diff --git a/data/business.db b/data/business.db
index f909e99..8ae7ecf 100644
Binary files a/data/business.db and b/data/business.db differ
diff --git a/kb/consts/consts.go b/kb/consts/consts.go
index b77b662..80d1868 100644
--- a/kb/consts/consts.go
+++ b/kb/consts/consts.go
@@ -28,8 +28,8 @@ const (
 
 	ParsePollIntervalSeconds = 15 // 解析/标注任务轮询间隔
 
-	DefaultLlmHttpTimeout = 600  // LLM HTTP 客户端超时（秒）：本地模型生成慢，且多请求排队时响应可超分钟级
-	MaxExtractTokens      = 4096 // 知识抽取单次生成的 token 预算（防失控生成烧掉上下文）
+	DefaultLlmHttpTimeout = 600   // LLM HTTP 客户端超时（秒）：本地模型生成慢，且多请求排队时响应可超分钟级
+	MaxExtractTokens      = 24576 // 知识抽取单次生成预算（思考链+JSON；24576≈实测自然输出 20 倍，4 并发下不超 131072 共享上下文）
 
 	EmbedBatchSize = 16 // 单次向量化请求的文本批量
 
@@ -38,10 +38,11 @@ const (
 	AnnoMaxCandidates  = 60   // 多数据集融合后的候选上限（喂给 LLM 判定）
 	AnnoMaxClauseChars = 2000 // 合同条款全文上限（超长截断，控制 prompt）
 
-	// 判定 prompt 上下文预算（本地 4B 模型 context 8192 token，须留生成余量）
-	AnnoJudgeMaxTokens      = 1024 // 判定输出 token 上限（JSON 结果含 ≤3 条风险；须显式限制，防推理模型长思考烧光上下文）
-	AnnoJudgeCandidateChars = 300  // 判定 prompt 单候选条文截断字数（精确条文文本由 ContentFull 抽取，不依赖 prompt 全文）
-	AnnoJudgePromptBudget   = 1500 // 判定 prompt 候选块总字数预算（候选按 RRF 相关度降序贪心填充，超预算截断后续候选）
+	// 生成预算=思考链+JSON：实测判定自然输出仅 ~1.1k token，24576 留 20 倍余量（截断物理上不可能）；
+	// 且 4 并发×(prompt≤3k+24.5k)≈110k ≤ 131072 共享上下文，更高值（如 32768）会触发并发拒收
+	AnnoJudgeMaxTokens      = 24576 // 判定输出 token 上限（JSON 结果含 ≤3 条风险）
+	AnnoJudgeCandidateChars = 300   // 判定 prompt 单候选条文截断字数（精确条文文本由 ContentFull 抽取，不依赖 prompt 全文）
+	AnnoJudgePromptBudget   = 1500  // 判定 prompt 候选块总字数预算（候选按 RRF 相关度降序贪心填充，超预算截断后续候选）
 
 	// 合同风险识别
 	RiskLevelHigh         = "high" // 高风险（违反强制性规定、可能导致合同无效/赔偿）
diff --git a/技术设计.md b/技术设计.md
index 81c7c74..42fa00b 100644
--- a/技术设计.md
+++ b/技术设计.md
@@ -292,7 +292,7 @@ StartParsePoller（main.go 启动，gtimer 单例 5 秒轮询，job 未结束不
 - **条款切分**：按优先级探测三种行首正则（`第X条` / `\d+(.\d+)*[、.．]` / `中文数字[、.．]`），命中 ≥2 采用，否则整篇单条（title=「全文」）；title=标记、content=标记行至下一标记全文
 - **召回**：每 dataset 各调 `VecSearch(dsId, vec, 15)` + `FtsSearch(dsId, 分词截 200 字, 15)`，全局按 RRF(`1/(RrfK+rank+1)`) 融合截 `AnnoMaxCandidates=60`；候选 chunk 内容**批量加载**（`ListByIds` 一次 IN 查回内存映射，禁止逐条 GetOne——N+1）；embedder 按 dataset 绑定的 embedding 配置构建并缓存；**无候选的条款视为完成**（跳过 LLM 调用，无 mark）
 - **判定**：单次 LLM 调用，prompt 含条款全文（截 `AnnoMaxClauseChars=2000`）+ 编号候选，输出 `{"marks":[{"cand_id":1,"law_item":"第四十四条","score":9,"reason":"..."}]}`；**law_item 由 LLM 判定输出**（法条编号，`第X条` 正则兜底提取）；JSON 解析与 rerankByLLM 同套路（```json 提取 + 截首尾花括号）；**不做门槛过滤，全部候选（含 0 分）按分降序保留**
-- **判定 prompt 上下文预算**：本地 gemma-4-E4B 由 LocalAI 托管（`models/gemma-4-E4B.yaml`，llama.cpp 后端 gRPC 上报错 `rpc error`），`context_size=16384` **跨 4 个 parallel slot 共享**——上限按并发请求合计占用量算，单发请求可用 ~16384，4 条并发判定（每条 prompt ~1500 + 输出 1024 ≈ 2657 token）合计 ~10k 也会超出（曾以 8192 运行，4 并发全量被拒 `Context size has been exceeded`；提至 16384 后单发余量充足）。两道闸（缺一不可）：① **服务端关闭思维链**——gemma-4-E4B 是推理模型，默认输出长思考链且写入 `reasoning` 字段，烧光 `max_tokens` 预算导致 `content` 为空或 JSON 截断（`thinking:false` 只削弱不消除，实测仍占 2.7k+ 字符；`models/gemma-4-E4B.yaml` 配 `reasoning_effort: none` 才能完全关闭，作用于所有请求，应用侧 `DisableThinking()` 的 `thinking:false` 保留为通用兜底）；② **显式 `max_tokens=AnnoJudgeMaxTokens=1024`**；③ 候选块按 `AnnoJudgePromptBudget=1500` 字总预算**贪心填充**（按 RRF 相关度降序，每条截 `AnnoJudgeCandidateChars=300` 字，首条保底入队，超预算截断后续候选）。条文精确文本不依赖 prompt 全文——`extractLawItem` 用未截断的 `ContentFull` 抽取；LLM 引用编号受展示条数约束（越界引用丢弃）
+- **判定 prompt 上下文预算**：本地 gemma-4-E4B 由 LocalAI 托管（`models/gemma-4-E4B.yaml`，llama.cpp 后端 gRPC 上报错 `rpc error`），`context_size=131072`（模型上限，GGUF `gemma4.context_length`；2026-08-11 起）**跨 4 个 parallel slot 共享**——上限按并发请求合计占用量算（曾以 16384 运行，4 并发全量被拒 `Context size has been exceeded`）。**思维链默认开启**（推理模型，2026-08-11 起按用户要求移除 `reasoning_effort: none`，思考内容写入 `reasoning` 字段；此前靠它+`thinking:false` 双关仍占 2.7k+ 字符）。**生成预算 `max_tokens=24576`**（判定与知识抽取同值，2026-08-11 起；此前判定 1024/抽取 4096，思考链会烧光预算导致 `content` 为空或 JSON 截断）：实测 4 并发判定自然输出仅 ~900-1100 token（思考链 ~3k 字符），24576 为 ~20 倍余量、截断物理上不可能；并发核验 4×(prompt≤3k+24.5k)≈110k≤131072 且实测 4 并发全部通过，更高值（如 32768）在真实 prompt 下会触发共享上下文拒收。候选块按 `AnnoJudgePromptBudget=1500` 字总预算**贪心填充**（按 RRF 相关度降序，每条截 `AnnoJudgeCandidateChars=300` 字，首条保底入队，超预算截断后续候选）。条文精确文本不依赖 prompt 全文——`extractLawItem` 用未截断的 `ContentFull` 抽取；LLM 引用编号受展示条数约束（越界引用丢弃）
 - **快照落库**：mark 存命中 chunk 的法条快照（law_title=dataset 名、law_item=LLM 判定的法条编号、content=chunk 内容截断 800 字），标注结果不随语料变更失效
 - **批量落库（禁逐条 SQL）**：条款插入与风险快照用 `Batch(100)` 多行 INSERT（GoFrame 一次语句写 100 行，8 列 ≈800 变量 < SQLite 999 上限）；进行中/完成状态用 `UpdateStatuses`（WHERE id IN，≤100 分批）各刷一次；进度按**本地计数**每完成一条刷一次 `UpdateProgress`（不再逐条款 `ListByTask` 读库统计）。仅失败路径保留逐条 `UpdateStatus`（error_msg 各异的罕见路径，不批量）
 - **来源文件标注**：法条引用快照同时记录源文件名（`LawRef.source_file`，如「劳动合同法.pdf」）——law_title 只是 dataset 名（如「法律」），看不出出自哪部法文件，溯源到 chunk 才能定位。判定时按单表约束拆两条 SQL（`kb_chunk` 按 id 批量查 document_id、`kb_document` 按 id 批量查 filename，IN ≤100 分批）内存组装；界面「法律依据」与导出 HTML 显示「来源：xx.pdf」；溯源失败仅告警不阻断标注（展示增强，非判定依据）