chore: 登录机制核实 + 样本离线渲染验证

- 登录: JSEncrypt RSA-2048, login2(/admin/tenant/auth), token=data.accessToken
- tools/validate_samples.py: 复现 #17 散点/#18 网格等值面, 验证解析+色阶+异常逻辑
- 量化两剖面几何(夹角77.7度,十字支撑), 佐证可信体数据依赖(需>=3线/3D网格)
- spec §8 更新登录细节; _validate 产物已忽略

.gitignore

@@ -38,6 +38,7 @@ docs/proto*.jpeg
 docs/tenant_login*.jpeg
 docs/docx_media/
 docs/_docx_media/
+docs/_validate/
 
 # ---- Large redundant archive (sample data kept unpacked in folder) ----
 docs/剖面网格数据的色阶数据2等文件.tar

docs/superpowers/specs/2026-06-07-geopro-desktop-m1-design.md

@@ -221,6 +221,8 @@ IDatasetRepository {
 - **API 基址** `http://tenant.geomative.cn/pop-api`（openresty 反代；OpenAPI 的 `/admin/*`、`/business/*` 加 `/pop-api` 前缀）。
 - **认证头** `geomativeauthorization: Geomative <token>`（不透明会话令牌，非 JWT）。
 - **登录三步**：① `GET /business/system/personalUser/getImageCode`→验证码图+`codeId` → ② `POST /business/system/personalUser/verifyCodeCheck {code,codeId}` → ③ `POST /admin/tenant/auth/login2 {username, password=RSA加密, checkCode}`→token。
+- **密码加密 = JSEncrypt RSA-2048**（前端 vendor 用 JSEncrypt 库；密文 base64 ~344 字符 = 256 字节）。token 取响应 **`data.accessToken`**（值即 `"Geomative <hash>"`，存 web localStorage `token`）。
+- 另有 `/email`、`/phone` 登录支线（非 M1）。
 - 登录后：`getInfo` / `list-menus` / `enterprise/info` / `enterprise/joined/list`。
 
 ### 8.2 实现要点
@@ -234,7 +236,7 @@ IDatasetRepository {
 
 抓取的真实流程里**未见 refresh-token 实际使用，login2 只返不透明会话 token**。因此：
 
-- **RSA 公钥来源**待确认（内置 vs 接口取）。
+- **RSA 公钥常量**待精确提取（机制已定：JSEncrypt RSA-2048；公钥在某懒加载 login 分包，实现登录时现场提取即可）。
 - **token 生命周期 / 是否有 refresh 机制**待确认。据此二选一设计：
   - (a) 有 refresh token → 标准静默刷新、401 静默续期。
   - (b) 仅会话 token → 「免登录」= 持久化会话 token 至其有效期；**到期/401 引导用户重新登录（含验证码），不声称静默重登**。

tools/validate_samples.py

@@ -0,0 +1,126 @@
+#!/usr/bin/env python3
+# -*- coding: utf-8 -*-
+"""
+样本数据离线验证 / 渲染基准生成器。
+
+用途：在未搭好 Qt/VTK 环境前，用 Python(matplotlib) 复现剖面散点(#17)、网格等值面(#18)
+渲染效果，验证「样本解析 + colorBar 色阶映射 + 异常叠加」逻辑正确；并量化两条剖面的几何
+关系，为 dd_voxel 可信度(设计 §10/§14 K-10)提供依据。
+
+产出的 PNG 作为后续 VTK 渲染的「地面真值」对照图。
+
+运行：
+    python tools/validate_samples.py
+输出：docs/_validate/ref_17_scatter.png, ref_18_grid.png（该目录已 .gitignore）
+
+依赖：numpy, matplotlib
+"""
+import json
+import os
+import re
+import sys
+
+import numpy as np
+import matplotlib
+matplotlib.use("Agg")
+import matplotlib.pyplot as plt
+from matplotlib.colors import ListedColormap, BoundaryNorm
+
+DATA = os.path.join(os.path.dirname(__file__), "..", "docs", "剖面网格数据的色阶数据2等文件")
+OUT = os.path.join(os.path.dirname(__file__), "..", "docs", "_validate")
+
+
+def load(name):
+    with open(os.path.join(DATA, name), encoding="utf-8") as f:
+        return json.load(f)["data"]
+
+
+def parse_color(c):
+    """支持 #RRGGBB 与 rgba(r,g,b,a)；返回 0-1 RGB。"""
+    c = c.strip()
+    if c.startswith("#"):
+        return (int(c[1:3], 16) / 255, int(c[3:5], 16) / 255, int(c[5:7], 16) / 255)
+    nums = re.findall(r"[\d.]+", c)
+    return (float(nums[0]) / 255, float(nums[1]) / 255, float(nums[2]) / 255)
+
+
+def colorbar(cb):
+    """colorBar: [[value, color], ...] -> (sorted values, colors)。"""
+    pairs = sorted(((float(v), parse_color(c)) for v, c in cb), key=lambda p: p[0])
+    return np.array([p[0] for p in pairs]), [p[1] for p in pairs]
+
+
+def render_scatter():
+    raw = load("剖面原数据1.txt")
+    vals, cols = colorbar(load("剖面原数据的色阶数据1.txt")["properties"]["colorBar"])
+    x, y, v = np.array(raw["xlist"]), np.array(raw["ylist"]), np.array(raw["vlist"])
+    cmap = ListedColormap(cols)
+    norm = BoundaryNorm(np.append(vals, vals[-1] * 1.2), cmap.N)
+    plt.figure(figsize=(11, 3.2))
+    plt.scatter(x, y, c=v, cmap=cmap, norm=norm, s=6, marker="s")
+    plt.gca().invert_yaxis()
+    plt.title("scatter (raw profile) ~#17")
+    plt.colorbar(shrink=0.7)
+    plt.tight_layout()
+    plt.savefig(os.path.join(OUT, "ref_17_scatter.png"), dpi=90)
+    plt.close()
+    print(f"[#17] pts={len(x)} x[{x.min():.1f},{x.max():.1f}] "
+          f"y[{y.min():.1f},{y.max():.1f}] v[{v.min():.1f},{v.max():.1f}]")
+
+
+def render_grid():
+    g = load("剖面网格数据1.txt")
+    vals, cols = colorbar(load("剖面网格数据的色阶数据1.txt")["properties"]["colorBar"])
+    gx, gy, gv = np.array(g["x"]), np.array(g["y"]), np.array(g["v"])  # gv: [22][100]
+    X, Y = np.meshgrid(gx, gy)
+    plt.figure(figsize=(11, 3.0))
+    cf = plt.contourf(X, Y, gv, levels=vals, colors=cols[:len(vals) - 1])
+    plt.contour(X, Y, gv, levels=vals, colors="k", linewidths=0.4)
+    for a in load("剖面网格数据1——对应的异常圈定数据.txt"):
+        coord = a.get("location", {}).get("coordinate", [])
+        if coord and isinstance(coord[0], dict):
+            plt.plot([p["x"] for p in coord], [p["y"] for p in coord], "k--", lw=1.5)
+    plt.gca().invert_yaxis()
+    plt.title("grid bands + contour + anomaly ~#18")
+    plt.colorbar(cf, shrink=0.7)
+    plt.tight_layout()
+    plt.savefig(os.path.join(OUT, "ref_18_grid.png"), dpi=90)
+    plt.close()
+    print(f"[#18] grid V{gv.shape} vmin/max {g['vmin']:.1f}/{g['vmax']:.1f}")
+
+
+def analyze_voxel_geometry():
+    """量化两条剖面几何关系：判断 dd_voxel 三维插值的数据支撑充分性。"""
+    def line(name):
+        r = load(name)
+        return np.column_stack([r["projectXList"], r["projectYList"]])
+
+    def principal_dir(p):
+        c = p - p.mean(0)
+        _, _, vt = np.linalg.svd(c, full_matrices=False)
+        return vt[0], p.mean(0)
+
+    p1, p2 = line("剖面原数据1.txt"), line("剖面原数据2.txt")
+    d1, c1 = principal_dir(p1)
+    d2, c2 = principal_dir(p2)
+    ang = np.degrees(np.arccos(abs(np.clip(d1 @ d2, -1, 1))))
+    n1 = np.array([-d1[1], d1[0]])
+    perp_gap = abs((c2 - c1) @ n1)
+    print(f"[voxel] line1 pts={len(p1)} line2 pts={len(p2)} | "
+          f"angle={ang:.1f}deg perp_gap={perp_gap:.1f}m "
+          f"=> {'crossing' if ang > 30 else 'sub-parallel'}; "
+          f"volume between lines is interpolated/extrapolated "
+          f"(credible voxel needs >=3 lines or a 3D grid)")
+
+
+def main():
+    os.makedirs(OUT, exist_ok=True)
+    render_scatter()
+    render_grid()
+    analyze_voxel_geometry()
+    print("written:", sorted(os.listdir(OUT)))
+
+
+if __name__ == "__main__":
+    sys.stdout.reconfigure(encoding="utf-8")
+    main()