yjh051108/mmkit/assets-inventory

echo "=== 扫描 user_data/ ==="
ls -la user_data/ 2>/dev/null || { echo "user_data/ 不存在"; mkdir -p user_data; }
echo ""
echo "=== 文件清单（按类别分组）==="
echo ""
echo "[题目/要求]"
ls user_data/*.pdf user_data/*.docx user_data/*.md user_data/*.txt 2>/dev/null | grep -v "_extracted" | head -20
 
echo ""
echo "[代码]"
ls user_data/*.py user_data/*.ipynb user_data/*.zip 2>/dev/null | head -30
 
echo ""
echo "[数据]"
ls user_data/*.csv user_data/*.xlsx user_data/*.xls user_data/*.tsv user_data/*.json 2>/dev/null | head -30
 
echo ""
echo "[图]"
ls user_data/*.png user_data/*.jpg user_data/*.jpeg user_data/*.pdf user_data/*.svg 2>/dev/null | head -30
 
echo ""
echo "[结果文件]"
ls user_data/RESULTS* user_data/results* user_data/result* 2>/dev/null | head -20
 
echo ""
echo "[模板文件]"
ls user_data/*.tex user_data/*.cls user_data/*.sty user_data/*.docx user_data/*.dotx 2>/dev/null | head -10

mkdir -p code data figures

# 示例：复制图片
for img in user_data/*.png user_data/*.jpg user_data/*.jpeg user_data/*.svg; do
    [ -f "$img" ] || continue
    base=$(basename "$img")
    # 题目相关的 PDF 不算图
    case "$base" in
        problem*|题目*|赛题*) continue ;;
    esac
    # 命名规范化
    if [[ "$base" != fig_* && "$base" != user_fig_* ]]; then
        cp "$img" "figures/user_fig_${base}"
    else
        cp "$img" "figures/${base}"
    fi
done

# 资产清单（assets-inventory）
 
> 生成时间：YYYY-MM-DD HH:MM
> 论文类型：{paper_type_target}
> 用户自定义要求：{custom_requirements 摘要 / "无"}
 
## ✓ 已有资产
 
### 题目/要求
-`user_data/problem.pdf` — CUMCM 2024 A 题，4 问
  -已自动提取文本：`user_data/problem_extracted.txt`
 
### 代码
-`code/main.py` — NSGA-II 多目标优化 (350 行)
-`code/utils.py` — 数据预处理工具 (80 行)
-`user_data/notebook.ipynb` — Jupyter 笔记本（含已运行的 cell 输出）
 
### 数据
-`data/load.csv` — 城市负荷曲线 (100×168, 第一列日期, 后 167 列负荷值)
-`data/poi.json` — POI 数据 (3000 条)
 
### 图
-`figures/user_fig_demand.png` — 各城市需求热力图（用户上传，未重命名前: fig_demand.png）
-`figures/user_fig_pareto.pdf` — NSGA-II Pareto 前沿
 
### 结果
-`RESULTS.md` — 用户提供的结果说明（含 best_obj=0.847, iter=200）
-`results.json` — 结构化结果数据
 
### 模板
-`_user_templates/thesis.cls` — 用户提供的 LaTeX 类
-`_user_templates/main.tex` — 起始模板
 
## ✗ 缺失资产（自动补全策略）
 
### Q3 / Q4 的代码与结果（用户只提供了 Q1+Q2）
-缺失类别：code + result
-补全策略：后续 paper-analysis 步骤根据题目需求自动生成
-补全位置：`code/q3_*.py`, `code/q4_*.py`, 追加到 `results.json`
 
### 技术路线图
-缺失类别：figure (roadmap)
-补全策略：后续 paper-figure 步骤生成
-补全位置：`figures/fig_roadmap.png`
 
### 灵敏度分析图
-缺失类别：figure
-补全策略：后续 paper-figure 步骤生成
-补全位置：`figures/fig_sensitivity.pdf`
 
## ⛔ 写作铁律（注入到 paper-plan / paper-write）
 
1.**已有结果 = 真值，逐字保留**
   -results.json 中所有数字在论文里**逐字保留**
   -禁止四舍五入（0.847 ≠ 0.85）、禁止单位换算
   -禁止编造未出现在 results 中的数值
 
2.**已有图 = 真值，直接引用**
   -上面"图"列表中的每个文件必须**直接 `\includegraphics`**
   -禁止重绘已有图
   -图 caption 必须如实描述图内容，不允许写"如图 X 所示"但图里其实没有的内容
 
3.**已有代码 = 方法依据**
   -论文中描述的方法必须与 `code/` 中实际实现一致
   -禁止论文写"使用 NSGA-II"但代码里其实是 LSTM
   -论文超参数（epochs, lr, batch_size）必须从代码或 results 中来
 
4.**用户自定义写作要求 = 强制约束**
   -{custom_requirements 全文，如果有}
 
5.**缺失资产由对应步骤自动补全**
   -不要试图绕过 paper-analysis/paper-figure 步骤直接在 paper-write 里造数字/造图描述
 
## 资产文件索引（供后续步骤引用）
 

（同时写入 `_assets_index.json` 供工作流引擎读取）

# 资产一致性检查报告
 
> 生成时间：YYYY-MM-DD HH:MM
> 共检测到 N 处不一致，请用户确认处理策略
 
## 严重不一致（建议必须解决）
 
### 1. method-mismatch: 代码与图中算法不一致
-`code/main.py` 第 45 行：使用 `from torch.nn import LSTM`
-`figures/user_fig_arch.png` AI 描述：标注的架构是 Transformer
-严重程度：HIGH（论文方法描述会自相矛盾）
-处理选项：
  -[A] 以代码为准：删图，让 paper-figure 重新画 LSTM 架构图
  -[B] 以图为准：让 paper-analysis 重写代码用 Transformer
  -[C] 论文中明确说明用了两种方法做对比
 
## 中等不一致
 
### 2. value-mismatch: 结果数值与图中标注不同
-`results.json`: best_obj = 0.847
-`figures/user_fig_pareto.pdf` AI 描述：标注的最优解 = 0.85
-差异：0.4% (可能只是显示精度)
-严重程度：MEDIUM
-处理选项：
  -[A] 以 results.json 为准（推荐）：论文写 0.847，图保留
  -[B] 以图为准：把 results.json 中的 0.847 改成 0.85（不推荐）
 
## 轻微不一致
 
### 3. missing-coverage: 题目要求 4 问但只覆盖 2 问
-题目：CUMCM 2024 A 题, Q1-Q4
-已有：results.json 含 Q1+Q2，缺 Q3+Q4
-严重程度：LOW（paper-analysis 会自动补全）
-处理：自动跑 paper-analysis 补全 Q3+Q4 代码与结果
 
## ✓ 一致性 OK 的部分
 
-`data/load.csv` 形状 (100, 168) 与 `code/main.py` 中 `df.shape == (100, 168)` 一致
-`figures/user_fig_demand.png` 描述与 `RESULTS.md` 中"Q1 输出热力图"对应
-题目"光伏选址"关键词在 `data/poi.json` 列名中出现
 
## 用户决策提示
 
如果 ASSETS_CONFLICTS.md 中有 HIGH 严重等级的冲突，**强烈建议用户在工作流暂停时手动确认处理策略**。否则后续步骤会按以下默认策略处理：
-HIGH → 以"已有资产"为准（保留用户上传的图/结果，让代码重新生成匹配）
-MEDIUM → 以"results.json"为准
-LOW → paper-analysis/paper-figure 自动补全

cat > _assets_index.json <<'EOF'
{
  "has_problem": true,
  "has_code": true,
  "has_data": true,
  "has_figures": true,
  "has_results": true,
  "has_templates": false,
  "missing_assets": ["roadmap_figure", "sensitivity_figure", "q3_q4_code_results"],
  "conflicts": [
    {"type": "method-mismatch", "severity": "high", "files": ["code/main.py", "figures/user_fig_arch.png"]},
    {"type": "value-mismatch", "severity": "medium", "files": ["results.json", "figures/user_fig_pareto.pdf"]}
  ],
  "conflict_count": 2,
  "high_severity_count": 1
}
EOF

# 必须文件存在
[ -f ASSETS_INVENTORY.md ] || { echo "❌ ASSETS_INVENTORY.md 缺失"; exit 1; }
[ -f _assets_index.json ] || { echo "❌ _assets_index.json 缺失"; exit 1; }
 
# JSON 合法性
python3 -c "import json; json.load(open('_assets_index.json'))" || { echo "❌ _assets_index.json 非法"; exit 1; }
 
# 关键段落存在
grep -q "## ✓ 已有资产" ASSETS_INVENTORY.md || { echo "❌ 缺少'已有资产'段"; exit 1; }
grep -q "## ✗ 缺失资产" ASSETS_INVENTORY.md || { echo "❌ 缺少'缺失资产'段"; exit 1; }
grep -q "## ⛔ 写作铁律" ASSETS_INVENTORY.md || { echo "❌ 缺少'写作铁律'段"; exit 1; }
 
echo "✅ 资产清单生成完成"