auto-pwa
面向 DeepSeek Harness（DSH）的 AI 驱动分波分析（PWA）插件：把
ctpwa 拟合包成 25 个 auto_pwa_* 工具，覆盖从起草 config 到迭代收敛的全过程。
模型不需要记住 J^PC 规则——规则在代码里算：
- 物理门禁：PDG-2026 查询、J^P 可达性、两顶点 J^PC（复刻 ctpwa
Amp2BD::ComSL 波枚举、正反粒子对
与全同粒子的 C 规则）、运动学阈值、全同选择定则、float 策略；auto_pwa_validate_add / auto_pwa_edit_config
在写文件之前就把错误挡住。
- 拟合：
auto_pwa_run_fit 提交 ctpwa 拟合（本地 CPU/GPU、SLURM 或自定义脚本），后台运行、完成即唤醒；
自带 scripts/aifit.py 驱动，产出结构化 results/fit.json + weight_best.root。
- 评估：
auto_pwa_evaluate / auto_pwa_diagnose 把 weight_best.root 变成 pull 分布、分波份额，以及
撞边界 / 简并 / Hessian 判据上的可行动假设。
- 迭代：
auto_pwa_iter_start / auto_pwa_loop_next / auto_pwa_note 维护每轮目录、迭代日记与本地 git 记录。
架构：src/ 是不依赖 DSH 的纯物理核心（可独立单测）；plugin/ 是薄 DSH 集成。
操作手册以 skill 形式随插件自动注册（auto-pwa-analysis、auto-pwa-jpc、auto-pwa-pdg、auto-pwa-iter）。
安装
要求：Node.js ≥ 20 + pnpm（DSH 用它管理 profile）；真实拟合另需一个装了 ctpwa
（及 torch / uproot）的 Python 环境。
A. 一键安装（推荐）
npm install -g @deepseek-ai/dsh auto-pwa
auto-pwa # 首次运行会自动 dsh plugin --profile web add auto-pwa 并打开 Web GUI
auto-pwa --upgrade # 升级插件
auto-pwa -p headless "完成此文件夹分波" # headless profile
手动等价形式：pnpm dsh plugin --profile web add auto-pwa。包 manifest 声明了 dsh.bundle.patch，
dsh plugin add 会把它接进 profile 的 bundles 层栈，之后 pnpm dsh web 直接生效。
B. 本地 patch 挂载（开发 / 未发布）
git clone https://github.com/BHXiang/auto-pwa.git && cd auto-pwa
npm install && npm run build
pnpm dsh web --patch "$PWD/patch/auto-pwa.cordis.yml"
--patch 挂的是 .ts 源码，改完重启即生效；发布物必须 npm run build（harness 加载的是 lib/）。
C. 装进已有 profile（常驻使用）
npm install && npm run build
dsh plugin --profile web add link:"$PWD"
安装或升级插件后要完全重启 harness，并在新会话里确认工具已加载（问"列出你可用的 auto_pwa_* 工具"，
应有 25 个）。运行中的旧会话不会自动获得新工具。
配置
开箱即用：拟合用插件自带的 scripts/aifit.py，Python 走 PATH。ctpwa 装在别处时：
export PWA_CTPWA_PYTHON=/path/to/ctpwa/env/bin/python
export PWA_LD_LIBRARY_PATH=/path/to/root/lib:/path/to/cuda/lib64 # 只在非激活环境时需要
开发
npm test # vitest（纯物理核心 + 插件接线）
npm run typecheck
npm run build # tsc -> lib/（harness 实际加载这里）
npm run check:build
Python 数值回归：<ctpwa env>/bin/python tests/python/test_optimizer_and_pull.py。
License
MIT
