gold entity 的 aliases 列表（含自身 label）。

收集所有 reviewer 的 additions，按 label 投票后插入对应 tier。

edges 处理：drop 的删除，relation 改的更新；返回 (final_edges, dropped_for_report).

按 category 分桶。

构造 header HTML 模板。{LEGEND_ITEMS} 占位由调用方注入。

端到端跑一篇 PDF：precheck → ingest → extract → 回查。

构建一个有代表性的小型知识图谱用于测试 结构（LLM Agent 领域）： Paper1 --PROPOSES--> ReAct (Method) Paper1 --USES--> Agent Planning (Concept, 核心) Pape

调用 MiniMax API (OpenAI 兼容) 用 response_format=json_schema 在 API 层面约束输出格式。MiniMax-M2 系列是 reasoning 模型，响应会被 <think>...</think>

基于节点 ids 列表的 hash，用于 cache 失效检测。

自动检测图表类型 【工程思考】为什么分两步（先检测类型，再详细分析）？ 1. 不同图表类型需要不同的分析 prompt → 一步到位效果差 2. 类型检测用的 prompt 很短（token 消耗少） 3. 如果类型

对 extracted label 找 gold_labels 中 cos_sim 最高且超阈值的项，返回归一化 gold key。

记录可复现相关的环境信息（不含密钥）。

对最终 sidecar 状态 + 累积输出评估终态断言，返回逐条 bool。

抽 PDF 全文，截取前 MAX_CHARS。

从 LLM 输出中提取 JSON（3 策略 fallback） 与 multimodal.py 中的 FigureAnalyzer._extract_json 完全一致。

按 bbox 列序重组单页文本，处理双栏排版。 算法（轻量启发式）： 1. 用 get_text("blocks") 拿到 [(x0, y0, x1, y1, text, ...), ...] 2. 检测是否双栏：所有 block 的 x 中

从 docs/gold_review_prompt.md 抽出 ```...``` 围栏内的完整 prompt 模板。