从 run_summary["by_metric"] 取每个指标的 mean，拼成单行文本。

懒加载 sentence-transformer。失败返回 None，匹配阶段自动跳过 embedding 档。

加载所有 analysis prompt 模板

从源码里解析出 import 的模块名（去掉 `as` 别名 / 子模块、合并 `import a, b`）。

关键词匹配回退（无 scikit-learn 时使用）

调 MiniMax 生成根因假设。失败返回 None，让上层 fallback 到规则表。 用 OpenAI-compatible client（同 extractor.py 的路径）：MINIMAX_API_KEY + MINIMAX_BASE_URL；模型用 MINIMAX_M

从 JSON 加载注册表

触发所有 adapter 模块的 import（从而完成注册）。 逐模块 try/except：某个 adapter 模块缺少传递依赖（如 httpx）时， 只让该模块的工具不可用，不拖垮其余离线 adapter。

同一篇的所有 reviewer JSON，文件名形如 <slug>.<reviewer>.json。

Phase 6.1 后：thresholds.yaml 仅作为失败卡片"是否低于基线"的判定输入。 门禁退出码已移除（个人项目不再做 CI 风格 gate）。本函数取代 gate.load_thresholds， 保持失败卡片生成逻辑不变。

宽松 JSON 解析（从 LLM 输出中提取 JSON）

构造 encoder。返回 (encoder, is_strong)。 is_strong=True 表示是 sentence-transformer；False 表示 fallback。

构造 subprocess 的 preexec_fn，用于 POSIX setrlimit。 Windows 不支持 setrlimit，返回 None（让 subprocess 用默认行为）。 生产场景 Windows 应该用 Job Object，但本 lite 沙箱不引入额外

Phase 6.1: 把 run 摘要走 RefactorRecorder("eval-runs") 同步管道。

文件超长时把最老的若干小节合并成"压缩摘要"占位。 策略简单：超 max_chars 时保留最后 N 个 `## [...]` 小节 + 在头部 写一行 "[truncated N entries before {date}]" 占位。 不调 LLM

合并 ADD_ALIAS 提议的 aliases，按归一化去重，保留原顺序。

合并多段抽取结果（本地去重） 【工程思考】为什么本地合并而不用 LLM merge？ 1. 节省 token 成本（merge prompt 也要消耗 token） 2. 本地去重逻辑确定性高（node_id 相同则合并）

标签标准化：小写 + 去除特殊字符 + 空格转下划线 用于保证 "ReAct" == "react" == "REACT" 映射到同一节点

把 --key value --key2 value2 转成 {key: value}。

将 LLM 原始输出解析为结构化结果

每个 domain 一个 JSON 文件。

完整 PDF text。复用 src.core.pdf_parser。

主动限速：确保两次请求间隔不低于 MIN_REQUEST_INTERVAL（并发安全）

两个 relation 是否在 _INCOMPATIBLE_PAIRS 内同组。

渲染仪表盘 HTML

渲染 HTML 报告 【工程选择】先用字符串拼接实现，后续迁移到 Jinja2 模板。 原因：Phase 1A 先跑通完整链路，Phase 4 再用 Jinja2 做高质量模板。

渲染学习路径 / 盲区检测的 HTML 报告

更新 md 头部的 (pending) 占位为真实 page_id。

文件 sha256；文件不存在返回空串。

返回 skip 原因；不应 skip 时返回 None。 --offline 同时跳过 requires_api 与 requires_llm（LLM 也是网络调用）， 使离线 smoke run 完全确定、不触达任何外部服务。

将标题转为文件名安全的 slug

从论文文本中抽取知识实体和关系，添加到知识图谱中。 适合使用的场景： - 用户说"把这篇论文加入知识图谱" - 需要积累论文中的关键概念、方法、评估指标 - 构建个人学术知识网络 两种输入方式（任选其一）： 1. pdf_path: 提供

生成 run_summary.json 的内容。

分析一张论文图表 Args: image_base64: 图片的 base64 编码 context: 论文上下文（如该图所在段落的文字） figure_type: 已知的图表类型（UNKNO

分批追加 blocks（每批 ≤100）。返回是否全部成功。

把一个 run 的摘要追加到 eval_runs.md。失败返回 None（非致命）。

是否按期望产出了文件（图表等）。expect_artifact=False 时恒为 1.0。

对一批 KGNode/KGEdge 做一次性语义去重。 策略：按 node_type 分桶 → 桶内 encode 全部 label（含 store 同 type 节点） → 计算 cos_sim 矩阵 → 贪心合并：cos_sim ≥ threshold 的对，把

从历史学习路径报告中提取盲区演进数据

利用 created_at 双时态数据构建图谱增长时间线

读 gold/*.json，输出 (kg tasks, kg gold rows)。 任务规格：layer1_component / kg_extraction / smoke / add_paper_to_graph， args.text_file 引向 fixtures/pap

读 gold/retrieval.jsonl，输出 retrieval tasks + retrieval gold rows。

Generate a 256x128 PNG with 'VLM-OK 42' text + a red filled circle.

深度多模态解析：一次性提取文本 + 章节结构 + 所有嵌入图片。 设计原理: - 文本用文本提取（零 Vision token 消耗） - 图片只提取嵌入的 figure（不做全页渲染，节省 token） - 自动过滤过小的图片（icon/lo

Detect knowledge gaps.

Download a PDF from arXiv ID or direct URL. Supports: - arXiv ID: "2210.03629" → https://arxiv.org/pdf/2210.03629.pdf - Direct U

Extract images from a specific page and save to disk.

Get concept importance ranking.

Generate learning path.