diff --git a/README.md b/README.md
index 6a0f6a8..f916479 100644
--- a/README.md
+++ b/README.md
@@ -74,12 +74,17 @@ docs/langgraph-backend-migration-plan.md  # 十阶段迁移作业计划
 evals/                    # 调用真实服务的评测用例与 runner
 ```
 
-## 已知限制
+## 当前状态与已知限制
 
-- LangGraph 脚手架与后端适配层骨架已就位（作业 1—2）：`src/agent/`、
-  `src/backends/langgraph.py`、`AGENT_BACKEND` 开关；节点逻辑与适配器实现
-  为待完成的 TODO，对应测试 `test/agent/`、`test/backends/test_langgraph_backend.py`
-  在完成前会失败，属预期状态。
-- `set_info` / `get_info` / `delete_session` 仍直接依赖 FastGPT 状态与历史，迁移到共享
-  业务状态属于作业 6。
-- 服务启动需要有效的 FastGPT 配置；仅运行单元测试不需要。
+作业 1—5 已完成（LLM 提议 + 代码校验架构，提示词与 `workflow/20261020`
+逐字对齐，全量测试 143 通过）。逐作业进度、真实模型评测结果与开放问题
+见 [docs/langgraph-backend-migration-plan.md](docs/langgraph-backend-migration-plan.md)
+文末“当前进度与已知差异”。
+
+- 真实模型黄金评测：`collection_skip_known_info` 12/12 通过；
+  `photo_skip_plate_confirm` 0/4、`no_false` 2/8，统一卡在短促回答“对”
+  的分流语义上，待与 FastGPT 应用层配置对账（差异已留档，未叠代码守卫）。
+- `set_info` / `get_info` 仍直接依赖 FastGPT 状态与历史，迁移到共享
+  业务状态属于作业 6；`delete_session` 已按后端分流（langgraph 清 checkpoint）。
+- 服务启动（langgraph 模式）不需要 FastGPT 配置；需要 LLM provider 配置。
+- 流式为“完整答案切片”，真实增量输出属作业 8；`formUpdate` 差量属作业 6。
diff --git a/docs/langgraph-backend-migration-plan.md b/docs/langgraph-backend-migration-plan.md
index 068b8c4..6b3ad06 100644
--- a/docs/langgraph-backend-migration-plan.md
+++ b/docs/langgraph-backend-migration-plan.md
@@ -1,6 +1,6 @@
 # LangGraph 迁移执行作业：从脚手架到等价 API 服务
 
-> 版本：重写版，依据本地 `main` 提交 `22853f1` 及本分支现有后端边界编写。
+> 版本：以 `workflow/20261020/事故信息采集2025118.json` 为当前迁移基准；20261016 保留作历史对照。
 >
 > 读者：掌握 Python、异步函数、HTTP 和基本测试，尚未独立交付过 LangGraph 服务的本科生。
 >
@@ -33,7 +33,7 @@
 |---|---|---:|---:|
 | 1. LangGraph 脚手架 | 不依赖模型运行最小图，并恢复同一会话 | 4—6 小时 | 8 |
 | 2. 接入现有 API | fake 图经现有 `/chat` 返回 JSON 和 SSE | 6—8 小时 | 10 |
-| 3. 领域状态与事件 | 用代码推进拍照、无回复和失败事件 | 8—12 小时 | 12 |
+| 3. 领域状态与事件 | 校验模型预测的下一阶段，记录事件上下文 | 8—12 小时 | 12 |
 | 4. 事故信息采集 | 多轮采集、跳过已知信息并正确分流 | 12—18 小时 | 15 |
 | 5. 拍照与信息核实 | 跑完单车、双车及更正信息流程 | 10—16 小时 | 12 |
 | 6. 同一份业务数据 | 四个业务接口共享内存态并正确删除 | 8—12 小时 | 10 |
@@ -55,7 +55,7 @@
 | `src/core/fastgpt_client.py` | 客户端何时初始化，依赖如何注入，何时关闭？ |
 | `src/api/endpoints.py` | 哪些逻辑是协议适配，哪些仍直接调用 FastGPT？ |
 | `src/schemas/models.py` | 请求默认值、字段长度、返回类型分别是什么？ |
-| `workflow/20261016/事故信息采集2025118.json` | 当前各模式实际走哪些节点和条件边？ |
+| `workflow/20261020/事故信息采集2025118.json` | 当前各模式实际走哪些节点和条件边？ |
 | `evals/cases/`、`evals/README.md` | 当前已经覆盖哪些对话？runner 实际断言了什么？ |
 | `test/api/`、`test/backends/`、`test/test_client_mode.py` | 已有后端边界测试和公共契约测试是否与当前代码一致？ |
 
@@ -105,7 +105,7 @@
 **验收命令（本作业新增）：**
 
 ```bash
-python examples/langgraph_smoke.py
+python -m examples.langgraph_smoke
 python -m pytest test/agent/test_scaffold.py -q
 ```
 
@@ -147,9 +147,9 @@ python -m pytest test/agent/test_scaffold.py -q
 6. 连续两次无回复产生 `0004`，中间有效回复如何重置计数必须有测试。
 7. 把“本轮输出字段”在每轮开始时清空；历史事故字段继续保留，避免旧 `formUpdate` 在下一轮重复返回。
 
-**交付物：** `events.py`、`transitions.py`（节点内确定性规则）、按工作流拆分的多节点图（`graph.py`）、状态模型、规则来源表、参数化转换测试。
+**交付物：** `events.py`、`transitions.py`（模型提议的转换校验）、按工作流拆分的多节点图（`graph.py`）、状态模型、规则来源表、参数化转换测试。
 
-**验收：** 无模型调用即可走完拍照事件链；在拍照中输入“继续”保持当前步骤；非法跨阶段转换不写状态；明确的转人工事件可以终止当前流程。
+**验收：** 使用可注入的 fake LLM 回放阶段提议，验证合法提议、非法跳步、无回复和失败输入的上下文传递；普通“拍好了”不解析为客户端标记。真实阶段码由模型预测，代码不凭标记强制推进。
 
 **讲解题：** 为什么外部看到 `1002`，内部仍必须区分采集、单车核实和双车核实？
 
@@ -174,6 +174,8 @@ python -m pytest test/agent/test_scaffold.py -q
 
 **验收：** 离线用例覆盖正常单/双车、一次提供全部信息、一次补齐剩余字段、数量未知、无人伤否定、模糊人伤、不在现场、未来时间、主动转人工、澄清重置。真实模型至少运行 `collection_skip_known_info` 和 `no_false` 全部现有案例。
 
+**当前状态（2026-10-21）：** 已实现。真实模型下 `collection_skip_known_info` 12/12 通过；`no_false` 2/8，其余 6 例与 `photo_skip_plate_confirm` 0/4 全部卡在同一模式——开放问题上的短促回答（“对”）被模型直接分流，而评测期望先澄清。移植侧已与工作流逐字对齐（提示词、history=50、welcome 话术、变量渲染），差异仅存于模型行为/应用层配置，详见文末开放问题。
+
 现有评测 runner 只检查 SSE 状态码，无法证明“没有重复询问”。本作业必须增加当前问题 ID、已确认字段及提问行为的可检查结果，或提供带人工判定的脱敏对话报告。新增字段不进入公共 API。
 
 ## 作业 5：完成拍照和人员信息核实
@@ -182,7 +184,7 @@ python -m pytest test/agent/test_scaffold.py -q
 
 **任务：**
 
-1. 单车按 `2000 → 2001 → 2002 → 2003 → 2005` 推进，保留历史 `2004` 映射但正常新流程不再询问车牌。
+1. 单车按 `2000 → 2001 → 2002 → 2003 → 2005` 推进。`2004` 是确认单车车牌步骤（来源：当事人确认，20261020 提示词仍写 2003→2005）：车牌已明确（当事人已提供或拍摄识别成功）时由 2003 直达 2005，未明确时进入 2004 询问、确认后 2004→2005。两种走向都合法，由模型按上下文判断，代码按白名单校验（2003→{2004,2005}、2004→{2005} 已登记）。
 2. 双车按 `2010 → 2011 → 2012 → 2013 → 2014 → 2015` 推进。`direct` 的最后一次拍摄完成直接进入 `3002`，在同一回复中完整询问第一辆车驾驶员身份。
 3. 核实节点消费上一节点已经提出的问题。用户回答“是”后直接问姓名，不能因进入新节点再问一次驾驶员身份。
 4. 根据工作流实际条件边分别复现两种 clientMode 的后续路径。当前 `browser_addon` 拍照分支可以结束于 `0000`，不能强行套用 direct 的人员核实流程。
@@ -193,7 +195,7 @@ python -m pytest test/agent/test_scaffold.py -q
 
 **交付物：** 单车/双车阶段节点、模式路由表、人员核实状态、完整场景回放。
 
-**验收：** `photo_skip_plate_confirm` 四个现有案例全部通过；新增单车 direct 核实完成、双车两方核实完成、拒绝驾驶员身份、号码分段更正、阶段交接不重复提问场景。所有确定性拍照步骤为零次 LLM 调用。
+**验收：** `photo_skip_plate_confirm` 四个现有案例全部通过；新增单车 direct 核实完成、双车两方核实完成、拒绝驾驶员身份、号码分段更正、阶段交接不重复提问场景。拍照步骤、失败和无回复均由对应 chatNode 提示词驱动模型判断；正常每轮一次对话模型调用，格式或转换错误共用最多一次修复。记录调用次数，不要求零调用。
 
 ## 作业 6：使四个业务接口共享同一份状态
 
@@ -336,7 +338,7 @@ docs/langgraph/
 
 每次作业按表中分值计分：功能与正确性占该作业 60%，可复现的验证占 30%，设计讲解与限制说明占 10%。只提交图示或设计文档、没有运行结果，不能取得该作业的功能分。
 
-以下为结课必过项，分数不能替代：公共契约保持兼容；四个接口使用一致的会话路由和状态；确定性事件不能非法跳步；成功返回前数据已持久化；失败可恢复；删除不留下可被复活的旧会话；完整请求链路在 LangGraph 文本模式下不调用 FastGPT。
+以下为结课必过项，分数不能替代：公共契约保持兼容；四个接口使用一致的会话路由和状态；非法阶段转换不得写状态（由白名单校验，模型提议不算数）；成功返回前数据已持久化；失败可恢复；删除不留下可被复活的旧会话；完整请求链路在 LangGraph 文本模式下不调用 FastGPT。
 
 最终演示使用一个全新会话：启动服务 → 采集双车事故 → 完成拍照 → 注入人员预填值 → 更正一段手机号 → 重启服务 → 继续第二方核实 → 查询全部信息 → 删除会话 → 验证无残留。随后展示一次明确人伤分流、一次模糊人伤澄清和一次数据库失败的 SSE error。
 
@@ -352,3 +354,60 @@ docs/langgraph/
 | 调用方对任意字段写入、错误、SSE 顺序的依赖 | 作业 6/8 验收前 | 当前行为取样、兼容层实现 |
 | 服务身份、租户归属与数据保护方案 | 作业 9/生产灰度前 | 本地服务与合成数据验证 |
 | 延迟/成本预算、灰度观察周期与负责人 | 作业 10 灰度前 | 基线测量、压测与回退演练 |
+| FastGPT 应用层配置（应用级系统提示词、思考模式开关）与线上部署差异 | 作业 4/5 验收对账前 | 移植代码、离线评测与差异记录 |
+| 评测案例与工作流导出的分歧（“对”分流语义、2004 走向）的权威口径 | 作业 5 验收前 | 白名单双走向、逐字比对测试、失败证据留档 |
+
+## 当前进度与已知差异（2026-10-21 更新）
+
+### 作业进度
+
+| 作业 | 状态 | 证据 |
+|---|---|---|
+| 1. 脚手架 | ✅ 完成 | 冒烟轮数 1/2/1；`test_scaffold.py` |
+| 2. 接入 API | ✅ 完成 | `AGENT_BACKEND=langgraph` 启动验证；`test_langgraph_backend.py` |
+| 3. 领域状态与事件 | ✅ 完成 | 事件解析 14 例、白名单校验 24 例；`LEGAL_TRANSITIONS` 17 条均带 `source_ref` |
+| 4. 采集 + LLM | ✅ 完成 | 真实模型 `collection_skip_known_info` 12/12；单测含逐字比对 |
+| 5. 拍照与核实 | ◐ 代码完成，评测有差异 | 单测全过；真实模型评测差异见下 |
+| 6—10 | 未开始 | — |
+
+全量单元测试 143 通过；七份提示词与 20261020 工作流逐字比对由参数化测试锁定。
+
+### 已落地的架构决策
+
+1. **LLM 提议、代码校验（propose-validate）**：所有 stage_code 由节点内 LLM 产出（提示词即程序），代码只做前缀解析、白名单校验（含 clientMode 出口）和落库；曾尝试的代码强制推进/短促词守卫已按此分工移除。
+2. **依赖注入走 `context_schema`**：`GraphDeps(llm=...)` 经 `Runtime` 注入调用期，不进 state/checkpoint；`build_graph()` 与 LLM 解耦。
+3. **与工作流逐字对齐**：提示词原文渲染（含 `{{$变量}}` 替换：系统时间按 Asia/Shanghai、人员预填字段缺失时显式标注“未提供”）；聊天历史按 user/assistant 消息传递（上限 50 条），对齐 chatNode `history=50`；welcome 话术为 Assigned Reply#3 原文并计入对话历史。
+4. **不引入 LangGraph Server / langgraph_sdk**：生产形态的 Agent Server 需要 LangSmith license key、外网 beacon 出网及 Postgres+Redis 全栈，与课程目标（作业 7 亲手实现持久化）和部署环境不符；`langgraph dev` 仅为内存态，无增量能力。自部署高并发方案 = 嵌入库模式：无状态 FastAPI 多副本 + AsyncPostgresSaver + 每会话 advisory lock 串行 + 连接池预算（社区参照：langgraph-agent-toolkit、agent-bakery）。
+5. **2004 语义**：确认单车车牌；车牌已明确时可 2003→2005 跳过，未明确时 2003→2004→2005。两种走向均在白名单登记，由模型判断。
+
+### 真实模型评测现状（deepseek-v4.1-flash）
+
+| 黄金案例 | 结果 | 说明 |
+|---|---|---|
+| `collection_skip_known_info` | 12/12 | 采集主流程与“跳过已知项”完全对齐 |
+| `photo_skip_plate_confirm` | 0/4 | 全部卡在同一步 |
+| `no_false` | 2/8 | 2 个 ASR 案例通过 |
+
+**统一失败模式**：开放问题（“您现在还在事故现场吗？”）未获明确回答时，用户输入短促词（“对”），评测期望保持 1002 澄清，模型直接分流 2000/2010。移植侧已排除提示词、历史、变量、温度（0 与缺省均试过）差异；模型名与 FastGPT 应用一致（deepseek-v4.1-flash）。
+
+### 开放问题（对账前按提交规则留档，不叠代码守卫）
+
+1. **FastGPT 应用层配置差异**：应用级系统提示词、思考模式开关不随工作流 JSON 导出，可能是分流行为差异来源。行动：请负责人在 FastGPT 应用设置中核对并导出；或在本机起 FastGPT（`ANALYSIS_SERVICE_URL` 指向 127.0.0.1:3030）直接跑评测对照。
+2. **评测案例与工作流导出的分歧**：`no_false` 单车案例期望 2003→2004，而 20261020 导出提示词写 2003→2005（`photo_skip_plate_confirm` 注释亦写“不经过 2004”）。已按“2004=车牌确认、双走向合法”实现，权威口径待确认。
+3. **“对”的判定语义**：评测期望模型区分“对=开放问题的模糊回答（澄清）”与“信息已齐无待定问题（分流）”。当前模型不区分。若应用层配置排除后仍不通过，按规则 4 记录差异及采用依据，或由评测负责人重新录制该步骤预期。
+
+### 代码地图（截至作业 5）
+
+```text
+src/agent/
+  graph.py        图装配 + 条件路由 + GraphDeps(context_schema) + welcome
+  state.py        AgentState（全部可序列化；client 等依赖不进 state）
+  events.py       客户端标记 → ClientEvent
+  transitions.py  白名单校验（LEGAL_TRANSITIONS，含 2004 双走向）
+  collect.py      采集节点 + validated_reply（一次调用、一次修复预算）
+  photo.py        拍照节点（四份提示词按 kind×mode 选择）
+  confirm.py      核实节点（字段提取按 person_index 隔离）
+  llm.py          LLMService Protocol / Fake / OpenAI(超时重试温度) / workflow fake
+  fields.py       字段三态校验；clock.py 可控时钟
+  prompts/        七份版本化提示词（来源 nodeId + 逐字原文）
+```