fix(security): 代码审查安全加固 — 三批次修复（6H/13M/12L）

第一批（快速修复）：
- H6: main.py --debug 默认值 True→False，防止 Werkzeug RCE
- M2+M3: /search 增加 validate_query + top_k 范围限制(1-50)
- M4: context_count 范围限制(0-10) + 异常捕获
- L3: assert → raise RuntimeError（生产环境 API Key 检查）
- H1: SSE 错误事件移除 traceback 字段

第二批（安全加固）：
- H2+H3: 文档接口路径遍历 realpath 校验 + 文件类型/大小限制
- H4+H5: 批量上传文件大小检查
- M6: LIKE 查询通配符转义
- M1: 37 处 str(e) 异常信息统一脱敏（6 文件）
- M5: CORS 生产环境限制来源
- M7: SESSION_MANAGER None 保护（503）
- M11: subprocess 参数注入防护（白名单 + -- 分隔符）

第三批（架构改进）：
- M8+M9: 提取 JSON 解析共享工具（extract_json_object/list）
- M10: Prompt 注入检测防御（prompt_guard.py）
- M12: 解析器文件大小限制（Excel 50MB/TXT 20MB/PDF 100MB）
- M13: 全局单例竞态条件双重检查锁定（engine/bm25/intent_analyzer）

parsers/excel_parser.py

@@ -24,6 +24,9 @@ logger = logging.getLogger(__name__)
 # 大表切片阈值
 MAX_ROWS_PER_CHUNK = 200
 
+# 文件大小限制
+MAX_FILE_SIZE = 50 * 1024 * 1024  # 50MB
+
 
 @dataclass
 class UnifiedChunk:
@@ -67,6 +70,13 @@ def parse_excel(
         }
     """
     filepath = Path(filepath)
+    
+    # 检查文件大小
+    if filepath.exists():
+        file_size = filepath.stat().st_size
+        if file_size > MAX_FILE_SIZE:
+            raise ValueError(f"文件过大: {file_size / 1024 / 1024:.1f}MB，最大允许 {MAX_FILE_SIZE / 1024 / 1024:.0f}MB")
+    
     if not filepath.exists():
         raise FileNotFoundError(f"文件不存在: {filepath}")
 

parsers/mineru_parser.py

@@ -46,6 +46,9 @@ import logging
 
 logger = logging.getLogger(__name__)
 
+# 文件大小限制
+MAX_PDF_SIZE = 100 * 1024 * 1024  # 100MB
+
 # 支持的文件格式
 SUPPORTED_FORMATS = {
     '.pdf': 'PDF 文档',
@@ -176,6 +179,11 @@ def parse_with_mineru_online(
     if not file_path.exists():
         raise FileNotFoundError(f"文件不存在: {file_path}")
 
+    # 检查文件大小
+    file_size = file_path.stat().st_size
+    if file_size > MAX_PDF_SIZE:
+        raise ValueError(f"文件过大: {file_size / 1024 / 1024:.1f}MB，最大允许 {MAX_PDF_SIZE / 1024 / 1024:.0f}MB")
+
     logger.info(f"使用 MinerU 在线 API 解析: {file_path.name}")
 
     # 读取文件内容
@@ -600,6 +608,11 @@ def parse_with_mineru(
     if not file_path.exists():
         raise FileNotFoundError(f"文件不存在: {file_path}")
 
+    # 检查文件大小
+    file_size = file_path.stat().st_size
+    if file_size > MAX_PDF_SIZE:
+        raise ValueError(f"文件过大: {file_size / 1024 / 1024:.1f}MB，最大允许 {MAX_PDF_SIZE / 1024 / 1024:.0f}MB")
+
     # 检查文件格式
     suffix = file_path.suffix.lower()
     if suffix not in SUPPORTED_FORMATS:
@@ -629,8 +642,17 @@ def parse_with_mineru(
     if not mineru_exe.exists():
         mineru_exe = "mineru"  # 回退到系统 PATH
 
+    # 参数白名单校验，防止注入非法参数
+    ALLOWED_BACKENDS = {'auto', 'pipeline', 'vlm', 'vlm-sglang', 'vlm-auto-engine', 'hybrid-auto-engine', 'ocr'}
+    ALLOWED_LANGS = {'ch', 'en', 'ch_lite', 'en_lite', 'formula', 'table'}
+    if backend not in ALLOWED_BACKENDS:
+        backend = 'pipeline'
+    if lang not in ALLOWED_LANGS:
+        lang = 'ch'
+
     cmd = [
         str(mineru_exe),
+        "--",
         "-p", str(file_path),
         "-o", str(output_dir),
         "-m", "auto",
@@ -1458,6 +1480,11 @@ def parse_with_mineru_persistent(
     if not file_path.exists():
         raise FileNotFoundError(f"文件不存在: {file_path}")
 
+    # 检查文件大小
+    file_size = file_path.stat().st_size
+    if file_size > MAX_PDF_SIZE:
+        raise ValueError(f"文件过大: {file_size / 1024 / 1024:.1f}MB，最大允许 {MAX_PDF_SIZE / 1024 / 1024:.0f}MB")
+
     # 计算文件 hash，用于隔离输出目录
     file_hash = compute_file_hash(str(file_path))
     output_dir = Path(output_base) / file_hash

parsers/txt_parser.py

@@ -5,12 +5,25 @@ TXT 文本解析器
 """
 
 import logging
+import os
 
 logger = logging.getLogger(__name__)
 
+# 文件大小限制
+MAX_TXT_SIZE = 20 * 1024 * 1024  # 20MB
+
 
 def extract_text_from_txt(filepath):
     """从TXT提取文本"""
+    # 检查文件大小
+    try:
+        file_size = os.path.getsize(filepath)
+        if file_size > MAX_TXT_SIZE:
+            logger.error(f"TXT文件过大: {file_size / 1024 / 1024:.1f}MB")
+            return ""
+    except OSError:
+        return ""
+    
     try:
         with open(filepath, 'r', encoding='utf-8') as f:
             return f.read()