feat: --retry-uncertain re-diagnoses uncertain rows; fix docstring

app/harness/baseline_diagnosis.py

@@ -6,7 +6,9 @@
        包装内层 RunLog，兼容 traces 未落表的历史 run）；
     3. 把 error_attributions / infra / degraded 三类产物确定性投影为
        DiagnosisSignalRow（tier 由 split_selection.score_signal 判定）；
-    4. 逐行 store.upsert 落盘，单行单事务 → 崩溃最多丢正在写的一行。
+    4. run 末（Phase 3）逐行 store.upsert 落库——诊断在 Phase 2 全部跑完后才落库，
+       故崩溃丢本次 run 未落库的全部结果（不是"仅一行"）；靠 GovernedLLMClient 的
+       Redis 缓存缓解重跑时的 LLM 重烧，下次调用命中缓存直接续。
 
 错误处理诚实标注（不谎称全传播）:
     - run_diagnosis 的 C1/C2 阶段（指标计算、错误归因）网络/API 失败经
@@ -70,8 +72,9 @@ async def run_baseline_diagnosis(
     questions: dict[str, GeneratedQuestion],
     store: DiagnosisSignalStore,
     deps: DiagnosisDeps,
+    retry_uncertain: bool = False,
 ) -> None:
-    """对 baseline run 的错题跑离线诊断并把信号逐行落库（断点续跑幂等）。
+    """对 baseline run 的错题跑离线诊断并把信号落库（断点续跑幂等）。
 
     参数:
         baseline_run_id: baseline run 标识（如 "infer_adhoc"），信号行主键之一。
@@ -79,8 +82,10 @@ async def run_baseline_diagnosis(
         wrong_ids: 本次待诊断的可诊断错题 question_id 列表（保序）。
         questions: question_id → GeneratedQuestion 映射，需覆盖 wrong_ids 全部题
             及 run_diagnosis 返回的所有 infra/degraded 题（用于取 video_id/task_type）。
-        store: 诊断信号存储端口，逐行 upsert 落盘并提供 done_question_ids 续跑查询。
+        store: 诊断信号存储端口，upsert 落盘并提供 done_question_ids 续跑查询。
         deps: 外部依赖束（见 DiagnosisDeps）。
+        retry_uncertain: True 时把已落 tier='uncertain'（信号不可信降级）的题也纳入
+            remaining 重新诊断，透传给 store.done_question_ids；默认 False。
 
     返回:
         None。副作用为把逐题 DiagnosisSignalRow 写入 store。
@@ -93,7 +98,9 @@ async def run_baseline_diagnosis(
           （T0）、degraded_question_ids（uncertain）。
     """
     # Phase 1: 算 remaining（续跑幂等）
-    done = store.done_question_ids(baseline_run_id, diag_fingerprint)
+    done = store.done_question_ids(
+        baseline_run_id, diag_fingerprint, retry_uncertain=retry_uncertain
+    )
     remaining = [qid for qid in wrong_ids if qid not in done]
     if not remaining:
         logger.info(
@@ -169,7 +176,8 @@ def _project_and_persist(
         {tier: 行数} 计数字典（T2/T1/T0/uncertain），供上层日志与 manifest。
 
     关键实现:
-        逐行 upsert（单行单事务），中途崩溃最多丢正在写的一行。三桶**非互斥**：
+        本函数在 run 末（Phase 3）逐行 upsert（单行单事务）；诊断已在 Phase 2 全部
+        跑完，故本阶段中途崩溃丢本次 run 未落库的余下行。三桶**非互斥**：
         同一 degraded 错题可能同时出现在 error_attributions（judge 解析失败仍建
         attribution）里，故按 **degraded > infra > attribution** 优先级去重——先落
         degraded/infra，再在 attribution 循环跳过已落题，保证**每题恰写一行、