feat: 更新 Mermaid 到 v11 并优化错误处理

- 更新 Mermaid 库版本从 v10 升级到 v11.12.2
- 优化错误处理逻辑，避免重复嵌套错误容器
- 修复查看源代码时可能出现的嵌套报错问题
- 改进渲染前检查，跳过已处理的错误容器和已渲染的图表
- 优化重新渲染逻辑，只处理成功渲染的图表，排除错误容器
- 增强代码提取逻辑，优先使用传入的代码参数
- 添加主题切换时的智能判断，避免不必要的重新渲染
- 更新 functions.php 中的 CDN 地址到 v11
- 更新 settings.php 中的预览功能 CDN 地址到 v11
- 改进错误容器的 DOM 结构，使用独立元素而非 innerHTML

.kiro/specs/ai-spam-detection-optimization/design.md

@@ -0,0 +1,911 @@
+# Design Document
+
+## Overview
+
+本设计文档描述了 Argon 主题 AI 垃圾评论检测优化功能的技术实现方案。系统采用模块化架构，将 Prompt 管理、置信度评分、上下文构建、学习机制等功能解耦，便于维护和扩展。
+
+核心设计理念：
+- **灵活性优先**：通过多级 Prompt 和可配置阈值适应不同场景
+- **准确性保障**：引入置信度评分和上下文信息提升判断质量
+- **成本可控**：提供不同模式平衡准确性和 API 费用
+- **持续优化**：通过学习机制不断改进检测效果
+
+## Architecture
+
+系统采用分层架构设计：
+
+```mermaid
+graph TB
+    subgraph "表现层"
+        A[设置界面] --> B[评论列表界面]
+    end
+    
+    subgraph "业务逻辑层"
+        C[AI_Detector 主控制器]
+        D[Prompt_Engine]
+        E[Context_Builder]
+        F[Learning_Module]
+        G[Threshold_Manager]
+    end
+    
+    subgraph "数据访问层"
+        H[WordPress Options API]
+        I[WordPress Comments API]
+        J[Feedback Database]
+    end
+    
+    subgraph "外部服务"
+        K[OpenAI API]
+        L[其他 AI Provider]
+    end
+    
+    A --> C
+    B --> C
+    C --> D
+    C --> E
+    C --> F
+    C --> G
+    D --> K
+    D --> L
+    E --> I
+    F --> J
+    G --> H
+    C --> H
+    C --> I
+```
+
+### 核心组件职责
+
+1. **AI_Detector**: 主控制器，协调各模块完成检测流程
+2. **Prompt_Engine**: 管理不同模式的 Prompt 模板，生成检测请求
+3. **Context_Builder**: 收集和构建评论上下文信息
+4. **Learning_Module**: 记录反馈数据，分析误判率，提供优化建议
+5. **Threshold_Manager**: 管理检测阈值和处理策略
+
+## Components and Interfaces
+
+### 1. Prompt_Engine
+
+**职责**: 管理和生成不同模式的 Prompt
+
+**接口**:
+```php
+class Argon_Spam_Prompt_Engine {
+    /**
+     * 获取指定模式的 Prompt
+     * @param string $mode 模式: minimal, standard, enhanced, custom
+     * @param array $context 评论上下文信息
+     * @return string 完整的 Prompt
+     */
+    public function get_prompt($mode, $context);
+    
+    /**
+     * 获取自定义 Prompt 模板
+     * @return string 自定义模板
+     */
+    public function get_custom_template();
+    
+    /**
+     * 保存自定义 Prompt 模板
+     * @param string $template 模板内容
+     * @return bool 是否成功
+     */
+    public function save_custom_template($template);
+    
+    /**
+     * 验证 Prompt 模板格式
+     * @param string $template 模板内容
+     * @return array ['valid' => bool, 'errors' => array]
+     */
+    public function validate_template($template);
+}
+```
+
+**Prompt 模板结构**:
+
+极简模式（minimal）:
+```
+你是一个垃圾评论检测助手。请判断以下评论是否为垃圾评论。
+
+评论内容: {content}
+评论者: {author}
+网站: {url}
+
+请以 JSON 格式返回:
+{
+  "is_spam": true/false,
+  "confidence": 0.0-1.0,
+  "reason": "简短理由"
+}
+```
+
+标准模式（standard）:
+```
+你是一个专业的垃圾评论检测助手。请根据以下标准判断评论是否为垃圾:
+1. 内容质量: 是否有实质性内容
+2. 相关性: 是否与文章主题相关
+3. 用户行为: 用户名、邮箱、网站是否可疑
+4. 语言特征: 是否包含垃圾评论常见模式
+
+评论信息:
+- 内容: {content}
+- 评论者: {author}
+- 邮箱域名: {email_domain}
+- 网站: {url}
+- 文章标题: {post_title}
+- 文章摘要: {post_excerpt}
+
+用户历史:
+- 历史评论数: {comment_count}
+- 通过率: {approval_rate}
+
+请以 JSON 格式返回:
+{
+  "is_spam": true/false,
+  "confidence": 0.0-1.0,
+  "reason": "详细理由",
+  "suggestion": "auto/review/approve"
+}
+```
+
+增强模式（enhanced）:
+```
+你是一个高级垃圾评论检测专家。请进行多维度深度分析:
+
+1. 内容合规性分析
+   - 是否包含违规内容
+   - 是否包含广告推广
+   - 是否包含恶意链接
+
+2. 内容质量分析
+   - 是否有实质性观点
+   - 语言表达是否自然
+   - 是否为复制粘贴内容
+
+3. 用户行为分析
+   - 用户名是否可疑（随机字符、营销词汇）
+   - 邮箱域名是否可信
+   - 网站是否为垃圾站点
+
+4. 上下文相关性分析
+   - 评论与文章主题的相关度
+   - 评论时间是否异常（批量发送）
+   - 用户历史行为是否正常
+
+评论信息:
+- 内容: {content}
+- 评论者: {author}
+- 邮箱域名: {email_domain}
+- 网站: {url}
+- IP 地址段: {ip_segment}
+- 评论时间: {comment_time}
+
+文章信息:
+- 标题: {post_title}
+- 摘要: {post_excerpt}
+- 分类: {post_category}
+
+用户历史:
+- 历史评论数: {comment_count}
+- 通过率: {approval_rate}
+- 最近评论时间: {last_comment_time}
+
+请以 JSON 格式返回:
+{
+  "is_spam": true/false,
+  "confidence": 0.0-1.0,
+  "reason": "综合分析理由",
+  "suggestion": "auto/review/approve",
+  "analysis": {
+    "content_compliance": "分析结果",
+    "content_quality": "分析结果",
+    "user_behavior": "分析结果",
+    "context_relevance": "分析结果"
+  }
+}
+```
+
+### 2. Context_Builder
+
+**职责**: 收集和构建评论上下文信息
+
+**接口**:
+```php
+class Argon_Spam_Context_Builder {
+    /**
+     * 构建评论上下文
+     * @param WP_Comment $comment 评论对象
+     * @param string $privacy_level 隐私级别: standard, strict
+     * @return array 上下文信息数组
+     */
+    public function build_context($comment, $privacy_level = 'standard');
+    
+    /**
+     * 获取文章信息
+     * @param int $post_id 文章 ID
+     * @return array ['title' => string, 'excerpt' => string, 'category' => string]
+     */
+    private function get_post_info($post_id);
+    
+    /**
+     * 获取用户历史统计
+     * @param string $email 用户邮箱
+     * @return array ['count' => int, 'approval_rate' => float, 'last_time' => string]
+     */
+    private function get_user_stats($email);
+    
+    /**
+     * 脱敏处理
+     * @param array $context 原始上下文
+     * @param string $privacy_level 隐私级别
+     * @return array 脱敏后的上下文
+     */
+    private function sanitize_context($context, $privacy_level);
+}
+```
+
+**上下文数据结构**:
+```php
+[
+    'content' => string,           // 评论内容
+    'author' => string,            // 评论者名称
+    'email_domain' => string,      // 邮箱域名（脱敏）
+    'url' => string,               // 网站 URL
+    'ip_segment' => string,        // IP 地址段（脱敏）
+    'comment_time' => string,      // 评论时间
+    'post_title' => string,        // 文章标题
+    'post_excerpt' => string,      // 文章摘要（截取 200 字符）
+    'post_category' => string,     // 文章分类
+    'comment_count' => int,        // 用户历史评论数
+    'approval_rate' => float,      // 用户评论通过率
+    'last_comment_time' => string  // 最近评论时间
+]
+```
+
+### 3. AI_Detector
+
+**职责**: 主控制器，协调检测流程
+
+**接口**:
+```php
+class Argon_Spam_AI_Detector {
+    /**
+     * 检测评论是否为垃圾
+     * @param WP_Comment $comment 评论对象
+     * @param bool $async 是否异步检测
+     * @return array 检测结果
+     */
+    public function detect($comment, $async = true);
+    
+    /**
+     * 处理检测结果
+     * @param WP_Comment $comment 评论对象
+     * @param array $result 检测结果
+     * @return void
+     */
+    public function process_result($comment, $result);
+    
+    /**
+     * 批量检测评论
+     * @param array $comment_ids 评论 ID 数组
+     * @param callable $progress_callback 进度回调函数
+     * @return array 检测结果统计
+     */
+    public function batch_detect($comment_ids, $progress_callback = null);
+    
+    /**
+     * 测试 Prompt
+     * @param string $content 测试内容
+     * @param string $mode Prompt 模式
+     * @return array 检测结果
+     */
+    public function test_prompt($content, $mode);
+}
+```
+
+**检测结果数据结构**:
+```php
+[
+    'is_spam' => bool,              // 是否垃圾评论
+    'confidence' => float,          // 置信度 0-1
+    'reason' => string,             // 判断理由
+    'suggestion' => string,         // 处理建议: auto/review/approve
+    'analysis' => array,            // 详细分析（仅增强模式）
+    'timestamp' => int,             // 检测时间戳
+    'mode' => string,               // 使用的 Prompt 模式
+    'api_provider' => string        // API 提供商
+]
+```
+
+### 4. Learning_Module
+
+**职责**: 记录反馈数据，分析误判率
+
+**接口**:
+```php
+class Argon_Spam_Learning_Module {
+    /**
+     * 记录反馈
+     * @param int $comment_id 评论 ID
+     * @param array $ai_result AI 检测结果
+     * @param string $admin_action 管理员操作: approve, spam, trash
+     * @return bool 是否成功
+     */
+    public function record_feedback($comment_id, $ai_result, $admin_action);
+    
+    /**
+     * 计算误判率
+     * @param int $days 统计天数
+     * @return array ['total' => int, 'false_positive' => int, 'false_negative' => int, 'rate' => float]
+     */
+    public function calculate_error_rate($days = 30);
+    
+    /**
+     * 获取优化建议
+     * @return array 建议列表
+     */
+    public function get_optimization_suggestions();
+    
+    /**
+     * 导出反馈数据
+     * @param int $days 导出天数
+     * @return string CSV 格式数据
+     */
+    public function export_feedback($days = 30);
+    
+    /**
+     * 获取统计数据
+     * @return array 统计信息
+     */
+    public function get_statistics();
+}
+```
+
+**反馈记录数据结构**:
+```php
+[
+    'comment_id' => int,
+    'ai_result' => array,           // AI 检测结果
+    'admin_action' => string,       // 管理员操作
+    'timestamp' => int,
+    'pattern_hash' => string,       // 评论特征哈希
+    'is_error' => bool              // 是否误判
+]
+```
+
+### 5. Threshold_Manager
+
+**职责**: 管理检测阈值和处理策略
+
+**接口**:
+```php
+class Argon_Spam_Threshold_Manager {
+    /**
+     * 获取当前阈值
+     * @return float 阈值 0.5-1.0
+     */
+    public function get_threshold();
+    
+    /**
+     * 设置阈值
+     * @param float $threshold 阈值
+     * @return bool 是否成功
+     */
+    public function set_threshold($threshold);
+    
+    /**
+     * 判断是否应该自动处理
+     * @param array $result 检测结果
+     * @return bool 是否自动处理
+     */
+    public function should_auto_process($result);
+    
+    /**
+     * 获取推荐配置
+     * @param string $blog_size 博客规模: small, medium, large
+     * @return array 推荐配置
+     */
+    public function get_recommended_config($blog_size);
+}
+```
+
+## Data Models
+
+### 1. 配置选项（WordPress Options）
+
+```php
+// Prompt 模式
+'argon_spam_detection_prompt_mode' => 'standard' // minimal, standard, enhanced, custom
+
+// 自定义 Prompt 模板
+'argon_spam_detection_custom_prompt' => ''
+
+// 检测阈值
+'argon_spam_detection_threshold' => 0.85 // 0.5-1.0
+
+// 智能抽查比例
+'argon_spam_detection_sample_rate' => 30 // 0-100
+
+// 隐私级别
+'argon_spam_detection_privacy_level' => 'standard' // standard, strict
+
+// API 配置
+'argon_spam_detection_api_provider' => 'openai' // openai, custom
+'argon_spam_detection_api_key' => ''
+'argon_spam_detection_api_endpoint' => ''
+
+// 实时检测开关
+'argon_spam_detection_realtime_enabled' => true
+
+// 自动禁用配置
+'argon_spam_detection_auto_disable_after_errors' => 3
+'argon_spam_detection_auto_disable_duration' => 3600 // 秒
+
+// 统计数据
+'argon_spam_detection_stats' => [
+    'total_detections' => 0,
+    'auto_processed' => 0,
+    'manual_reviewed' => 0,
+    'api_calls_this_month' => 0,
+    'last_reset_time' => 0
+]
+```
+
+### 2. 评论元数据（Comment Meta）
+
+```php
+// AI 检测结果
+'argon_spam_ai_result' => [
+    'is_spam' => bool,
+    'confidence' => float,
+    'reason' => string,
+    'suggestion' => string,
+    'analysis' => array,
+    'timestamp' => int,
+    'mode' => string,
+    'api_provider' => string
+]
+
+// 检测状态
+'argon_spam_detection_status' => 'pending' // pending, completed, failed
+
+// 重新检测次数
+'argon_spam_redetection_count' => 0
+```
+
+### 3. 反馈数据库表
+
+创建自定义表存储反馈数据：
+
+```sql
+CREATE TABLE {prefix}_argon_spam_feedback (
+    id BIGINT UNSIGNED NOT NULL AUTO_INCREMENT,
+    comment_id BIGINT UNSIGNED NOT NULL,
+    ai_is_spam TINYINT(1) NOT NULL,
+    ai_confidence FLOAT NOT NULL,
+    ai_reason TEXT,
+    ai_suggestion VARCHAR(20),
+    admin_action VARCHAR(20) NOT NULL,
+    is_error TINYINT(1) NOT NULL,
+    pattern_hash VARCHAR(64),
+    created_at DATETIME NOT NULL,
+    PRIMARY KEY (id),
+    KEY comment_id (comment_id),
+    KEY created_at (created_at),
+    KEY is_error (is_error)
+) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;
+```
+
+## Correctness Properties
+
+*属性是一个特征或行为，应该在系统的所有有效执行中保持为真——本质上是关于系统应该做什么的正式陈述。属性作为人类可读规范和机器可验证正确性保证之间的桥梁。*
+
+### Property 1: Prompt 模式完整性
+
+*对于任何* 上下文数据，Prompt_Engine 应该能够为所有三种预设模式（minimal、standard、enhanced）生成有效的 Prompt，且每个 Prompt 都包含 JSON 格式要求。
+
+**Validates: Requirements 1.1, 1.6**
+
+### Property 2: Token 消耗范围约束
+
+*对于任何* 上下文数据和任何预设模式，生成的 Prompt 的 token 消耗应该在该模式指定的范围内（极简：100-150，标准：200-300，增强：300-500）。
+
+**Validates: Requirements 1.2, 1.3, 1.4**
+
+### Property 3: 自定义模板往返一致性
+
+*对于任何* 有效的自定义 Prompt 模板字符串，保存后再读取应该得到相同的模板内容。
+
+**Validates: Requirements 1.5**
+
+### Property 4: 检测结果数据结构完整性
+
+*对于任何* 评论，AI_Detector 返回的结果应该包含 is_spam（布尔值）、confidence（0-1 范围的浮点数）、reason（字符串）、suggestion（字符串）四个必需字段。
+
+**Validates: Requirements 2.1, 2.2, 3.1**
+
+### Property 5: 置信度分类正确性
+
+*对于任何* 置信度值，系统应该根据以下规则正确分类：>= 0.9 为"非常确定"，0.7-0.9 为"比较确定"，0.5-0.7 为"中等确定"，< 0.5 为"不太确定"。
+
+**Validates: Requirements 2.3, 2.4, 2.5, 2.6**
+
+### Property 6: 处理建议逻辑正确性
+
+*对于任何* 检测结果和阈值配置，当 confidence >= threshold 且 is_spam = true 时应返回 "auto"，当 0.5 <= confidence < threshold 且 is_spam = true 时应返回 "review"，其他情况应返回 "approve"。
+
+**Validates: Requirements 3.2, 3.3, 3.4**
+
+### Property 7: 阈值配置往返一致性
+
+*对于任何* 有效的阈值值（0.5-1.0），保存后再读取应该得到相同的阈值。
+
+**Validates: Requirements 3.5**
+
+### Property 8: 评论处理状态正确性
+
+*对于任何* 评论和处理建议，当 suggestion = "auto" 时评论应被标记为垃圾，当 suggestion = "review" 时评论应被标记为待审核，当 suggestion = "approve" 时评论应被正常发布。
+
+**Validates: Requirements 3.6, 3.7, 3.8**
+
+### Property 9: 上下文数据完整性
+
+*对于任何* 评论，Context_Builder 构建的上下文应该包含文章标题、文章摘要、用户历史评论数、用户通过率、评论时间戳、IP 地址等所有必需字段。
+
+**Validates: Requirements 4.1, 4.2, 4.3**
+
+### Property 10: 上下文传递正确性
+
+*对于任何* 构建的上下文，生成的 Prompt 应该包含该上下文中的关键信息（如文章标题、评论内容等）。
+
+**Validates: Requirements 4.4**
+
+### Property 11: 敏感信息脱敏正确性
+
+*对于任何* 包含敏感信息的评论，Context_Builder 返回的上下文中的邮箱应只保留域名，IP 地址应只保留前两段。
+
+**Validates: Requirements 4.5, 10.1, 10.2**
+
+### Property 12: 摘要截取正确性
+
+*对于任何* 超过 200 字符的文章摘要，Context_Builder 返回的摘要应该被截取为 200 字符。
+
+**Validates: Requirements 4.6**
+
+### Property 13: 反馈记录完整性
+
+*对于任何* 管理员审核操作，Learning_Module 记录的反馈应该包含 AI 判断结果、管理员决策、时间戳、评论特征哈希等所有必需字段。
+
+**Validates: Requirements 5.1, 5.2**
+
+### Property 14: 误判率计算正确性
+
+*对于任何* 反馈数据集，Learning_Module 计算的误判率应该等于（误判数量 / 总检测数量）。
+
+**Validates: Requirements 5.3**
+
+### Property 15: 优化建议触发正确性
+
+*对于任何* 反馈数据集，当某类型评论的误判率超过 30% 时，Learning_Module 应该生成相应的优化建议。
+
+**Validates: Requirements 5.4**
+
+### Property 16: 反馈数据导出格式正确性
+
+*对于任何* 反馈数据集，导出的 CSV 数据应该包含所有必需列（comment_id、ai_result、admin_action、timestamp 等），且格式符合 CSV 标准。
+
+**Validates: Requirements 5.5**
+
+### Property 17: 统计数据准确性
+
+*对于任何* 反馈数据集，Learning_Module 返回的统计数据（总检测数、自动处理数、误判数）应该与实际数据一致。
+
+**Validates: Requirements 5.6**
+
+### Property 18: API 错误默认值正确性
+
+*对于任何* API 错误响应，AI_Detector 应该使用默认值（is_spam=false, confidence=0, suggestion="approve"）并允许评论正常发布。
+
+**Validates: Requirements 8.1, 8.2**
+
+### Property 19: 自动禁用机制正确性
+
+*对于任何* API 调用序列，当连续失败次数达到配置的阈值（默认 3 次）时，系统应该自动禁用实时检测指定时长（默认 1 小时）。
+
+**Validates: Requirements 8.3**
+
+### Property 20: 错误日志容量限制
+
+*对于任何* 错误日志序列，系统应该只保留最近的 N 条（默认 10 条）错误日志。
+
+**Validates: Requirements 8.4**
+
+### Property 21: 自动恢复机制正确性
+
+*对于任何* 被禁用的检测系统，当 API 调用成功时，系统应该自动重新启用实时检测。
+
+**Validates: Requirements 8.5**
+
+### Property 22: 手动恢复功能正确性
+
+*对于任何* 被禁用的检测系统，调用手动恢复功能后，系统应该立即重新启用实时检测并清除错误计数。
+
+**Validates: Requirements 8.6**
+
+### Property 23: 异步检测非阻塞性
+
+*对于任何* 评论提交，当异步检测启用时，评论提交操作应该在 API 调用完成前就返回成功响应。
+
+**Validates: Requirements 9.1**
+
+### Property 24: 状态更新正确性
+
+*对于任何* 评论和 API 响应，当 API 返回结果后，评论的状态应该根据处理建议正确更新（auto → 垃圾/回收站，review → 待审核，approve → 已发布）。
+
+**Validates: Requirements 9.3**
+
+### Property 25: 批量扫描完整性
+
+*对于任何* 评论 ID 列表，批量扫描功能应该对列表中的每个评论都执行检测，且返回的结果数量应该等于输入的评论数量。
+
+**Validates: Requirements 9.4**
+
+### Property 26: 队列限速正确性
+
+*对于任何* 批量扫描操作，API 调用的频率应该不超过配置的速率限制（如每秒最多 N 次调用）。
+
+**Validates: Requirements 9.5**
+
+### Property 27: 缓存一致性
+
+*对于任何* 用户邮箱，在缓存有效期内多次查询该用户的历史统计应该返回相同的结果，且只执行一次数据库查询。
+
+**Validates: Requirements 9.6**
+
+### Property 28: 隐私保护完整性
+
+*对于任何* 评论和隐私级别配置，发送给 API 的数据不应包含用户的真实姓名、完整邮箱（标准模式）或任何用户标识信息（严格模式）。
+
+**Validates: Requirements 10.3, 10.5**
+
+### Property 29: 隐私级别配置往返一致性
+
+*对于任何* 有效的隐私级别值（standard 或 strict），保存后再读取应该得到相同的配置。
+
+**Validates: Requirements 10.4**
+
+## Error Handling
+
+### API 错误处理
+
+1. **连接超时**：
+   - 超时时间：30 秒
+   - 处理：记录错误日志，使用默认值，允许评论发布
+   - 重试：不自动重试，由自动禁用机制控制
+
+2. **API 返回错误状态码**：
+   - 4xx 错误：记录错误，使用默认值，不计入连续失败
+   - 5xx 错误：记录错误，使用默认值，计入连续失败
+   - 速率限制（429）：延迟重试，不计入连续失败
+
+3. **响应格式错误**：
+   - JSON 解析失败：记录错误，使用默认值
+   - 缺少必需字段：记录警告，使用默认值填充
+   - 字段类型错误：记录警告，尝试类型转换
+
+4. **自动禁用机制**：
+   - 触发条件：连续失败 N 次（默认 3 次）
+   - 禁用时长：M 分钟（默认 60 分钟）
+   - 恢复条件：时间到期或手动恢复或 API 调用成功
+   - 通知：在管理后台显示禁用状态和原因
+
+### 数据验证错误
+
+1. **评论数据不完整**：
+   - 缺少必需字段：记录警告，跳过检测
+   - 字段格式错误：记录警告，尝试修复或跳过
+
+2. **配置数据无效**：
+   - 阈值超出范围：使用默认值 0.85
+   - 模式不存在：使用默认模式 standard
+   - 自定义模板格式错误：显示错误提示，不保存
+
+3. **上下文构建失败**：
+   - 文章不存在：使用空字符串
+   - 用户历史查询失败：使用默认值（count=0, rate=0）
+   - 数据库错误：记录错误，使用最小上下文
+
+### 数据库错误
+
+1. **反馈记录失败**：
+   - 记录错误日志
+   - 不影响评论处理流程
+   - 在管理后台显示警告
+
+2. **统计查询失败**：
+   - 返回空数据或默认值
+   - 在管理后台显示错误提示
+
+3. **批量操作失败**：
+   - 记录失败的评论 ID
+   - 继续处理剩余评论
+   - 在完成后显示失败列表
+
+## Testing Strategy
+
+### 测试方法
+
+本项目采用双重测试策略：
+
+1. **单元测试**：验证具体示例、边缘情况和错误条件
+2. **属性测试**：验证通用属性在所有输入下的正确性
+
+两种测试方法互补，共同保证系统的正确性和健壮性。
+
+### 单元测试重点
+
+单元测试应关注以下方面：
+
+1. **具体示例**：
+   - 典型的垃圾评论示例
+   - 典型的正常评论示例
+   - 边界值测试（置信度 0.5, 0.85, 0.9 等）
+
+2. **边缘情况**：
+   - 空评论内容
+   - 超长评论内容
+   - 特殊字符和 Unicode
+   - 文章不存在
+   - 用户无历史记录
+
+3. **错误条件**：
+   - API 超时
+   - API 返回错误
+   - 数据库连接失败
+   - 配置数据无效
+
+4. **集成点**：
+   - WordPress 钩子集成
+   - 评论状态更新
+   - 管理后台显示
+
+### 属性测试配置
+
+**测试库选择**：
+- PHP: PHPUnit + Eris (Property-Based Testing)
+- 或使用 Pest + Pest Property Testing Plugin
+
+**测试配置**：
+- 每个属性测试最少运行 100 次迭代
+- 使用随机种子确保可重现性
+- 失败时自动缩小（shrinking）到最小失败案例
+
+**属性测试标签格式**：
+```php
+/**
+ * @test
+ * Feature: ai-spam-detection-optimization, Property 1: Prompt 模式完整性
+ */
+public function test_prompt_mode_completeness() {
+    // 属性测试实现
+}
+```
+
+### 测试数据生成
+
+**生成器定义**：
+
+1. **评论生成器**：
+   - 随机内容（1-1000 字符）
+   - 随机作者名（1-50 字符）
+   - 随机邮箱（有效格式）
+   - 随机 URL（有效格式或空）
+   - 随机 IP 地址
+
+2. **上下文生成器**：
+   - 随机文章标题（1-200 字符）
+   - 随机文章摘要（0-500 字符）
+   - 随机用户历史（count: 0-1000, rate: 0-1）
+
+3. **配置生成器**：
+   - 随机阈值（0.5-1.0）
+   - 随机模式（minimal, standard, enhanced）
+   - 随机隐私级别（standard, strict）
+
+4. **API 响应生成器**：
+   - 随机 is_spam（true/false）
+   - 随机 confidence（0-1）
+   - 随机 reason（1-200 字符）
+   - 随机 suggestion（auto/review/approve）
+
+### 测试覆盖率目标
+
+- **代码覆盖率**：> 80%
+- **分支覆盖率**：> 75%
+- **属性测试覆盖**：所有 29 个正确性属性
+- **单元测试覆盖**：所有核心函数和边缘情况
+
+### 性能测试
+
+1. **响应时间测试**：
+   - 评论提交响应时间 < 100ms（异步模式）
+   - 同步检测响应时间 < 3s
+   - 批量扫描 100 条评论 < 5 分钟
+
+2. **并发测试**：
+   - 模拟 10 个并发评论提交
+   - 验证无数据竞争和死锁
+
+3. **负载测试**：
+   - 批量扫描 1000 条评论
+   - 验证内存使用 < 256MB
+   - 验证数据库查询次数合理
+
+### 集成测试
+
+1. **WordPress 集成**：
+   - 测试评论提交钩子
+   - 测试评论状态更新
+   - 测试管理后台显示
+
+2. **API 集成**：
+   - 测试 OpenAI API 调用
+   - 测试自定义 API 端点
+   - 测试错误处理
+
+3. **数据库集成**：
+   - 测试反馈记录存储
+   - 测试统计数据查询
+   - 测试批量操作
+
+### 测试环境
+
+1. **本地开发环境**：
+   - PHP 7.4+
+   - WordPress 5.8+
+   - MySQL 5.7+
+   - PHPUnit 9.5+
+
+2. **CI/CD 环境**：
+   - GitHub Actions 或类似 CI 工具
+   - 自动运行所有测试
+   - 代码覆盖率报告
+
+3. **测试数据**：
+   - 使用 WordPress Test Suite
+   - 创建测试数据库
+   - 使用 mock API 响应
+
+### 测试执行顺序
+
+1. **快速测试**（< 1 分钟）：
+   - 单元测试
+   - 快速属性测试（10 次迭代）
+
+2. **完整测试**（< 10 分钟）：
+   - 所有单元测试
+   - 完整属性测试（100 次迭代）
+   - 集成测试
+
+3. **性能测试**（< 30 分钟）：
+   - 响应时间测试
+   - 并发测试
+   - 负载测试
+
+### 测试维护
+
+1. **定期更新**：
+   - 随着需求变化更新测试
+   - 添加新发现的边缘情况
+   - 优化慢速测试
+
+2. **失败分析**：
+   - 记录所有测试失败
+   - 分析失败原因
+   - 修复或更新测试
+
+3. **覆盖率监控**：
+   - 定期检查覆盖率报告
+   - 识别未覆盖的代码
+   - 添加缺失的测试
+

.kiro/specs/ai-spam-detection-optimization/requirements.md

@@ -0,0 +1,151 @@
+# Requirements Document
+
+## Introduction
+
+本文档定义了 Argon 主题 AI 垃圾评论检测功能的优化需求。当前系统已实现基础的 AI 检测功能，但在灵活性、准确性和成本控制方面存在不足。本次优化旨在通过引入多级 Prompt 系统、置信度评分、智能处理建议和学习机制，提升检测准确率并降低误判率。
+
+## Glossary
+
+- **AI_Detector**: AI 垃圾评论检测系统
+- **Prompt_Engine**: Prompt 生成和管理引擎
+- **Confidence_Score**: 置信度评分，范围 0-1，表示 AI 判断的确定性
+- **Processing_Suggestion**: 处理建议，包括 auto（自动处理）、review（人工审核）、approve（直接通过）
+- **Context_Builder**: 上下文信息构建器，收集评论相关的文章、用户历史等信息
+- **Learning_Module**: 学习模块，记录和分析管理员审核决策
+- **Detection_Threshold**: 检测阈值，用于判断是否自动处理的置信度临界值
+- **Comment_Context**: 评论上下文，包括文章信息、用户历史、时间戳等
+- **Feedback_Record**: 反馈记录，存储 AI 判断和管理员决策的对比数据
+
+## Requirements
+
+### Requirement 1: 多级 Prompt 系统
+
+**User Story:** 作为博客管理员，我希望能够选择不同的检测模式，以便在准确性和 API 成本之间取得平衡。
+
+#### Acceptance Criteria
+
+1. THE Prompt_Engine SHALL 提供三种预设模式：极简模式（minimal）、标准模式（standard）、增强模式（enhanced）
+2. WHEN 管理员选择极简模式 THEN THE Prompt_Engine SHALL 生成 token 消耗约 100-150 的 Prompt
+3. WHEN 管理员选择标准模式 THEN THE Prompt_Engine SHALL 生成 token 消耗约 200-300 的 Prompt
+4. WHEN 管理员选择增强模式 THEN THE Prompt_Engine SHALL 生成 token 消耗约 300-500 的 Prompt
+5. WHERE 管理员选择自定义模式 THE Prompt_Engine SHALL 允许管理员编辑自定义 Prompt 模板
+6. THE Prompt_Engine SHALL 在每个 Prompt 中包含明确的输出格式要求（JSON 格式）
+
+### Requirement 2: 置信度评分系统
+
+**User Story:** 作为博客管理员，我希望 AI 能够提供置信度评分，以便我了解判断的可靠性并做出相应决策。
+
+#### Acceptance Criteria
+
+1. WHEN AI_Detector 分析评论 THEN THE AI_Detector SHALL 返回 0-1 范围的 Confidence_Score
+2. THE AI_Detector SHALL 在返回结果中包含 is_spam（布尔值）、confidence（浮点数）、reason（字符串）三个字段
+3. WHEN Confidence_Score >= 0.9 THEN THE AI_Detector SHALL 标记为"非常确定"
+4. WHEN 0.7 <= Confidence_Score < 0.9 THEN THE AI_Detector SHALL 标记为"比较确定"
+5. WHEN 0.5 <= Confidence_Score < 0.7 THEN THE AI_Detector SHALL 标记为"中等确定"
+6. WHEN Confidence_Score < 0.5 THEN THE AI_Detector SHALL 标记为"不太确定"
+
+### Requirement 3: 智能处理建议
+
+**User Story:** 作为博客管理员，我希望系统能够根据置信度自动决定处理方式，以便减少人工审核工作量。
+
+#### Acceptance Criteria
+
+1. THE AI_Detector SHALL 在返回结果中包含 Processing_Suggestion 字段
+2. WHEN Confidence_Score >= Detection_Threshold AND is_spam = true THEN THE AI_Detector SHALL 返回 suggestion = "auto"
+3. WHEN 0.5 <= Confidence_Score < Detection_Threshold AND is_spam = true THEN THE AI_Detector SHALL 返回 suggestion = "review"
+4. WHEN Confidence_Score < 0.5 OR is_spam = false THEN THE AI_Detector SHALL 返回 suggestion = "approve"
+5. THE AI_Detector SHALL 允许管理员在设置中配置 Detection_Threshold（默认值 0.85）
+6. WHEN suggestion = "auto" THEN THE AI_Detector SHALL 自动将评论标记为垃圾或移至回收站
+7. WHEN suggestion = "review" THEN THE AI_Detector SHALL 将评论标记为待审核状态
+8. WHEN suggestion = "approve" THEN THE AI_Detector SHALL 允许评论正常发布并记录低置信度日志
+
+### Requirement 4: 上下文信息增强
+
+**User Story:** 作为博客管理员，我希望 AI 能够结合文章内容和用户历史进行判断，以便提高检测准确性。
+
+#### Acceptance Criteria
+
+1. THE Context_Builder SHALL 收集评论所属文章的标题和摘要
+2. THE Context_Builder SHALL 收集评论者的历史评论数量和通过率
+3. THE Context_Builder SHALL 收集评论的时间戳和 IP 地址
+4. WHEN 构建检测请求 THEN THE Context_Builder SHALL 将 Comment_Context 包含在 Prompt 中
+5. THE Context_Builder SHALL 对敏感信息（如完整邮箱）进行脱敏处理
+6. WHERE 文章摘要超过 200 字符 THE Context_Builder SHALL 截取前 200 字符
+
+### Requirement 5: 学习优化机制
+
+**User Story:** 作为博客管理员，我希望系统能够从我的审核决策中学习，以便不断优化检测准确性。
+
+#### Acceptance Criteria
+
+1. WHEN 管理员批准或拒绝 AI 标记的评论 THEN THE Learning_Module SHALL 记录 Feedback_Record
+2. THE Feedback_Record SHALL 包含 AI 判断结果、管理员决策、时间戳、评论特征哈希
+3. THE Learning_Module SHALL 定期分析 Feedback_Record 计算误判率
+4. WHEN 某类型评论的误判率 > 30% THEN THE Learning_Module SHALL 在管理后台显示优化建议
+5. THE Learning_Module SHALL 提供"导出反馈数据"功能用于分析
+6. THE Learning_Module SHALL 在设置页面显示当前的准确率统计（总检测数、自动处理数、误判数）
+
+### Requirement 6: 设置界面优化
+
+**User Story:** 作为博客管理员，我希望有清晰的设置界面来配置检测参数，以便根据博客规模调整策略。
+
+#### Acceptance Criteria
+
+1. THE AI_Detector SHALL 在设置页面提供 Prompt 模式选择下拉框
+2. THE AI_Detector SHALL 在设置页面提供 Detection_Threshold 滑块（范围 0.5-1.0，步长 0.05）
+3. THE AI_Detector SHALL 在设置页面提供"智能抽查比例"设置（范围 0-100%）
+4. THE AI_Detector SHALL 在设置页面显示当前月份的 API 调用统计和预估费用
+5. THE AI_Detector SHALL 提供"测试 Prompt"功能，允许管理员输入示例评论测试检测效果
+6. THE AI_Detector SHALL 在设置页面提供不同博客规模的推荐配置模板
+
+### Requirement 7: 后台显示增强
+
+**User Story:** 作为博客管理员，我希望在评论列表中看到 AI 检测结果的详细信息，以便快速做出审核决策。
+
+#### Acceptance Criteria
+
+1. WHEN 评论被 AI 检测 THEN THE AI_Detector SHALL 在评论列表显示置信度标签
+2. THE AI_Detector SHALL 使用不同颜色标识不同置信度等级（红色：>0.9，橙色：0.7-0.9，黄色：0.5-0.7）
+3. WHEN 鼠标悬停在置信度标签上 THEN THE AI_Detector SHALL 显示详细的分析原因
+4. THE AI_Detector SHALL 在评论详情页显示完整的 AI 分析报告
+5. THE AI_Detector SHALL 提供"重新检测"按钮允许管理员使用不同模式重新分析
+6. WHEN 管理员批准或拒绝 AI 判断 THEN THE AI_Detector SHALL 显示反馈已记录的提示
+
+### Requirement 8: API 错误处理
+
+**User Story:** 作为博客管理员，我希望系统能够优雅地处理 API 错误，以便在 API 不可用时不影响评论功能。
+
+#### Acceptance Criteria
+
+1. WHEN API 请求失败 THEN THE AI_Detector SHALL 记录错误日志并允许评论正常发布
+2. WHEN API 返回格式错误 THEN THE AI_Detector SHALL 使用默认值（is_spam=false, confidence=0, suggestion="approve"）
+3. THE AI_Detector SHALL 在连续失败 3 次后自动禁用实时检测 1 小时
+4. THE AI_Detector SHALL 在设置页面显示最近的 API 错误日志（最多 10 条）
+5. WHEN API 恢复正常 THEN THE AI_Detector SHALL 自动重新启用实时检测
+6. THE AI_Detector SHALL 提供"手动重试"按钮允许管理员立即恢复检测
+
+### Requirement 9: 性能优化
+
+**User Story:** 作为博客管理员，我希望 AI 检测不会显著影响评论提交速度，以便保持良好的用户体验。
+
+#### Acceptance Criteria
+
+1. THE AI_Detector SHALL 使用异步方式调用 API，不阻塞评论提交
+2. WHEN 实时检测启用 THEN THE AI_Detector SHALL 在评论提交后立即返回"评论已提交，正在审核中"
+3. THE AI_Detector SHALL 在 API 响应后更新评论状态（通过或待审核）
+4. THE AI_Detector SHALL 提供"批量扫描"功能，允许管理员对现有评论进行批量检测
+5. WHEN 批量扫描运行 THEN THE AI_Detector SHALL 使用队列机制避免 API 速率限制
+6. THE AI_Detector SHALL 缓存用户历史统计数据，避免重复查询数据库
+
+### Requirement 10: 数据隐私保护
+
+**User Story:** 作为博客管理员，我希望系统在发送数据给 AI 时保护用户隐私，以便符合数据保护法规。
+
+#### Acceptance Criteria
+
+1. THE AI_Detector SHALL 对邮箱地址进行脱敏处理（仅保留域名）
+2. THE AI_Detector SHALL 对 IP 地址进行脱敏处理（仅保留前两段）
+3. THE AI_Detector SHALL 不发送用户的真实姓名和联系方式
+4. THE AI_Detector SHALL 在设置页面提供"数据脱敏级别"选项（标准/严格）
+5. WHERE 严格模式启用 THE AI_Detector SHALL 不发送任何用户标识信息
+6. THE AI_Detector SHALL 在隐私政策中说明 AI 检测功能的数据使用方式

.kiro/specs/ai-spam-detection-optimization/tasks.md

@@ -0,0 +1,407 @@
+# Implementation Plan: AI 垃圾评论检测优化
+
+## Overview
+
+本实施计划将 AI 垃圾评论检测功能从基础版本升级为具有多级 Prompt、置信度评分、智能处理建议和学习机制的完整系统。实施采用模块化方式，每个核心组件独立开发和测试，最后进行集成。
+
+实施策略：
+- 先实现核心组件（Prompt_Engine, Context_Builder, AI_Detector）
+- 再实现辅助组件（Learning_Module, Threshold_Manager）
+- 然后实现数据库和设置界面
+- 最后进行集成测试和优化
+
+## Tasks
+
+- [x] 1. 数据库表创建和初始化
+  - 创建反馈数据表 `{prefix}_argon_spam_feedback`
+  - 添加必要的索引（comment_id, created_at, is_error）
+  - 实现数据库升级函数，在主题激活时自动创建表
+  - _Requirements: 5.1, 5.2_
+
+- [x] 2. 实现 Prompt_Engine 核心功能
+  - [x] 2.1 创建 Argon_Spam_Prompt_Engine 类
+    - 实现 get_prompt() 方法，支持三种预设模式
+    - 实现 get_custom_template() 和 save_custom_template() 方法
+    - 实现 validate_template() 方法验证模板格式
+    - _Requirements: 1.1, 1.5, 1.6_
+
+
+  - [ ]* 2.2 编写 Prompt_Engine 属性测试
+    - **Property 1: Prompt 模式完整性**
+    - **Validates: Requirements 1.1, 1.6**
+
+  - [ ]* 2.3 编写 Prompt_Engine 属性测试
+    - **Property 2: Token 消耗范围约束**
+    - **Validates: Requirements 1.2, 1.3, 1.4**
+
+  - [ ]* 2.4 编写 Prompt_Engine 属性测试
+    - **Property 3: 自定义模板往返一致性**
+    - **Validates: Requirements 1.5**
+
+  - [ ]* 2.5 编写 Prompt_Engine 单元测试
+    - 测试三种预设模式的 Prompt 生成
+    - 测试自定义模板的保存和读取
+    - 测试模板验证功能（有效和无效模板）
+    - 测试边缘情况（空模板、超长模板、特殊字符）
+    - _Requirements: 1.1, 1.5, 1.6_
+
+- [x] 3. 实现 Context_Builder 核心功能
+  - [x] 3.1 创建 Argon_Spam_Context_Builder 类
+    - 实现 build_context() 方法收集评论上下文
+    - 实现 get_post_info() 方法获取文章信息
+    - 实现 get_user_stats() 方法获取用户历史统计
+    - 实现 sanitize_context() 方法进行隐私脱敏
+    - 添加缓存机制优化用户历史查询性能
+    - _Requirements: 4.1, 4.2, 4.3, 4.5, 9.6_
+
+  - [ ]* 3.2 编写 Context_Builder 属性测试
+    - **Property 9: 上下文数据完整性**
+    - **Validates: Requirements 4.1, 4.2, 4.3**
+
+  - [ ]* 3.3 编写 Context_Builder 属性测试
+    - **Property 10: 上下文传递正确性**
+    - **Validates: Requirements 4.4**
+
+  - [ ]* 3.4 编写 Context_Builder 属性测试
+    - **Property 11: 敏感信息脱敏正确性**
+    - **Validates: Requirements 4.5, 10.1, 10.2**
+
+  - [ ]* 3.5 编写 Context_Builder 属性测试
+    - **Property 12: 摘要截取正确性**
+    - **Validates: Requirements 4.6**
+
+  - [ ]* 3.6 编写 Context_Builder 单元测试
+    - 测试文章信息获取（存在和不存在的文章）
+    - 测试用户历史统计（有历史和无历史的用户）
+    - 测试隐私脱敏（标准和严格模式）
+    - 测试摘要截取（短摘要和长摘要）
+    - 测试缓存机制（重复查询应使用缓存）
+    - _Requirements: 4.1, 4.2, 4.3, 4.5, 4.6, 9.6_
+
+- [x] 4. 实现 Threshold_Manager 核心功能
+  - [x] 4.1 创建 Argon_Spam_Threshold_Manager 类
+    - 实现 get_threshold() 和 set_threshold() 方法
+    - 实现 should_auto_process() 方法判断是否自动处理
+    - 实现 get_recommended_config() 方法提供推荐配置
+    - _Requirements: 3.5, 6.6_
+
+  - [ ]* 4.2 编写 Threshold_Manager 属性测试
+    - **Property 6: 处理建议逻辑正确性**
+    - **Validates: Requirements 3.2, 3.3, 3.4**
+
+  - [ ]* 4.3 编写 Threshold_Manager 属性测试
+    - **Property 7: 阈值配置往返一致性**
+    - **Validates: Requirements 3.5**
+
+  - [ ]* 4.4 编写 Threshold_Manager 单元测试
+    - 测试阈值的保存和读取
+    - 测试自动处理判断逻辑（各种置信度和阈值组合）
+    - 测试推荐配置（小型、中型、大型博客）
+    - 测试边界值（阈值 0.5, 0.85, 1.0）
+    - _Requirements: 3.2, 3.3, 3.4, 3.5, 6.6_
+
+- [x] 5. 实现 AI_Detector 主控制器
+  - [x] 5.1 创建 Argon_Spam_AI_Detector 类
+    - 实现 detect() 方法协调检测流程
+    - 实现 process_result() 方法处理检测结果
+    - 实现 batch_detect() 方法批量检测评论
+    - 实现 test_prompt() 方法测试 Prompt 效果
+    - 集成 Prompt_Engine、Context_Builder、Threshold_Manager
+    - 实现异步检测机制（使用 WordPress Cron 或 Action Scheduler）
+    - _Requirements: 2.1, 2.2, 3.1, 9.1, 9.2, 9.3, 9.4_
+
+  - [ ]* 5.2 编写 AI_Detector 属性测试
+    - **Property 4: 检测结果数据结构完整性**
+    - **Validates: Requirements 2.1, 2.2, 3.1**
+
+  - [ ]* 5.3 编写 AI_Detector 属性测试
+    - **Property 5: 置信度分类正确性**
+    - **Validates: Requirements 2.3, 2.4, 2.5, 2.6**
+
+  - [ ]* 5.4 编写 AI_Detector 属性测试
+    - **Property 8: 评论处理状态正确性**
+    - **Validates: Requirements 3.6, 3.7, 3.8**
+
+  - [ ]* 5.5 编写 AI_Detector 单元测试
+    - 测试检测流程（同步和异步模式）
+    - 测试结果处理（auto、review、approve 三种建议）
+    - 测试批量检测（小批量和大批量）
+    - 测试 Prompt 测试功能
+    - 测试错误处理（API 超时、返回错误等）
+    - _Requirements: 2.1, 2.2, 3.1, 3.6, 3.7, 3.8, 9.1, 9.2, 9.3, 9.4_
+
+- [x] 6. Checkpoint - 核心组件测试
+  - 确保所有核心组件测试通过，询问用户是否有问题
+
+- [x] 7. 实现 API 错误处理机制
+  - [x] 7.1 实现错误处理和自动禁用功能
+    - 实现连接超时处理（30 秒超时）
+    - 实现错误状态码处理（4xx、5xx、429）
+    - 实现响应格式错误处理（JSON 解析失败、字段缺失）
+    - 实现自动禁用机制（连续失败 N 次后禁用 M 分钟）
+    - 实现手动恢复功能
+    - 实现错误日志记录（最多保留 10 条）
+    - _Requirements: 8.1, 8.2, 8.3, 8.4, 8.5, 8.6_
+
+  - [ ]* 7.2 编写 API 错误处理属性测试
+    - **Property 18: API 错误默认值正确性**
+    - **Validates: Requirements 8.1, 8.2**
+
+  - [ ]* 7.3 编写 API 错误处理属性测试
+    - **Property 19: 自动禁用机制正确性**
+    - **Validates: Requirements 8.3**
+
+  - [ ]* 7.4 编写 API 错误处理属性测试
+    - **Property 20: 错误日志容量限制**
+    - **Validates: Requirements 8.4**
+
+  - [ ]* 7.5 编写 API 错误处理属性测试
+    - **Property 21: 自动恢复机制正确性**
+    - **Validates: Requirements 8.5**
+
+  - [ ]* 7.6 编写 API 错误处理属性测试
+    - **Property 22: 手动恢复功能正确性**
+    - **Validates: Requirements 8.6**
+
+  - [ ]* 7.7 编写 API 错误处理单元测试
+    - 测试各种错误场景（超时、4xx、5xx、429、格式错误）
+    - 测试自动禁用触发和恢复
+    - 测试手动恢复功能
+    - 测试错误日志记录和容量限制
+    - _Requirements: 8.1, 8.2, 8.3, 8.4, 8.5, 8.6_
+
+- [x] 8. 实现性能优化功能
+  - [x] 8.1 实现异步检测和批量扫描
+    - 优化异步检测流程（使用 WordPress Cron 或 Action Scheduler）
+    - 实现批量扫描队列机制（避免 API 速率限制）
+    - 实现进度回调和状态更新
+    - 优化数据库查询（使用缓存和批量查询）
+    - _Requirements: 9.1, 9.2, 9.3, 9.4, 9.5, 9.6_
+
+  - [ ]* 8.2 编写性能优化属性测试
+    - **Property 23: 异步检测非阻塞性**
+    - **Validates: Requirements 9.1**
+
+  - [ ]* 8.3 编写性能优化属性测试
+    - **Property 24: 状态更新正确性**
+    - **Validates: Requirements 9.3**
+
+  - [ ]* 8.4 编写性能优化属性测试
+    - **Property 25: 批量扫描完整性**
+    - **Validates: Requirements 9.4**
+
+  - [ ]* 8.5 编写性能优化属性测试
+    - **Property 26: 队列限速正确性**
+    - **Validates: Requirements 9.5**
+
+  - [ ]* 8.6 编写性能优化属性测试
+    - **Property 27: 缓存一致性**
+    - **Validates: Requirements 9.6**
+
+  - [ ]* 8.7 编写性能优化单元测试
+    - 测试异步检测（评论提交响应时间 < 100ms）
+    - 测试批量扫描（100 条评论 < 5 分钟）
+    - 测试队列限速（每秒最多 N 次调用）
+    - 测试缓存机制（重复查询使用缓存）
+    - _Requirements: 9.1, 9.2, 9.3, 9.4, 9.5, 9.6_
+
+- [x] 9. 实现 Learning_Module 学习机制
+  - [x] 9.1 创建 Argon_Spam_Learning_Module 类
+    - 实现 record_feedback() 方法记录反馈
+    - 实现 calculate_error_rate() 方法计算误判率
+    - 实现 get_optimization_suggestions() 方法生成优化建议
+    - 实现 export_feedback() 方法导出反馈数据
+    - 实现 get_statistics() 方法获取统计数据
+    - _Requirements: 5.1, 5.2, 5.3, 5.4, 5.5, 5.6_
+
+  - [ ]* 9.2 编写 Learning_Module 属性测试
+    - **Property 13: 反馈记录完整性**
+    - **Validates: Requirements 5.1, 5.2**
+
+  - [ ]* 9.3 编写 Learning_Module 属性测试
+    - **Property 14: 误判率计算正确性**
+    - **Validates: Requirements 5.3**
+
+  - [ ]* 9.4 编写 Learning_Module 属性测试
+    - **Property 15: 优化建议触发正确性**
+    - **Validates: Requirements 5.4**
+
+  - [ ]* 9.5 编写 Learning_Module 属性测试
+    - **Property 16: 反馈数据导出格式正确性**
+    - **Validates: Requirements 5.5**
+
+  - [ ]* 9.6 编写 Learning_Module 属性测试
+    - **Property 17: 统计数据准确性**
+    - **Validates: Requirements 5.6**
+
+  - [ ]* 9.7 编写 Learning_Module 单元测试
+    - 测试反馈记录（各种管理员操作）
+    - 测试误判率计算（不同数据集）
+    - 测试优化建议生成（误判率 > 30%）
+    - 测试反馈数据导出（CSV 格式）
+    - 测试统计数据获取（准确性验证）
+    - _Requirements: 5.1, 5.2, 5.3, 5.4, 5.5, 5.6_
+
+- [x] 10. Checkpoint - 辅助组件测试
+  - 确保所有辅助组件测试通过，询问用户是否有问题
+
+- [x] 11. 实现隐私保护功能
+  - [x] 11.1 实现数据脱敏和隐私保护
+    - 在 Context_Builder 中实现邮箱脱敏（仅保留域名）
+    - 在 Context_Builder 中实现 IP 脱敏（仅保留前两段）
+    - 实现隐私级别配置（标准/严格）
+    - 在严格模式下不发送任何用户标识信息
+    - _Requirements: 10.1, 10.2, 10.3, 10.4, 10.5_
+
+  - [ ]* 11.2 编写隐私保护属性测试
+    - **Property 28: 隐私保护完整性**
+    - **Validates: Requirements 10.3, 10.5**
+
+  - [ ]* 11.3 编写隐私保护属性测试
+    - **Property 29: 隐私级别配置往返一致性**
+    - **Validates: Requirements 10.4**
+
+  - [ ]* 11.4 编写隐私保护单元测试
+    - 测试邮箱脱敏（标准和严格模式）
+    - 测试 IP 脱敏（标准和严格模式）
+    - 测试隐私级别配置保存和读取
+    - 测试严格模式下不发送用户标识信息
+    - _Requirements: 10.1, 10.2, 10.3, 10.4, 10.5_
+
+- [x] 12. 实现设置界面
+  - [x] 12.1 创建设置页面 UI
+    - 添加 Prompt 模式选择下拉框（极简/标准/增强/自定义）
+    - 添加自定义 Prompt 编辑器（仅在自定义模式下显示）
+    - 添加检测阈值滑块（0.5-1.0，步长 0.05）
+    - 添加智能抽查比例设置（0-100%）
+    - 添加隐私级别选择（标准/严格）
+    - 添加 API 配置（提供商、密钥、端点）
+    - 显示当前月份 API 调用统计和预估费用
+    - 添加"测试 Prompt"功能（输入示例评论测试效果）
+    - 提供不同博客规模的推荐配置模板
+    - 显示最近的 API 错误日志（最多 10 条）
+    - 添加"手动重试"按钮恢复检测
+    - _Requirements: 6.1, 6.2, 6.3, 6.4, 6.5, 6.6, 8.4, 8.6_
+
+  - [x] 12.2 实现设置保存和验证
+    - 实现设置保存逻辑（使用 WordPress Options API）
+    - 实现设置验证（阈值范围、模式有效性等）
+    - 实现测试 Prompt 功能（调用 AI_Detector.test_prompt()）
+    - 实现推荐配置应用功能
+    - 实现手动重试功能
+    - _Requirements: 6.1, 6.2, 6.3, 6.4, 6.5, 6.6, 8.6_
+
+  - [ ]* 12.3 编写设置界面单元测试
+    - 测试设置保存和读取
+    - 测试设置验证（有效和无效值）
+    - 测试测试 Prompt 功能
+    - 测试推荐配置应用
+    - 测试手动重试功能
+    - _Requirements: 6.1, 6.2, 6.3, 6.4, 6.5, 6.6, 8.6_
+
+- [x] 13. 实现后台显示增强
+  - [x] 13.1 增强评论列表显示
+    - 在评论列表添加置信度标签（不同颜色表示不同等级）
+    - 实现鼠标悬停显示详细分析原因
+    - 在评论详情页显示完整 AI 分析报告
+    - 添加"重新检测"按钮（支持选择不同模式）
+    - 在管理员操作后显示"反馈已记录"提示
+    - _Requirements: 7.1, 7.2, 7.3, 7.4, 7.5, 7.6_
+
+  - [x] 13.2 集成 Learning_Module 反馈记录
+    - 在管理员批准/拒绝评论时调用 Learning_Module.record_feedback()
+    - 在评论列表显示反馈状态
+    - 在设置页面显示准确率统计
+    - _Requirements: 5.1, 5.6, 7.6_
+
+  - [ ]* 13.3 编写后台显示单元测试
+    - 测试置信度标签显示（各种置信度值）
+    - 测试详细分析显示
+    - 测试重新检测功能
+    - 测试反馈记录集成
+    - _Requirements: 7.1, 7.2, 7.3, 7.4, 7.5, 7.6_
+
+- [x] 14. Checkpoint - UI 和集成测试
+  - 确保所有 UI 和集成功能正常工作，询问用户是否有问题
+
+- [x] 15. 集成 WordPress 钩子
+  - [x] 15.1 集成评论提交钩子
+    - 在 `pre_comment_approved` 钩子中调用 AI_Detector.detect()
+    - 根据检测结果决定评论状态（auto/review/approve）
+    - 实现智能抽查逻辑（根据配置的抽查比例）
+    - _Requirements: 3.6, 3.7, 3.8, 6.3, 9.1, 9.2_
+
+  - [x] 15.2 集成评论管理钩子
+    - 在 `wp_set_comment_status` 钩子中调用 Learning_Module.record_feedback()
+    - 在 `edit_comment` 钩子中更新检测结果
+    - _Requirements: 5.1, 7.6_
+
+  - [x] 15.3 集成主题激活钩子
+    - 在主题激活时创建数据库表
+    - 初始化默认配置
+    - _Requirements: 5.1_
+
+  - [ ]* 15.4 编写 WordPress 集成测试
+    - 测试评论提交流程（各种检测结果）
+    - 测试评论状态更新
+    - 测试反馈记录
+    - 测试主题激活初始化
+    - _Requirements: 3.6, 3.7, 3.8, 5.1, 9.1, 9.2_
+
+- [x] 16. 性能测试和优化
+  - [ ]* 16.1 运行性能测试
+    - 测试评论提交响应时间（目标 < 100ms）
+    - 测试同步检测响应时间（目标 < 3s）
+    - 测试批量扫描性能（100 条评论 < 5 分钟）
+    - 测试并发评论提交（10 个并发）
+    - 测试内存使用（批量扫描 1000 条评论 < 256MB）
+    - _Requirements: 9.1, 9.2, 9.4_
+
+  - [x] 16.2 优化性能瓶颈
+    - 根据性能测试结果优化慢速代码
+    - 优化数据库查询（添加索引、使用缓存）
+    - 优化 API 调用（批量处理、限速）
+    - _Requirements: 9.4, 9.5, 9.6_
+
+- [x] 17. 文档和用户指南
+  - [x] 17.1 编写开发文档
+    - 编写 API 文档（所有公共方法）
+    - 编写架构文档（组件关系和数据流）
+    - 编写测试文档（如何运行测试）
+    - 编写贡献指南（如何添加新功能）
+
+  - [x] 17.2 编写用户指南
+    - 编写设置指南（如何配置各项参数）
+    - 编写使用指南（如何使用各项功能）
+    - 编写故障排除指南（常见问题和解决方案）
+    - 编写最佳实践指南（不同博客规模的推荐配置）
+
+- [x] 18. 最终集成测试
+  - [ ]* 18.1 运行完整测试套件
+    - 运行所有单元测试
+    - 运行所有属性测试（100 次迭代）
+    - 运行所有集成测试
+    - 运行性能测试
+    - 生成代码覆盖率报告（目标 > 80%）
+
+  - [x] 18.2 手动测试关键流程
+    - 测试评论提交和检测流程
+    - 测试管理员审核和反馈记录
+    - 测试批量扫描功能
+    - 测试设置界面和配置保存
+    - 测试错误处理和自动禁用
+    - 测试隐私保护功能
+
+- [x] 19. Final Checkpoint - 完整功能验证
+  - 确保所有功能正常工作，所有测试通过，询问用户是否准备发布
+
+## Notes
+
+- 任务标记 `*` 的为可选测试任务，可根据项目进度决定是否实施
+- 每个任务都引用了相关的需求编号，便于追溯
+- Checkpoint 任务用于阶段性验证，确保增量开发的质量
+- 属性测试使用 PHPUnit + Eris 或 Pest + Pest Property Testing Plugin
+- 每个属性测试最少运行 100 次迭代
+- 单元测试关注具体示例、边缘情况和错误条件
+- 集成测试验证组件之间的协作和 WordPress 集成
+- 性能测试确保系统满足响应时间和资源使用要求

.kiro/specs/resource-cpu-optimization/tasks.md

@@ -14,7 +14,7 @@
 	- 设置模块导出和初始化接口
 	- _需求：1.1, 2.1, 3.1_
 
-- [~] 2. 实现 DOM 缓存模块
+- [ ] 2. 实现 DOM 缓存模块
 	- [x] 2.1 创建 ArgonDOMCache 类
 		- 实现构造函数和 Map 存储结构
 		- 实现 init() 方法缓存常用元素
@@ -30,7 +30,7 @@
 		- 测试缓存清空功能
 		- _需求：1.5_
 
-- [~] 3. 实现事件管理模块
+- [ ] 3. 实现事件管理模块
 	- [x] 3.1 创建 ArgonEventManager 类基础结构
 		- 实现构造函数和监听器注册表
 		- 实现 on()、off()、clear() 方法
@@ -60,7 +60,7 @@
 - [x] 4. 检查点 - 基础模块验证
 	- 确保所有测试通过，询问用户是否有问题
 
-- [~] 5. 实现资源加载模块
+- [ ] 5. 实现资源加载模块
 	- [x] 5.1 创建 ArgonResourceLoader 类
 		- 实现构造函数和加载状态管理
 		- 实现 loadScript() 异步加载方法
@@ -82,7 +82,7 @@
 		- 测试加载失败降级方案
 		- _需求：19.4_
 
-- [~] 6. 实现渲染优化模块
+- [ ] 6. 实现渲染优化模块
 	- [x] 6.1 创建 ArgonRenderOptimizer 类
 		- 实现构造函数和读写队列
 		- 实现 read() 和 write() 方法

argontheme.js

@@ -4907,6 +4907,18 @@ void 0;
 		renderChart(element, index) {
 			const chartId = `mermaid-chart-${Date.now()}-${index}`;
 
+			// 检查是否已经是错误容器（避免重复处理错误）
+			if (element.classList && element.classList.contains('mermaid-error-container')) {
+				this.logDebug(`元素已经是错误容器，跳过: ${chartId}`);
+				return;
+			}
+
+			// 检查是否已经是渲染成功的容器（避免重复渲染）
+			if (element.classList && element.classList.contains('mermaid-container') && element.dataset.mermaidCode) {
+				this.logDebug(`图表已成功渲染，跳过: ${chartId}`);
+				return;
+			}
+
 			// 检查是否已渲染（避免重复渲染）
 			if (this.rendered.has(element)) {
 				this.logDebug(`图表已渲染，跳过: ${chartId}`);
@@ -4963,7 +4975,9 @@ void 0;
 					container.dataset.currentTheme = this.getMermaidTheme();
 
 					// 替换原始代码块
-					element.parentNode.replaceChild(container, element);
+					if (element.parentNode) {
+						element.parentNode.replaceChild(container, element);
+					}
 
 					// 标记为已渲染
 					this.rendered.add(container);
@@ -5035,31 +5049,72 @@ void 0;
 		handleRenderError(element, error, code) {
 			this.logError('图表渲染失败', error);
 
+			// 如果元素已经是错误容器，避免重复嵌套
+			if (element.classList && element.classList.contains('mermaid-error-container')) {
+				this.logDebug('元素已经是错误容器，跳过重复处理');
+				return;
+			}
+
+			// 提取原始代码（优先使用传入的 code，其次从元素中提取）
+			let originalCode = code;
+			if (!originalCode) {
+				// 尝试从不同类型的元素中提取代码
+				if (element.dataset && element.dataset.mermaidCode) {
+					originalCode = element.dataset.mermaidCode;
+				} else if (element.textContent) {
+					originalCode = element.textContent.trim();
+				}
+			}
+
 			// 创建错误提示容器
 			const errorContainer = document.createElement('div');
 			errorContainer.className = 'mermaid-error-container';
+			errorContainer.dataset.errorHandled = 'true'; // 标记已处理
 
 			// 提取错误信息
 			const errorMessage = error.message || '未知错误';
 			const errorType = this.getErrorType(errorMessage);
 
-			errorContainer.innerHTML = `
+			// 创建错误显示结构
-				<div class="mermaid-error-header">
+			const errorHeader = document.createElement('div');
-					<span class="mermaid-error-icon">⚠️</span>
+			errorHeader.className = 'mermaid-error-header';
-					<span class="mermaid-error-title">Mermaid 图表渲染失败</span>
+			errorHeader.innerHTML = `
-				</div>
+				<span class="mermaid-error-icon">⚠️</span>
-				<div class="mermaid-error-body">
+				<span class="mermaid-error-title">Mermaid 图表渲染失败</span>
-					<p class="mermaid-error-type">错误类型: ${errorType}</p>
-					<p class="mermaid-error-message">${this.escapeHtml(errorMessage)}</p>
-				</div>
-				<details class="mermaid-error-code">
-					<summary>查看原始代码</summary>
-					<pre><code class="language-mermaid">${this.escapeHtml(code || element.textContent)}</code></pre>
-				</details>
 			`;
 
+			const errorBody = document.createElement('div');
+			errorBody.className = 'mermaid-error-body';
+			errorBody.innerHTML = `
+				<p class="mermaid-error-type">错误类型: ${errorType}</p>
+				<p class="mermaid-error-message">${this.escapeHtml(errorMessage)}</p>
+			`;
+
+			// 创建代码查看区域
+			const codeDetails = document.createElement('details');
+			codeDetails.className = 'mermaid-error-code';
+			
+			const codeSummary = document.createElement('summary');
+			codeSummary.textContent = '查看原始代码';
+			
+			const codeBlock = document.createElement('pre');
+			const codeElement = document.createElement('code');
+			codeElement.className = 'language-mermaid';
+			codeElement.textContent = originalCode || '(无法提取代码)';
+			
+			codeBlock.appendChild(codeElement);
+			codeDetails.appendChild(codeSummary);
+			codeDetails.appendChild(codeBlock);
+
+			// 组装错误容器
+			errorContainer.appendChild(errorHeader);
+			errorContainer.appendChild(errorBody);
+			errorContainer.appendChild(codeDetails);
+
 			// 替换原始代码块
-			element.parentNode.replaceChild(errorContainer, element);
+			if (element.parentNode) {
+				element.parentNode.replaceChild(errorContainer, element);
+			}
 		},
 
 		/**
@@ -5155,7 +5210,8 @@ void 0;
 		 * 重新渲染所有图表（主题切换时）
 		 */
 		reRenderCharts() {
-			const charts = document.querySelectorAll('.mermaid-container');
+			// 只选择成功渲染的图表容器，排除错误容器
+			const charts = document.querySelectorAll('.mermaid-container:not(.mermaid-error-container)');
 			
 			if (charts.length === 0) {
 				return;
@@ -5190,6 +5246,13 @@ void 0;
 				charts.forEach((chart, index) => {
 					const code = chart.dataset.mermaidCode;
 					if (!code) {
+						this.logDebug('图表缺少原始代码，跳过重新渲染');
+						return;
+					}
+
+					// 检查主题是否真的需要更新
+					if (chart.dataset.currentTheme === newTheme) {
+						this.logDebug('图表主题未改变，跳过重新渲染');
 						return;
 					}
 
@@ -5209,6 +5272,8 @@ void 0;
 						this.logDebug(`图表重新渲染成功: ${chartId}`);
 					}).catch(error => {
 						this.logError('图表重新渲染失败', error);
+						// 重新渲染失败时，不替换为错误容器，保持原样
+						// 因为之前已经成功渲染过，只是主题切换失败
 					});
 				});
 

functions.php

@@ -9256,8 +9256,8 @@ function argon_get_mermaid_library_url() {
 	
 	// 根据 CDN 来源返回对应的 URL
 	$cdn_urls = [
-		'jsdelivr' => 'https://cdn.jsdelivr.net/npm/mermaid@10/dist/mermaid.min.js',
+		'jsdelivr' => 'https://cdn.jsdelivr.net/npm/mermaid@11/dist/mermaid.min.js',
-		'unpkg' => 'https://unpkg.com/mermaid@10/dist/mermaid.min.js',
+		'unpkg' => 'https://unpkg.com/mermaid@11/dist/mermaid.min.js',
 		'local' => get_template_directory_uri() . '/assets/vendor/mermaid/mermaid.min.js'
 	];
 	
@@ -9283,8 +9283,8 @@ function argon_get_mermaid_library_url() {
  */
 function argon_get_mermaid_fallback_urls() {
 	return [
-		'https://cdn.jsdelivr.net/npm/mermaid@10/dist/mermaid.min.js',
+		'https://cdn.jsdelivr.net/npm/mermaid@11/dist/mermaid.min.js',
-		'https://unpkg.com/mermaid@10/dist/mermaid.min.js',
+		'https://unpkg.com/mermaid@11/dist/mermaid.min.js',
 		get_template_directory_uri() . '/assets/vendor/mermaid/mermaid.min.js'
 	];
 }

settings.php

@@ -3117,7 +3117,7 @@ function themeoptions_page(){
 						<th><label><?php _e('自定义 CDN 地址', 'argon');?></label></th>
 						<td>
 							<input type="text" class="regular-text" name="argon_mermaid_cdn_custom_url" value="<?php echo get_option('argon_mermaid_cdn_custom_url', ''); ?>" placeholder="https://example.com/mermaid.min.js"/>
-							<p class="description"><?php _e('当 CDN 来源选择"自定义 CDN 地址"时生效。请输入完整的 Mermaid 库 URL（必须以 .js 结尾）', 'argon');?></p>
+							<p class="description"><?php _e('当 CDN 来源选择"自定义 CDN 地址"时生效。请输入完整的 Mermaid 库 URL（必须以 .js 结尾）。推荐使用 Mermaid v11 或更高版本', 'argon');?></p>
 						</td>
 					</tr>
 
@@ -3384,7 +3384,7 @@ function themeoptions_page(){
 									// 动态加载 Mermaid 库
 									if (typeof mermaid === 'undefined') {
 										const script = document.createElement('script');
-										script.src = 'https://cdn.jsdelivr.net/npm/mermaid@10/dist/mermaid.min.js';
+										script.src = 'https://cdn.jsdelivr.net/npm/mermaid@11/dist/mermaid.min.js';
 										script.onload = function() {
 											renderMermaid(code);
 										};