按引用页面整理来源报告

按真实页面 URL 汇总引用，带回题目与模型语境，保留失败和待分类来源。

需要 GEO Evidence Kit 与真实回答/执行记录。来源类型默认未知；人工标签需逐页检查后填写。报告不会抓网页、自动判断事实或计算 GEO 成功率。

操作步骤

准备 extract 保存的证据文件、原始 Responses 文件、人工核对的网页引用文件，或真实执行的 run.json。不要把示例数据或 dry-run 当作真实研究。
运行 python3 geo_evidence.py report evidence.json --output report.json；多个文件可放在同一命令中，也可直接 report run.json。工具会重新解析原始回答，保留实际页面路径和查询参数，移除锚点后分组。
逐页查看 cited_pages 的引用文本、原始注释和来源；执行记录还保留问题 ID、问题、请求/响应模型及时间。search_candidates、mentions 和 rejected 分开，不用搜索结果数量代替正文引用数量。
来源类型默认 page_type:unclassified。逐页人工读取并判断后，可在规定的手工导出 page_types 中标为 brand、retailer、forum、video、reference 或 other；标签标明由人工提供，不是工具自动验证。
同时检查 runs 与 execution_failures：已计划、已尝试、失败、未执行和没有原始响应的记录均保留。注释出现次数不等于独立试验次数，重复导出需人工去重，不能据此直接宣称推荐率或效果增长。

模拟执行的三条请求：一条返回正文引用，一条 HTTP 429，一条格式不支持。此数据为离线测试，不是真实流量。

离线测试通过：汇总 1 个被引用页面，同时保留 3 次尝试、2 条失败、1 条无 raw 的记录；格式不支持的 raw 被保存在执行文件并在报告列为 rejected。

21 项离线测试验证路径/查询保留、锚点分组、重读原始证据、人工来源标签、问题模型时间追踪、失败与未执行记录。无页面抓取与自动来源分类；标签是否真实由原始网页与人工证据负责。没有真实模型测量或推荐效果证明。