統計穩定性警示、system prompt 補強、關於面板、多項 bug 修正

統計正確性：
- cohens_d()/eta_squared() 分母趨近於零時回傳 None 而非失真數值
（新增 EFFECT_UNSTABLE_LABEL），修掉效果量算出天文數字的 bug
- 新增 ZERO_VARIANCE_WARNING：任一組標準差趨近於 0 但檢定仍算出
p 值的退化情況，加註「統計穩定性有限」警示，不隱藏顯著性判斷
- 新增 ZERO_PROPORTION_WARNING（門檻 50%）：任一組半數以上樣本值
為 0、SD 未趨近於零但平均數可能被離群值主導的情況，獨立於上面
的 SD 判準另外偵測，兩者可疊加、不重複描述同一組資料
- 修正 docx 差異性分析表格欄位定位改用欄名查表（原本 len(vals)-4
位置推算已對錯欄）
- None／NaN 判斷全面改用 pd.isna()，修掉 docx 表格出現 "nan" 文字
- 群組標籤（如「人工翻譯」）修正為會實際套用到送給 LLM 的
difference_analysis 資料，不再只停留在畫面/圖表
- 差異性分析箱形圖：達顯著指標全部畫出（取消前 12 項上限），排序
改為先依組別、組內再依效果量絕對值
- 兩群比較用詞「較高／較低」、三群以上用詞「最高／最低」

System prompt（LLM1）：
- 補上角色邊界、11 條嚴格禁令（原 5 條）、指標代碼對照表、
metadata 一致性檢查指示
- 新增 INDICATOR_REFERENCE_TABLE：從 INDEX_CATEGORIES 動態產生，
取代手動謄寫，避免與實際指標定義漂移
- 每次分析新增 06_system_prompt.txt 可重現性附件，保留當次實際
送出的完整 system prompt 原文

介面：
- 新增「關於」面板（系統版本、免責聲明、姊妹工具、開發紀錄；版權
／聯絡方式／引用格式因論文尚未發表，暫不公開真實姓名或 email）
- 情境 1、4 卡片標題拿掉「同一原文的」；情境選擇小標改為
「請選擇最符合您針對同一原文的重譯研究設計的比較情境」
- 「語料 Metadata 說明」全面改稱「語料說明」（含隱形橋接按鈕文字
同步）
- 隱私提醒文案調整（移除「先與計畫主持人確認」，改為「先行確認」）

Co-Authored-By: Claude Sonnet 5 <noreply@anthropic.com>

app_agent.py

@@ -152,6 +152,48 @@ LLM2_MODEL = "google/gemma-4-26b-a4b-it"
 # 報告本身走，不用回頭 git blame 才查得到。
 PROMPT_VERSION = "v1"
 
+# 2026-08-26（「關於本系統」面板用）：跟 PROMPT_VERSION 是兩件不同的事——
+# PROMPT_VERSION 只追蹤 LLM 提示詞內容，這個追蹤的是整個系統（畫面、流程、
+# 各項修正）的版本，給使用者回報問題時對照用。用日期字串（而非 v1.0 這種
+# 語意化版號）是刻意的：日期比較不會忘記更新，且跟 使用手冊.md 文末的
+# 「文件版本」日期同一套慣例。有實質功能異動時手動更新這個日期即可。
+APP_VERSION = "2026-08-26"
+
+# 2026-08-26（業主指定內容）：導覽列「關於」按鈕彈出的說明面板。版權聲明／
+# 聯絡方式／Bug 回報／引用格式這四項業主明確要求「論文發表前不公開姓名或
+# 信箱」，這裡不放任何真實聯絡資訊、也不留 [方括號] 這種看起來像沒填完的
+# 佔位符，改寫成正式的「將於論文發表後公開」——對使用者來說是完整、有意義
+# 的句子，之後論文發表了直接把這幾行換成真實資訊即可。
+ABOUT_CONTENT_MD = f"""## 關於本系統
+
+**譯彩紛呈 II 分析引擎 SpectraEngine**（TransPrism: An Analytical Framework for Retranslation II）
+
+系統版本：{APP_VERSION}　　回報問題時請附上此版本號
+
+---
+
+### 免責聲明
+本系統分析結果僅供研究參考，不構成正式學術判斷；上傳內容將傳送至第三方 AI 服務進行分析，請勿上傳尚未公開發表之機密內容。
+
+### 姊妹工具
+文本須先經由「[語料淬鍊（CorpusRefinery）](https://github.com/minchun-git/I_CorpusRefinery)」完成斷詞後才能上傳本系統分析。
+
+### 開發紀錄
+系統功能與版本異動，請參見導覽列「使用手冊」文末的文件版本紀錄。
+
+### 版權聲明
+© 2026｜作者姓名／單位將於論文發表後公開
+
+### 聯絡方式
+將於論文發表後公開
+
+### Bug 回報
+聯絡窗口將於論文發表後公開
+
+### 引用格式
+建議引用格式將於論文發表後一併提供
+"""
+
 ALPHA = 0.05
 
 # 2026-08-22（業主提出「數據完整性檢查」的必要性，追查後確認是真實存在的
@@ -166,6 +208,42 @@ ALPHA = 0.05
 # 這個常數判斷，不要漏掉、也不要各自硬寫字串。
 INSUFFICIENT_DATA_LABEL = "資料不足"
 
+# 2026-08-24（業主回報：報告上出現「Cohen's d=-9028313184615308.0」這種
+# 誇張數字）：跟上面 INSUFFICIENT_DATA_LABEL 是兩種不同性質的問題，不要混用
+# ——INSUFFICIENT_DATA_LABEL 代表「p=NaN，檢定本身無法執行」；這個標籤代表
+# 「p 值有效、檢定確實跑出顯著結果，但 Cohen's d／η² 的公式分母（組內變異）
+# 趨近於零，除出來的數字在數值上不穩定、失真」。兩組數值幾乎沒有組內變異卻
+# 彼此不同，是統計上最乾淨俐落的一種顯著差異，不該被當成「檢定失敗」處理，
+# 顯著性判斷（p 值）仍然有效、正常參與統計比例；只有效果量這個數字本身
+# 換成這個描述性標籤，不強行印出失真的天文數字。
+EFFECT_UNSTABLE_LABEL = "效果量不穩定（組內變異趨近於零）"
+
+# 2026-08-24（業主回報：AG_05 在 MT 組標準差為 0，Welch t 檢定仍算出
+# p=.047 並被 LLM 列為顯著發現，但這個結果不可靠）：這是跟上面兩種都不同
+# 的第三種退化情況——Welch t 檢定公式是 t = (mean1-mean2) / sqrt(var1/n1 +
+# var2/n2)，只要「其中一組」變異數不是零，分母就不會退化成 0 或 NaN，
+# 檢定照樣算得出一個數值上正常、但統計上不可靠的 p 值；INSUFFICIENT_DATA_
+# LABEL（p=NaN）跟 EFFECT_UNSTABLE_LABEL（兩組都幾乎零變異、Cohen's d 分母
+# 趨近於零）都攔不到這種「只有一組零變異」的情況。這裡不動指標計算方式
+# 本身（AG_05 算出來是 0 就是事實），只在檢定這一層加警示標記——p 值與
+# 效果量照常計算、正常參與顯著性統計，只是額外附註「這個結果的統計穩定性
+# 存疑」，供人與 LLM 判讀時謹慎看待，不當成跟其他乾淨顯著結果同等份量
+# 的證據。
+ZERO_VARIANCE_WARNING = "⚠️ 其中一組標準差為 0，檢定結果之統計穩定性有限，建議謹慎解讀"
+
+# 2026-08-28（業主追問「零膨脹」偵測）：上面 ZERO_VARIANCE_WARNING 只抓「整組標準差
+# 趨近於 0」——通常代表該組幾乎全部樣本值相同（多半是全部掛零）。但還有一種較不極端、
+# SD 判準抓不到的退化情況：某組樣本值大量集中在 0，只靠少數幾筆非零值撐出「看起來
+# 正常」的變異數，平均數與檢定結果其實被那幾筆離群值主導，不能代表該組的整體特徵。
+# 這裡另開一條獨立判準：任一組零值比例達到 ZERO_PROPORTION_THRESHOLD（預設
+# 50%，過半數樣本為 0）就額外標記。門檻定 50% ��不是更低（如 20%、30%）的理由：
+# 許多語言指標（如成語、特定詞性頻率）本身就容易有不少檔案掛零，門檻太低會對
+# 「只是資料偏稀疏但正常」的指標大量誤報、稀釋警示的可信度；50%（過半數）才是
+# 「零值已經是這組的主流樣態」的合理起點。刻意只在該組「尚未被 SD 判準抓到」時
+# 才檢查零值比例（見下方偵測邏輯），避免同一組資料被兩條規則重複描述。
+ZERO_PROPORTION_THRESHOLD = 0.5
+ZERO_PROPORTION_WARNING = "⚠️ 其中一組逾半數樣本值為 0，資料集中於零值，檢定結果建議謹慎解讀"
+
 # ── POS 集合（與 Prog02 相同）───────────────────────────────────────────────
 Vset   = ['VC','VH','VE','VJ','VA','V2','VK','VL','VD','VCL','VHC','VB','VF','VI','VAC','VG']
 Nset   = ['Na','Nb','Nc','Ncd','Nd','Nf','Nh','Nv']
@@ -182,7 +260,7 @@ Aset   = ['A']
 # ── 研究情境定義 ─────────────────────────────────────────────────────────────
 SCENARIOS = {
     "1": {
-        "title": "同一原文的人工翻譯 vs 機器翻譯",
+        "title": "人工翻譯 vs 機器翻譯",
         "short": "人機對比",
         "upload_prompt": (
             "1. 檔案格式：僅接受 **.txt** 純文字檔。\n"
@@ -218,7 +296,7 @@ SCENARIOS = {
         "scenario_module_key": "scenario_4",
     },
     "4": {
-        "title": "同一原文的不同時期人工譯本",
+        "title": "不同時期人工譯本",
         "short": "歷時重譯",
         "upload_prompt": (
             "1. 檔案格式：僅接受 **.txt** 純文字檔。\n"
@@ -313,6 +391,28 @@ def _drop_hidden_indicators(df):
 # 之後隱藏清單增減，這裡跟著自動變動，不用每次巡一遍程式碼改字面數字。
 TOTAL_VISIBLE_INDICATORS = len(INDEX_NAME_MAP) - len(HIDDEN_INDICATOR_CODES)
 
+# 2026-08-24（業主提供 system_prompts_v1.3_0529.md 設計稿，要求補回原始設計
+# 裡有、但現行實作缺少的內容）：v1.3 在 system prompt 裡內嵌了一份完整的
+# 指標代碼對照表，讓 LLM 有明確依據判斷每個代碼的意思，並規定「未列於
+# 對照表的代碼視為未定義指標」（見嚴格禁令第 10 條）。這裡不手動謄寫一份
+# 靜態文字（那樣容易跟 INDEX_CATEGORIES 各自走鐘、兩份對不起來），改成
+# 直接從 INDEX_CATEGORIES 動態產生，且比照 HIDDEN_INDICATOR_CODES 的規則
+# 排除隱藏指標——LLM 實際收到的 JSON 資料本來就已經濾掉這 13 項，對照表
+# 若照樣列出它們，LLM 反而會誤以為資料裡漏了這些代碼、去猜測或杜撰。
+def _build_indicator_reference_table() -> str:
+    lines = []
+    for cat, items in INDEX_CATEGORIES.items():
+        visible = {c: n for c, n in items.items() if c not in HIDDEN_INDICATOR_CODES}
+        if not visible:
+            continue
+        lines.append(f"## {cat}")
+        for code, name in visible.items():
+            lines.append(f"- {code} {name}")
+    return "\n".join(lines)
+
+
+INDICATOR_REFERENCE_TABLE = _build_indicator_reference_table()
+
 # ── LLM 報告用情境模組（同 prog04）─────────────────────────────────────────
 SCENARIO_MODULE_1 = """## 三、情境特定分析：歷時變化分析
 
@@ -346,7 +446,6 @@ SCENARIO_MODULE_2 = """## 三、情境特定分析：人機差異分析
 - 人工譯本在哪些指標上顯著偏離機器譯本？
 
 ### 禁令補充
-- 不得對機器翻譯系統的品質做整體評價。
 - 不得預設「人工一定優於機器」或反之。"""
 
 SCENARIO_MODULE_3 = """## 三、情境特定分析：改寫策略分析
@@ -371,10 +470,7 @@ SCENARIO_MODULE_4 = """## 三、情境特定分析：個人風格差異分析
 - 在哪些指標上，譯者間差異達到統計顯著？
 
 ### 3.2 風格穩定性的檢視
-- 譯者內變異 vs 譯者間變異的比較
-
-### 禁令補充
-- 不得將個人風格與「翻譯能力」掛鉤。"""
+- 譯者內變異 vs 譯者間變異的比較"""
 
 SCENARIO_MODULES = {
     "scenario_1": SCENARIO_MODULE_1,
@@ -386,12 +482,39 @@ SCENARIO_MODULES = {
 SYSTEM_PROMPT_BASE = """# 角色定義
 你是一位翻譯研究的量化分析助理。你的工作是將統計數據轉化為結構化的觀察與假設，供研究者進一步驗證。
 
+你的角色邊界：
+- 你是數據的描述者與模式的辨識者，不是結論的下定者。
+- 你產出的是「初步假設」，不是「研究發現」。
+- 所有假設都需要研究者基於專業知識進行最終的詮釋、驗證與修正。
+
 # 嚴格禁令
-1. 僅根據本次提供的量化數據進行分析，不得引入外部知識。
-2. 不得使用「優秀」、「忠實」、「準確」、「流暢」等評價性詞彙。
-3. 不得推測譯��的主觀意圖，除非數據直接支持且標明為推論。
-4. 遇到數據中未涵蓋的問題，明確回答「本次數據無法回答此問題」。
-5. 所有統計顯著性的陳述必須基於提供的 p 值或效果量。
+以下禁令為絕對規則，違反任一項即為失敗輸出：
+
+1. 僅根據本次提供的量化數據進行分析。不得引入外部知識，不得引用任何關於具體譯本、譯者、作品的已有評價、學術討論或文學史定位。
+2. 不得使用以下類型的評價性詞彙描述任何譯本：「優秀」、「忠實」、「準確」、「流暢」、「高品質」、「拙劣」、「粗糙」、「典雅」、「洗鍊」。
+3. 不得推測譯者的主觀意圖、情感、動機或翻譯理念，除非數據直接支持且標明為推論。
+4. 不得將個人風格差異與「翻譯能力」或「翻譯素養」掛鉤。語言特徵的差異僅反映選擇的不同，不代表能力的高低。
+5. 遇到數據中未涵蓋的問題，明確回答「本次數據無法回答此問題」，不得編造或外推。
+6. 所有關於統計顯著性的陳述必須基於提供的 p 值或效果量。未提供 p 值的指標差異，使用「數值上的差距」而非「顯著差異」來描述；不得自行使用「明顯」、「大幅」、「顯著」等程度副詞，除非有統計依據。
+7. 不得對翻譯品質做整體評價或排名。
+8. metadata 處理規則：
+   a. 語料 metadata 中標示為「（未填）」或完全未提及的欄位：分析時不得對該欄位做任何推論或臆測。
+   b. 群組層資訊中，若某一組別完全未出現任何說明（該組別整段未列出）：視同該組別背景未知，不得杜撰其翻譯類型、方向或譯者背景。
+   c. 個體層資訊中，若某一檔案完全未列出對應說明：視同該檔案背景未知，不得杜撰其譯者、出版年等資訊。
+   d. 群組層資訊中所有組別皆未填寫「群組標籤」：在「一、語料說明」中明確標記「群組標籤未提供，以下分析僅基於數值差異，不涉及群組身份的討論」。
+   e. 使用者於語料 Metadata 步驟選擇略過：僅陳述「使用者未提供語料補充說明」，不得臆測或杜撰任何背景內容。
+9. metadata 僅用於框定分析範圍與數據結構關係，不得用於構建敘事性的譯者畫像或歷史背景描述。
+10. 未定義指標處理規則：若量化分析結果中出現未列於下方「指標代碼對照表」的指標代碼，不得猜測其含義、不得將其納入任何分析步驟，須在「四、待驗證事項」中標記為「未定義指標：{{代碼}}」。
+11. 跨指標邏輯連結許可：允許連結多個指標的結果進行邏輯推論，但須滿足：
+    a. 所連結的每個指標均有明確的數據支持（數值或統計檢定結果）。
+    b. 連結的邏輯基礎來自下方指標代碼對照表中的定義關係，不得憑空聯想。
+    c. 必須在陳述中明確標示「此為跨指標推論」，以區分直接的數據觀察。
+    d. 不得基於外部知識進行跨指標連結。
+
+# 指標代碼對照表
+以下對照表僅供符號辨識用，不代表任何詮釋框架。未列於此對照表的指標代碼依嚴格禁令第 10 條處理。
+
+{indicator_reference_table}
 
 # 輸入資料結構
 【研究情境】：{scenario_type}
@@ -415,23 +538,44 @@ SYSTEM_PROMPT_BASE = """# 角色定義
 ## 一、語料說明
 用 2-4 句話摘要上方【譯本 metadata】提供的原文資訊、群組層與個體層背景（例如原文標題、各組別的翻譯類型／方向、個別譯本的譯者或系統名稱等，視實際提供的內容而定）。
 若 metadata 顯示使用者略過未填，僅陳述「使用者未提供語料補充說明」，不得臆測或杜撰內容。這個區塊只做摘要陳述，不做任何統計分析或推論。
+【metadata 一致性檢查】摘要時若發現群組層與個體層資訊彼此矛盾（例如某組別標示為「人工翻譯」，但該組底下某檔案的譯者／系統名稱明顯是 AI 模型或翻譯系統名稱；或研究情境選的是歷時比較，但個體層完全沒有任何出版年資訊），須在本區塊結尾明確標記該矛盾之處，供使用者確認，**不得自行判斷何者為準、不得擅自修正或忽略其中一方**。若沒有發現矛盾，不需要特別聲明「一致性檢查通過」，維持原本的摘要陳述即可。
 
 ## 二、數據事實描述
 本區塊須包含以下三類數據事實，缺一不可（量化分析結果 JSON 裡都有對應資料，不得因為篇幅省略）：
-1. 差異性分析：每項陳述除了指標代碼、p 值與效果量之外，**必須明確指出各組別中平均數最高與
-   最低的是哪一組，並附上實際平均數數值**（difference_analysis 資料裡每個組別都有一欄以該組
+1. 差異性分析：每項陳述除了指標代碼、p 值與效果量之外，**必須明確指出各組別中平均數偏高與
+   偏低的是哪一組，並附上實際平均數數值**（difference_analysis 資料裡每個組別都有一欄以該組
    名稱結尾 _M 的平均數欄位）——只寫 p 值與效果量、不寫是哪一組偏高偏低，讀者無法理解差異的
    方向與意義。
    三組以上時是用 ANOVA 檢定，效果量（η²）本身不帶方向性（不像兩組時的 Cohen's d 還有正負號
-   可看出方向），更不能省略「哪一組最高、哪一組最低」這句話。
-   格式範例（三組以上）：「總句數（AA_06）：p=0.0068，η²=0.9932（大）；2024 年組別最高
-   （M=32.5），1989 年組別最低（M=18.2）。」
-   區分：達統計顯著的差異（標明 p 值、效果量、最高與最低組別及平均數）、未達顯著但數值差距
-   較大的趨勢（同樣要指出方向）、無明顯差異的指標。
+   可看出方向），更不能省略指出方向的那句話。
+   【用詞規則，務必遵守】JSON 裡的 groups／difference_analysis 只會有 2 或 3 個以上的組別，
+   依組別數量決定用詞，不可混用：
+   - **恰好兩組**：只能用「較高」「較低」，不可以用「最高」「最低」——只有兩個東西比較時，
+     沒有「最」這種在三者以上才成立的最高級語意，用「最高」「最低」邏輯上是錯的。
+     範例：「總字數（AA_01）：p=0.0461，Cohen's d=-1.5621（大）；機器翻譯較高（M=60537.5），
+     人工翻譯較低（M=54313.6）。」
+   - **三組以上**：用「最高」「最低」（是在多個組別中挑出最大最小值，最高級語意才成立）。
+     範例：「總句數（AA_06）：p=0.0068，η²=0.9932（大）；2024 年組別最高（M=32.5），
+     1989 年組別最低（M=18.2）。」
+   區分：達統計顯著的差異（標明 p 值、效果量、方向與平均數）、未達顯著但數值差距較大的趨勢
+   （同樣要指出方向）、無明顯差異的指標。
    【資料完整性】若 JSON 附有「資料完整性提醒」欄位（表示部分指標因組別樣本數不足、根本無法
    進行統計檢定），這些指標一律只能陳述為「資料不足，無法檢定」，絕對不可以寫成「無顯著差異」，
    也不可以把它們計入「達統計顯著」或「無明顯差異」的統計比例——這是兩種完全不同的結論，混為
    一談會誤導讀者以為系統已經檢定過、確認沒有差異。
+   【效果量無法計算】若某指標的「效果大小」欄位顯示「效果量不穩定（組內變異趨近於零）」、
+   「效果量」欄位為 null，代表 p 值仍然有效、該指標**確實達統計顯著**（顯著性判斷正常參與統計
+   比例），只是組內變異趨近於零，Cohen's d／η² 這個公式本身除不出有意義的數字。陳述時正常
+   引用 p 值與各組平均數（依上面【用詞規則】，兩組寫「較高／較低」、三組以上寫「最高／最低」），
+   效果量部分改寫成「效果量因組內變異趨近於零而無法計算」，不得省略、也不得自己編造一個數字
+   或寫成「效果量極大」（那是失真的浮點數，不是真的統計結論）。這跟【資料完整性】的「資料
+   不足」是兩種不同情況，不要混為一談：後者連檢定都做不了，前者是檢定做了、結果確實顯著，
+   只是效果量這個數字算不出來。
+   【資料穩定性提醒】若 JSON 附有「資料穩定性提醒」欄位（表示部分指標至少有一組出現「樣本
+   標準差趨近於 0」或「半數以上樣本值為 0」之一），這些指標的 p 值與效果量正常計算、正常算入
+   「達統計顯著」的統計比例，**不要**排除或改標成「資料不足」；但陳述時必須額外加一句保留
+   語氣，例如「此結果統計穩定性有限，建議謹慎解讀」，不可用跟其他變異正常的顯著指標完全相同
+   的肯定語氣呈現，避免讀者把統計上脆弱的單組結果誤判為跟其他證據同等可信。
 2. 監督式學習（隨機森林）：說明 feature_importance_top20 裡重要性最高的 3-5 項指標與其重要性數值。
    同時陳述「隨機森林分類準確率」的數字，並原樣附上 JSON 裡「隨機森林準確率之樣本外預測意義」
    這欄給的完整句子（那句話已經是可以直接使用的中文敘述，不必再改寫或省略）。
@@ -956,20 +1100,38 @@ def run_indicator_calculation(file_paths: list, output_dir: Path, resources: dic
 # ============================================================================
 
 def cohens_d(g1, g2):
+    """回傳 Cohen's d；合併標準差相對於資料尺度趨近於零時回傳 None（而非硬除
+    出失真的天文數字）。
+
+    2026-08-24（業主回報：報告上出現「Cohen's d=-9028313184615308.0」這種
+    誇張數字）：原本只用 `pooled != 0` 擋分母為零，但當兩組內部數值幾乎（並非
+    精確）相同時，浮點運算會讓 pooled 變成一個極小但非零的數（例如 1e-13），
+    這個檢查完全擋不住，除下去就爆出巨大到毫無意義的數字。改用「相對於資料
+    尺度的容忍值」判斷：pooled 小於合併平均數絕對值的極小比例時，視為組內
+    變異趨近於零、效果量在數值上不穩定，回傳 None。注意：這不代表兩組沒有
+    差異——p 值與平均數本身仍然有效，只是 Cohen's d 這個統計量的公式在
+    「組內幾乎零變異」的情況下本身就定義不良，硬算出一個數字反而失真。"""
     n1, n2 = len(g1), len(g2)
     if n1 < 2 or n2 < 2:
-        return 0.0
+        return None
     var1, var2 = np.var(g1, ddof=1), np.var(g2, ddof=1)
     pooled = np.sqrt(((n1-1)*var1 + (n2-1)*var2) / (n1+n2-2))
-    return (np.mean(g1) - np.mean(g2)) / pooled if pooled != 0 else 0.0
+    scale = max(abs(np.mean(np.concatenate([g1, g2]))), 1e-12)
+    if pooled < scale * 1e-8:
+        return None
+    return (np.mean(g1) - np.mean(g2)) / pooled
 
 
 def eta_squared(group_data):
+    """回傳 η²；ss_total 相對於資料尺度趨近於零時回傳 None，理由同 cohens_d()。"""
     all_data   = np.concatenate(group_data)
     grand_mean = all_data.mean()
     ss_between = sum(len(g) * (np.mean(g) - grand_mean)**2 for g in group_data)
     ss_total   = np.sum((all_data - grand_mean)**2)
-    return ss_between / ss_total if ss_total != 0 else 0.0
+    scale = max(abs(grand_mean), 1e-12)
+    if ss_total < (scale ** 2) * 1e-8:
+        return None
+    return ss_between / ss_total
 
 
 def effect_label(val, method):
@@ -1102,11 +1264,33 @@ def run_statistical_analysis(csv_path: Path, output_dir: Path, group_labels: dic
             row["顯著"]     = INSUFFICIENT_DATA_LABEL
             row["效果量"]   = None
             row["效果大小"] = None
+            row["資料品質警示"] = ""  # 已經整列標成「資料不足」，不用再疊加這個警示
         else:
             es = cohens_d(gdata[0], gdata[1]) if n_groups == 2 else eta_squared(gdata)
-            row["顯著"]     = ("***" if p<0.001 else "**" if p<0.01 else "*" if p<0.05 else "ns")
-            row["效果量"]     = round(float(es), 4)
-            row["效果大小"]   = effect_label(es, method)
+            row["顯著"] = ("***" if p<0.001 else "**" if p<0.01 else "*" if p<0.05 else "ns")
+            if es is None:
+                # 見 EFFECT_UNSTABLE_LABEL 定義處：p 值仍然有效、正常判斷顯著性
+                # （上面那行不受影響），只有效果量這個數字換成描述性標籤。
+                row["效果量"]   = None
+                row["效果大小"] = EFFECT_UNSTABLE_LABEL
+            else:
+                row["效果量"]   = round(float(es), 4)
+                row["效果大小"] = effect_label(es, method)
+            # 見 ZERO_VARIANCE_WARNING／ZERO_PROPORTION_WARNING 定義處：兩條獨立
+            # 判準都只看「有真的算出變異數」的情況——N<2 已經在 is_untestable 那支
+            # 處理過。SD 判準抓「整組幾乎沒變異」；零值比例判準抓「SD 沒有趨近於
+            # 零，但組內樣本值仍大量集中在 0」——後者刻意排除已被 SD 判準抓到的
+            # 組別（`not (... < 1e-9)`），避免同一組資料被兩條規則重複疊加描述。
+            # 都不影響顯著性與效果量的計算，純附註警示；兩者可同時列出（不同組別
+            # 各自命中不同判準時）。
+            _dq_warnings = []
+            if any(len(g) >= 2 and np.std(g, ddof=1) < 1e-9 for g in gdata):
+                _dq_warnings.append(ZERO_VARIANCE_WARNING)
+            if any(len(g) >= 2 and np.std(g, ddof=1) >= 1e-9
+                   and (np.sum(g == 0) / len(g)) >= ZERO_PROPORTION_THRESHOLD
+                   for g in gdata):
+                _dq_warnings.append(ZERO_PROPORTION_WARNING)
+            row["資料品質警示"] = "；".join(_dq_warnings)
         diff_results.append(row)
 
     diff_df  = pd.DataFrame(diff_results)
@@ -1115,17 +1299,40 @@ def run_statistical_analysis(csv_path: Path, output_dir: Path, group_labels: dic
     diff_path = output_dir / "02_difference_analysis.csv"
     diff_df.to_csv(str(diff_path), index=False, encoding='utf-8-sig')
 
-    # boxplot（最多 12 個顯著指標）
+    # boxplot（2026-08-24 起：達顯著差異的指標全部畫出，不再只取前 12 項）
     # 2026-08-14（業主要求）：原本取前 12 項是照指標在資料表裡的固定欄位
     # 順序（基礎統計→...→詞性標記）往下數，不是「最顯著／效果量最大」的
-    # 12 項。改成先依效果量絕對值由大到小排序，再取前 12——畫出來的會是
-    # 這次分析裡差異最明顯的那幾項，資訊量比原本的順序高。
+    # 12 項，改成依效果量排序。
+    # 2026-08-24（業主要求）：取消「只取前 12 項」的上限，達顯著差異的指標
+    # 全部畫出來；排序改成「先依組別、組��再依效果量」——先看哪一組在這批
+    # 顯著指標裡整體偏高，同一組內再依效果量絕對值由大到小排，比單純照
+    # 效果量從大到小混排更容易看出「兩組的差異主要往哪個方向集中」。
     box_path = None
     if len(sig_df) > 0:
-        sig_df_sorted = sig_df.reindex(
-            sig_df['效果量'].abs().sort_values(ascending=False).index
+        sig_df_sorted = sig_df.copy()
+        _group_order = {g: i for i, g in enumerate(groups)}
+        sig_df_sorted['_highest_group'] = sig_df_sorted.apply(
+            lambda row: max(groups, key=lambda g: row.get(f"{g}_M", float('-inf'))),
+            axis=1,
+        )
+        sig_df_sorted['_group_rank'] = sig_df_sorted['_highest_group'].map(_group_order)
+        # 2026-08-24：效果量為 None（EFFECT_UNSTABLE_LABEL 情況，見該常數定義
+        # 處）代表組內幾乎零變異卻仍達顯著——是最乾淨俐落的一種差異，排序時
+        # 視為效果量無限大、排在同一組別群組的最前面，不能因為是 None 就被
+        # sort_values 排到最後面去（NaN 預設排序行為）。
+        # 2026-08-24（實測崩潰：TypeError: bad operand type for abs(): 'NoneType'）：
+        # 當顯著指標裡有不少（甚至全部）是 EFFECT_UNSTABLE_LABEL 情況（效果量＝
+        # None），這欄在 pandas 眼裡可能整欄維持 object dtype（而不是像單一
+        # 摻雜幾個 None 的情況那樣被自動轉成 float64、None 變 NaN），直接對
+        # object dtype 呼叫 .abs() 會真的去對 Python None 物件呼叫內建 abs()
+        # 而炸掉，不是 NaN 安全語意。先用 pd.to_numeric(errors='coerce') 強制
+        # 轉成數值（None、NaN 都會變成 NaN，非數值也不會拋例外），再 .abs()
+        # 就穩了。
+        sig_df_sorted['_abs_es'] = pd.to_numeric(sig_df_sorted['效果量'], errors='coerce').abs().fillna(float('inf'))
+        sig_df_sorted = sig_df_sorted.sort_values(
+            by=['_group_rank', '_abs_es'], ascending=[True, False]
         )
-        sig_cols = sig_df_sorted['指標'].tolist()[:12]
+        sig_cols = sig_df_sorted['指標'].tolist()
         n_row    = max(1, (len(sig_cols) + 2) // 3)
         fig, axes = plt.subplots(n_row, 3, figsize=(14, 4*n_row))
         axes = np.array(axes).flatten()
@@ -1146,15 +1353,23 @@ def run_statistical_analysis(csv_path: Path, output_dir: Path, group_labels: dic
             # 「有沒有差」。
             row = diff_df.loc[diff_df['指標']==col]
             pv_str = f"p={row['p值'].values[0]:.4f}" if len(row)>0 else ""
-            es_str = (f"，{row['效果量名稱'].values[0]}={row['效果量'].values[0]:.3f}"
-                      if len(row)>0 else "")
+            _es_val = row['效果量'].values[0] if len(row)>0 else None
+            if len(row) > 0 and _es_val is not None and not pd.isna(_es_val):
+                es_str = f"，{row['效果量名稱'].values[0]}={_es_val:.3f}"
+            elif len(row) > 0:
+                # 2026-08-24：效果量為 None 時（見 EFFECT_UNSTABLE_LABEL），
+                # 標題別再硬套 :.3f 格式化（會直接拋例外），改顯示描述性標籤。
+                es_str = f"，{EFFECT_UNSTABLE_LABEL}"
+            else:
+                es_str = ""
             ax.set_title(f"{col}\n({pv_str}{es_str})", fontsize=8)
         for j in range(len(sig_cols), len(axes)):
             axes[j].set_visible(False)
         # 2026-08-14（業主要求）：原本「Significant Variables by Type1」直接
-        # 洩漏內部欄位名稱 Type1，使用者看不懂在比較什麼。改成中文、講清楚
-        # 這張圖是「前 12 項＋依效果量排序」，不是全部顯著指標。
-        plt.suptitle("各組別顯著指標比較（前 12 項，依效果量排序）", fontsize=11, y=1.01)
+        # 洩漏內部欄位名稱 Type1，使用者看不懂在比較什麼，改成中文標題。
+        # 2026-08-24（業主要求）：不再只取前 12 項，標題文字同步更新為
+        # 「依組別與效果量排序」，不再提「前 12 項」（已無此上限）。
+        plt.suptitle("顯著指標比較（依組別與效果量排序）", fontsize=11, y=1.01)
         plt.tight_layout()
         box_path = output_dir / "02_significant_boxplots.png"
         plt.savefig(str(box_path), dpi=150, bbox_inches='tight')
@@ -1325,7 +1540,9 @@ def run_statistical_analysis(csv_path: Path, output_dir: Path, group_labels: dic
                     f"{row['平均數']:.4f}", f"{row['中位數']:.4f}",
                     f"{row['標準差']:.4f}", f"{row['最小值']:.4f}",
                     f"{row['最大值']:.4f}",
-                    f"{row['變異係數(%)']:.2f}" if row['變異係數(%)'] is not None else "-"]
+                    # 同下方差異性分析表格：改用 pd.isna()，避免 None 被
+                    # pandas 建表時轉型成 NaN 後，is not None 抓不到而印出「nan」。
+                    f"{row['變異係數(%)']:.2f}" if not pd.isna(row['變異係數(%)']) else "-"]
             for j, val in enumerate(vals):
                 cell = tbl.rows[i].cells[j]
                 cell.text = val
@@ -1352,7 +1569,7 @@ def run_statistical_analysis(csv_path: Path, output_dir: Path, group_labels: dic
     group_sub_headers = []
     for g in groups:
         group_sub_headers.extend([f"{g}\nN", f"{g}\nM", f"{g}\nSD"])
-    diff_headers = ["指標"] + group_sub_headers + ["方法","統計量","p值","顯著","效果量","效果大小"]
+    diff_headers = ["指標"] + group_sub_headers + ["方法","統計量","p值","顯著","效果量","效果大小","資料品質警示"]
     diff_tbl = doc.add_table(rows=1+len(diff_df), cols=len(diff_headers))
     diff_tbl.style = 'Light Shading Accent 1'
     for j, h in enumerate(diff_headers):
@@ -1367,13 +1584,30 @@ def run_statistical_analysis(csv_path: Path, output_dir: Path, group_labels: dic
             vals.extend([str(int(row[f"{g}_N"])),
                          f"{row[f'{g}_M']:.4f}",
                          f"{row[f'{g}_SD']:.4f}"])
+        # 2026-08-24（業主回報表格出現「nan」字樣）：diff_results 是一份
+        # dict list，其中某些列的「統計量」／「p值」／「效果量」是 Python
+        # None（見 INSUFFICIENT_DATA_LABEL／EFFECT_UNSTABLE_LABEL 兩處），
+        # 但 `pd.DataFrame(diff_results)` 建表時，只要同一欄裡其餘列是數字，
+        # pandas 會把整欄轉成 float64、None 也跟著被轉型成 NaN——`is not
+        # None` 檢查完全抓不到轉型後的 NaN（NaN 不是 None 物件），因此原本
+        # 該顯示「-」的欄位印出了「nan」這個字面字串。改用 pd.isna()，能
+        # 同時抓到 None 與轉型後的 NaN 兩種情況。
+        _warn_text = row.get('資料品質警示', '')
+        _warn_text = '' if pd.isna(_warn_text) else str(_warn_text)
         vals.extend([str(row['方法']),
-                     f"{row['統計量']:.4f}" if row['統計量'] is not None else "-",
-                     f"{row['p值']:.4f}"    if row['p值']    is not None else "-",
+                     f"{row['統計量']:.4f}" if not pd.isna(row['統計量']) else "-",
+                     f"{row['p值']:.4f}"    if not pd.isna(row['p值'])    else "-",
                      str(row['顯著']),
-                     f"{row['效果量']:.4f}" if row['效果量'] is not None else "-",
-                     str(row['效果大小']) if row['效果大小'] is not None else "-"])
+                     f"{row['效果量']:.4f}" if not pd.isna(row['效果量']) else "-",
+                     str(row['效果大小']) if not pd.isna(row['效果大小']) else "-",
+                     _warn_text if _warn_text else "-"])
         _is_untestable_row = row['顯著'] == INSUFFICIENT_DATA_LABEL
+        # 2026-08-24：改用欄名查表格索引，不再用 len(vals) 往回數固定格數
+        # ——原本 len(vals)-4 在只有 6 個尾端欄位時其實已經對不準「顯著」
+        # 那一格（差一格，實際指到 p值），這次多加一欄「資料品質警示」後
+        # 用位置數只會更容易錯位，藉這次一起修成用欄名查，之後再加欄也不怕。
+        _sig_col_idx  = diff_headers.index('顯著')
+        _warn_col_idx = diff_headers.index('資料品質警示')
         for j, val in enumerate(vals):
             cell = diff_tbl.rows[i].cells[j]
             cell.text = val
@@ -1385,11 +1619,16 @@ def run_statistical_analysis(csv_path: Path, output_dir: Path, group_labels: dic
                     # 不能共用紅字——紅字在這份報告的視覺語言裡代表「這是
                     # 值得注意的發現」，「資料不足」剛好相反，是「這項不能
                     # 拿來當發現看」，用紅字反而會讓人誤以為它也是顯著結果。
-                    if row['顯著'] not in ("ns", INSUFFICIENT_DATA_LABEL) and j == len(vals)-4:
+                    if row['顯著'] not in ("ns", INSUFFICIENT_DATA_LABEL) and j == _sig_col_idx:
                         r.font.color.rgb = RGBColor(0xCC, 0x00, 0x00)
                     elif _is_untestable_row:
                         r.font.color.rgb = RGBColor(0x88, 0x88, 0x88)
                         r.italic = True
+                    # 見 ZERO_VARIANCE_WARNING：琥珀色，跟「顯著」的紅、
+                    # 「資料不足」的灰都不同——這不是「無法使用」（灰）也不是
+                    # 「重點發現」（紅），是「可用但要謹慎看待」的第三種性質。
+                    elif j == _warn_col_idx and _warn_text:
+                        r.font.color.rgb = RGBColor(0xB4, 0x7A, 0x00)
     doc.add_paragraph('')
     if box_path and box_path.exists():
         doc.add_heading('顯著指標箱形圖', level=2)
@@ -1451,14 +1690,22 @@ def run_statistical_analysis(csv_path: Path, output_dir: Path, group_labels: dic
 # SECTION 7: LLM Report Writing (adapted from prog04, uses LLM1)
 # ============================================================================
 
-def load_analysis_data_for_llm(csv_path: Path, output_dir: Path, ml_summary: dict = None) -> dict:
+def load_analysis_data_for_llm(csv_path: Path, output_dir: Path, ml_summary: dict = None,
+                                group_labels: dict = None) -> dict:
     """讀取分析資料組成 JSON 結構。
     ml_summary：{"accuracy": float, "do_eval": bool} 選填，來自
     run_statistical_analysis() 的回傳值。之前這裡完全沒有把隨機森林的
     準確率數字（accuracy）跟「這次是不是真的切了測試集」（do_eval）
     交給 LLM，LLM 因此連準確率是多少都不知道，等於沒有材料可以討論
     監督式學習結果——03_feature_importance.csv 只有各指標的重要性排名，
-    沒有整體準確率這個數字。"""
+    沒有整體準確率這個數字。
+    group_labels：{分組代碼: 語料說明填的實際標籤}，選填。2026-08-24（業主
+    回報）：畫面上的差異性分析標題／箱形圖標籤早就會用語料說明填的實際
+    標籤（如「人工翻譯」），但 LLM 報告內文卻一路只看得到原始代碼 A／B，
+    寫成「群組 A 最高」——追查後發現 difference_analysis 送給 LLM 的 JSON
+    欄名（{組別}_N／{組別}_M／{組別}_SD）從頭到尾都是原始代碼，從沒套用過
+    這組標籤，等於畫面跟報告各自套用了不同版本的分組名稱。這裡補上同一套
+    轉換，讓兩邊使用同一個資料來源。"""
     data = {}
     if ml_summary:
         # 2026-08-15（業主回報）：原本這裡是英文鍵名 rf_accuracy／
@@ -1494,6 +1741,17 @@ def load_analysis_data_for_llm(csv_path: Path, output_dir: Path, ml_summary: dic
         p = output_dir / fname
         if p.exists():
             d = pd.read_csv(str(p))
+            if key == "difference_analysis" and group_labels:
+                group_codes = [c[:-2] for c in d.columns if c.endswith('_N')]
+                rename_map = {}
+                for g in group_codes:
+                    label = group_labels.get(g)
+                    if label and label != g:
+                        rename_map[f"{g}_N"]  = f"{label}_N"
+                        rename_map[f"{g}_M"]  = f"{label}_M"
+                        rename_map[f"{g}_SD"] = f"{label}_SD"
+                if rename_map:
+                    d = d.rename(columns=rename_map)
             if key == "cluster_results":
                 # 2026-08-15（業主要求）：跟 rf_accuracy_is_meaningful 同一個
                 # 教訓——原本這裡的欄名是 Type1，LLM 直接照抄，報告寫成
@@ -1532,6 +1790,27 @@ def load_analysis_data_for_llm(csv_path: Path, output_dir: Path, ml_summary: dic
                     "或納入「達統計顯著」／「無明顯差異」的分類統計，兩者是完全不同的結論。"
                     if len(untestable) > 0 else ""
                 )
+                # 2026-08-24（業主回報 AG_05 案例，見 ZERO_VARIANCE_WARNING 定義
+                # 處）：「資料品質警示」欄位非空的指標，p 值與效果量都是有效
+                # 計算結果、正常參與顯著性統計，跟上面的「資料不足」是不同
+                # 性質，不能用同一句話說明，另外準備一段中文提醒。
+                if '資料品質警示' in d.columns:
+                    zero_var = d[d['資料品質警示'].fillna('') != '']
+                else:
+                    zero_var = pd.DataFrame()
+                data["zero_variance_warning_indicators"] = zero_var['指標'].tolist() if len(zero_var) > 0 else []
+                data["zero_variance_warning_count"]       = len(zero_var)
+                data["資料穩定性提醒"] = (
+                    f"以上 difference_analysis 中有 {len(zero_var)} 項指標的「資料品質警示」欄位非空"
+                    "（列於 zero_variance_warning_indicators），代表該指標至少有一組出現以下情況之一："
+                    "①該組所有文本在此指標上數值完全相同，標準差趨近於 0；或 ②該組半數以上文本在"
+                    "此指標上數值為 0，樣本集中於零值，平均數可能被少數非零離群值主導。這兩種情況下 "
+                    "p 值與效果量仍是正常計算、正常算入「達統計顯著」的統計比例，不像「資料不足」那樣"
+                    "要整項排除；但陳述這些指標時，必須額外註明「此結果統計穩定性有限，建議謹慎解讀」"
+                    "這類保留語氣，不可跟其他變異正常的顯著指標用完全相同的肯定語氣陳述，避免讀者把"
+                    "統計上脆弱的結果當成跟其他乾淨顯著結果同等份量的證據。"
+                    if len(zero_var) > 0 else ""
+                )
         else:
             data[key] = []
     if "significant_count" not in data:
@@ -1569,13 +1848,16 @@ def _add_inline_markdown_runs(paragraph, text: str) -> None:
 
 
 def run_report_writing(scenario_key: str, user_metadata: str, user_focus: str,
-                       csv_path: Path, output_dir: Path, ml_summary: dict = None) -> dict:
+                       csv_path: Path, output_dir: Path, ml_summary: dict = None,
+                       group_labels: dict = None) -> dict:
     """
     呼叫主 Agent (LLM1) 撰寫研究報告，儲存 docx + txt，回傳路徑 dict。
     ml_summary：見 load_analysis_data_for_llm() 的說明。
+    group_labels：見 load_analysis_data_for_llm() 的說明。
     """
     output_dir.mkdir(parents=True, exist_ok=True)
-    analysis_data = load_analysis_data_for_llm(csv_path, output_dir, ml_summary=ml_summary)
+    analysis_data = load_analysis_data_for_llm(csv_path, output_dir, ml_summary=ml_summary,
+                                                group_labels=group_labels)
 
     scenario_info   = SCENARIOS.get(scenario_key, SCENARIOS["1"])
     scenario_mod_key = scenario_info.get("scenario_module_key", "scenario_1")
@@ -1592,7 +1874,27 @@ def run_report_writing(scenario_key: str, user_metadata: str, user_focus: str,
         metadata        = metadata_str,
         user_focus      = user_focus if user_focus else "無",
         scenario_module = scenario_module,
+        indicator_reference_table = INDICATOR_REFERENCE_TABLE,
     )
+
+    # 2026-08-26（業主要求：可重複性設計的最後一塊——目前報告只印「提示詞
+    # 版本 v1」這個版本號，使用者／論文口委無從查證這個版本實際規定了
+    # 什麼，只能回頭翻原始碼）：把這次分析實際套用（.format() 展開後、
+    # 已代入研究情境／metadata／指標對照表的完整版本）的 system prompt
+    # 原文存成一份檔案，跟其他分析產出放在同一個 output_dir，隨「下載
+    # 全部資料」一起打包。直接從程式實際使用的字串存出來，不是另外維護
+    # 一份文件，未來 SYSTEM_PROMPT_BASE 異動也不會有兩邊對不起來的風險。
+    system_prompt_path = output_dir / "06_system_prompt.txt"
+    with open(str(system_prompt_path), 'w', encoding='utf-8') as f:
+        f.write(f"研究情境：{scenario_info['title']}\n")
+        f.write(f"提示詞版本：{PROMPT_VERSION}\n")
+        f.write(f"模型：主 Agent（LLM1）{LLM1_MODEL}\n")
+        f.write(
+            "\n本檔案為這次分析實際送給 LLM 的完整 system prompt 原文\n"
+            "（已代入本次的研究情境、語料 metadata 與指標代碼對照表）。\n"
+        )
+        f.write("\n---\n\n")
+        f.write(system_prompt)
     user_prompt = (
         f"請根據以下量化分析結果，按照 system prompt 中的輸出結構進行深度分析。\n\n"
         f"【量化分析資料（JSON）】：\n```json\n"
@@ -1629,6 +1931,26 @@ def run_report_writing(scenario_key: str, user_metadata: str, user_focus: str,
                       style='Normal').alignment = WD_ALIGN_PARAGRAPH.CENTER
     doc.add_paragraph(f'報告時間：{now_tw().strftime("%Y-%m-%d %H:%M:%S")}（台灣時間）',
                       style='Normal').alignment = WD_ALIGN_PARAGRAPH.CENTER
+    # 2026-08-24（業主回報：之前加過的 N/M/SD 圖例只在 Final_Report.docx
+    # 那份技術報告的表格上方，這份 LLM 敘述報告是完全獨立的檔案，內文一樣
+    # 大量使用「M=...」但從沒解釋過，使用者只拿到這份報告的話完全看不懂。
+    # 兩份報告各自獨立、讀者不一定兩份都會看，圖例需要在各自檔案裡都出現，
+    # 不能假設讀者一定也看過另一份。
+    legend_p = doc.add_paragraph(
+        '本報告中 N＝樣本數、M＝平均數、SD＝標準差；p 為統計顯著性之機率值，'
+        '效果量以 Cohen\'s d（二群比較）或 η²（三群以上）表示。'
+    )
+    legend_p.alignment = WD_ALIGN_PARAGRAPH.CENTER
+    legend_p.runs[0].italic = True
+    legend_p.runs[0].font.size = Pt(9)
+    # 2026-08-26：提示詞版本號旁邊只有一個代號（v1），讀者查不到內容本身
+    # 具體規定了什麼——這裡指向同一次下載包裡的完整原文檔案。
+    sp_note = doc.add_paragraph(
+        f'本報告據以撰寫的完整 system prompt 原文，請見同一份下載包中的 06_system_prompt.txt。'
+    )
+    sp_note.alignment = WD_ALIGN_PARAGRAPH.CENTER
+    sp_note.runs[0].italic = True
+    sp_note.runs[0].font.size = Pt(9)
     doc.add_page_break()
     # 2026-08-14（待辦 A1）：區塊層級語法（標題／項目符號）沿用原本判斷，
     # 差別是段落文字改用 _add_inline_markdown_runs() 逐段解析 **粗體**／
@@ -1652,6 +1974,15 @@ def run_report_writing(scenario_key: str, user_metadata: str, user_focus: str,
         # txt 版之前完全沒寫，這裡補上、順便帶提示詞版本號，兩種格式的
         # 稽核資訊要一致，不能只有 docx 有。
         f.write(f"模型：主 Agent（LLM1）{LLM1_MODEL}（提示詞版本 {PROMPT_VERSION}）\n")
+        # 2026-08-24（��主回報 N/M/SD 圖例只加在 Final_Report.docx，這份 LLM
+        # 敘述報告內文一樣大量出現「M=...」卻沒有解釋，兩份報告是獨立檔案、
+        # 讀者不一定都看過，圖例要各自都有）：
+        f.write(
+            "本報告中 N＝樣本數、M＝平均數、SD＝標準差；p 為統計顯著性之機率值，"
+            "效果量以 Cohen's d（二群比較）或 η²（三群以上）表示。\n"
+        )
+        # 2026-08-26：同 docx 版，指向同一份下載包裡的完整 system prompt 原文。
+        f.write("本報告據以撰寫的完整 system prompt 原文，請見同一份下載包中的 06_system_prompt.txt。\n")
         # 2026-07-27：原本用 "="*60 當純文字分隔線，但緊接在上兩行文字正下方，
         # 符合 Markdown Setext 標題語法（文字正上方接一整行 = 會被解讀成 h1
         # 底線），導致這兩行 metadata 被渲染成巨大無樣式標題。改成前面留空行
@@ -1661,9 +1992,10 @@ def run_report_writing(scenario_key: str, user_metadata: str, user_focus: str,
         f.write(result_text)
 
     return {
-        "docx_path":     docx_path,
-        "txt_path":      txt_path,
-        "result_text":   result_text,
+        "docx_path":              docx_path,
+        "txt_path":               txt_path,
+        "result_text":            result_text,
+        "system_prompt_path":     system_prompt_path,
     }
 
 
@@ -2130,8 +2462,9 @@ def run_computation_pipeline_streaming(state: dict):
             csv_path      = csv_path,
             output_dir    = output_dir,
             ml_summary    = {"accuracy": anal.get("accuracy"), "do_eval": anal.get("do_eval")},
+            group_labels  = state.get("group_labels", {}),
         )
-        results_paths.extend([str(rpt["docx_path"]), str(rpt["txt_path"])])
+        results_paths.extend([str(rpt["docx_path"]), str(rpt["txt_path"]), str(rpt["system_prompt_path"])])
         A["report"]["status"] = "done"
         A["report"]["line"] = "研究報告已產出"
         yield "  [OK] 研究報告撰寫完成", False, state
@@ -3000,11 +3333,11 @@ def create_app():
         # 邏輯（on_scenario_pick）完全不用改。
         sc_btn_1 = gr.Button("1　人工翻譯 vs 機器翻譯", variant="secondary",
                              elem_id="sc_btn_1", elem_classes=["sc-bridge-btn"])
-        sc_btn_2 = gr.Button("2　全譯 vs 編譯／節譯／改寫", variant="secondary",
+        sc_btn_2 = gr.Button("2　全譯 vs 編譯（節譯、改寫）", variant="secondary",
                              elem_id="sc_btn_2", elem_classes=["sc-bridge-btn"])
-        sc_btn_3 = gr.Button("3　同期不同譯者譯本比較", variant="secondary",
+        sc_btn_3 = gr.Button("3　不同譯者的同期譯本", variant="secondary",
                              elem_id="sc_btn_3", elem_classes=["sc-bridge-btn"])
-        sc_btn_4 = gr.Button("4　不同時期重譯本的歷時比較", variant="secondary",
+        sc_btn_4 = gr.Button("4　不同時期人工譯本", variant="secondary",
                              elem_id="sc_btn_4", elem_classes=["sc-bridge-btn"])
 
         # Phase 8-E：手機漢堡開關＋抽屜背景遮罩。跟 sc_btn_1..4 同一類坑：
@@ -3070,6 +3403,19 @@ def create_app():
                     reset_confirm_btn = gr.Button("確定回首頁", elem_id="reset_confirm_btn",
                                                   scale=1, variant="primary")
 
+        # 2026-08-26：「關於」面板，跟上面 reset_confirm_row 同一個理由放在
+        # workspace_row 外層（避免被手機版 nav-col 的 transform 抽屜關住），
+        # 沿用同一套 overlay 機制（elem_classes 掛 reset-confirm-overlay 觸發
+        # 既有的置中 + display:none 控制邏輯），面板本身另開較寬的
+        # about-panel class（見 assets/app.css 註解）。
+        with gr.Column(visible=False, elem_id="about_overlay",
+                       elem_classes=["reset-confirm-overlay"]) as about_overlay:
+            with gr.Column(elem_id="about_panel", elem_classes=["about-panel"]):
+                gr.Markdown(ABOUT_CONTENT_MD)
+                with gr.Row(elem_classes=["about-close-row"]):
+                    about_close_btn = gr.Button("關閉", elem_id="about_close_btn",
+                                                scale=0, variant="secondary")
+
         # Phase 8-B：三欄式工作區——nav-col（窄，導覽/重置）＋chat-col
         # （對話視窗＋輸入框，獨立捲動）＋canvas-col（步驟列＋上傳/表單/
         # 執行紀錄，獨立捲動）。手機寬度見 CSS 的 media query 改上下堆疊。
@@ -3249,6 +3595,17 @@ def create_app():
                         elem_classes=["result-nav-btn", "result-nav-btn--muted"],
                         variant="secondary",
                     )
+                    # ── 關於（2026-08-26，業主要求）───────────────────────
+                    # 跟使用手冊同��顆待遇：住在 result_nav_col 外面，同一份
+                    # elem_classes（沿用 #nav_guide_btn 那組樣式選擇器，見
+                    # assets/app.css）。這顆是彈窗不是下載，用一般 gr.Button
+                    # 搭配下面的 about_overlay 面板，toggle 顯示/隱藏。
+                    about_btn = gr.Button(
+                        "關於", icon=str(BASE_DIR / "assets" / "icons" / "info-circle.svg"),
+                        elem_id="nav_about_btn",
+                        elem_classes=["result-nav-btn", "result-nav-btn--muted"],
+                        variant="secondary",
+                    )
                 # ↑ nav_items_scroll 到此結束（中段可捲動區）。
 
                 # 底部工具列（固定，不隨中段捲動）：明暗切換／收合鈕原本在頂端
@@ -3348,7 +3705,7 @@ def create_app():
                         # 標題＋說明文字沿用 metadata_row 那則 Markdown 的寫法
                         # （純 "### 標題\n說明文字"，不套 elem_classes），維持
                         # 同一批「Canvas 操作區塊」卡片的既有排版慣例。
-                        gr.Markdown("### 情境選擇\n請選擇最符合您研究設計的比較情境，選定後將進入下一步「文本上傳」。")
+                        gr.Markdown("### 情境選擇\n請選擇最符合您針對同一原文的重譯研究設計的比較情境，選定後將進入下一步「文本上傳」。")
                         gr.HTML(_build_scenario_cards_html("workspace_scenario_grid"))
 
                     # Phase 8（千卉實測後回頭調整）：這張卡片改回正式使用
@@ -3389,7 +3746,7 @@ def create_app():
 
                     # ── 語料 Metadata 說明表單（上傳後、分析前）───────
                     with gr.Column(visible=False, elem_id="metadata_zone", elem_classes=["metadata-zone"]) as metadata_row:
-                        gr.Markdown("### 📑 語料 Metadata 說明\n請於正式分析前說明語料來源、範圍與比較結構，將寫入研究報告。")
+                        gr.Markdown("### 📑 語料說明\n請於正式分析前說明語料來源、範圍與比較結構，將寫入研究報告。")
 
                         gr.Markdown("**原文資訊**")
                         with gr.Row():
@@ -3723,6 +4080,18 @@ def create_app():
                     "無法進行統計檢定，不計入上述比例。"
                     if untestable_n > 0 else ""
                 )
+                # 見 ZERO_VARIANCE_WARNING／ZERO_PROPORTION_WARNING 定義處：這些
+                # 指標仍計入顯著／不顯著比例（p 值照常有效），只是額外提醒統計
+                # 穩定性存疑，跟上面「資料不足」（完全無法檢定、不計入比例）是
+                # 不同性質，故用不同語氣、且不寫「不計入上述比例」。這裡的句子
+                # 刻意不細分是哪一條判準命中——個別是哪一種，下方表格會逐列標註。
+                warn_n = int((diff.get('資料品質警示', pd.Series(dtype=str)).fillna('') != '').sum())
+                zero_var_note = (
+                    f"\n\n⚠️ 其中 **{warn_n}** 個顯著指標的資料品質有疑慮"
+                    "（某組標準差趨近於 0，或某組半數以上樣本為 0），"
+                    "統計穩定性有限，建議謹慎解讀（詳見下方表格個別標註）。"
+                    if warn_n > 0 else ""
+                )
                 # 2026-08-14（業主要求）：標題句前面加一句「以［檢定方法］比較
                 # ［分組］文本」，方法與分組名稱都從 diff 本身反推——分組代碼
                 # 是「{組別}_N」這組欄名的前綴（run_statistical_analysis 產出
@@ -3749,7 +4118,7 @@ def create_app():
                 # 的做法一致。
                 R[6] = gr.update(
                     value=(f"### 差異性分析\n{prefix}共 **{len(diff)}** 個指標，"
-                           f"其中 **{len(sig)}** 個達顯著差異（p < {ALPHA}）。{empty_note}{untestable_note}\n\n"
+                           f"其中 **{len(sig)}** 個達顯著差異（p < {ALPHA}）。{empty_note}{untestable_note}{zero_var_note}\n\n"
                            f"下方表格中 N＝樣本數、M＝平均數、SD＝標準差。"),
                     visible=True,
                 )
@@ -3821,6 +4190,13 @@ def create_app():
                 try:
                     with open(str(txt_files[0]), 'r', encoding='utf-8') as f:
                         rpt_text = f.read()
+                    # 2026-08-24（業主回報畫面上模型資訊重複顯示兩次）：txt 檔本身
+                    # 從 2026-08-22 起（可重複性設計）就會把「模型：...」這行寫進
+                    # 檔頭，是給下載後獨立開啟 txt 檔的人看的；但畫面這裡另外又疊了
+                    # 一行同樣內容的 model_note（有���色樣式、給畫面用），兩者一起
+                    # 顯示就變成重複。畫面上只保留有樣式的 model_note，rpt_text
+                    # 裡那行純文字的「模型：」拿掉，txt 檔本身仍完整保留不受影響。
+                    rpt_text = re.sub(r'^模型：.*\n', '', rpt_text, count=1, flags=re.MULTILINE)
                     model_note = (f"<span style='color:var(--c-accent-strong);font-weight:600'>"
                                   f"本報告由主 Agent（LLM1）模型 {LLM1_MODEL} 生成"
                                   f"（提示詞版本 {PROMPT_VERSION}）</span>")
@@ -3855,6 +4231,12 @@ def create_app():
                     if not llm_dst.exists():
                         shutil.copy(str(docx_files[0]), str(llm_dst))
                     dl_rpt.append(str(llm_dst))
+                # 2026-08-26：這次分析實際套用的 system prompt 原文，跟報告
+                # 一起提供下載——固定檔名（不像上面兩份加時間戳），本來就
+                # 只會有一份，不需要另外複製改名。
+                sp_path = output_dir / "06_system_prompt.txt"
+                if sp_path.exists():
+                    dl_rpt.append(str(sp_path))
             if dl_rpt:
                 R[19] = gr.update(value=dl_rpt, visible=True)
 
@@ -4323,7 +4705,7 @@ def create_app():
                 "---\n\n"
                 "📢 **隱私提醒**：上傳的文本內容將傳送至第三方 AI 服務"
                 "（OpenRouter 及其上游模型供應商）進行語言分析與報告撰寫。"
-                "請確認語料不涉及尚未公開發表之機密內容，如有疑慮請先與計畫主持人確認後再上傳。"
+                "請確認語料不涉及尚未公開發表之機密內容，如有疑慮請先行確認後再上傳。"
             )
             yield (chat_history, log_history, state, gr.update(visible=True),
                    _todo_update(state), gr.update(value=hint),
@@ -4422,6 +4804,9 @@ def create_app():
 
         reset_btn.click(fn=lambda: gr.update(visible=True), outputs=[reset_confirm_row])
         reset_cancel_btn.click(fn=lambda: gr.update(visible=False), outputs=[reset_confirm_row])
+
+        about_btn.click(fn=lambda: gr.update(visible=True), outputs=[about_overlay])
+        about_close_btn.click(fn=lambda: gr.update(visible=False), outputs=[about_overlay])
         # 2026-08-12：reset_confirm_btn 的接線搬到檔案最後（見 create_app 結尾
         # 「重置接線」那段）。原因：它需要 cancels=[分析運算那兩條事件鏈]，而
         # 那兩條要等 meta_confirm_btn／meta_cancel_btn 接完才存在。Gradio 的
@@ -4437,8 +4822,18 @@ def create_app():
             # 發言氣泡，看起來像 AI 自問自答）：在流程真正開始處理之前，先補一則
             # 使用者訊息氣泡，把「使用者上傳了哪些檔案」呈現出來，對話才有一來
             # 一往的感覺。
+            # 2026-08-24（業主建議）：若同一情境下、前一次「確認上傳」的格式驗證
+            # 失敗過，這次再按確認上傳就不是「第一次上傳」，而是使用者刪掉檔案、
+            # 修正後重新送出——文字改成「重新上傳了」更貼近實際發生的事，讀者
+            # 事後看對話紀錄也更容易理解「這是一次修正後的重試」。判斷時機要在
+            # 下面把 state["upload"]["validate"]["status"] 覆寫成 "pending" 之前
+            # 讀，不然永遠讀到剛被蓋掉的新值。換情境重來（on_back_to_scenario）
+            # 會把這個狀態重置回 "pending"，避免換情境後的第一次上傳被誤標成
+            # 「重新上傳」。
+            _is_retry = state.get("upload", {}).get("validate", {}).get("status") == "failed"
             _uploaded_names = [Path(f.name if hasattr(f, "name") else str(f)).name for f in files]
-            chat_history = chat_history + [_user_msg(f"上傳了 {len(_uploaded_names)} 個檔案：{'、'.join(_uploaded_names)}")]
+            _verb = "重新上傳了" if _is_retry else "上傳了"
+            chat_history = chat_history + [_user_msg(f"{_verb} {len(_uploaded_names)} 個檔案：{'、'.join(_uploaded_names)}")]
 
             # 文本上傳（step 2：3-A 新增「研究選擇」為第 1 步後，這裡的步驟
             # 編號全部 +1）：開始處理即關閉上傳彈窗，避免遮罩擋住操作。
@@ -4491,9 +4886,9 @@ def create_app():
             log_history = _log_append(log_history, "✅ 格式驗證通過")
             # 格式通過後：顯示 metadata 說明表單（語料說明＝step 3），等使用者填寫
             state["state"] = "METADATA_INPUT"
-            meta_hint = "請填寫語料 Metadata 說明（原文資訊、群組層與個體層），完成後點「確認並開始分析」。"
+            meta_hint = "請填寫語料說明（原文資訊、群組層與個體層），完成後點「確認並開始分析」。"
             chat_history = chat_history + [_assistant_msg(meta_hint)]
-            log_history = _log_append(log_history, "📑 請填寫語料 Metadata 說明")
+            log_history = _log_append(log_history, "📑 請填寫語料說明")
             # 2026-07-31（Batch E 第 5、6 項）：業主回報「語料說明」「分析
             # 運算」兩步驟畫面上還留著「文本上傳」的進度區塊（檔案接收 ✓／
             # 格式驗證 ✓），流程往下推進後這塊資訊已經沒用。清空的時機點
@@ -4583,7 +4978,7 @@ def create_app():
             （群組標籤／翻譯類型／翻譯方向／譯者背景／目標讀者）攤平排列，
             對應 meta_group_fields 三個 slot、各自 5 個 Textbox 的值。"""
             sc = state.get("scenario", "")
-            L = ["## 語料 Metadata", "",
+            L = ["## 語料說明", "",
                  "### 原文資訊",
                  f"- 原文標題：{title or '（未填）'}",
                  f"- 作者：{author or '（未填）'}",
@@ -4767,6 +5162,13 @@ def create_app():
             state["cleaned_files"] = []
             state["current_step"] = 1
             state["done_steps"] = [s for s in state.get("done_steps", []) if s != 1]
+            # 2026-08-24：換情境重來時，上一個情境若曾經格式驗證失敗過，這裡要
+            # 把狀態重置回初始值，不然換到新情境後的第一次上傳會被 on_upload_
+            # confirm 誤判成「重新上傳」（見該處 _is_retry 判斷邏輯）。
+            state["upload"] = {
+                "receive":  {"status": "pending", "line": ""},
+                "validate": {"status": "pending", "line": ""},
+            }
             return (
                 gr.update(visible=True),   # scenario_select_row
                 gr.update(visible=False),  # upload_row
@@ -4834,10 +5236,10 @@ def create_app():
                                                         version, ngroups, method, group_field_values, indiv_df)
             state["group_labels"] = _extract_group_labels(state, group_field_values)
             state["individual_grouping"] = _extract_individual_grouping(_df_rows(indiv_df), method)
-            log_history = _log_append(log_history, "✅ 已記錄語料 Metadata，開始分析")
+            log_history = _log_append(log_history, "✅ 已記錄語料說明，開始分析")
             # 2026-08-22：同上傳檔案那段，補一則使用者訊息氣泡，呈現「使用者
             # 填寫完語料說明並送出」這個動作，避免對話看起來像 AI 自問自答。
-            chat_history = chat_history + [_user_msg("已填寫語料 Metadata 說明（原文資訊、群組層與個體層），開始分析")]
+            chat_history = chat_history + [_user_msg("已送出語料說明（原文資訊、群組層與個體層），請開始分析")]
             # 在主對話視窗立即顯示「開始分析」訊息，避免長時間運算期間畫面看起來像沒有反應
             chat_history = chat_history + [_assistant_msg(_ANALYSIS_START_MSG)]
             yield (chat_history, log_history, state, gr.update(visible=False),
@@ -4881,8 +5283,8 @@ def create_app():
                 yield (chat_history, log_history, state, gr.update(), _todo_update(state),
                        gr.update(), gr.update(), *_no_tabs)
                 return
-            state["user_metadata"] = state.get("user_metadata", "") or "（使用者未提供語料 Metadata 說明）"
-            log_history = _log_append(log_history, "⏭️ 已略過 Metadata，直接開始分析")
+            state["user_metadata"] = state.get("user_metadata", "") or "（使用者未提供語料說明）"
+            log_history = _log_append(log_history, "⏭️ 已略過語料說明，直接開始分析")
             # 2026-08-22：同 on_metadata_confirm，補使用者訊息氣泡（略過版本）。
             chat_history = chat_history + [_user_msg("略過填寫，直接開始分析")]
             chat_history = chat_history + [_assistant_msg(_ANALYSIS_START_MSG)]

assets/app.css

@@ -1314,6 +1314,7 @@ img.button-icon { opacity: .82; }
        的改動，都要回頭盤同名 class 的其他規則有沒有被連帶壓掉。 */
     .nav-col.collapsed #reset_btn,
     .nav-col.collapsed #nav_guide_btn,
+    .nav-col.collapsed #nav_about_btn,
     .nav-col.collapsed #result_nav_col .result-nav-btn {
         justify-content: center !important;
         padding: .45rem !important;   /* 2026-07-24 收窄：原本 .6rem 把圖示擠到 8px（見下方註解） */
@@ -1599,6 +1600,43 @@ img.button-icon { opacity: .82; }
     border-radius: 10px !important;
     font-weight: 700 !important;
 }
+/* 2026-08-26：「關於」面板沿用 .reset-confirm-overlay 同一套置中 modal
+   機制（同一個 elem_classes 掛在 overlay 上），但內容是說明文字不是
+   一兩句確認詞，.reset-confirm-panel 的 400px 版寬會把整段文字擠成
+   窄豆腐塊，所以另開 .about-panel 加寬；內容也比確認框長，視窗矮的時候
+   （筆電、手機橫向）要能捲動，不能被 overlay 裁掉看不到下半段。文字
+   對齊也從確認框的置中改左靠——長段落置中會很難讀。 */
+.about-panel {
+    margin: auto !important;
+    width: 100% !important;
+    max-width: 560px !important;
+    max-height: min(80vh, 640px) !important;
+    overflow-y: auto !important;
+    flex: none !important;
+    gap: 1rem !important;
+    padding: 1.6rem 1.8rem !important;
+    border: 1px solid var(--c-border-strong) !important;
+    border-radius: 14px !important;
+    background: var(--c-surface) !important;
+    box-shadow: 0 20px 50px rgba(15, 23, 42, .3) !important;
+    text-align: left !important;
+}
+.about-panel h2, .about-panel h3 {
+    text-align: left !important;
+}
+.about-panel hr {
+    border: none !important;
+    border-top: 1px solid var(--c-border-strong) !important;
+    margin: .6rem 0 !important;
+}
+.about-panel .about-close-row {
+    display: flex !important;
+    justify-content: flex-end !important;
+}
+.about-panel .about-close-row button {
+    border-radius: 10px !important;
+    font-weight: 700 !important;
+}
 /* Phase 8-D：結果導覽（情境選定後顯示在開始新分析按鈕下方），純文字
    標籤（暫不用圖示，等下一輪視覺打磨補 Heroicons SVG），維持跟
    scenario-buttons 一致的「貼齊左邊、無強調色底」低視覺重量風格，
@@ -1628,7 +1666,8 @@ img.button-icon { opacity: .82; }
    Gradio 的 button.svelte-xxx.secondary，不需要額外的祖先。 */
 #result_nav_col .result-nav-btn,
 #reset_btn,
-#nav_guide_btn {
+#nav_guide_btn,
+#nav_about_btn {
     width: 100% !important;
     justify-content: flex-start !important;
     text-align: left !important;
@@ -1641,7 +1680,8 @@ img.button-icon { opacity: .82; }
    不貼齊欄邊。拿掉原本 Bootstrap nav-underline 的左緣線（千卉指定改填色）。 */
 #result_nav_col .result-nav-btn,
 #reset_btn,
-#nav_guide_btn {
+#nav_guide_btn,
+#nav_about_btn {
     padding: .5rem .7rem !important;
     font-size: var(--font-size-base) !important;
     font-weight: 500 !important;
@@ -1651,13 +1691,15 @@ img.button-icon { opacity: .82; }
 }
 #result_nav_col .result-nav-btn:hover:not(:disabled),
 #reset_btn:hover:not(:disabled),
-#nav_guide_btn:hover:not(:disabled) {
+#nav_guide_btn:hover:not(:disabled),
+#nav_about_btn:hover:not(:disabled) {
     background: rgba(var(--c-accent-rgb),.08) !important;
     color: var(--c-text) !important;
 }
 #result_nav_col .result-nav-btn:active:not(:disabled),
 #reset_btn:active:not(:disabled),
-#nav_guide_btn:active:not(:disabled) {
+#nav_guide_btn:active:not(:disabled),
+#nav_about_btn:active:not(:disabled) {
     background: rgba(var(--c-accent-rgb),.16) !important;
 }
 /* 歷史紀錄：這裡原本有一整組 .result-nav-subbtn 樣式，把統計比較分析底下
@@ -1702,7 +1744,8 @@ img.button-icon { opacity: .82; }
     flex: 0 0 auto !important;
 }
 #result_nav_col .result-nav-btn--muted,
-#nav_guide_btn.result-nav-btn--muted {
+#nav_guide_btn.result-nav-btn--muted,
+#nav_about_btn.result-nav-btn--muted {
     font-size: var(--font-size-base) !important;
     font-weight: 500 !important;
     color: var(--c-text-muted) !important;