feat(review): agent 侧虚拟工具 inspect_region —— 按可读分辨率放大指定区域

解决三个缺口：① 放大没复用标定/瓦片数学（LLM 一次 zoom 只出一张，宽区域仍读不清）；
②「看清没」由 VLM 自评（易过度自信/幻觉）；③ 只能按 handle / 手算 bbox 指认，
图上看到但没 handle 的东西指认不了。

核心思路：把「放大」升级成一个语义化工具——LLM 只指认「要看哪里」，由 agent 复用
tiling.py 的标定数学算出该切几张、每张覆盖多大，用构造保证可读。

新增 dwg_review/inspect.py（agent 侧，不编 DLL）：
- TOOL_SCHEMA：inspect_region(target, purpose)；target 三形态 {handle} / {window} /
  {label,cx,cy,span}，purpose = text(8px) / line(6px)。
- InspectState：单图框内「截图标签 → 世界可见范围」登记表，支持逐级下钻
  （返回的 inspect-N 可继续作为 label 指认）。
- resolve_target / _point_box：label+cx+cy → WCS。cy 是图像坐标（上→下），
  世界 y 必须翻转（y = y2 - cy*H）——单测专门钉住。
- plan_tiles：复用 world_per_px + tiles_for_box + subdivide；超 INSPECT_MAX_TILES(4)
  则硬失败并给出「缩小 target / 分多次请求」的指引（不静默降级）；拿不到比例/像素
  则退回单张并如实告知。

关键几何：CAD 的 _.ZOOM _W 是等比适配（不拉伸），故「截图上的归一化坐标」必须按
max(W/ew, H/eh) 反算真实可见范围（新增 tiling.visible_box）——直接用送进去的窗口会偏。
zoom_to_window 返回的 view 是「加过 margin 的窗口」，不是可见范围，不能混用。

证据层配套：evidence_model.make_image(..., window=) 记录每张图的可见世界范围；
capture_images 用 view_px（overall 图原始像素）+ visible_box 逐张登记。

子循环接入：_run_readonly_tool 在只读白名单校验之前拦截 inspect_region（它不在
READ_ONLY_TOOLS 里，内部只调白名单内的只读 MCP 工具）；_review_tools 启用时用
inspect_region 取代三个裸视口工具；inspect_region 计入 _VIEW_TOOLS → 结束复位视口。
配置：INSPECT_ENABLED(True) / INSPECT_MAX_TILES(4)。

端到端实测（真实图纸 1 图框）：取证与审查两阶段均在最大化态、结束精确还原（4 项 PASS）；
LLM 的 11 次取证调用里 2 次是 inspect_region，且都显式给 window + purpose:"text"
（x[20000,115000] y[-6500,3000]，即 A0 图框底部横条＝标题栏所在）。
验收口径达成：报告报出标题栏乱码 ???????????????，而 get_text_content 对全图返回 0 条文字
（本图文字全在块/自定义实体内）→ 块内文字是被视觉放大读出来的。
pytest 343 passed。

verify_review_maximized.py

@@ -1,11 +1,13 @@
 """验收：审查阶段是否也在「绘图区最大化」状态下进行，且结束后精确还原。
 
 做法：在取证 `collect` 与审查 `review_frame` 入口各采一次窗口矩形，
-并在 `McpClient.call_tool` 上挂计数器，统计 LLM 子循环是否真的用了放大工具。
+并在 `McpClient.call_tool` 上挂计数器统计子循环的 zoom/截图次数，
+同时记录 LLM 实际调用的**取证工具**（含 agent 侧虚拟工具 `inspect_region`）。
 用法：先启动已加载插件的 CAD 并打开图纸，然后 `python verify_review_maximized.py`。
 """
 
 import ctypes
+import json
 import sys
 from ctypes import wintypes
 
@@ -60,10 +62,12 @@ def area(r):
 # --- 采样点 ---------------------------------------------------------------
 phase_rects = {"evidence": [], "review": []}
 zoom_calls = []
+llm_tools = []          # LLM 在审查子循环里实际调用的取证工具（名称 + 参数）
 
 _orig_collect = ev.collect
 _orig_review = rv.review_frame
 _orig_call = McpClient.call_tool
+_orig_run_tool = rv._run_readonly_tool
 
 
 def collect(ctx, index, frame):
@@ -82,9 +86,15 @@ def call_tool(self, name, arguments=None, **kw):
     return _orig_call(self, name, arguments, **kw)
 
 
+def run_tool(ctx, name, args, budget, **kw):
+    llm_tools.append((name, args))
+    return _orig_run_tool(ctx, name, args, budget, **kw)
+
+
 ev.collect = collect
 rv.review_frame = review
 McpClient.call_tool = call_tool
+rv._run_readonly_tool = run_tool
 
 before = rect()
 print(f"起始窗口矩形 = {before}  面积={area(before)}")
@@ -97,12 +107,18 @@ print("=== 结果 ===")
 print(f"取证阶段采样 = {phase_rects['evidence']}")
 print(f"审查阶段采样 = {phase_rects['review']}")
 print(f"结束窗口矩形 = {after}  面积={area(after)}")
-print(f"子循环取证调用 = {zoom_calls}")
+print(f"子循环 zoom/截图调用 = {len(zoom_calls)} 次")
+print(f"LLM 取证工具调用 = {len(llm_tools)} 次")
+for name, args in llm_tools:
+    brief = json.dumps(args, ensure_ascii=False)
+    print(f"  - {name} {brief[:160]}")
 
+inspect_n = sum(1 for name, _ in llm_tools if name == "inspect_region")
 ok_ev = all(area(r) > area(before) for r in phase_rects["evidence"]) if phase_rects["evidence"] else False
 ok_rv = all(area(r) > area(before) for r in phase_rects["review"]) if phase_rects["review"] else False
 print()
 print(f"[{'PASS' if ok_ev else 'FAIL'}] 取证阶段处于最大化（面积大于基线）")
 print(f"[{'PASS' if ok_rv else 'FAIL'}] 审查阶段处于最大化（面积大于基线）")
 print(f"[{'PASS' if after == before else 'FAIL'}] 结束精确还原窗口矩形")
+print(f"[{'PASS' if inspect_n else 'INFO'}] LLM 使用了 inspect_region（{inspect_n} 次）")
 sys.exit(0 if (ok_ev and ok_rv and after == before and rc == 0) else 1)