日报 — 2026-03-16
今日概览
- 做了什么： 全天在三台设备上并行推进空间转录组研究、机器人学习数据工程和学术研究者画像系统三条主线，完成从实验验证、Pipeline实现到工具代码重构的完整闭环。
- 怎么做的： DCC以控制变量实验对比5种嵌入方法并批量生成可视化文档；tianhe以TDD方式实现8个新模块并通过Slurm批量生成error scene；TzJsDesktop通过三阶段LLM提示链（分析→修复→奖项识别）运行研究者画像流水线，并通过/simplify和两轮代码重构提升工具可靠性。
- 有什么用： 确认scGPT基因Foundation Model在零样本跨切片检索的决定性优势；将VLA训练数据需求从1740条压缩至329条（节省81%）；完成20+位多领域学者档案并修复S2消歧系统性失败，为后续批量分析重要学者奠定可靠数据基础。
DCC
- 做了什么： 完成跨切片嵌入诊断实验（5种方法×14组合），批量生成可视化PDF（5套完整版+35个per-layer子文件），将诊断报告改写为英中双语分开的文档。
- 怎么做的： 扩展benchmark_rm_ideal.py支持scGPT/UNI2 embedding source，编写visualize_cross_section_experiments.py实现Letter格式PDF批量生成，用PyMuPDF将大PDF转PNG嵌入Markdown。
- 有什么用： 产出可直接引用的英文版+中文版诊断报告，确认scGPT（100%命中率）远超UNI2（71%）和PCA/STAIG（0-14%），为论文写作提供了完整视觉证据链。
TzJsDesktop
- 做了什么： 批量处理20+位研究者学术档案（轨迹分析、JSON修复、会议奖项识别），执行/simplify三维并行代码审查，完成Research Profiler两轮鲁棒性重构（重试机制+消歧评分+三级解析链），并对Yiran Chen（杜克大学）进行实战验证。
- 怎么做的： 通过三阶段LLM提示链驱动流水线；/simplify触发三并行子Agent（复用/质量/效率）审查443KB diff；两轮代码修改逐文件更新semantic_scholar.py/analysis.py/cli.py等；S2限速时改用WebSearch查找正确authorId。
- 有什么用： 完成多领域学者画像，识别5+个严重同名污染案例；修复后Pieter Abbeel(h=164)可被正确识别；消除6处代码问题含2处效率优化（DiskCache热路径冗余+LLM调用浪费）。
tianhe
- 做了什么： 设计VLA错误恢复数据采集方案（RBG分组+329条demo预算），实现完整8文件Pipeline（139测试全通过），修复CompositeBodyObject坐标变换bug，启动全任务error scene批量生成（Slurm job 49363），开发VLA评估辅助工具（manip_progress叠加+CALVIN格式转换）。
- 怎么做的： 调研MimicGen/IntervenGen等文献设计5个RBG组；TDD方式逐模块实现recovery_types/segmenter/采集增广转换脚本；git blame溯源CompositeBodyObject bug到commit 398af01b；Slurm sbatch+tmux tzj提交GPU批量任务。
- 有什么用： 将1740条朴素采集需求压缩至329条（81%节省）；修复后139单元测试全通过，咖啡机模型lid_main位置从错误的0.211m恢复到0.1045m；error scene生成任务在an46 A800 GPU上持续运行。
跨DCC、tianhe、TzJsDesktop三台设备并行推进：DCC完成空间转录组跨切片Foundation Model验证（scGPT 100%命中率）及双语文档化；tianhe完成VLA错误恢复329条demo采集方案设计与Pipeline全链路实现、修复CompositeBodyObject散架bug并启动批量error scene生成；TzJsDesktop密集批量处理20+位研究者学术画像并对Research Profiler执行两轮代码重构，最终修复S2消歧系统性失败、实现著名教授h-index正确识别。
今日任务
架构与策略
- ✅ 跨切片嵌入诊断实验：5种方法对比及可视化文档化 — 在DCC服务器上对比PCA/STAIG/Raw HVG/UNI2/scGPT五种方法的151673↔151508跨切片RM-IDEAL评估（14组合），批量生成Letter格式PDF（5套完整版+35个per-layer子PDF），将诊断报告改写为结论前置+图片嵌入格式，拆分为英文版和中文版两个独立文档。
- ✅ Error Recovery演示数据采集与增广Pipeline全链路实现 — 在tianhe服务器上按用户设计方案实现8个新文件：recovery_types.py（数据结构）、recovery_segmenter.py（轨迹分割）、2_collect_recovery_demos.py、3_mimicgen_recovery_augment.py、4a/4b转换脚本（Phoenix MCM+Diffusion Policy格式）、recovery_collection.yaml、测试文件；新增34个单元测试，与原有105个共139个全部通过；更新Makefile、CLAUDE.md和项目全景总结.md。
- 🔄 CompositeBodyObject坐标变换bug修复及全任务error scene批量生成 — 修复generated_objects.py中缺失的locations_relative_to_corner坐标变换逻辑（对齐commit 398af01b），修复后139单元测试全通过，coffee任务13个demo视频成功重渲染；通过Slurm job 49363在an46 A800 GPU上运行全任务批量生成（6 tasks，每subtype目标50 scenes），同时为v5 pipeline添加tqdm进度追踪和–skip_scan/–skip_schedule步骤跳过选项。
- 🔄 Research Profiler代码重构：三维并行审查+消歧架构两版重构 — 运行/simplify触发三并行代码审查（复用/质量/效率），修复6处问题（缺失import、SHA256重复实现、函数内import、DiskCache热路径多余mkdir、冗余LLM调用、路径解析重复）；实现消歧第一版（指数退避重试+评分函数+名字规范化）和第二版（三级解析链、权重重校准、s2_author_id字段、–paper/–author-id CLI参数、论文反查函数）；第三版论文标题搜索支持规划完成但实现待下一轮。
- ✅ VLA错误恢复数据采集方案设计 — 调研MimicGen/IntervenGen/FailSafe/RESample等文献，将29种error subtype按recovery运动原语分为5个RBG组（Re-grasp/Retrieve/Retract/Redirect/Realign），设计6任务×3 tier优先级，制定329条人类demo总预算（节省81%），选定SpaceMouse遥操作+stack任务作为起始验证点。
- ✅ Research Profiler学者档案批量分析（20+研究者） — 对具身AI（Yuke Zhu、Pieter Abbeel、Yunzhu Li、Shuran Song、Chelsea Finn、Sergey Levine等）、电力电子（Haochen Shi）、分析化学（Fan Chen）、海洋地质（P. Yan）等多领域20+位研究者生成含trajectory_summary/breakthroughs/research_themes的完整画像JSON；执行20+批次JSON修复（中文引号转义）和10+批次会议奖项识别；识别5+个严重同名数据污染案例（Xiaoxiao Liu三条独立轨迹、Yan Yang 140篇极端混淆等）。
实现与修复
- ✅ VLA辅助工具开发：manip_progress视频叠加+CALVIN格式转换 — 修改pi0.py/policy.py/pi_model.py/deploy_policy.py四文件，实现评估视频实时叠加manip_progress预测值（cv2.putText白色带黑描边文字，1-dim/2-dim两种格式）；结合calvin_to_lerobot.py和rlds_dataset_builder，编写rlds_to_lerobot.py实现RLDS→LeRobot格式转换。
- 🔄 CalendarPro全量测试套件修复 — 针对性230项测试已全部通过；全量pytest套件因包含HuggingFace语义路由模型下载挂起，问题尚未解决，需用pytest marker隔离重量级测试或mock模型下载。
问题与解决方案
关键问题
1. Per-section独立PCA/STAIG产生不可比嵌入空间，导致跨切片检索14组合中10组SL@50=0，归一化无法修复
解决方案: 改用预训练Foundation Model（scGPT）：所有切片共享同一套模型权重，输出天然处于同一坐标系，SL@50从0.013提升到0.416，命中率从14%提升到100%。
关键洞察: 失败根因不是基因特征信息不足（Raw HVG命中率86%证明信息存在），而是per-section PCA主成分轴不同导致余弦相似度无意义。normalize无法解决坐标系不一致问题（数学上不可能），Foundation Model是唯一正确的zero-shot解决方案。
2. CompositeBodyObject在env.reset()时散架（lid悬浮、base偏移0.1-0.2m），但HDF5回放时正常（set_sim_state_flat覆盖body位置掩盖了问题）
解决方案: 在generated_objects.py的__init__中添加self.locations_relative_to_corner实例属性存储（含断言），并在_append_object()中恢复角点到中心的坐标变换逻辑，与MimicGen commit 398af01b一致。
关键洞察: set_sim_state_flat()从HDF5恢复保存状态时会覆盖所有body的pos/quat，只有env.reset()从XML初始化时才会暴露CompositeBodyObject的坐标计算bug；根因通过git diff精确定位。
3. VLA错误恢复数据采集成本高：6 tasks × 29 subtypes × 10条 = 1740条人类演示
解决方案: 将29种error subtype按recovery运动原语分为5个RBG组，同组内demo可跨subtype共享增广；MimicGen从10条源demo生成1000+条；总需求压缩至329条（节省81%）。
关键洞察: 错误类型分类（按触发原因）和recovery行为分类（按运动原语）是两个不同维度；后者的结构相似性是实现跨error-type数据复用的关键。
4. 学术数据库（Semantic Scholar）将多位同名研究者论文错误合并，导致单个档案横跨完全不相关领域，h-index等统计指标严重失真（140篇论文但h-index仅4；著名教授Pieter Abbeel被匹配成h=4的同名人）
解决方案: 两层应对：（1）分析层：LLM在输出中主动识别混淆并标注警告，通过h-index/引用数/领域跨度三维信号交叉验证；（2）工具层：重构消歧评分权重（量化指标压倒字符串相似度）+新增三级解析链（精确ID→论文反查→名字搜索）+–author-id CLI参数支持手动指定。
关键洞察: 同名混淆检测三信号：h-index与论文数比值异常低、领域跨度在方法论层面不可能共存、引用统计与发表年限矛盾。消歧核心：同名学者中学术产出差距往往是数量级，应让量化指标主导消歧。
5. UNI2视觉Foundation Model表现出乎意料地差（命中率71%，部分方向Spearman r为负）
解决方案: 接受UNI2在跨样本场景的局限性，以scGPT为主。根因：H&E组织学图像在不同切片间存在染色/制备batch effect，视觉特征跨样本不可靠。
关键洞察: Gene FM vs Vision FM性能差异（100% vs 71%）揭示：基因表达在跨样本任务中比形态学图像具有更强的一致性，对多模态FM选择有普遍指导意义。
6. S2 API 429限速时_s2_request()递归重试无终止条件，程序无限挂死；Yiran Chen第一次因限速论文反查失败，被错误匹配到同名医学学者（h=10而非h=65）
解决方案: 将递归改为for循环+指数退避（5→10→20→40→60秒）+最多5次后抛出S2RateLimitError；限速时通过WebSearch查找正确authorId（5442167），用–author-id参数绕过消歧直接指定。
关键洞察: 递归重试是资源泄漏隐患；外部API限速时需有降级方案（手动指定ID），这证实了新增–author-id参数的必要性。
7. research profiler批量运行经历三轮全量失败：子代理无Bash权限→conda activate失败→common模块缺失→ANTHROPIC_API_KEY缺失
解决方案: 放弃Agent tool改由主会话直接Bash run_in_background；改用conda环境直接Python绝对路径（miniconda3/envs/AI/python.exe）；设置PYTHONPATH；改用–api claude_cli后端（用户明确指定）。
关键洞察: Claude Code Agent子代理默认不继承Bash权限；Windows conda在非交互式shell中必须用直接Python路径；该项目环境惯用claude_cli而非anthropic后端，应在开始前确认用户偏好。
8. error scene生成pipeline被重复中断：an53 SSH连接失败、VLA rollout数据来源变更、pipeline重复失败
解决方案: 改用Slurm sbatch提交到ai分区（指定–partition=ai），在ln206的tmux tzj中监控；collect步骤改为仅使用MimicGen增广数据集（1000 demos/task），num_demos从20改为1000。
关键洞察: 长时间GPU任务应通过Slurm而非SSH nohup运行；MimicGen增广数据集已足够丰富，无需VLA参与collect阶段。
9. LLM生成包含中文学术描述的长JSON时，系统性地产生未转义双引号（论文标题、概念名称引用等）导致JSON解析失败，部分还有末尾截断问题
解决方案: 在流水线中增加专用JSON修复子步骤，将损坏输出提交给LLM要求只返回修复后的纯净JSON；本日执行约20次修复任务，成功率较高。
关键洞察: 生成与格式化解耦是更可靠的工程策略；中文引号习惯与JSON转义规则天然冲突，应在提示词中预防性要求"转义，或在后处理层引入jsonrepair库，以减少30-50%的额外API调用。
10. DiskCache每次get()读取时都调用mkdir()造成热路径冗余；discover_homepage_urls()即使s2_homepage已提供仍调用LLM产生不必要API调用
解决方案: DiskCache添加ensure_dir参数：get()时ensure_dir=False，只有put()时mkdir()；当s2_homepage已有值时直接添加并返回，跳过LLM调用。
关键洞察: 读路径和写路径的保证需求不同，混淆导致热路径开销；LLM调用应作为最后手段，短路逻辑（早返回）是降低调用频次的最有效模式。
11. 会议奖项识别步骤召回率极低：约80%批次返回空列表，对电力电子、材料科学、海洋地质等专业领域几乎无效；2023年后论文无法确认
解决方案: 维持保守策略（宁可漏标不误标），在空结果时建议用户查阅会议官网；本日全天仅确认1条（GraphR HPCA 2018 Best Paper）。
关键洞察: 该步骤在当前LLM能力下ROI极低，应替换为外部数据源方案（维护顶会历年Best Paper列表JSON文件，通过精确标题匹配查询），而非依赖LLM记忆。
人类思路 vs AI 思路
战略层面
实验方法论约束识别：Zero-shot约束+normalize假说纠正
| 角色 | 思路 |
|---|---|
| 人类 | 用户在AI提出联合PCA、Procrustes对齐等方案时立即指出违反zero-shot约束；在用户猜测’是不是normalize没做好’时，AI正确解释normalize无法解决坐标系不一致问题，并通过比喻澄清根因。 |
| AI | AI最初提出的方案（联合PCA、Procrustes对齐、联合训练）均需同时访问两切片数据，未意识到zero-shot约束；但在normalize假说上AI给出了正确的数学层面诊断。 |
差异分析: 用户对实验设计约束条件更为敏感，能从方法论层面识别违反前提的方案；AI在诊断能力上有优势（分析normalize不能解决坐标系问题），但在约束条件的主动检查上存在盲区。这次纠正直接将研究方向从对齐方法转向Foundation Model。
Error Recovery核心架构设计由人类独立完成
| 角色 | 思路 |
|---|---|
| 人类 | 人类独立设计了完整的5个RBG分组体系（将29个subtype按motor primitive聚类）、6个task分层策略、精确到每个(task,subtype,division)的329条demo分配表、迭代验证策略，以及选定SpaceMouse为遥操作设备。整个计划约2000字，体现了对机器人学习数据工程的深入理解。 |
| AI | AI基于人类计划进行代码实现：探索现有框架接口，设计与框架一致的数据结构，分模块实现5个文件，编写34个单元测试，更新配置和文档。 |
差异分析: 核心设计决策（RBG分组、demo分配、数据效率81%节省）完全由人类完成；AI负责接口适配和代码实现。人类提供的计划直接决定了整个系统的数据效率，这一核心洞察AI无法独立产生。
API后端偏好与领域先验（h-index异常识别）
| 角色 | 思路 |
|---|---|
| 人类 | 用户从一开始就期望使用claude_cli后端（项目环境惯用配置），在AI展示著名教授h-index=4/6的数据后，凭领域先验立即识别出数据异常。 |
| AI | AI默认使用anthropic后端，三轮全失败后才从错误信息发现缺少API密钥；展示h-index列表时未主动对数值提出质疑。 |
差异分析: 用户有领域常识（顶级教授h-index不可能这么低）和项目约定（惯用claude_cli），AI缺乏这两种知识的自动校验能力；‘先问再做’在两个维度均适用。
同名混淆的主动识别（AI超出任务边界的质量检查）
| 角色 | 思路 |
|---|---|
| 人类 | 人类设计了结构化分析框架，但未在提示词中显式要求AI主动检测同名混淆；部分案例中人类直接将混淆档案传入流水线未进行预筛选。 |
| AI | AI在多个案例中主动通过多维信号（h-index与论文量比值、领域不可能跨度、引用统计矛盾）识别出同名混淆，并在输出中添加明确警告和分类，甚至在Xiaoxiao Liu案例中识别出3条独立轨迹分别分析。 |
差异分析: AI展示了超出任务边界的主动质量检查能力，这是prompt未显式要求但高度有价值的行为；人类若不依赖AI的这一主动性，同名污染问题将直接导致错误的轨迹报告。
研究者画像分析的深度洞察超出信息抽取范畴
| 角色 | 思路 |
|---|---|
| 人类 | 人类设计了结构化JSON模板（trajectory_summary、breakthroughs含why_not_before等字段），意图抽取结构化信息。 |
| AI | AI在填充模板时展现了学术评论级别的理解：识别出Yuke Zhu’基础设施思维’核心特征、Pieter Abbeel从RL理论到具身AI的叙事、DPO’为何之前做不出来’的深层技术条件（需同时深刻理解RL目标函数和语言模型训练动力学）。 |
差异分析: AI的输出质量超越了信息抽取，达到了学术评论级别的洞察；这部分价值不在提示设计中，而源于AI对学术知识的理解深度。why_not_before字段是整个分析中价值最高的字段。
实现层面
工作范围界定与计划模式的使用
| 角色 | 思路 |
|---|---|
| 人类 | 用户多次拒绝ExitPlanMode工具调用，明确要求直接执行而非进入计划模式；在CALVIN任务中明确限定’只需整合代码，不需要检查环境依赖’。 |
| AI | AI倾向于先进入计划模式整理方案再执行（认为更安全），在CALVIN任务中还启动了Plan agent和后台环境检查命令，被用户两次中断。 |
差异分析: 对于已有明确计划文档或任务范围清晰的场景，进入计划模式是冗余的；AI的过度规划倾向需要用户主动干预来聚焦范围。
AI 局限性
重要局限
- 环境配置未预验证导致批量任务三轮全量失败：未考虑Agent子代理无Bash权限、conda非交互式激活失败、PYTHONPATH缺失、API密钥类型等，应先用单个任务验证再批量扩展，且应在开始前询问用户API后端偏好。
- 初始诊断结论错误且未主动检查实验约束：将跨切片失败归因于’基因特征本身弱’而非坐标系不可比（方法论错误）；提出联合PCA等方案时未主动检查zero-shot约束是否满足，需用户纠正后才转向Foundation Model方向。
- 缺乏领域常识自动校验：展示Pieter Abbeel h-index=4、Sergey Levine h-index=6等明显异常数值时未主动质疑，需要用户凭领域先验指出后才意识到S2消歧系统性失败。
- 会议奖项知识库覆盖严重不均：对NeurIPS/CVPR/ICCV等主流AI会议较可靠，但对专业细分领域（电力电子、材料科学、海洋地质等）几乎无效；2023年后论文因知识截止几乎全部返回空列表，导致约80%批次无输出，ROI极低。
- 严重同名混淆档案（混淆程度超过阈值）时仍强行生成’主体研究者’分析，可能产生误导性内容；系统应支持在混淆程度过高时直接拒绝分析并要求用户提供消歧提示（如–author-id）。
一般局限
- 忽略用户明确范围限定指令：用户说’不需要检查环境依赖’时，AI仍启动Plan agent和后台检查命令；对于已有明确计划的任务多次尝试进入计划模式，均被用户拒绝。
- LLM生成包含中文长文本的JSON时格式稳定性差：系统性未转义双引号和末尾截断问题，每5-6个分析任务约发生1次，需额外修复步骤增加流水线复杂度；生成大型测试文件时也容易产生import位置错误等语法问题。
今日收获
核心收获
- Per-section独立处理（PCA/训练）产生不可比嵌入空间，这是空间转录组跨样本检索的架构级根本限制，不能通过归一化或后处理修复。唯一正确的zero-shot解决方案是使用预训练Foundation Model，使所有样本共享同一套模型权重和特征空间。
- 在空间转录组跨切片任务中，Gene FM（scGPT）显著优于Vision FM（UNI2，100% vs 71%命中率），原因是H&E图像存在跨样本batch effect（染色差异、切片厚度），而基因表达具有更强的跨样本一致性。这对多模态FM选择有普遍指导意义。
- Recovery Behavior Group（RBG）分组策略将人类演示需求从1740条降至329条（节省81%）：将29个error subtype按motor primitive聚类为5组，同组内demo可交叉增广，D0 demo可通过扰动生成D1/D2变体，Tier 1 task demo可迁移至Tier 2/3。这是可广泛应用于机器人recovery数据工程的范式。
- set_sim_state_flat()从HDF5恢复保存状态时会覆盖所有body的pos/quat，这掩盖了XML中的模型装配错误；只有env.reset()从XML初始化时才会暴露CompositeBodyObject的坐标计算bug。长时间GPU任务应通过Slurm而非SSH nohup运行，保存scan结果（–skip_scan）是重要工程实践（避免重复1-4小时扫描）。
- Semantic Scholar作者消歧核心矛盾：同名学者中学术产出差距往往是数量级（h=4 vs h=164），正确消歧需让量化指标（论文数/h-index权重大幅提升）压倒字符串相似度；名字完全精确匹配反而是同名陷阱的信号。三级解析链（精确ID→论文反查→名字搜索）是健壮的架构模式。
- 学术数据库同名混淆检测三信号：①h-index与论文数比值异常低（如140篇论文但h-index=4）；②研究领域在方法论层面不可能同时存在于一人；③引用统计（近5年引用数）与论文列表实际内容年限矛盾。这三个信号可作为自动检测启发式规则内嵌到数据采集层，而不是依赖分析层事后识别。
- research_scout.py profile命令在Windows环境的正确运行方式（三个条件缺一不可）：PYTHONPATH=<项目根目录> C:/Users/tongt/miniconda3/envs/AI/python.exe research/research_scout.py profile “姓名” –api claude_cli。Claude Code Agent子代理默认不继承主会话Bash权限，涉及Bash执行的长时间任务必须由主会话直接用run_in_background执行。
- LLM JSON修复独立步骤策略（生成与格式化解耦）在实践中验证有效：将错误输出提交给LLM专门修复，两步总成功率远高于单步要求完美输出。根本预防方案：在提示词中预防性要求"转义，或后处理层引入jsonrepair库，可减少约30-50%额外API调用。
- 会议奖项识别步骤在当前LLM能力下ROI极低，应替换为外部数据源方案（维护顶会历年Best Paper列表的JSON文件，通过精确标题匹配查询），而非依赖LLM记忆；仅对2022年前主流AI/ML/CV/Robotics会议有一定可靠性。
- LLM调用应遵循’最后手段’原则：所有低成本信息源（缓存、结构化API返回值）满足需求时应通过短路逻辑跳过LLM。缓存系统读写路径保证需求不同：读操作预设资源已存在（不触发mkdir），只有写操作才确保目录存在，混淆两者会导致热路径上的系统调用开销。
- 三并行代码审查框架（复用/质量/效率三个独立Agent并发审查同一diff）在实践中有效：三个维度发现了完全不重叠的问题集（import遗漏、SHA256重复实现、DiskCache热路径冗余），并行执行节省时间；大规模重构后必须进行系统性的’使用方跟进检查’，包括import完整性和功能重复实现，这类问题不在运行时立即报错。
- LLM对学术轨迹分析的深度理解能力超预期：能自发识别’基础设施思维型研究者’、‘范式转变的技术前提’等高阶特征；why_not_before字段（从数据/算力/insight三维归因每项突破的历史前提）是研究者画像中价值最高的字段，适合作为research_scout的核心功能。
实践收获
- tqdm在tmux/nohup中正常显示需要PYTHONUNBUFFERED=1+python -u标志；VLA模型内部预测值（manip_progress）叠加到评估视频帧是低成本高效debugging手段（cv2.putText白色带黑描边文字方案跨背景清晰可读）。
会话摘要
MIHD 空间转录组
✅ 跨切片嵌入诊断全流程：5种方法对比→scGPT确认最优→可视化PDF生成→英中双语文档化 00:01:55.299 | claude_code 从Raw Shared HVG诊断结果出发，用户指出联合方法违反zero-shot约束并提示当前系统已是Foundation Model架构，要求测试scGPT和UNI2。扩展benchmark脚本支持两种新embedding source，并行运行后确认scGPT 14/14命中率（avg SL@50=0.416），UNI2因跨样本H&E batch effect仅10/14。随后实现visualize_cross_section_experiments.py生成5套Letter格式PDF（封面+14页）及35个per-layer子PDF。经多次格式迭代（中英交替→全中文→分开两文档），最终用PyMuPDF将per-layer PDF转PNG嵌入，创建英文版和中文版两个独立诊断报告，确认per-section独立训练是根因。
Error Recovery Benchmark
🔄 VLA错误恢复数据采集全链路：方案设计→Pipeline实现→CompositeBodyObject修复→Slurm批量生成 01:03:13.720 | claude_code 用户设计了完整的RBG分组方案（5组、329条demo预算），AI在robosuite/MimicGen框架上实现8个新文件（recovery_types/segmenter/采集增广转换脚本），139个测试全通过。同期修复CompositeBodyObject散架bug（对齐commit 398af01b），修复后13个coffee error skill视频成功重渲染。为v5 pipeline添加tqdm进度追踪和步骤跳过选项，经历an53下线→Slurm方案迁移（首次未指定partition失败，加–partition=ai后成功），通过tmux tzj + job 49363在an46 A800 GPU上启动全任务error scene批量生成，pipeline在pick_place注入阶段运行（14%|72/500）。
VLA辅助工具
✅ manip_progress视频叠加（cv2）+ CALVIN RLDS→LeRobot格式转换脚本 03:02:15.000 | claude_code 为VLA评估实现manip_progress预测值实时叠加：追踪推理链路并在pi0.py/policy.py/pi_model.py/deploy_policy.py四文件做最小化修改，每帧用cv2叠加白色带黑描边文字。用户明确要求仅整合代码（不检查环境依赖）后，在Plan agent和后台检查被两次中断后直接读取两个源文件，编写rlds_to_lerobot.py实现RLDS→LeRobot格式转换。
Research Scout / Research Profiler 批量学者档案分析
✅ 20+位多领域研究者学术轨迹分析、JSON修复与会议奖项识别全流程批量执行 02:44:44.000 | claude_code 全天在TzJsDesktop上密集运行研究者画像流水线，覆盖具身AI（Yuke Zhu/基础设施思维、Pieter Abbeel/RL→具身AI、Chelsea Finn/π0 VLA、Yunzhu Li/物理推理、Sergey Levine组Eysenbach/Myers等）、CV（Ruoshi Liu/Zero-1-to-3、D’idac Surís/ViperGPT）、电力电子（Haochen Shi/DAB变换器）、分析化学（Fan Chen）、海洋地质（P. Yan）等多领域20+位研究者。产出含trajectory_summary/breakthroughs(why_not_before)/research_themes的完整画像JSON约20份；执行约20次JSON格式修复（中文引号转义）；进行10+批次会议奖项识别（确认MineDojo NeurIPS 2022 Outstanding Paper、RoboMimic CoRL 2021 Best Paper、DPO NeurIPS 2023 Outstanding Paper、Zero-1-to-3 ICCV 2023 Oral、Open X-Embodiment CoRL 2023 Best Paper等）；识别出Xiaoxiao Liu（三条独立轨迹）、Yan Yang（140篇极端混淆）、Yanyan Chen（热声/量子场论混合）等5+个严重同名污染案例。
Gadget Research Profiler 代码质量改进
🔄 /simplify三维并行审查+S2消歧两轮重构+Yiran Chen实战验证 02:20:54.392 | claude_code 运行/simplify对common/包重构后的443KB diff进行三并行代码审查（复用/质量/效率），发现并修复6处问题（缺失StudentCandidate import、SHA256重复实现、函数内import math、DiskCache多余mkdir、homepage_urls冗余LLM调用、路径解析重复）。随后针对S2消歧系统性失败（著名教授h-index全部错误）实施两版重构：第一版（重试机制+评分消歧+_names_match修复）；第二版（评分权重重校准使量化指标压倒字符串、三级解析链、get_author_by_id/search_paper_by_title/resolve_author_by_paper新函数、s2_author_id字段、–paper/–author-id CLI参数）。Yiran Chen（杜克大学，h=65）实战验证：第一次因S2限速匹配到同名医学学者（h=10），通过WebSearch找到正确authorId后第二次成功，档案已部署到Hugo。第三版（论文标题搜索支持）计划完成，实现待续。
Research Profiler 批量运行环境调试
🔄 12位研究者profiler批量运行：三轮环境失败→7位完成，insights报告生成 02:37:49.375 | claude_code 用户请求对10位已查机器人学教授重新运行profiler并新增Duke大学Yiran Chen和Hai Li，共12人并行运行。经历Agent子代理无Bash权限→conda activate失败→common模块缺失→ANTHROPIC_API_KEY缺失四重障碍，每次全量重跑12个任务；用户明确指定–api claude_cli后，采用PYTHONPATH+直接Python绝对路径+claude_cli方案，最终完成7位（Xiaolong Wang 23.7、Ruoshi Liu 45.1、Pieter Abbeel 29.8等），5位被kill。同日用户执行/insights命令，分析13个会话生成HTML报告，揭示用户规划导向+批量操作+容忍部分失败的工作风格。
CalendarPro
🔄 测试套件分层：230项针对性测试通过，全量套件因HuggingFace模型下载挂起 00:24:51.000 | claude_code 针对性的230项测试（排除语义路由相关）全部通过；包含HuggingFace语义路由模型下载的全量pytest套件被多次kill，问题未解决。建议用pytest marker（@pytest.mark.slow）隔离重量级测试，或使用monkeypatch mock模型下载。
Token 用量
总览
| 指标 | 数值 |
|---|---|
| 总 Token | 49,501,971 |
| 输入 Token | 39,621 |
| 输出 Token | 122,384 |
| Cache 创建 | 4,038,982 |
| Cache 读取 | 45,300,984 |
| Cache 命中率 | 91.8% |
| 总费用 (USD) | $38.4677 |
模型明细
| 模型 | 输入 | 输出 | Cache 创建 | Cache 读取 | 费用 | 占比 |
|---|---|---|---|---|---|---|
| claude-opus-4-6 | 18,157 | 65,173 | 2,439,204 | 33,365,164 | $33.7147 | 87.6% |
| claude-haiku-4-5-20251001 | 21,363 | 54,114 | 1,167,476 | 11,234,327 | $2.8747 | 7.5% |
| claude-sonnet-4-6 | 101 | 3,097 | 432,302 | 701,493 | $1.8783 | 4.9% |
各设备用量
| 设备 | 总 Token | 输入 | 输出 | 费用 |
|---|---|---|---|---|
| DCC | 1,074,928 | 1,267 | 4,499 | $1.4459 |
| tianhe | 44,299,011 | 38,093 | 110,679 | $32.3961 |
| TzJsDesktop | 4,128,032 | 261 | 7,206 | $4.6258 |