调价后的新价格写入报价单；多段段前的货物带到各段，协同群不再把体积里的星号吃掉。海运字段齐了先核对再查价。

Co-authored-by: Cursor <cursoragent@cursor.com>

inquiry-agent/agent/policy/multi_segments.py

@@ -27,13 +27,36 @@ from agent.schema.land_options import (
 )
 from agent.schema.sea_options import harvest_sea_class
 
-# 行首或「段N：」后面的运输方式。排除「空运费」，避免费用词被当成新的一段。
-_MODE_RE = re.compile(r"(?:段\s*(\d+)\s*[:：]\s*)?(空运|海运|陆运)(?!费)")
-# 已经写了「段1：陆运」时，段内再写「运输方式：海运」不能再切一段。
-_EXPLICIT_SEG = re.compile(r"段\s*(\d+)\s*[:：]\s*(空运|海运|陆运)(?!费)")
+# 「段1：」或「第一段」。第组是阿拉伯数字，第二组是「一」或单个数字。运输方式在第三组。
+_SEG_PREFIX = (
+    r"(?:段\s*(\d+)\s*[:：]\s*|第\s*([一二三四五六七八九]|\d+)\s*段\s*[:：，,]?\s*)"
+)
+# 行首或段标后面的运输方式。排除「空运费」，避免费用词被当成新的一段。
+_MODE_RE = re.compile(rf"(?:{_SEG_PREFIX})?(空运|海运|陆运)(?!费)")
+# 已经写了「段1：陆运」或「第一段陆运」时，段内再写「运输方式：海运」不能再切一段。
+_EXPLICIT_SEG = re.compile(rf"{_SEG_PREFIX}(空运|海运|陆运)(?!费)")
 # 单段标签行没覆盖的陆运销售叫法。内部键仍交给字段校验去归一。
 _EXTRA_LABEL = re.compile(r"^(始发站|货物品名|运输类型|线路类别)\s*[:：]\s*(.+)$")
-_SEG_MARK = re.compile(r"段\s*(\d+)")
+_SEG_MARK = re.compile(r"第\s*([一二三四五六七八九]|\d+)\s*段|段\s*(\d+)")
+_CN_INDEX = {
+    "一": 1,
+    "二": 2,
+    "三": 3,
+    "四": 4,
+    "五": 5,
+    "六": 6,
+    "七": 7,
+    "八": 8,
+    "九": 9,
+}
+# 段标前面写一次、两段都要的货物。地名不在这里，避免把北京写进空运起运地。
+_SHARED_CARGO_KEYS = ("品名", "件数", "毛重", "体积", "包装方式")
+_SHARED_NOISE = re.compile(
+    r"\d+(?:\.\d+)?(?:\s*[*xX×]\s*\d+(?:\.\d+)?){1,2}"
+    r"|\d+(?:\.\d+)?\s*(?:kgs|kg|公斤|千克|cbm|立方米|立方|m3|m³|方|件|pcs)\b"
+    r"|纸箱|木箱|托盘|卡板|散货",
+    re.I,
+)
 
 _MODE_BY_WORD = {"空运": "AIR", "海运": "SEA", "陆运": "LAND"}
 _WORD_BY_MODE = {"AIR": "空运", "SEA": "海运", "LAND": "陆运"}
@@ -85,7 +108,8 @@ def split_segments(text: str) -> SplitOutcome:
     表里再写「运输方式：海运」仍是单段，不能报同一方式两段。
     没写段标时，报价单反复出现「海运」也当单段；只有「陆运+海运」才切多段。
     真的两段都是海运（段1：海运 + 段2：海运）才 same_mode，不建单。
-    每段正文只收「字段名：值」，不猜没写标签的港口。
+    「第一段陆运」和「段1：陆运」是同一种段标。
+    段标前面单独写的品名、件数、重量、体积，每一段都收下。不猜没写标签的港口。
     """
     raw = text or ""
     explicit = list(_EXPLICIT_SEG.finditer(raw))
@@ -93,31 +117,91 @@ def split_segments(text: str) -> SplitOutcome:
     hits = explicit if explicit else list(_MODE_RE.finditer(raw))
     if len(hits) < 2:
         return SplitOutcome()
-    modes = [_MODE_BY_WORD[hit.group(2)] for hit in hits]
+    modes = [_MODE_BY_WORD[hit.group(3)] for hit in hits]
     unique = set(modes)
     if len(modes) != len(unique):
         # 没标出两段时，同一种方式写两次仍是单段（海运报价单标题+运输方式）。
         if len(explicit) < 2 and len(unique) == 1:
             return SplitOutcome()
         return SplitOutcome(same_mode=True)
+    shared = _shared_cargo_facts(raw[: hits[0].start()])
+    lead = raw[: hits[0].start()].strip()
     segments: list[Segment] = []
     for i, hit in enumerate(hits):
         end = hits[i + 1].start() if i + 1 < len(hits) else len(raw)
         body = raw[hit.end() : end]
-        explicit = hit.group(1)
-        index = int(explicit) if explicit else i + 1
+        mode = modes[i]
+        # 抽取要看得到段前那句货物，否则「茶叶，11kg」写在第一段前面会被丢掉。
+        source = f"{lead}\n{body}".strip() if lead else body
         segments.append(
             Segment(
-                index=index,
-                mode=modes[i],
-                facts=_facts_from_body(body, modes[i]),
-                source=body,
+                index=_segment_index(hit, i + 1),
+                mode=mode,
+                facts=_fill_blank(_facts_from_body(body, mode), shared),
+                source=source,
             )
         )
     segments.sort(key=lambda seg: seg.index)
     return SplitOutcome(ok=True, segments=segments)
 
 
+def _segment_index(hit: re.Match[str], fallback: int) -> int:
+    """段标上的序号。没有段标就按出现顺序，从 1 起。"""
+    token = hit.group(1) or hit.group(2) or ""
+    if token in _CN_INDEX:
+        return _CN_INDEX[token]
+    if token.isdigit():
+        return int(token)
+    return fallback
+
+
+def _shared_cargo_facts(header: str) -> dict[str, str]:
+    """
+    段标前面写一次的货物。
+
+    件数、重量、体积、包装用口语机读。尺寸 1.1*2.1*2.2 保持原文，不乘成立方。
+    去掉这些之后只剩一个词，就当品名。带「到」的地名不当品名。
+    只返回货物键，不把起运地抄到每一段。
+    """
+    raw = (header or "").strip()
+    if not raw:
+        return {}
+    measured = harvest_oral_measures(raw, {})
+    name = _cargo_name_before_segments(raw)
+    if name and not str(measured.get("品名") or "").strip():
+        measured["品名"] = name
+    return {
+        key: str(measured.get(key) or "").strip()
+        for key in _SHARED_CARGO_KEYS
+        if str(measured.get(key) or "").strip()
+    }
+
+
+def _cargo_name_before_segments(raw: str) -> str:
+    """段前货物句里，去掉件数重量体积包装后剩下的那一个品名。"""
+    cleaned = _SHARED_NOISE.sub(" ", raw or "")
+    parts: list[str] = []
+    for part in re.split(r"[，,、;；\n]+", cleaned):
+        token = part.strip(" ：:。.")
+        if not token or re.fullmatch(r"[\d.\s*xX×]+", token):
+            continue
+        if any(word in token for word in ("到", "飞", "空运", "海运", "陆运", "段")):
+            continue
+        parts.append(token)
+    if len(parts) == 1 and len(parts[0]) <= 30:
+        return parts[0]
+    return ""
+
+
+def _fill_blank(base: dict[str, str], extra: dict[str, str]) -> dict[str, str]:
+    """只补还空着的键。段内已经写了的品名、港口不被段前那句盖掉。"""
+    out = dict(base)
+    for key, val in extra.items():
+        if str(val or "").strip() and not str(out.get(key) or "").strip():
+            out[key] = str(val).strip()
+    return out
+
+
 def _segment_required_check(seg: Segment) -> tuple[dict[str, Any], dict[str, str]]:
     """
     一段是否齐了询价必填。陆运还要三项选项，模板码站点当没填。
@@ -513,6 +597,14 @@ def _facts_from_body(body: str, mode: str) -> dict[str, str]:
     return facts
 
 
+def _mark_index(mark: re.Match[str]) -> int:
+    """「段1」或「第一段」的序号。调用前已经匹配到段标。"""
+    token = mark.group(1) or mark.group(2) or ""
+    if token in _CN_INDEX:
+        return _CN_INDEX[token]
+    return int(token)
+
+
 def _split_by_segment_mark(text: str) -> dict[int, dict[str, str]]:
     """
     补充消息里「段1」「段2」后面的内容。
@@ -533,5 +625,5 @@ def _split_by_segment_mark(text: str) -> dict[int, dict[str, str]]:
         facts = harvest_sea_class(body, facts)
         facts = harvest_oral_measures(body, facts)
         if facts:
-            out[int(mark.group(1))] = facts
+            out[_mark_index(mark)] = facts
     return out