llm），实现已移到 `app/core/llm.py`
 - `app/eval/`        —— 评测：50 题用例、比较器（顺序/答案形态规则见 comparator.py 文件头）、报告
-- `ui/streamlit_app.py` —— 单轮网页界面（工作流版）
-- `ui/chat_app.py`   —— 多轮对话界面（ReAct 版 + 记忆，支持追问）
+- `ui/web/`          —— 前端（React + TS），由 `python -m app.server --open` 托管
 
 ## 运行
 
@@ -87,12 +86,6 @@ python run_eval.py
 python run_eval.py --oracle
 python run_eval.py --repeat 3            # 同一配置连跑 3 次，看均值与波动
 python run_eval.py --rescore outputs/eval_xxx.json   # 不调模型，按当前比较器/标准答案重新打分
-
-# 3d. 单轮网页界面（工作流版）
-streamlit run ui/streamlit_app.py
-
-# 3e. 多轮对话界面（ReAct 版，支持记忆与追问）
-streamlit run ui/chat_app.py
 ```
 
 在代码里调用：

app/core/service.py

@@ -1,6 +1,6 @@
 """统一的分析服务函数 analyze()（B16）。
 
-所有入口（run.py / run_react.py / run_eval.py / 两个 Streamlit 页面，以及以后的 FastAPI）
+所有入口（run.py / run_react.py / run_eval.py / app/server 的 FastAPI 后端）
 都只调这一个函数，不再各自装配 schema、字典检索、图和模型。
 
 约定：

docs/DEVLOG.md

@@ -39,7 +39,7 @@ Python · LangGraph（StateGraph 工作流版 + create_react_agent ReAct 版）
 | B11 | P2 | eval/report.py:31-34, :40 | 正确率分母只算 executed（虚高）；无报错修复率记 100% | 1 |
 | B12 | P2 | eval/comparator.py _normalize_obj | Series 转 dict 比较忽略顺序（虚高）；答案形态不一致（虚低） | 1 |
 | B13 | P2 | eval/runner.py | 只测工作流版；双重执行；无耗时/token | 3 |
-| B14 | P2 | ui/streamlit_app.py | 未接字典 RAG，与 README 不符 | 1（随 Streamlit 下线） |
+| B14 | P2 | ui/streamlit_app.py | 未接字典 RAG，与 README 不符 | 1（随 Streamlit 下线，已删 [67]） |
 | B15 | P2 | tools/csv_io.py | latin-1 兜底静默乱码 | 1 |
 | B16 | P2 | 4 个入口 | 各自装配流程，无服务层 | 1 |
 | B17 | P2 | requirements.txt | 未锁版本；无测试、CI、日志框架 | 0 |
@@ -1903,6 +1903,16 @@ S 10-21 第二轮：
 走查记录：（S 跑完后填）
 
 
+**走查记录（S，2026-10-23 ~ 10-26，Windows + Firefox 缩放 90%，真 Key）**
+- 五条路径全部通过（S 10-26：「其他的没问题」「都是能接受的」）。⑥ 按 10-21 的约定不用复核。⑦ THREAT_MODEL §2.3 S 10-26 确认无异议。
+- 10-23 第一批发现：白屏（Windows .js MIME，#74）和观感 8 条，进了 V2c（#75 / #76）。测试 agent 的基线报告（假模型 ①~⑥ 全过）也一并处理了。
+- 10-26 真 Key 发现，S 定为**可接受、不处理**：
+  - token 消耗偏高。多表题出 4 张图，没取到数字；单轮预算 130,000 兜底（[66]）。
+  - 「写代码」阶段停不下来。停止只在事件之间检查（service.py:119-121），正在进行的模型调用要等它返回；单次 60 秒，加最多 3 次重试（llm.py:33-34）。这是 F2「不主动断流」的设计。
+  - 图表标题选不中、复制不了。标题是画在 ECharts canvas 上的。
+  - 会话页不显示模式（标准 / 边想边做），只能从步骤条有没有「理解问题」看出来。
+- 本机环境：ui\web\dist 是用管理员身份解压的，ACL 锁住了，要在管理员 PowerShell 里用 C:\Windows\System32\takeown.exe / icacls.exe 解锁后才能删（PATH 里没有 System32）。
+
 ## [56] 2026-10-22 · F4 迭代 V2a 方案：按 S 设计稿改版 · commit e4b6ef1
 
 [55] 回填为 b6769cd。
@@ -2204,7 +2214,7 @@ S 10-25 定：§2 上游原文折叠保留；§4 根字号 14。
 
 方案见 docs/roadmap/phase5-frontend.md「V2d」：1 usage 拆分（cache_read / reasoning / estimated，零调用 reported=None，报告导出 6 个字段）；2 单轮预算默认 130,000（ReAct 闸门实测最高 63,817 的约 2 倍），调用前判定并预留收尾量，ReAct 走强制收尾、工作流不进 reviewer，缺 usage 按字数估算，卡片显示 tokens；3 finish_reason=length 作为明确错误，本节不设 max_tokens。其余各项记进 plan.md「外部审计待办」。
 
-## [66] 2026-10-26 · V2d 实现：token 观测与单轮预算 · commit <待提交>
+## [66] 2026-10-26 · V2d 实现：token 观测与单轮预算 · commit 2b283b6（PR #78）
 
 [65] 回填为 1144c27（PR #77；master tests run 40255033298 绿，这个提交只触发了 tests 工作流）。按 phase5-frontend.md「V2d」§1~3 实现，偏离写在该节「实现与偏离」。
 
@@ -2214,3 +2224,18 @@ S 10-25 定：§2 上游原文折叠保留；§4 根字号 14。
 - 测试设施：ScriptedChatModel tokens_per_call=None 模拟不回 usage；fake_llm 新增 tokens-<N> 场景、MARK_FINALIZE。
 - 判定变更：旧断言一条没改（零调用 reported=None 的路径以前没有测试断言）。新增 tests/test_v2d.py 20 条、src/views/v2d.test.tsx 5 条、e2e/f4-budget.spec.ts 1 条（fake 项目按文件名 f[34]* 匹配）。提示词、chart_fixtures 不变。视觉 11、25 两屏：token 文字让 `.acard-time` 遮罩框变宽（每张 1119 像素，只在遮罩框里），基线换成首跑 CI run 40260578380 的 x64 actual；我本地报的「基线不用重取」是错的——本地 aarch64 这 4 屏本来就红，看不出这个差异。
 
+
+## [67] 2026-10-26 · F5 通过，删 Streamlit · commit <待提交>
+
+[66] 回填为 2b283b6（PR #78；master tests run 40262438449 绿）。F5 走查记录补在 [55] 末尾：五条路径都过了；10-26 的 4 条发现 S 定为可接受，不处理。
+
+按 phase5「F5 · 通过与收尾」的清单逐条删除：
+- [x] `ui/streamlit_app.py`、`ui/chat_app.py`
+- [x] `requirements.txt` 的 `streamlit==1.65.0`
+- [x] `tests/test_ui_smoke.py`（3 个测试项：test_page_renders × 2 页 + test_chat_app_turn_goes_through_analyze）。pytest 基线从 872 降到 869，这是删除带来的，不是回归。
+- [x] `packaging/build_sidecar.py` 的 `--exclude-module streamlit`
+- [x] README 里的 Streamlit 界面介绍和两条 `streamlit run`
+- [x] HANDOVER 第 20 行；DEVLOG B14 标成「已删」
+- 另外改了：app/core/service.py 文件头的入口列表、plan.md 阶段 5 的状态（标成完成）。
+
+pyarrow：它只是 streamlit 的传递依赖（[18]，DEVLOG 第 771 行），所以删掉 streamlit 后，新装的环境里不会再有 pyarrow。pandas 3.0 在没有 pyarrow 时字符串后端改用 python，开发和打包也因此一致了。这样 [18] 留到阶段 6 的「pyarrow 去留」问题就不用再定了，sidecar 体积预计少约 78 MB，以 CI 的 sidecar 工件为准。验证：我用全新 venv 装 requirements-dev.txt，确认没有 streamlit 和 pyarrow，再跑全量 pytest。

docs/HANDOVER.md

@@ -17,12 +17,12 @@
 - `app/server`：FastAPI 本地后端（sidecar），SQLite（写法兼容 PG），SSE 推事件，Bearer token，托管前端 dist 并带 CSP。启动契约见 `docs/sidecar-contract.md`（壳必须 `--port 0`）。
 - `ui/web`：React 19 + TS 前端（Vite、vitest、Playwright），图表用 ECharts（按需引入）。**前端只通过 HTTP/SSE 和后端通信，不用 Tauri IPC**（S 定，2026-10-12）。
 - 外壳：Tauri 2 + PyInstaller 打包的 sidecar，在 GitHub Actions 的 Windows runner 上构建（`packaging/`、`.github/workflows/sidecar.yml`）。
-- Streamlit 旧界面（`ui/streamlit_app.py`、`ui/chat_app.py`）还在，F5 验收后单独 PR 删除（连带面 6 处，清单在 phase5「F5」）。
+- Streamlit 旧界面已在 F5 验收后删除（DEVLOG [67]）。
 
 进度：阶段 0–4 完成；**阶段 5（前端）收尾中**，方案是 `docs/roadmap/phase5-frontend.md`。
 - F0–F2（#32–#35）、F3 ECharts 六步（#41–#53）、F4 层 1 面板（#57）、F4 迭代 V1（#67）、F4 迭代 V2a（#70，按 S 的设计稿整体重做界面）都已合并。
 - 和 F 路径并行的：chart_errors 按执行记账（result.py:117，#55，已完成）、#49 矮画布紧凑几何（#58）、#44 sidecar 契约（#59）、T11 错误文案脱敏（#61）、A1 错题自动复跑（#63）、G1 闸门 oracle 上 CI（#65）、`llm_kind`（含在 #70 里）。
-- F5（S 用真 Key 走五条路径）的清单已合并（#68，DEVLOG [55]），**还没走**，在等 S。
+- F5：S 用真 Key 走完五条路径并通过（2026-10-26，走查记录在 DEVLOG [55]）；Streamlit 已删（DEVLOG [67]）。阶段 5 完成，下一步阶段 6。
 - 最近一步：四屏视觉回归（`ui/web/e2e/f4-visual.spec.ts`，DEVLOG [59]）。
 
 基线数字（39c4741 + [59]，Linux 沙箱）：pytest 837 passed（含闸门 25 条，需先下数据）、vitest 790、e2e 38、lint / tsc / build / `gen_ui_types --check` 全过。
@@ -79,7 +79,7 @@ S 的评审风格：逐条评审，会对照代码和截图核实，按 P0（挡
    - 设置页「测试连接」：要后端新接口。
    - P1-17：图表警告文案（"x 列 '…' 不存在"暴露变量名）在后端 `chart_warnings`，前端改写就是匹配后端文案，要改就改后端。
    - P1-16：失效页"重新打开应用"浏览器里做不到，放阶段 6。
-4. **F5**：S 用真 Key 走五条路径（清单在 phase5「F5」），走完把记录填进 DEVLOG [55]。然后单独 PR 删 Streamlit（pytest 基线 814 → 811 是当时的数，现在要按 837 重算）。
+4. **F5**：已通过（2026-10-26），Streamlit 已删，pytest 基线 872 → 869（DEVLOG [67]）。
 5. **阶段 6** Tauri 打包。代码签名证书要由有实名主体、能付款的一方办（S 没有），选型（大概率 OV 起步）在 phase5「F5」末尾的阶段 6 前置事项里。
 
 ## 6. 环境搭建与运行

docs/roadmap/phase5-frontend.md

@@ -705,7 +705,7 @@ v2 才可达的字段（link、formatter、aria 等）留到层 2 再测。
 
 估时 1.5 天，一个 PR。
 
-### F5：S 验收走查（已定，S 10-21 评审通过；DEVLOG [55]）
+### F5：S 验收走查（已通过 2026-10-26，走查记录见 DEVLOG [55]；Streamlit 已删，DEVLOG [67]）
 
 F5 不是回归清单，而是一次真 Key 的手动走查加观感判断，预计一小时内跑完。32 条 e2e 已经覆盖的内容这里不重抄，只列"看什么、什么算过、截图留哪"。启动命令：`python -m app.server --open`。
 

docs/roadmap/plan.md

@@ -18,7 +18,7 @@
 | 3.5 外部验证闸门 | 3 天 | 非自造数据上的 25 题（单表 15：UCI Online Retail 改造的中文 GBK 脏表；多表 10：Olist 8 张表）；标准答案由独立脚本在原始数据上算出；最小多表支持（dfs）；报告逐题标判对层级、评测集指纹 | 按 docs/roadmap/gate-phase35.md 预登记的阈值与失败分布规则出结论 | M01 M02 M04 M05 M10(部分) M15 |
 | 4 后端 API | 1–2 周 | 第一步：API Key 进系统钥匙串（keyring）；`analyze_stream()` 逐步产出事件，`analyze()` 包一层（M09）。FastAPI：数据集上传（一个数据集可含多个文件，M10）、会话、消息（SSE 流式推送每一步）、设置；SQLite + SQLAlchemy（表结构兼容 PG，预留 user_id）；logging + trace id（会话 / 消息 id），runs.jsonl 换成数据库（M08 M14）；接口返回 png + 图表数据（M13）。最后：PyInstaller sidecar + 沙箱 worker 在 Actions Windows runner 上的 spike（B35 / M06） | 用 curl 走完"上传 → 提问 → 流式结果 → 历史可查"；重启后会话还在；spike 打出的 exe 能在干净 runner 上执行一次沙箱代码 | B18 B35 |
 | 5 前端 | 2–3 周 | 第一件事（M13，从阶段 4 顺延，含后端三步）：图表库定为 ECharts；定 option 格式与白名单、写 builder `chart(kind, df, x=, y=, series=, title=)`；worker 产出 chart_option（与 result 脱钩，B44）；接口加 chart_option；改绘图提示词并重跑闸门。之后：React + Vite + TS：数据集面板、对话流（展示计划、代码、执行步骤）、图表、可展开的代码、👍👎 反馈、Key 设置页，分步与验收见 docs/roadmap/phase5-frontend.md（F0–F5） | 不碰命令行就能完整用一遍 | — |
-| 6 桌面打包 | 1–2 周 | Tauri 2 外壳（前提见上：前端只走 HTTP）+ PyInstaller 后端 sidecar；Windows 安装包；自动更新；首次启动引导填 Key；依赖许可证审计；决定 pyarrow 去留（打包体积 78.5 MB，开发与打包环境须一致，见 DEVLOG [18]） | 在一台干净的 Windows 上一键安装，可用；对外分发前代码签名、SmartScreen 不拦（M19）；对外分发前满足 THREAT_MODEL.md 的 (b) 条件 | — |
+| 6 桌面打包 | 1–2 周 | Tauri 2 外壳（前提见上：前端只走 HTTP）+ PyInstaller 后端 sidecar；Windows 安装包；自动更新；首次启动引导填 Key；依赖许可证审计；pyarrow 已随 Streamlit 一起去掉（DEVLOG [67]） | 在一台干净的 Windows 上一键安装，可用；对外分发前代码签名、SmartScreen 不拦（M19）；对外分发前满足 THREAT_MODEL.md 的 (b) 条件 | — |
 | 7 准确率 | 2–4 周 | DuckDB 统一 CSV/Excel/SQL；YAML 语义模型（指标、口径、同义词）；枚举值召回；结果合理性校验；反馈沉淀为已验证问答对 | 在阶段 3.5 闸门数据上给出具体目标（闸门结论后定，M20）；自造集只作回归 | B05 B09 |
 | 8 Web 上线（后续） | 另定 | PostgreSQL、登录、任务队列、Docker/E2B 沙箱、Langfuse、服务器部署与 ICP 备案 | 另定 | 多租户 |
 
@@ -30,7 +30,7 @@
 | 0–3d | 完成 | 2026-10-09 → 10-10 | DEVLOG [1]–[9] |
 | 3.5 / 3.6 | 完成，闸门中间区，P0 ⑤⑥ 已修 | 2026-10-12 | DEVLOG [10]–[13] |
 | 4 | **完成**，三条验收都达到 | 2026-10-12 → 10-13 | DEVLOG [14]–[18]；curl 全流程与重启见 [16]，跨重启多轮见 [17]，干净 runner 上执行沙箱代码见 [18] |
-| 5 | **收尾中**：M13 后端三步、F0–F3、F4 层 1、F4 迭代 V1 / V2a、四屏视觉回归已合并；剩 V2b、测试连接、P1-17（方案见 phase5「阶段 5 收尾」）→ F5 真 Key 走查 → 删 Streamlit | 2026-10-13 → 进行中 | DEVLOG [19]–[60]；最近合并 #71（1c0b41a，tests run 39891923237） |
+| 5 | **完成**：F0–F4、V1 / V2a~V2d、F5 真 Key 走查通过（2026-10-26），Streamlit 已删 | 2026-10-13 → 10-26 | DEVLOG [19]–[67] |
 
 **重估（M18）**：阶段 0–4 原估 5–7.5 周，实际 5 个日历日。原因是代码主要由 Hark 写、S 审，**不能**照这个速度外推后面的阶段：
 - 阶段 0–4 几乎都能在 Linux 沙箱 + CI 里验证；阶段 5–6 的验收是"不碰命令行能用""干净 Windows 一键安装"，必须 S 在本机动手看，日历时间取决于 S 的可用时间，不取决于写代码的速度。

packaging/build_sidecar.py

@@ -28,7 +28,6 @@
     "--copy-metadata", "keyring",
     "--collect-submodules", "keyring.backends",
     # 用不到、但会被分析器拖进来的大包
-    "--exclude-module", "streamlit",
     "--exclude-module", "tkinter",
     "--exclude-module", "IPython",
     "--exclude-module", "pytest",

requirements.txt

@@ -7,7 +7,6 @@ pandas==3.0.6
 numpy==2.4.6
 matplotlib==3.11.2
 python-dotenv==1.2.4
-streamlit==1.65.0
 rank-bm25==0.2.2
 jieba==0.42.1
 # 阶段 4：API Key 存系统钥匙串（app/core/keystore.py）。依赖按平台锁定（uv pip compile，3.11/3.12 × Windows/Linux）