Skip to content

07 科学计算子系统 ​

src/core 是产品的"科学"底座:43 个领域子系统子目录 + 38 个根级模块,全部已落地,为纯 TypeScript、少 DOM、可在 Node 环境用 Vitest 直接测试。它们被区块系统、Studio API、科研工具页与交付管线共同消费,是产品从"能画图"走向"可用于真实科研"的能力层。

一、内核总览 ​

1.1 子系统目录(43 个,按领域分组) ​

领域子系统一句话事实
统计、推断与单位stats描述统计、假设检验、效应量、多重比较校正、功效分析与双语结果叙述(8 个模块文件)
统计、推断与单位modelOLS / 逻辑 / 岭 / 多项式回归与残差诊断(Householder QR、IRLS、K 折交叉验证)
统计、推断与单位inferenceHMC / NUTS 贝叶斯采样、模型目录、WAIC / PSIS-LOO 比较、后验诊断与 ONNX 推理
统计、推断与单位uncertaintyBootstrap / 蒙特卡洛 / MCMC 与 WGSL GPU 引擎(gpu-engine、gpu-mcmc)、PCG32、R-hat / ESS 诊断
统计、推断与单位signal基 2 FFT、窗函数、Savitzky-Golay 滤波、ACF / PACF、加性时序分解
统计、推断与单位units类型化量值 Quantity:SI 词头、量纲代数与换算检查
数据 I/O 与质量ioHDF5 / NetCDF / FITS / Parquet / Zarr 统一加载入口(scientific.ts 按魔数路由为 RawVariable)
数据 I/O 与质量chunked大分隔文本文件的按行窗口读取(csv / tsv / dat / xyz / txt)
数据 I/O 与质量data-quality列级 / 表级期望契约与懒求值质量报告、画像反推 schema、逐行隔离
数据 I/O 与质量cleaning清洗向导五类可序列化步骤与前进 / 回退 / 撤销引擎
数据 I/O 与质量sanitize外部产出 SVG 的允许列表净化器(sanitizeSvg.ts)
数据 I/O 与质量validation可组合校验器 (value, path) => issues[],schema 即普通数据
数据 I/O 与质量sqlDuckDB-WASM SQL 工作台引擎(懒加载、超时与 AbortSignal 中止)
绘图与交付plot纯 TS 矢量绘图引擎:DataTable → 出版级 SVG,可导出 SVG / PDF
绘图与交付figure期刊模板网格上的多面板组图(compose 单张 SVG、export 含 PNG-600dpi)
绘图与交付reportReportSpec → 单一自包含 HTML 交互报告(内联 CSS / SVG / JSON)
绘图与交付markdownMarkdown DOM 增强:mermaid 图与 KaTeX 公式渲染
绘图与交付gallery作品画廊内置目录(catalog)与"我的分享"本地存储(filter / share / store)
绘图与交付submit投稿前检查清单(checklist)与中英双语图注起草(caption)
绘图与交付package论文补充材料 ZIP 打包(manifest + 数据 + 代码会话,fflate 压缩)
可复现性与实验repro种子化随机数、稳定哈希、运行清单、DAG→Python 导出、repro.lock 锁文件、环境快照
可复现性与实验experiment运行记录模型与 A/B 参数对比(IndexedDB runs 存储,不写入 .clproj)
可复现性与实验lineage文件 → 运行 DAG 血缘图与 Sugiyama 式分层布局
可复现性与实验sweepSweepPlan 展开为确定性设计点(全网格 / 列表 / 拉丁超立方)与扫描运行
语言运行时与编辑器pyodideWeb Worker 内 CPython 运行时(pyodide-worker、注入用 studio.py、客户端运行时桥)
语言运行时与编辑器rR 运行时工厂:webR 完整运行时优先,缺失回落内置 IR 引擎并记录原因
语言运行时与编辑器monacoMonaco 编辑器宿主装配(懒加载)与 studio.* 补全数据
语言运行时与编辑器notebook笔记本单元 / 输出模型与安全的小型 Markdown 渲染器
领域计算内核chem元素数据、分子结构与热力学(键能 / 生成焓、ΔG°(T)、Arrhenius 速率)
领域计算内核geo球面几何与地形网格(spherical.ts、terrainMesh.ts)
领域计算内核astroFITS(Flexible Image Transport System)纯 TypeScript 读写
领域计算内核raytraceGLSL 光线追踪着色器与共享天文计算(sky-base、astro、glsl)
领域计算内核ai离线意图引擎(intents.ts 规则合成 studio.* 代码)与在线模式授权策略(provider.ts)
领域计算内核profiler流式单遍列画像:Welford 均值方差、HLL 基数、质量分与问题清单
平台与基建gitisomorphic-git + LightningFS 与 simple-git 双适配器、自动提交与引用名规整
平台与基建vfs工作区文件系统(LightningFS / 内存后端、路径、项目骨架)
平台与基建researchScienceOutputStrip 统一科学输出总线(scienceOutput.ts,纯 TS)
平台与基建errorsAppError 分类法、Result<T, E>、重试、断言守卫与全局捕获
平台与基建course课程模式领域模型、导出与离线批改(IndexedDB courses 存储)
平台与基建templates学科模板目录、确定性示例数据与插件脚手架
平台与基建theme-pack.cstheme 主题包 schema 校验、注册表、应用与主题市场
平台与基建plugin-tools内置插件面板增强(表格、本地化)
平台与基建bench导入 / 计算 / 渲染 / 内存四类基准套件与结构化结果

1.2 根级模块(38 个) ​

分组模块
计算与渲染gpu.ts(WebGPU 设备服务)、compute.ts(PluginApi.gpu 计算面)、wgsl.ts(14 个可复用 WGSL 内核)、gpu-kernels.ts(引擎分派与规模阈值)、wasm.ts(原生模块加载器,重试 3 次)、pointcloud-gpu.ts(百万级点云预算与降采样)、mesh3d.ts(三维网格管线)、scene3d.ts(宿主 Three.js 场景容器)、viewport2d.ts(2D 视口平移缩放)、perf.ts(FPS / 帧时间 / 显存 / JS 堆监视)
插件运行时与安全sandbox.ts(插件沙箱)、plugin-worker.ts(Worker 内插件运行时)、plugin-signing.ts(签名与信任注册表)、crypto-primitives.ts(自带签名用密码学原语)、cspkg.ts(第三方插件包)、pluginCache.ts(插件缓存)
数据解析与存储fileFormat.ts(文件格式检测)、parse-tasks.ts(解析任务定义与共享运行器)、parse-worker.ts(Worker 内解析入口)、worker-pool.ts(Worker 池)、storage.ts(持久化)、dataFiles.ts(数据文件注册)、opfs.ts(OPFS 分块存储)、opfs-migration.ts(IndexedDB 迁移)、exampleAssets.ts 与 examples.ts(内置示例资产与样例发现)、labHandoff.ts(工具间一次性数据交接)
工作流与应用boot.ts(启动序列闸门)、events.ts(类型化发布订阅事件总线)、settings.ts(应用设置)、recentTools.ts(最近使用的科研工具)、workspace-artifacts.ts(实验产物存入项目工作区)、cpu-info.ts(CPU 能力探测)、logger.ts(会话日志)、download.ts(下载辅助)、site-links.ts(三站互跳)、pwa.ts(离线缓存与 Service Worker)、citation.ts(引用与归档元数据)

以下各节展开统计、I/O、绘图、可复现性、建模推断与交付管线中最核心的几个子系统。

二、统计内核(src/core/stats) ​

统计内核消费普通数值数组、DataTable 或 Dataset,返回结构化结果,全部为纯函数实现。公共出口按模块划分:

模块能力
descriptive均值、方差、标准差、中位数、分位数、摘要统计、均值置信区间(t 分布临界值经 studentTInv 求得)
special特殊函数:不完全伽马与贝塔函数、正态与 t 分布等累积分布及其逆函数(供检验与功效计算复用)
tests单样本 t 检验、双样本 t 检验(Welch 校正自由度)、配对 t 检验、单因素方差分析、Mann-Whitney U 检验、卡方独立性检验,返回含统计量、p 值与自由度的结构化结果
effectCohen's d 效应量、Pearson 与 Spearman 相关
correctionBonferroni 与 Benjamini-Hochberg 多重比较校正,p 值先经清洗(非有限值剔除)再校正
power双样本 t 检验的功效分析
narrative把五类主要检验族(t 检验、方差分析、卡方、相关、线性回归)的结构化结果转写成中英双语的出版级句子;按期刊惯例渲染 p 值(p < .001 用不等式,其余三位小数省略前导零),不显著结果使用中性措辞

边界输入一律显式抛错而不是静默给出错误数字:Welch 自由度除零、方差分析组数不足、配对检验长度不等都会得到结构化错误。统计能力向用户的呈现方式有三种:流程模式的 14 个 stats.* 区块、积木与代码模式 Studio API 中的 summary 等调用,以及报告构建器与 Figure Studio 的图注草稿——底层都指向同一实现。

三、科研二进制 I/O(src/core/io) ​

科研数据常以领域二进制格式存储。scientific.ts 提供单一入口:给定拖入或打开的 File,先读文件头并按魔数(或扩展名)识别格式,再路由到对应加载器,把每个变量、数据集或 HDU 转成统一的 RawVariable 列表,调用方负责将其转为项目数据文件。

mermaid
flowchart TD
    A["用户拖入文件"] --> B["读取文件头 512 字节"]
    B --> C{"按魔数或扩展名识别格式"}
    C -- HDF5 --> D["h5wasm 加载器"]
    C -- NetCDF --> E["netcdfjs 加载器"]
    C -- FITS --> F["fitsjs 加载器"]
    C -- Parquet --> G["parquet-wasm 加载器"]
    C -- Zarr --> H["zarrita 加载器<br/>(经 blob URL 访问分块)"]
    D --> I["统一为 RawVariable 列表"]
    E --> I
    F --> I
    G --> I
    H --> I
    I --> J["转为项目数据文件<br/>进入文件路由与插件"]
格式典型领域依赖库模块
HDF5通用科学分层数据h5wasmhdf5.ts
NetCDF地学、气象netcdfjsnetcdf.ts
FITS天文图像与表fitsjsfits.ts
Parquet列式表格parquet-wasm(经 apache-arrow 合并全部记录批次)parquet.ts
Zarr分块 N 维数组(本地目录或远程存储)zarritazarr.ts

辅助工具(types.ts)包括整型到 Float64 的安全转换(int64 与 uint64 数据集不再抛错)、名称净化、DataTable 转 CSV 与数据集构造。大文件的导入路径会先经 chunked/ 的行窗口读取与内容指纹,再由 parse-worker.ts 与 worker-pool.ts 在 Worker 池中并行解析。

四、出版级绘图引擎(src/core/plot) ​

区别于插件里的画布渲染,plot 子系统是一套纯 TS 的矢量绘图引擎,目标是把 DataTable 转成出版级 SVG 并导出:

模块能力
typesPlotSpec、PlotSeries、比例类型与 SVG 载荷定义
scale线性、对数、时间刻度,niceTicks 优雅刻度值,刻度格式化;退化定义域(单点、零跨度)有明确处理
chartsDataTable 转折线、散点、直方图、柱状四类图型
svgrenderSVG 矢量渲染,属性与文本分别转义
export导出 SVG 文件与 PDF(jsPDF + svg2pdf.js),下载文本

由于整条链路(数据、刻度、渲染、导出)都是纯函数,绘图引擎有专门的单元测试(tests/plot),也是可复现性内核 DAG 转 Python 导出策略的天然搭配。流程模式的 4 个 plot.* 区块即由这套引擎渲染,与 4 个走插件渲染器的 viz.* 区块互为补充。

五、可复现性内核(src/core/repro) ​

科研计算的可复现性要求"同样的输入与参数得到同样的输出"。repro 内核提供六块能力:

模块能力
random带种子的伪随机数:mulberry32 算法,同种子产生完全一致的序列;全局 setSeed 与 currentSeed 支持会话级设定
manifest运行清单 createManifest:记录种子、工作室版本、每个输入文件的哈希、区块图(经拓扑排序后计算哈希)与输出;manifestToText 生成可归档文本
exporterDAG 转 Python:把流程图导出为可独立重跑的 Python 脚本,与 topoSort 依赖排序配合,脚本内含与运行清单一致的种子设定
lockrepro.lock 导出与校验:数据指纹、参数哈希、种子与代码快照,支持五类漂移判定与一键重跑
snapshot环境快照(版本、平台与内核可用性)纳入锁文件,便于判定"漂移发生在数据还是环境"
index统一出口与稳定哈希(FNV-1a hashString,八位十六进制,供输入与图的指纹复用)

运行清单的构成:

mermaid
flowchart LR
    A["随机种子"] --> M["运行清单<br/>(可归档、可校验)"]
    B["工作室版本号"] --> M
    C["输入文件内容哈希"] --> M
    D["区块图拓扑哈希"] --> M
    E["输出内容"] --> M

运行清单与重跑锁的界面落点:

可复现性锁 — 锁文件漂移检测

可复现性锁把运行清单(种子、版本号、输入哈希、区块图拓扑哈希、输出、环境快照)归档为可校验的 repro.lock,界面按五类漂移判定把每个作品标记为已锁定 / 检出漂移 / 未锁定,任何人都能据此核验结论能否原样重放。

六、不确定度引擎(src/core/uncertainty) ​

模块能力
bootstrapBootstrap 置信区间:可复现重采样,支持均值 / 中位数 / 标准差等统计量
montecarlo蒙特卡洛传播:输入分布经样本传播到输出分布
mcmcMetropolis-Hastings 采样(CPU 路径)
pcgPCG32 伪随机数发生器(TS 实现与 WGSL 版 PCG32_WGSL),与 GPU 内核共享同一序列定义
gpu-engineWGSL GPU 加速的百分位 Bootstrap 重采样(每块 ≤ 65 536 次 dispatch,支持进度与中止)
gpu-mcmcGPU 上的多链随机游走 MCMC(每线程一条链,链状态驻留缓冲)
diagnostics收敛诊断:R-hat、有效样本量 ESS、HDI 区间与 MCSE
indexCPU / GPU 引擎自动选择与统一出口,选择结果写入运行记录

引擎选择遵循 06 篇的阈值与设备可用性规则,GPU 不可用时自动回落到 CPU,两条路径在同一随机数序列下结果在数值容差内一致,并有专门的一致性单元测试。

不确定度能力在科研工具页中的实景:

不确定度 — Bootstrap / 蒙特卡洛区间

不确定度实验室对同一统计量给出 Bootstrap 置信区间与蒙特卡洛传播的对比,重采样种子可复现,GPU 加速路径在样本量达到阈值时自动接管。

七、单位系统(src/core/units) ​

quantity.ts 提供类型化量值 Quantity:SI 词头、量纲代数与换算检查。它以 units.convert(换算)与 units.check(一致性检查)两个流程区块,以及参数面板中的 QuantityInput 组件向用户暴露,使带单位的物理参数不再以裸数字出现在管线里。

八、信号处理(src/core/signal) ​

模块能力
fft基 2 FFT 与幅值谱;与 GPU 端 fftKernelWGSL 数学一致
window窗函数(Hann、Hamming、Blackman 等)
filterSavitzky-Golay 平滑与滑动平均滤波
correlation自相关 ACF 与偏自相关 PACF
decompose经典加性时序分解 x = 趋势 + 季节 + 残差:趋势用对称滑动平均(偶数周期用周期加一居中平均,同 X-11),季节项按相位去趋势均值归一化到零和;残差摘要给出均值 / 标准差与 Jarque-Bera 式偏度峰度正态性检查
index统一出口;滤波后的列可作为派生文件保存回项目并进入血缘图

信号能力的界面落点——信号实验室:

信号实验室 — 加速度时序的 Welch PSD

信号实验室对加速度时序做频谱分析:Welch PSD 主峰清晰可见并伴谐波,支持基 2 FFT 幅值谱、窗函数、Savitzky-Golay 滤波与时域处理,成品可发送到 Figure Studio 或存回项目文件。

九、建模与推断 ​

回归建模(src/core/model)

模块能力
linalg小型稠密线性代数:转置、乘法、Householder QR 与三角求解(只覆盖 OLS / 岭 / 多项式拟合所需)
ols普通最小二乘(QR 分解),系数表含估计值、标准误、p 值与置信区间
logistic逻辑回归(IRLS 迭代重加权最小二乘)
ridge岭回归,K 折交叉验证选参
poly多项式拟合
diagnostics2×2 残差诊断图(残差-拟合、QQ、尺度-位置、残差-杠杆)
index统一拟合入口与结果类型

贝叶斯推断 · Inference Forge(src/core/inference)

模块能力
hmc哈密顿蒙特卡洛采样器,含 Dual Averaging 步长自适应
nutsNo-U-Turn Sampler(U 形回旋判据),无须手工设步数
model / templates声明式似然模板(线性回归、逻辑回归等),配数据尺度化的弱先验
model-catalog可推断模型目录与参数元数据
diagR-hat、bulk / tail-ESS、HDI、MCSE 等后验诊断
compareWAIC 与 PSIS-LOO 模型比较;PSIS 采用 0.2 倍最大权重的原始截断(不做完整广义帕累托重拟合),Pareto-k 用 Hill 型尾部估计,足以标记 k > 0.7,但不等价于完整的 loo 诊断
onnx-runner浏览器内 ONNX 模型推理(WebGPU 加速路径)
types采样、模型与诊断的公共类型

推断能力在流程区块中以 stats.mcmc、stats.bootstrap、stats.montecarlo 三块的形式进入管线,在科研工具页中以 Inference Forge(/studio/inference)与模型推理(/studio/model-inference)两个整页呈现。

建模与推断在科研工具页中的实景:

Inference Forge — 浏览器内贝叶斯 MCMC(NUTS)

Inference Forge 在浏览器内(WebAssembly)运行 NUTS 采样:含 94% HDI / MCSE / R-hat / ESS 的后验摘要、WAIC / PSIS-LOO 模型对比、后验预测检查与轨迹 + 密度图,底层即本节 model / inference 内核。

十、数据工程与可靠性内核 ​

子系统关键能力
data-qualityPandera 风格列级 / 表级期望契约,懒求值质量报告;类型推断与画像(四分位、IQR 离群、缺失与去重计数)、由画像反推 schema 建议、逐行隔离(quarantine)并记录拒绝原因、DataTable 适配器
cleaning数据清洗向导的步骤模型与引擎:类型转换、缺失值策略(删除 / 均值 / 中位数 / 零 / 前向填充)、离群标注(IQR / z 分数)、去重、列重命名五类可序列化步骤;步骤永不改写输入表,支持逐步前进 / 回退 / 跳转与"撤销该步"
profiler流式单遍列画像:数值列用 Welford 精确均值方差加蓄水池采样求分位数与 MAD,修正 z 分数(|0.6745(x−median)/MAD| > 3.5)计离群;文本列用 HyperLogLog 估基数与 Space-Saving 求 Top-K;表级给出 Pearson / Spearman 联合采样与重复率估计,综合成 0–100 确定性质量分与问题清单,按内容指纹缓存
chunked大分隔文件的按行窗口读取(csv / tsv / dat / xyz / txt),工作集保持在一个分块而非整文件;其余格式仍走整文件 io
sqlDuckDB-WASM 引擎,首次使用时懒加载;项目文件注册进 DuckDB 虚拟文件系统并暴露为表;查询支持超时与 AbortSignal,中止或超时会终止 Worker 并丢弃单例,下次调用重建实例
sanitize外部产出的 SVG 先经允许列表净化(sanitizeSvg.ts)再进入渲染,剥离脚本与事件属性
validation可组合校验器 (value, path) => issues[]:组合即普通函数组合,schema 是普通数据,可复用、可部分应用、可无 React 单测;类型校验器跳过 null / undefined,需要必填时用 required() 组合
errors结构化错误分类法与原因链、Result<T, E> 显式错误值通道、退避加抖动的重试与中止、断言守卫、去重错误注册表与有界诊断环,以及全局 error / unhandledrejection 捕获

Result 类型的存在理由是边界代码不应以抛错为默认:一行非法 CSV、一个缺失文件都是调用方必须分支处理的预期结果,把它变成值可以让分支在 noImplicitReturns 下穷尽,也把堆栈开销从热校验路径上移走。

数据画像与清洗在科研工具页中的实景:

数据画像 — 列级质量分与问题清单

数据画像页对每个列给出 Welford 均值方差、分位数、离群计数与 HyperLogLog 基数估计,并综合出 0–100 确定性质量分与按内容指纹缓存的问题清单。

数据清洗 — 可回退的步骤向导

数据清洗向导由本小节 cleaning 内核驱动:类型转换、缺失值策略、IQR / z 离群标注、去重与列重命名五类步骤均可前进 / 回退 / 撤销,且永不改写输入表。

十一、科研工作流与交付 ​

子系统关键能力
experiment运行记录模型与 A/B 参数对比:一次执行(流程 / 积木 / 代码 / 笔记本 / 扫描 / 不确定度 / 建模 / 推断)的耐久快照,存于 IndexedDB runs 存储而不写进 .clproj,使项目文件保持小巧;按 projectId 建索引,项目删除时一并清理;内容哈希复用 repro 的 FNV-1a
lineage数据血缘图与分层布局:以运行记录上的文件 id 把项目文件(源)连到运行(变换),采用 Sugiyama 式分层 DAG 画法(最长路径分层、单趟重心排序、行居中),无 React / store / DOM 依赖
sweep参数扫描领域层:expandPlan 把 SweepPlan 展开为确定性设计点——全网格 / 列表轴走完整笛卡尔积,全拉丁超立方轴按维度分层抽样,混合 lhs / grid 方案被拒绝(样本量无歧义定义);纯 TS,全部校验可测
figure出版级组图:FigureSpec 是挂到期刊模板网格(IEEE / Elsevier 栏宽、色盲友好调色板)上的多面板 PlotSpec 容器;composeFigure 渲染单张独立 SVG(嵌套面板 viewport 加 a/b/c 面板标签),exportFigure 处理 SVG / PDF / PNG-600dpi 下载;组图只重新定尺寸,不修改原 PlotSpec
submit投稿前检查门:runSubmissionCheck 依据目标期刊档案(IEEE / Elsevier)遍历图文档(模板、面板、图注、导出设置),返回按图像 / 标注 / 文本 / 元数据分组的通过与失败项;每个失败项带 i18n 消息、修复键与问题控件的 DOM id,使界面可以提供"定位问题";caption.ts 依据图型、列名与可选统计量草拟中英双语的"图 1. …"图注
report交互式报告构建器:buildReport 把 ReportSpec(有序章节:标题、Markdown、Figure Studio 图、数据表、运行摘要、筛选器)构建成单一自包含 HTML——内联 CSS、内联 SVG、内联 JSON 数据与零依赖的原生 JS 控制器(筛选联动、可排序表格);所有用户字符串先转义,内嵌 JSON 以 <script type="application/json"> 输出并将 < 做 unicode 转义,杜绝 </script> 载荷逃逸
package补充材料打包:manifest.json(项目元数据、运行记录、血缘图、作者与许可表单)加可选的原始数据文件与代码会话,用 fflate 打成研究者随论文一起上传的 ZIP
notebook笔记本模型:markdown / 代码单元的扁平列表,持久化在 project.state.notebook;执行语义在 notebookStore(Pyodide 运行时是有状态且页面级的),模块本身只持有单元模型、输出模型与一个安全的小型 markdown 渲染器
course课程模式领域模型:本地优先的教学闭环——教师创建课程(由本地身份字符串标识,无账号体系)、发布绑定学科模板的作业,学生领取任务、在项目中作业并提交运行结果的 repro.lock 快照,教师查看学生 × 作业矩阵、记录评分与评语,并把整个班级按学生一目录导出为包;持久化在 IndexedDB courses 存储
gallery作品长廊:内置精选目录(catalog.ts)与本地"我的分享"存储(localStorage),记录用户分享出去的作品元数据与净化后的快照 HTML,使详情弹窗可离线重开;v1 不上传任何内容,下架只做标记(保留审计轨迹)并从所有列表过滤
templates学科模板目录:把早期"功能演示"样例改写为学科情景模板,每个从真实研究问题出发,附带确定性示例数据集与 3–6 步引导;模板内容以 { zh, en } 对形式内嵌(不走全局 i18n 字典),只有周边 UI 框架使用 tpl. 键

交付与协作子系统的界面实景:

报告构建器 — 单一自包含 HTML

报告构建器把有序章节(标题、Markdown、Figure Studio 图、数据表、运行摘要、筛选器)编译成单一自包含 HTML——内联 CSS / SVG / JSON 与零依赖的原生 JS 控制器,筛选联动、表格可排序。

Figure Studio — 出版级组图与投稿检查

Figure Studio 挂在期刊模板网格(IEEE / Elsevier 栏宽、色盲友好调色板)上组合多面板组图,并提供图注起草器与投稿前检查门(submit 内核)。

参数扫描 — 全网格 / 拉丁超立方设计点

参数扫描把 sweep 的 SweepPlan 展开为确定性设计点:全网格 / 列表轴走完整笛卡尔积,拉丁超立方轴分层抽样,混合方案被拒绝以保证样本量定义无歧义。

课程模式 — 本地优先的教学闭环

课程模式实现 teacher–student 教学闭环:教师发布绑定学科模板的作业,学生提交运行结果(repro.lock 快照),教师以学生 × 作业矩阵评分并把全班导出为包。

十二、语言运行时与 AI 助手 ​

子系统关键能力
pyodide代码模式 Python 运行时:pyodide-worker.ts 在 Web Worker 中启动 CPython,studio.py.ts 作为可导入模块注入 sys.modules,runtime.ts 把 PyodideClient 接到编辑器 store 与渲染桥——流式回传 stdout/stderr、把绘图载荷转给积木模式同一条 RenderedView → 插件通路、把 Python 变量快照转成面板可用的 DataValue
rR 运行时工厂 createRRuntime({ preferFull }):优先尝试 webR 完整运行时,若 bundle 缺失或启动失败则回落到内置 IR 引擎并记录 fallbackReason 供界面如实告知;preferFull = false 时直接走内置引擎。内置路径无外部依赖,必须始终可用——当前发行版即以此路径运行完整 studio.* DSL
monacoMonaco 编辑器宿主与语言服务装配(懒加载),并提供 studio.* 补全数据
ai助手双模式策略:离线(默认)是 intents.ts 的纯 TS 规则引擎,把自然语言请求(如"对 x 和 y 做相关分析并画散点图")经五类意图模板(相关 / 回归 / 分布 / 检验 / 筛选)合成为可运行的 studio.* Python 代码,全程不联网;在线模式要求同时具备显式授权标志与已配置端点,缺一即拒绝或降级,使提示词不会意外外泄;validateStudioApi 保证生成的调用不超出真实运行时模块的 API 白名单,助手绝不臆造接口
theme-pack.cstheme 主题包:纯声明式数据(CSS 自定义属性覆盖、字体偏好、密度模式与可选图表配色),绝不携带可执行内容;parseCsTheme 是唯一校验闸门——严格拒绝每层未知键、拒绝 __proto__ / constructor / prototype 等危险原型键、要求 CSS 变量名为 --kebab-case

十三、支撑设施 ​

  • 运行日志导出:logger.ts 聚合会话日志,配合 download.ts 支持从工作台导出日志文件,便于问题反馈与回归定位。
  • 插件缓存与示例资产:pluginCache.ts 与 exampleAssets.ts、examples.ts 支撑内置示例数据与示例项目(examples/data 下 138 个样例文件、examples/projects 下 11 个 .clproj 项目、examples/code 下 9 个 Python 示例)的发现与加载。
  • viewport2d 与 dataFiles:2D 视口抽象(快照式访问,插件卸载安全)与项目数据文件注册(setProjectFiles 与 resolveDataFile),使项目自有文件、内置示例与代码模式 _FILES 共享同一套加载逻辑。
  • 工具交接与产物落盘:labHandoff.ts 支持工具间一次性数据交接,workspace-artifacts.ts 把实验产物保存进项目工作区,recentTools.ts 记录最近使用的科研工具。
  • OPFS 与迁移:opfs.ts 提供大文件分块存储,opfs-migration.ts 把既有 IndexedDB 数据平滑迁移,项目元数据仍留在 IndexedDB。
  • 事件与启动:events.ts 提供插件↔插件、插件↔宿主的类型化发布订阅总线,boot.ts 作为启动序列闸门,settings.ts 管应用设置,cpu-info.ts 探测 CPU 能力供基准与画像参考。
  • PWA 与跨站导航:pwa.ts 处理离线缓存与服务工作者预缓存清单(由 gen-sw-precache.mjs 生成),site-links.ts 负责工作台、官方站点与文档站三者的互相跳转。
  • 引用与归档:citation.ts 生成软件引用与归档元数据,由 gen-citation-cff.mjs 与 check-citation.mjs 维护 CITATION.cff。
  • 性能基准:bench/ 的 runAllBenchmarks() 执行导入 / 计算 / 渲染 / 内存四类关键路径套件,返回含环境信息(Node 版本、平台、架构、CPU 型号、日期)的结构化结果,由 scripts/bench-run.mjs 在 Node 中无头运行并写入 bench-results.json,再与 bench/baseline.json 对比(详见 08 篇)。

这 43 个子系统与 38 个根级模块共同构成产品的"科学"底座:统计、建模与推断保证结果的专业性,I/O 与数据工程保证数据入口的开放性与可信度,绘图与组图保证输出的出版级质量,可复现性与交付管线保证结论可以被别人原样重放并随论文一起交付。

Released under the MIT License.