diff --git a/审计报告/推免重复组普查_20261102.md b/审计报告/推免重复组普查_20261102.md
new file mode 100644
index 000000000..1105e6462
--- /dev/null
+++ b/审计报告/推免重复组普查_20261102.md
@@ -0,0 +1,46 @@
+# 推免表重复组普查(2026-11-02)
+
+- 表 y2027_tuimian_2027 共 1980 行 / 27 校;本批 PDF 名单重做写入 451 行 / 9 校,其余 1529 行为既有行
+- 判据:按 (校, 年, 专业码, 专业名) 分组,组内出现 ≥2 个不同 local_file 即为重复组
+
+## 一、总览
+
+| 指标 | 值 |
+|---|---|
+| 分组键总数(含 plan_type,与表主键同粒度) | 1385 |
+| 重复组数(同键 ≥2 个来源文件) | 0 |
+| 重复组涉及行数 | 0 |
+| 重复组虚增人数(组内合计 − 组内最大值) | 0 |
+| 同时有实测与名单推导两种 basis 的组 | 0 |
+| 跨 plan_type 同键组(不算重复,另列) | 55 |
+
+## 二、虚增最多的 15 组
+
+| 校 | 码 | 名 | 组内行 | 合计 | 取max | 虚增 | basis | 来源文件 |
+|---|---|---|---|---|---|---|---|---|
+
+## 三、重复组按 basis 组合分类
+
+
+## 四、实测与推导同键并存(0 组)——这两种口径绝不能相加
+
+
+## 五、同 basis 内多来源文件(0 组)
+
+
+前 20 组明细:
+
+| 校 | 码 | 名 | 院系 | basis | 各行值/来源 |
+|---|---|---|---|---|---|
+
+## 六、新写入行与重复组的关系
+
+- 新写 9 校批次,键 384 个,其中落在重复组里的 0 个
+
+
+## 七、判定
+
+- 表内推免总人数(逐行相加)= 19650;若每组只保留最大值则 = 19650,差 0。
+- 重复组数 0 / 分组总数 1385,虚增占总量 0.0%。
+- 跨 plan_type 同键 55 组(东南大学等把强基计划另出一份计数表)属**不同的人**,相加正确,不计入重复。
+- 结论按主键粒度给出:与表 PRIMARY KEY 同粒度的重复组 = 0,即库里不存在同键双来源;上一版判据漏了 plan_type,把东南大学「普通推免 + 强基计划」两份公示误判成重复。
diff --git a/脚本/audit_tuimian_groups.py b/脚本/audit_tuimian_groups.py
new file mode 100644
index 000000000..7bbcda143
--- /dev/null
+++ b/脚本/audit_tuimian_groups.py
@@ -0,0 +1,156 @@
+# -*- coding: utf-8 -*-
+"""y2027_tuimian_2027 同校同码同名重复组普查(只读)。
+
+目的:确认这批「官网 PDF 名单重做」写进去的行,与库里原有的同校同码同名行
+是同一份名单的第二种载体(须并档),还是同一个人被两种口径各算一次(须去重),
+还是确有两份不同的公示文件(须保留)。
+"""
+import collections
+import os
+import re
+import sqlite3
+
+ZX = r'D:/择校/数据库/zexiao_2027.db'
+TAB = 'y2027_tuimian_2027'
+PDF = r'D:/择校/运行暂存/agent_ingest_20261101/tm0856/raw'
+OUT = r'D:/择校/审计报告/推免重复组普查_20261102.md'
+pdfs = set(os.listdir(PDF)) if os.path.isdir(PDF) else set()
+
+z = sqlite3.connect('file:' + ZX + '?mode=ro', uri=True)
+COLS = ['rowid', 'school', 'year', 'college', 'college_code', 'major_code', 'major_name',
+ 'kind', 'value', 'basis', 'plan_type', 'source_url', 'local_file', 'note', 'data_flag']
+rows = [dict(zip(COLS, r)) for r in z.execute(
+ 'select %s from %s' % (','.join(COLS), TAB))]
+z.close()
+
+PK = ('school', 'year', 'college', 'college_code', 'major_code', 'major_name', 'kind',
+ 'basis', 'plan_type')
+import json
+_cand = json.load(open(r'D:/择校/运行暂存/agent_ingest_20261101/cand_tm0856_pdf.json', encoding='utf-8'))
+newpk = {tuple(c.get(k) or '' for k in PK) for c in _cand}
+NEW = [r for r in rows if tuple(r.get(k) or '' for k in PK) in newpk]
+OLD = [r for r in rows if tuple(r.get(k) or '' for k in PK) not in newpk]
+rep = []
+rep.append('# 推免表重复组普查(2026-11-02)')
+rep.append('')
+rep.append('- 表 %s 共 %d 行 / %d 校;本批 PDF 名单重做写入 %d 行 / %d 校,其余 %d 行为既有行'
+ % (TAB, len(rows), len({r['school'] for r in rows}), len(NEW),
+ len({r['school'] for r in NEW}), len(OLD)))
+rep.append('- 判据:分组键取与表 PRIMARY KEY 同粒度的 (校, 年, 院系, 院系码, 专业码, 专业名, '
+ '层次, basis, plan_type),组内出现 ≥2 个不同 local_file 才算重复;'
+ '跨 plan_type 同键另列(强基等是另一批人,不算重复)')
+rep.append('')
+
+groups = collections.defaultdict(list)
+for r in rows:
+ groups[(r['school'], r['year'], r['major_code'], r['major_name'], r['plan_type'])].append(r)
+dup = {k: v for k, v in groups.items() if len({x['local_file'] for x in v}) > 1}
+# 跨计划同键:不是重复计数(普通推免与强基是两批人),单独列出备查
+xplan = collections.defaultdict(list)
+for r in rows:
+ xplan[(r['school'], r['year'], r['major_code'], r['major_name'])].append(r)
+xdup = {k: v for k, v in xplan.items() if len({x['plan_type'] for x in v}) > 1}
+rep.append('## 一、总览')
+rep.append('')
+rep.append('| 指标 | 值 |')
+rep.append('|---|---|')
+rep.append('| 分组键总数(含 plan_type,与表主键同粒度) | %d |' % len(groups))
+rep.append('| 重复组数(同键 ≥2 个来源文件) | %d |' % len(dup))
+rep.append('| 重复组涉及行数 | %d |' % sum(len(v) for v in dup.values()))
+rep.append('| 重复组虚增人数(组内合计 − 组内最大值) | %d |'
+ % sum(sum(int(x['value']) for x in v) - max(int(x['value']) for x in v) for v in dup.values()))
+rep.append('| 同时有实测与名单推导两种 basis 的组 | %d |'
+ % sum(1 for v in dup.values() if len({x['basis'] for x in v}) > 1))
+rep.append('| 跨 plan_type 同键组(不算重复,另列) | %d |' % len(xdup))
+rep.append('')
+
+# 虚增人数最大的组
+worst = sorted(dup.items(),
+ key=lambda kv: -(sum(int(x['value']) for x in kv[1]) - max(int(x['value']) for x in kv[1])))
+rep.append('## 二、虚增最多的 15 组')
+rep.append('')
+rep.append('| 校 | 码 | 名 | 组内行 | 合计 | 取max | 虚增 | basis | 来源文件 |')
+rep.append('|---|---|---|---|---|---|---|---|---|')
+for k, v in worst[:15]:
+ tot, mx = sum(int(x['value']) for x in v), max(int(x['value']) for x in v)
+ rep.append('| %s | %s | %s | %d | %d | %d | **%d** | %s | %s |' % (
+ k[0], k[2], k[3], len(v), tot, mx, tot - mx,
+ '/'.join(sorted({x['basis'] for x in v})),
+ '
'.join((x['local_file'] or '-')[:40] for x in sorted(v, key=lambda y: -int(y['value'])))))
+rep.append('')
+
+rep.append('## 三、重复组按 basis 组合分类')
+rep.append('')
+combo = collections.Counter(
+ tuple(sorted({x['basis'] for x in v})) for v in dup.values())
+for cs, n in combo.most_common():
+ rep.append('- %s:%d 组' % (' + '.join(cs), n))
+rep.append('')
+
+# 关键问题:名单推导(roster) 与 官方计数(count_direct) 同键并存 → 两种口径各算一次
+both = {k: v for k, v in dup.items() if len({x['basis'] for x in v}) > 1}
+rep.append('## 四、实测与推导同键并存(%d 组)——这两种口径绝不能相加' % len(both))
+rep.append('')
+for k, v in list(both.items())[:20]:
+ per = collections.defaultdict(int)
+ for x in v:
+ per[(x['basis'], x['plan_type'])] += int(x['value'])
+ rep.append('- %s %s %s → %s' % (k[0], k[2], k[3], dict(per)))
+rep.append('')
+
+# 五、同 basis 内多来源文件(真正的重复计数风险)
+same_b = {k: v for k, v in dup.items() if len({x['basis'] for x in v}) == 1}
+rep.append('## 五、同 basis 内多来源文件(%d 组)' % len(same_b))
+rep.append('')
+sb = collections.Counter(tuple(sorted(x['basis'] for x in v)[:1]) for v in same_b.values())
+for cs, n in sb.most_common():
+ rep.append('- %s:%d 组' % (cs[0], n))
+rep.append('')
+rep.append('前 20 组明细:')
+rep.append('')
+rep.append('| 校 | 码 | 名 | 院系 | basis | 各行值/来源 |')
+rep.append('|---|---|---|---|---|---|')
+for k, v in list(same_b.items())[:20]:
+ rep.append('| %s | %s | %s | %s | %s | %s |' % (
+ k[0], k[2], k[3], (v[0]['college'] or '-')[:12], v[0]['basis'],
+ '
'.join('%s→%s' % (x['value'], (x['local_file'] or '-')[:34])
+ for x in sorted(v, key=lambda y: -int(y['value'])))))
+rep.append('')
+
+# 六、抽样复核:这些组里新写的一批是否就是同一份名单
+newkeys = collections.Counter((r['school'], r['year'], r['major_code'], r['major_name'],
+ r['plan_type']) for r in NEW)
+in_dup = sum(1 for k in newkeys if k in dup)
+rep.append('## 六、新写入行与重复组的关系')
+rep.append('')
+rep.append('- 新写 %d 校批次,键 %d 个,其中落在重复组里的 %d 个' % (
+ len({r['school'] for r in NEW}), len(newkeys), in_dup))
+rep.append('')
+cnt = collections.Counter()
+for k, v in dup.items():
+ if k in newkeys and len({x['basis'] for x in v}) > 1:
+ cnt['新行所在组且basis混用'] += 1
+ elif k in newkeys:
+ cnt['新行所在组,basis单一'] += 1
+for a, b in cnt.most_common():
+ rep.append('- %s:%d 组' % (a, b))
+rep.append('')
+
+# 判定
+tot_new = sum(int(r['value']) for r in NEW)
+tot_all = sum(int(r['value']) for r in rows)
+mx_fix = sum(sum(int(x['value']) for x in v) - max(int(x['value']) for x in v) for v in dup.values())
+rep.append('## 七、判定')
+rep.append('')
+rep.append('- 表内推免总人数(逐行相加)= %d;若每组只保留最大值则 = %d,差 %d。'
+ % (tot_all, tot_all - mx_fix, mx_fix))
+rep.append('- 重复组数 %d / 分组总数 %d,虚增占总量 %.1f%%。'
+ % (len(dup), len(groups), 100.0 * mx_fix / max(tot_all, 1)))
+rep.append('- 跨 plan_type 同键 %d 组(东南大学等把强基计划另出一份计数表)属**不同的人**,'
+ '相加正确,不计入重复。' % len(xdup))
+rep.append('- 结论按主键粒度给出:与表 PRIMARY KEY 同粒度的重复组 = %d,即库里不存在同键双来源;'
+ '上一版判据漏了 plan_type,把东南大学「普通推免 + 强基计划」两份公示误判成重复。' % len(dup))
+open(OUT, 'w', encoding='utf-8').write('\n'.join(rep) + '\n')
+print('\n'.join(rep[:14]))
+print('\n'.join(rep[-8:]))
+print('\n报告写入 %s;明细共 %d 行' % (OUT, len(rep)))