feat: 对话区域文件上传(粘贴/拖拽) + XLSX支持 + 会话切换无限循环修复

- 对话区域: st.file_uploader + 全局 paste/drop 事件监听 + sessionStorage 桥接
- 文件预览芯片: 上传后显示在对话区域，可逐文件移除
- OCR 双层解析全面接入: file_parser(文字) + ocr_extractor(字段提取)
- XLSX 解析: openpyxl 逐工作表/逐行读取
- 修复: create_session 强制写入 agent_state.session_id
- 修复: load_session_node 不再从磁盘覆盖 session_id
- 修复: 切换会话 _last_switched_to 哨兵防止无限 rerun

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

CLAUDE.md

@@ -70,7 +70,7 @@ agent/graph.py (LangGraph 状态机)
 
 | 文件 | 职责 | 修改频率 |
 |------|------|---------|
-| `app.py` | Streamlit UI 入口，聊天界面 + 侧边栏 + 下载 + 文件上传 | **高** |
+| `app.py` | Streamlit UI 入口，聊天界面 + 对话文件上传(粘贴/拖拽) + 侧边栏 + 下载 | **高** |
 | `agent/state.py` | AgentState 类型定义（~24 字段，含 pending_failure_context） | 低 |
 | `agent/nodes.py` | 14 个工作流节点 + 流式生成 + 错误记录 | **高** |
 | `agent/graph.py` | 状态图编译 + 路由函数（预览跳过验证） | 中 |
@@ -80,7 +80,7 @@ agent/graph.py (LangGraph 状态机)
 | `backend/logger.py` | 集中日志模块：JSON 格式化 + trace_id + 独立 llm.log | 低 |
 | `backend/rag_adapter.py` | RAGSearcher 单例，语义搜索接口 | 中 |
 | `backend/error_kb.py` | ErrorKB — 错误指纹去重 + ChromaDB 持久化 + 语义检索 | 中 |
-| `backend/file_parser.py` | 文件解析: PDF/DOCX/图片(EasyOCR→PaddleOCR回退)/文本 | 中 |
+| `backend/file_parser.py` | 文件解析: PDF/DOCX/XLSX/图片(EasyOCR→PaddleOCR回退)/文本 | 中 |
 | `backend/layout_analyzer.py` | A4模板分析: 比例检测/EasyOCR→PaddleOCR元素提取/行分组/JRXML行匹配 | 中 |
 | `backend/ocr_extractor.py` | OCR单据字段提取: 两阶段流水线 + 4种策略(精确KV/模糊KV/正则/表格) + 17个默认中文字段 | 中 |
 | `backend/embeddings.py` | 嵌入模型工厂 (HuggingFace/OpenAI) | 低 |
@@ -132,11 +132,20 @@ agent/graph.py (LangGraph 状态机)
 - 流程：correct_jrxml 保存 last_error_case → validate 通过时自动入库
 
 ### 文件上传
-- 侧边栏多文件上传（可逐文件移除）
-- 支持: PDF(pdfplumber+PIL) / DOCX(python-docx) / 图片(PIL+PaddleOCR可选) / 纯文本
+- **对话区域上传（v3）**: `st.file_uploader` 位于聊天输入框上方，支持图片/PDF/DOCX/XLSX/文本
+- **粘贴/拖拽（v3）**: 全局 paste/drop 事件监听 + `sessionStorage` + 轮询桥接组件，Ctrl+V 粘贴或拖拽文件到页面任意位置
+- **文件预览芯片（v3）**: 上传后显示在对话区域，可逐文件移除（自动清理临时文件）
+- 侧边栏多文件上传（可逐文件移除，向后兼容保留）
+- 支持: PDF(pdfplumber+PIL) / DOCX(python-docx) / XLSX(openpyxl, v3) / 图片(PIL+EasyOCR优先→PaddleOCR回退) / 纯文本
 - 上传文本自动注入下一条消息前缀
 - 根据 `can_use_vision()` 判断是否走原生多模态（当前 MiniMax 不支持）
 
+### 对话区域文件粘贴/拖拽技术方案（v3）
+- `st.html()` 注入全局 paste/drop/dragover 监听器 → 文件转 base64 → 写入 `sessionStorage`
+- `components.html(height=0)` 桥接组件每 800ms 轮询 `sessionStorage` → `Streamlit.setComponentValue` 回传 Python
+- Python 解码 base64 → 临时文件 → `parse_file` + `analyze_layout` 双层 OCR 解析
+- 上限：单文件 20MB，单次最多 10 个文件
+
 ### A4 模板识别
 - `backend/layout_analyzer.py` — 三种处理路径：
   - **完整 A4**: 比例匹配 + OCR 元素 → 全量布局描述
@@ -173,6 +182,9 @@ agent/graph.py (LangGraph 状态机)
 - **OCR 引擎**: 优先使用 EasyOCR（Windows 兼容性更好，`pip install easyocr`），回退 PaddleOCR。两者均未安装时仅返回图片元信息，建议至少安装 EasyOCR。
 - **OCR 字段提取**: `process_input` 自动检测上传图片，调用 `OcrExtractor` 提取 17 个常见中文字段（发票代码/号码/金额/日期等），提取结果自动注入 LLM 上下文。
 - **会话持久化**: `session_id` 现已包含在 `save_session_node` 的持久化字段中，避免切换会话时因 `session_id` 丢失导致的无限 rerun bug。
+- **v3 修复**: `create_session` 现在存盘前强制写入 `agent_state["session_id"] = sid`。`load_session_node` 不再从磁盘覆盖 `session_id`。切换会话增加 `_last_switched_to` 哨兵防止重复触发。
 - **MAX_RETRY**: 默认 3 次。重试耗尽后 `pending_failure_context` 记录失败信息，下次用户输入时自动注入。
 - **验证最小内容检查**: 验证服务额外检查至少 1 个 `<band>` + 1 个 `<textField>` 或 `<staticText>`，拦截空壳 JRXML。
+- **XLSX 支持 (v3)**: 需要 `openpyxl>=3.1.0`（已加入 requirements.txt）。表格按工作表逐行读取，单元格用 `|` 分隔。
+- **粘贴功能限制**: 文件以 base64 编码在 sessionStorage 中传递，单文件上限 20MB。大文件建议使用 file_uploader 按钮。
 - **torchvision**: `transformers` 库的懒加载需要 `torchvision`，已作为依赖安装。