v1.13.0：Skill 重写、评测体系、人工把关与复合命令

本版本完成改进方案的阶段 3 和阶段 4：重写 Skill 文本并建立评测，把“只有人能做的动作”变成结构约束，加入复合命令、新素材入口、学习闭环和 Web 升级。题库数据格式不变（V1/V2），无需迁移。

新增

• 复合命令：ingest images → ingest submit → ingest finalize 三步完成截图入库（原 6 步）；answer --commit；工作流、专题、练习、面试的 --commit；interview turn / interview review 让每道模拟面试题从 6 次调用降到 2 次。
• 人工把关：answer-review --status reviewed 只能在交互终端亲自确认，Agent 无法代办；本地 Web 新增“人工审阅”按钮；CLI 记录的练习自评必须附用户原话（user_quote），保护规则同样保存原话；面试作答记录 captured_via，云端转写授权记录 granted_via。
• 合并裁决：不确定的合并在 Web 中由用户判断，dedupe --resolve <run> 按用户裁决重新暂存后提交。
• 可核查的引用：引用可附 evidence_quote，配合 answer --page-texts 校验原文确实出现在页面中；verify-citations 按需检查链接（唯一联网命令，拒绝内网地址，不改数据）。
• 评测体系 evals/：80 条触发用例、17 个截图模板的金标、121 + 24（留出）对去重样本、10 个答案用例、打分脚本与发布门槛、评测记录和宿主验证记录；去重召回在 CI 中检查。
• 新素材：web-intake 导入网页正文并按段落溯源（CLI 本身不抓取）；B 站字幕 JSON；YouTube 滚动字幕自动合并并保留原始 cue 编号。
• 学习闭环：export --format anki；可选 FSRS 复习算法；题目可关联原题链接；studyset plan 生成每日计划 .ics 日历。
• 上手与界面：demo 生成示例题库（20 题，8 题附有核对过官方文档的答案）；报告和 Web 支持英文；Web 暗色模式、练习刷新后可继续、支持 localhost、#question= 直达某题。

变更

• SKILL.md 从 1.95 万字符精简到约 6,900 字符（8 条核心规则 + 路由表），端到端必读文档合计 2.94 万字符；references 去重、按 200 字符换行、去掉版本历史描述；测试会自动检查这些上限，以及路由表中的命令确实存在。
• 去重候选检索去除问句套话并映射常见英文术语：recall@10 从 0.948 提升到 1.00（改动后编写的留出集从 0.917 到 1.00）。
• app.js 重写为分段的可读代码，app.css 恢复为可读格式；CI 新增 ruff 检查。

验证

• 287 项测试在 Windows / macOS / Linux × Python 3.10–3.13 上通过，并以旧快照格式再跑一遍；安装包检查新增 demo 与备份。
• 在浏览器中用示例题库实测：合并裁决 → resolve → 提交、人工审阅、暗色模式、英文界面、练习续做、localhost 访问。
• 尚未完成：触发评测未在真实宿主会话中运行；去重判定与答案评测尚无盲测记录。