version: "1.0.1" name: make-dataset-card-dev description: 设计、审查、实现和维护 NepTrainKit 的 Make Dataset 卡片。适用于逐卡审核功能边界、控件、参数、默认值、轴/参考系、文案、翻译和功能重复，也适用于把需求或脚本新增/迁移为卡片、修复卡片缺陷、优化预览性能，并按 Operation/Params 架构完成序列化、文档和严格测试。

Make Dataset Card Dev

目标

把需求文本、已有脚本或现有卡片重构需求稳定转换为可交付卡片：

1. 业务逻辑在 src/NepTrainKit/core/cards/，不依赖 PySide、qfluentwidgets 或 MessageManager。
2. UI 只负责控件、参数读写、序列化和调用 operation。
3. Params dataclass、operation、UI、文档、测试保持同一套参数契约。
4. 注册、在线文档路径、测试和文档审计闭环。
5. 卡片先通过用户场景、功能边界和参数设计审查，再进入实现。

协作规则

先从需求本质确认卡片类型，再动代码。以下情况先和用户确认：

1. 需求表述存在多种合理解读。
2. 方案会改变已有行为、默认值或旧 JSON 兼容性。
3. 需要引入新依赖、跨页改运行时框架，或影响已有工作流。
4. 存在明显更短或更稳的实现路径。

当存在更优路径时，先给出“当前方案 vs 替代方案”的简短对比（收益、代价、风险），由用户拍板后再实施。

先判定卡片语义

不要强行把所有卡片塞进同一个接口。先选 operation 类型：

• StructureOperation: 单结构变换，签名为 run_structure(structure, params) -> list[Atoms]。
• DatasetOperation: 全数据集过滤或排序，签名为 run_dataset(dataset, params) -> list[Atoms]。
• GeneratorOperation: 无输入生成结构，签名为 generate(params) -> list[Atoms]。

对应参数必须用 frozen dataclass 表达，例如 FooParams。UI 通过 get_params() 构造 dataclass，通过 set_params(params) 恢复控件。

工作流

0. 先做卡片设计审查

新增卡片和逐卡重构都先读 references/card-design-review.md，从用户使用和材料设计角度检查：

• 使用场景、输入前提、输出语义和功能边界是否一句话说清；
• 是否与相邻卡片功能重复，是否把生成、过滤、标签等不相关职责塞在一起；
• 每个参数是否必要，名称、单位、参考系、默认值、范围、精度和禁用语义是否合理；
• 方向参数是否区分笛卡尔轴、晶格轴、Miller 面、滑移方向和局部法向，是否不必要地限制任意取向；
• 控件联动、渐进披露、输出数量预览是否顺手且不会留下“可编辑但不生效”；
• 查找卡片弹窗是否有一句简述，新增卡片下拉框、分组、枚举和提示是否完整翻译；
• 文档是否准确说明原理、限制和适用场景，而不是替未实现的自动识别或物理能力背书。

先输出“发现 / 用户影响 / 建议 / 是否改变旧行为”的短表。纯文案、翻译、明显死参数和无歧义控件联动可直接修；会改变物理语义、默认值或旧 JSON 时再询问用户。

1. 需求/脚本解析为卡片规格

先产出一个“卡片规格草案”，至少包含：

• card_name、group、menu_icon、requires_input_dataset
• 面向查找弹窗的一句简述
• operation 类型：StructureOperation / DatasetOperation / GeneratorOperation
• Params dataclass 字段清单：名称、类型、默认值、范围、是否必填
• 处理逻辑摘要：输入对象 -> 输出结构列表
• 随机性与 seed 策略
• Config_type 标签策略
• 与相邻卡片的边界和不重复理由
• 方向/晶面/层操作使用的参考系和任意取向支持边界
• 输出数量合同：精确数量、最多数量、过滤子集或允许失败

如果是脚本输入，额外提取：

• 脚本里的硬编码常量，改为 Params 字段和 UI 参数。
• 文件 I/O 副作用，改为内存数据流；不要覆盖用户文件。
• 随机数入口，明确是否暴露 use_seed 和 seed。

2. 实现 core operation

优先在已有模块里放置逻辑：

• 晶格/结构变换：core/cards/lattice.py 或 core/cards/structure.py
• 随机/组成/替换：core/cards/alloy.py
• 缺陷/表面：core/cards/defect.py
• 磁性：core/cards/magnetism.py
• 数据集过滤：core/cards/filter.py

实现规则：

• operation 不导入 PySide6、qfluentwidgets、MessageManager。
• 参数校验失败时抛出明确异常；UI 层负责展示错误。新增或修改的用户可见卡片错误优先使用 core.cards.errors.CardOperationError(code, template, **values)，不要继续扩充 ui/messages.py 的英文片段替换兼容表。
• 结构变换后使用 append_config_tag(...) 写入可追溯标签。
• 不做静默物理替换、降级模型或伪成功返回；unsupported 就明确失败。
• 若需要序列化 dataclass，用 params_to_dict(params)；tuple 字段在 UI to_dict() 中按文档契约转成 list。

3. 实现 UI 卡片

UI 类放在 src/NepTrainKit/ui/views/_card/*.py，遵循现有风格：

• 新卡片默认继承 MakeDataCard。不要因为 operation 是 dataset 级别就新建 FilterDataCard 子类；当前 FilterDataCard 只保留给既有过滤卡的显示差异。
• init_ui() 构建控件。
• 数值参数用 SpinBoxUnitInputFrame，枚举用 ComboBox，开关用 CheckBox / RadioButton，字符串用 LineEdit。
• 提供 create_operation()、get_params()、set_params(params)。
• 所有卡片禁止覆盖 run()：基类 MakeDataCard.run() 已根据 create_operation() 返回的 operation 类型自动分发到正确线程。
• process_structure() 若保留，只能作为兼容委托层。结构卡调用 run_structure(...)；dataset/generator 卡片不要新增伪 process_structure() 通路。
• 生成型卡片使用 GeneratorOperation 和 requires_input_dataset = False。

4. 完成序列化

绑定必须完整：

• to_dict() 写入 "params": params_to_dict(self.get_params())。
• 保留必要的旧 key，保证旧 JSON 可加载。旧 key 双写是过渡态；新增持久化格式时再引入版本字段清理。
• from_dict() 优先读 params，没有时按旧 key 构造 Params，再调用 set_params(params)。
• 文档里的 serialized_keys、默认值和运行时 to_dict() 一致。

5. 注册、文档和在线路径

• 类上加 @CardManager.register_card。
• 在 src/NepTrainKit/ui/views/_card/__init__.py 导入并加入 __all__。
• 每张内置卡片必须有对应文档：
• 源码：src/NepTrainKit/ui/views/_card/foo_bar_card.py
• 文档：docs/source/module/make-dataset-cards/cards/foo-bar-card.md
• 在线链接：https://neptrainkit.readthedocs.io/en/latest/module/make-dataset-cards/cards/foo-bar-card.html

文档写作核心原则：从训练集诊断出发。

操作示例必须回答"模型哪里不行 → 训练集缺什么 → 这张卡怎么补 → 怎么验证改善"，而不是只写"设参数→得结果"。禁止以下内容：

• 模板填充句："先用默认值跑小样本；只有当你能明确说明它会改变当前结果分布时再偏离"
• 同义反复开关建议："需要启用 XXX 时开启 / 希望保持默认时关闭"
• 把 params（序列化实现细节）作为用户参数列出
• 三档预设 JSON 几乎一样（Safe/Balanced/Aggressive 应有实质性参数差异）

详细规范见 docs/source/module/make-dataset-cards/writing-guide.md。

参数文档必须按 Params dataclass 字段逐项落标题：无功能组时使用 ### 参数名（key），有功能组时使用 ### 功能组 + #### 参数名（key）。不要把多个 key 合在一个标题里；枚举表必须写真实选项，不能写“以 UI 下拉项为准”；物理直觉不能用可套在任何参数上的模板句。tools/docs/audit_card_docs.py 会按这一契约检查。

6. 测试

最少覆盖：

• operation 可脱离 UI 直接运行，不需要 QApplication 或 Qt 控件。
• UI get_params() / set_params() / to_dict() / from_dict() 往返一致。
• 关键参数生效。
• 文档审计通过。

新建或实质修改卡片时，先按 references/test-rigor-checklist.md 选择适用风险并列行为矩阵。测试不能只验证“不报错”：

• 覆盖每个公开模式、关键分支，以及共享元素池、原子集合、输出预算或晶胞自由度的参数组合。
• 直接运行 operation，断言输出数量、组成、完整 cell/PBC、坐标/位移、距离/角度/体积/应变、magmom/group、过滤集合和 Config_type 等真实承诺。
• 涉及方向、层、表面、层错、复制或应变时，按支持边界加入非正交 cell、混合 PBC 和非默认取向，不能只测对角晶胞或常用预设。
• 对 None、0、空值、自动模式等哨兵建立真值表；运行默认参数并证明默认输出语义，而不只比较 dataclass。
• 随机卡先声明“严格数量 / 尽力生成 / 允许随机耗尽失败”合同，再测固定 seed、不变量和交互风险。多规则、共享候选或拒绝采样默认做至少 20 个低成本种子扫描；重型 operation 用缩小的同类约束或可控 RNG 构造最坏路径。
• 范围参数会换算为原子数、缺陷数或其他离散资源时，按“固定/范围 × 上界可行/不可行”四格真值表测试；若上界是否可行能由输入确定，必须在 RNG 前校验，不能让 seed 决定成功或失败。
• 分别断言成功有输出、合法空输出和失败；错误必须可见，partial output 按卡片合同处理，不能用空列表伪装成功。
• preview/summary 先声明精确还是估算，再测试与正式运行的对应关系；高成本预览必须覆盖后台执行、防抖/合并、只采用最新结果和关闭时的线程生命周期。
• 新旧 JSON 都要走 UI 往返；每个下拉值还必须从控件读成 Params 后直接运行 core 的对应分支，不能用“UI 往返一套字符串、operation 单测另一套字符串”冒充覆盖。动态检查注册、文档 URL、查找简述和翻译，不硬编码卡片总数。
• 改动共享 arrays/info 或导出路径时，对比卡片导出、内存 handoff 和再保存产物。
• 测试使用 tmp 目录，不写仓库 fixture 或运行产物；轮询终态，不用脆弱固定 sleep。

dataset/generator 卡片要直接测 run_dataset(...) 或 generate(...)；UI 往返只验证参数绑定，不能替代 operation 行为测试。

7. 性能与响应时间

Make Dataset 是 UI 工作流的一部分。生成类、采样类、过滤类和迁移自脚本的卡片，不能只证明结果正确；在不改变核心物理/几何语义和随机分布契约的前提下，默认要保证交互响应时间足够好。

新增或实质修改卡片时，按风险做性能检查：

• 如果 operation 存在随机尝试、两两距离、邻居搜索、PBC minimum-image、文件解析、矩阵分解、聚类/筛选、批量结构循环等潜在热点，必须跑一个代表性 operation-only 性能 smoke 或 profile。
• set_dataset、参数变化或展开面板触发的 preview/summary 也属于性能面。代表性输入约 100 ms 以上或明显随数据规模增长时，放到后台并合并连续请求；UI 只能应用最新结果，卡片关闭时不能销毁仍在运行的线程。
• 从旧脚本迁移卡片时，必须用同一输入文件和同一关键参数做 CLI / core A/B；报告比较轴是 CLI end-to-end 还是 card core operation，不要混淆进程启动和 I/O 成本。
• 如果 profile 显示热点来自可消除的重复计算、对象访问、全量两两循环、重复 cell 求逆、重复解析或可安全缓存的静态数据，交付前应直接优化，不等用户再次要求。
• 优化必须保持输出契约：数量、元素组成、cell/PBC、失败条件、seed 可复现性、Config_type 标签和文档参数语义不变。
• 不为了速度改采样分布、放宽碰撞约束、静默降低目标数量或引入启发式后处理；这类改变必须先和用户确认。
• 最终回复里简要给出代表性耗时、优化前后或脚本对比，以及仍然保留的热点/风险。

验证

从仓库根目录运行 python skills/make-dataset-card-dev/scripts/run_card_checks.py --quick。更多模式见 references/validation-playbook.md。

交付格式

执行此 skill 时，输出按以下结构组织：

1. 卡片规格摘要
2. 实现清单
3. 验证结果
4. 性能与响应时间结果
5. 未覆盖风险

质量门槛

• core operation 与 UI 解耦。
• UI 参数、Params dataclass、文档默认值一一对应。
• 卡片功能边界清楚，与相邻卡片无无法解释的重复。
• 参数名称、单位、参考系、默认值、范围、精度、禁用语义和控件联动已经过设计审查。
• 没有“UI 有参数但逻辑没用”的死参数。
• 没有“逻辑硬编码但 UI 没暴露”的隐含参数。
• to_dict / from_dict 无丢字段和错类型。
• 非正交 cell、混合 PBC、哨兵/自动模式、合法空输出和旧 JSON 按适用风险覆盖。
• 随机 operation 的输出合同明确；交互风险有多种子或可控最坏路径测试。
• preview/summary 的精确或估算语义明确，高成本路径不阻塞 UI 且不回写过期结果。
• 对潜在长耗时卡片有 operation-only 性能检查；迁移脚本时有同输入同参数 A/B。
• 性能优化不改变核心输出语义、失败语义或 seed 可复现性。
• 查找简述、新增下拉项、枚举和状态文案完成翻译；测试不污染工作树。
• tools/docs/audit_card_docs.py 和相关 pytest 通过。

Resources

references/

• references/card-touchpoints.md：代码/文档/测试触点。
• references/card-design-review.md：逐卡审核功能边界、参数、控件、文案、翻译和重复功能。
• references/validation-playbook.md：验证与排错路径。
• references/requirements-to-card-spec-template.md：把需求/脚本先落成实现规格。
• references/test-rigor-checklist.md：按卡片风险选择测试矩阵，覆盖真实缺陷容易逃逸的交互与边界。

scripts/

• scripts/run_card_checks.py：统一执行交付检查，包含 operation 架构审计和测试前后工作树漂移检查。