docs(base): stabilize continuous-period sums

skills/lark-base/references/lark-base-data-query.md

@@ -316,6 +316,8 @@ value 使用预定义关键字机制，第一个元素为字符串常量名称
 > - **ExactDate 时区行为**：毫秒时间戳在实际筛选时会被转为**文档时区当天零点**，跨时区场景需注意日期可能偏移一天。
 > - **范围型关键字**（`CurrentWeek`、`LastWeek`、`CurrentMonth`、`LastMonth`、`TheLastWeek`、`TheNextWeek`、`TheLastMonth`、`TheNextMonth`）仅支持 `is` 运算符。
 > - **关键字大小写敏感**：`ExactDate`、`Today`、`CurrentWeek` 等首字母大写，写错大小写会导致校验失败。
+>
+> **本地日历范围边界**：`+data-query` 的 datetime 范围只有严格的 `isGreater` / `isLess`，不得把下界向前移动一天来模拟“包含起始日”，否则会把前一天的记录带入总体。对于可按日期重组的指标，可以移除有歧义的范围 filter，改为按日期字段作为 dimension、返回组成该指标且可合并的 measures，并显式设置 `pagination.limit=5000`；只有结果少于 5000 行时，才在本地按返回的日期值筛选并汇总到 `[start, next_start)`。结果达到上限或指标不能从日期维度结果准确重组时，返回统一 SOP 改走可完整导出的 NDJSON 路径，否则报告证据缺口。
 
 *`attachment`*
 

skills/lark-base/references/lark-base-record-query-and-analysis-sop.md

@@ -53,12 +53,13 @@ lark-cli base +record-list \
     ["关联项目", "intersects", [{"id": "rec_xxx"}]], // 关联项目包含某个 record_id；intersects 表示包含数组中任意一条关联
     ["备注", "non_empty"], // 格子非空；判断格子为空改用 ["备注", "empty"]
     ["业务日期", "==", "ExactDate(2026-08-07)"], // 具体一天：按 Base 时区匹配 2026-08-07 当天
-    ["发生时间", ">", "ExactDate(2024-01-31 23:59:59.999)"], // 日期不支持 >=；用 > 前一天最后一毫秒表达含当天的下界
-    ["发生时间", "<", "ExactDate(2024-03-01 00:00:00)"] // 2024 年 2 月范围上界：小于 3 月 1 日零点
+    ["发生时间", "<", "ExactDate(2024-03-01)"] // 范围上界：严格小于 3 月 1 日零点，得到 2 月区间的开区间上界；含首日的下界不要用 > 前一天最后一毫秒，改用下文半开区间 [start, next_start) 口径
   ]
 }
 ```
 
+`+record-list` 的 `datetime` 范围条件只使用严格的 `>` / `<`，不要套用通用 tuple 中的 `>=` / `<=`。`ExactDate(...)` 按 Base 时区的日期边界解释，也不能通过把下界前移一天来模拟“包含首日”。需要精确的本地日历半开区间 `[start, next_start)` 时，指标可按日期重组则使用下文 `+data-query` 的日期维度恢复路径；否则按本 SOP 完整导出 NDJSON，再用序列化值中的本地日期筛选。
+
 全表分析的常规资源链路是 `+table-list` 确认目标表，并用已有整表 `records_count` 或 NDJSON `has_more` 确认规模；对所有参与分析的表并发执行 `+field-list` 读取所需 schema，再按上述 NDJSON 契约用 `+record-list` 导出记录。已有可信的 `table_id` 时可直接并发读取各表 `+field-list`。`+view-get` 可按需读取，作为用户持久化访问习惯的可选参考；其中的 filter、sort 与字段范围可辅助理解用户常用的查询范围和排序偏好，并结合当前任务确定最终口径。
 
 1. 每次读取使用任务所需的最小投影，并包含 JOIN、解释、回查或写入需要的业务 key。
@@ -164,6 +165,10 @@ Agent 上下文曾下载过当前表的 NDJSON 时，按以下规则判断是否
 
 例如，`2026-03-20T23:30:00.000-05:00` 与 `2026-03-21T12:30:00.000+08:00` 表示同一时刻；前者若是来源 Base 的值，本地日报归入 3 月 20 日，而时长或排序计算应把它解析为绝对时刻。只构造任务实际需要的日期表示，并在分析引擎中使用具备 datetime 功能的列。
 
+连续日历区间分桶时，从用户请求的范围和粒度生成相邻、不重叠的半开区间 `[start, next_start)`；上界使用下一周期首日，不能把本周期最后一天复用为下一周期起点。
+
+使用 `+data-query` 时，日期 operator、`ExactDate` 以及无法直接表达本地日历边界时的精确恢复路径以 [lark-base-data-query.md](lark-base-data-query.md) 为准；恢复路径不适用时，按上文的谓词探测与 NDJSON 路由完整导出，再用序列化值中的本地日期分桶。无法完整返回或精确表达时，标记证据缺口，不得通过猜测时区或边界补出结果。
+
 ## 读取与关系建模
 
 仅在 SOP 已选择 Python 路径后，按实际实现方式只读一份示例：
@@ -179,6 +184,12 @@ Agent 上下文曾下载过当前表的 NDJSON 时，按以下规则判断是否
 
 ## 常见分析模式
 
+### 连续分期求和
+
+- 对按连续日历周期统计的 `sum`，在第一次用于支撑结论的计算前锁定数据源、求和字段、日期字段、完整范围、粒度和过滤条件；主计算、校验和最终答案复用这些口径。
+- 在把结果视为完整前，确认 `records_count` / `has_more` 或 Cloud 聚合覆盖目标范围，抽查范围边界记录，并将互斥、完整的分桶值之和与同口径全区间结果对账；不一致时先修正范围或计算。
+- 当用户要求覆盖完整周期的连续分期结果时，最终交付逐桶结果和同口径全区间合计；逐桶值、合计和趋势直接复用同一份已校验的结构化计算结果，提交前逐项核对。用户要求走势时，基于未舍入的分桶值给出相邻周期变化和首尾比较。
+
 ### 单表简单筛选与统计：jq
 
 NDJSON 每行是一条 record。单表短筛选、计数和简单聚合可直接用 jq；下面筛选“状态”包含“进行中”的记录，并统计记录数和金额合计：