feat(xingbang): 兴邦金租 AI 评审平台模块(构建于 mini-OpenClaw)

新增兴邦金租评审项目模块, 作为 mini-OpenClaw 之上的完整交付:
- 五智能体流水线(data_curator/risk_scout/case_finder/approval_advisor/risk_monitor)
- evolution 自进化子系统(轨迹采集+奖励计算+模式归纳prompt增强)
- /api/xingbang/* 端点(config/workflow/stream/evolution/trajectories)
- 运行时产物(客户产出情报卡 + 进化轨迹数据)已 gitignore, 不含隐私

遵循兴邦三档分级审批制度, 数据源指向兴邦实验数据包

backend/xingbang/evolution/reward.py

@@ -0,0 +1,82 @@
+"""Reward Calculator — 计算一条审批轨迹的奖励分数。
+
+诚实分级设计 (对齐兴邦方案):
+  Level 1 (现在能做,不需要用户交互):
+    - 任务完成 +10
+    - 工具调用成功率
+    - 重复调用惩罚
+    - 时间惩罚
+  Level 2 (需前端加 👍/👎 按钮):
+    - 用户显式反馈
+  Level 3 (需人工标注):
+    - 专家打分
+
+本文件实现 Level 1 + 预留 Level 2/3 参数。
+不做不诚实的信号: 拒绝用"还款表现"当奖励(周期1-3年无法闭环)。
+"""
+
+from __future__ import annotations
+from typing import Any
+
+
+def compute_reward_v1(
+    trajectory: dict[str, Any],
+    feedback: str | None = None,
+    expert_score: float | None = None,
+) -> float:
+    """计算一条轨迹的奖励(Leve1 l 内置指标 + 可选 Level2 反馈 + Level3 专家分)。
+
+    Args:
+        trajectory: 轨迹 dict(含 steps 和 final_result)
+        feedback: Level2, "positive"/"negative"
+        expert_score: Level3, 1-5 分
+    Returns:
+        float 奖励分
+    """
+    steps = trajectory.get("steps", [])
+    final = trajectory.get("final_result", {})
+    if not steps:
+        return 0.0
+
+    reward = 0.0
+
+    # 1. 任务完成奖励
+    if final.get("success"):
+        reward += 10.0
+    else:
+        reward -= 10.0
+
+    # 2. 工具调用成功率(成功工具 / 总工具)
+    total_tool_calls = 0
+    tool_success = 0
+    for s in steps:
+        tools = s.get("tools", [])
+        total_tool_calls += len(tools)
+        if tools:
+            tool_success += 1  # 该步骤至少调了工具视为尽力(简化)
+    if total_tool_calls > 0:
+        reward += (tool_success / max(1, total_tool_calls)) * 5.0
+
+    # 3. 步骤数惩罚(越少越好,常规 5 步流水线 5-15 步为佳)
+    n_steps = len(steps)
+    optimal = 5
+    step_penalty = abs(n_steps - optimal) * 0.3
+    reward -= step_penalty
+
+    # 4. 时间惩罚(超过 600 秒 = 10 分钟开始扣)
+    duration_ms = final.get("duration_ms", 0)
+    if duration_ms > 600_000:
+        reward -= ((duration_ms - 600_000) / 60_000) * 1.0
+
+    # ── Level 2: 用户反馈 (可选) ──
+    if feedback == "positive":
+        reward += 20.0
+    elif feedback == "negative":
+        reward -= 10.0
+
+    # ── Level 3: 专家打分 (可选, 1-5 归一化到 -10~+10) ──
+    if expert_score is not None:
+        reward += (expert_score - 3) * 5.0
+
+    reward = max(-30.0, min(reward, 50.0))  # 裁剪
+    return round(reward, 2)