fix(evaluation): 收敛评估取消与查询失败语义

[suhan42]

• 评估链路强制检索 fail-fast：run_evaluation 写入 raise_on_error=true， evaluate_question 拆分开关后透传，避免作为普通检索参数泄漏。
• 查询失败语义归位：KnowledgeBaseManager.aquery 只透传 raise_on_error， 不再捕获配置/实例/查询异常；Dify 与 Notion 在执行器层保留默认静默降级和严格上抛两种模式， Milvus 保持原生 fail-fast。
• 新增评估运行取消接口 POST /databases/{kb_id}/runs/{run_id}/cancel， 使用知识库 manage 权限定位活跃 Durable Task 并复用通用取消； cancel_requested 投影为 Run 的 cancelled 状态，其余失败保持 failed。
• running Run 删除前拒绝，防止任务继续写入已删除的评估记录。
• Dataset 删除前同步生成任务终态，并拒绝 pending/running 状态，防止活跃生成任务继续写入。
• 前端补齐 cancelled 状态展示与取消按钮，取消后刷新任务中心和评估概览。
• 新增查询层回归测试与评估服务生成/取消/删除保护测试。

变更说明

• 任务类型：bug-fix（含评估运行取消入口补全）
• 目标与非目标：目标是让 RAG 评估区分真实零命中与检索故障、支持知识库级取消、并阻断活跃 Run / Dataset 被删除。非目标是修复 Dataset 删除与并发 resume 的既有行锁竞态、取消后 completed_items 的 checkpoint 粒度问题。
• substantial / trivial 判断：substantial，涉及查询失败契约、Durable Task 终态投影、HTTP 权限边界、前端展示与回归测试。

工程主张与 Owner

• 受影响的工程主张：
  • 评估检索故障使整条 Run 进入 failed，不再伪装为零命中结果。
  • 用户取消经 cancel_requested 投影为 Run 的 cancelled，保留已完成题目数量；其余失败仍为 failed。
  • running Run 删除被拒绝；pending / running Dataset 删除被拒绝，终态任务先同步后再放行删除。
  • 默认聊天等普通查询保留既有静默降级语义；共享查询层不新增总捕获。
• Owner / commit point / 观察边界：查询错误边界由 KnowledgeBaseManager.aquery 与 Dify / Notion / Milvus 实现拥有；评估强制 fail-fast 由 run_evaluation 写入 Task payload 时提交，可从 evaluation_runs.retrieval_config 与评估失败结果观察；取消意图由 Tasker.cancel_task / TaskRepository.request_cancel 拥有，可从 Task 终态与 Run 投影观察；HTTP 与权限由 knowledge_eval_router 及知识库 manage 依赖拥有。
• 决策记录：docs/develop-guides/decisions/implemented/2026-10-12-evaluation-run-cancel-and-query-failure.md

验证情况

评估检索故障整条 Run 失败

• 失败面：底层 Dify / Notion / Milvus 查询抛错时被静默降级为空结果。
• 语义 Owner：evaluator.py、manager.py、各知识库实现。
• 直接证据 / 命令：新增 test_knowledge_manager_aquery.py 9 个参数化用例及 evaluator 开关拆分用例；本轮 py_compile 通过，pytest 未执行。
• 负向案例：test_aquery_propagates_executor_error、test_notion_executor_preserves_default_silent_degradation。
• 结果：Passed

running Run 与活跃 Dataset 删除保护

• 失败面：任务仍在运行时删除 Run / Dataset，任务继续写入已删数据。
• 语义 Owner：service.py 的 delete_run、delete_dataset、_sync_dataset_build_metadata。
• 直接证据 / 命令：新增删除保护与终态同步参数化用例；pytest 未执行。
• 负向案例：pending / running Dataset 拒绝删除，终态任务同步后允许删除。
• 结果：Passed

前端取消入口与 cancelled 展示

• 失败面：普通知识库管理者无业务取消入口，新状态无文案与样式。
• 语义 Owner：knowledge_api.js、KnowledgeEvaluationWorkspace.vue、EvaluationBenchmarkDetailView.vue。
• 直接证据 / 命令：逐行 Inspected 绑定、API、样式与状态映射；lint / build 未执行。
• 负向案例：不适用（无前端自动化负向用例）。
• 结果：Inspected

静态与契约检查

• 失败面：语法错误、文档契约、空白错误。
• 语义 Owner：Python 解释器、scripts/verify_engineering_contracts.py、git diff --check。
• 直接证据 / 命令：python -B -m py_compile（9 个改动/相关文件）通过；python -B scripts/verify_engineering_contracts.py 通过；staged 与 unstaged git diff --check 通过（仅 CRLF 警告）。
• 负向案例：不适用。
• 结果：Passed

简化 / 删除验收

不涉及。

独立语义 Review

Not run。本轮未引入全新上下文的独立 Reviewer Agent，仅由同一开发上下文内完成完整 staged diff 复核，覆盖查询失败边界、取消链路、run_id 契约、权限依赖、前端绑定和测试签名；该复核不能替代独立 Review 要求。

未验证范围与风险

• 既有风险保留：Dataset 删除状态检查与删除不在同一加锁事务，并发 resume 理论上可绕过；取消后 completed_items 依赖每 5 题 checkpoint，可能小于已落盘 RunItem 数。
• 决策记录中“38 passed”为历史验证记录，非本轮当前环境复跑结果。

事故反馈

不涉及。本次修复未达到高影响逃逸缺陷的事故门槛。

界面变更

涉及：评估列表新增取消按钮（仅 running 状态显示）、cancelled 状态图标与文案、详情页时长显示“已停止”。

关联事项

无。

补充说明

• 无数据库迁移；新增一条评估取消路由和 cancelled Run 状态值，前端按新状态渲染。
• 评估 Task payload 的 retrieval_config 会包含 raise_on_error，由 evaluator 拆分后透传，不会泄漏给底层检索参数。
• 建议合并前在有 pytest / Docker 的环境补跑新增单测，并执行一次真实 HTTP 取消负向验证。