论文复现全流程

你要做什么

给我一篇论文，我帮你把它的核心设计从头到尾复现出来，验证论文结果是真是假、可不可重复。

复现流程

论文PDF
  ↓
Phase1: 读懂文章 → 提取所有设计参数 → 输出 model_spec.yaml
  │         └── vision.js 提取论文附图中的结构、尺寸、曲线
  ↓
Phase1.5: 公式预扫雷 → 输出 formula_audit_report.md
  │         └── 调用 /paper-formula-falsify 检查承重公式有无笔误/量纲/约束硬伤
  ↓
Phase2: 用解析公式做快速验算 → 输出 theory_results.json
  ↓
Phase3: 用CST建模仿真 → 输出 cst_results.json + .cst 项目
  │         └── vision.js 对比模型截图 vs 论文结构图
  ↓
Phase4: 三方对比（论文 vs 理论 vs 仿真）→ 复现结论报告
  │         └── vision.js 对比仿真结果图 vs 论文结果图
  ↓
Phase5: 不吻合时溯源排查 → 修正后重跑
  │         └── vision.js 辅助诊断异常
  ↓
Phase6: 优化设计 → 参数扫参/贝叶斯优化

各阶段说明

Phase 1 — 理解论文、提取参数

把论文里作者做了什么、怎么做的、参数是多少，全部结构化地提取出来。

文字提取（底层模型直接处理）：

• 几何参数：每层材料、每个尺寸、单位，一个不落
• 激励/边界条件：端口类型、边界设置、入射波
• 求解器设置：频段、网格类型与密度、收敛判据
• 设计公式：论文引用的公式和适用范围

图片提取（vision.js 处理 — 关键新增能力）：

• 天线结构图 → 理解几何关系和层叠顺序
• 尺寸标注图 → 提取所有标注的变量和数值
• 加工实物图 → 发现论文正文未提及的装配细节
• 结果曲线图 → 获取 benchmark 的大致范围
• 等效电路 / 馈电网络图 → 理解馈电拓扑

📋 详细提取方法见 /vision 技能中的"论文参数提取专用提示词"

输出：

• model_spec.yaml — 结构化参数，含 vision_extractions 字段记录图片提取结果
• paper_notes.md — 图文交叉验证后的设计逻辑解读
• figures/ — 关键图片及 vision.js 返回的描述文本

必填项目：

• 几何参数：每层材料、每个尺寸、单位，一个不落
• 激励/边界条件：端口类型、边界设置、入射波
• 求解器设置：频段、网格类型与密度、收敛判据
• 结果指标：论文展示的 S参数/方向图/增益/效率等 benchmark 值
• 隐式假设：作者没说但实际影响结果的因素（导体损耗算了吗？基板是无界的吗？等等）
• vision_extractions：从图片中提取的信息来源记录

→ 详见 /paper-parser

Phase 1.5 — 公式预扫雷（新增）

Phase 1 产出 model_spec.yaml 后、Phase 2 消费它之前，先对论文的承重公式做一次硬伤扫描，避免把笔误带入后续 CST 仿真浪费数小时。

动作：调用 /paper-formula-falsify，输入为 model_spec.yaml 中记录的"设计公式"字段（承重公式 2-4 个）。

检查 5 类硬伤：

1. 笔误 — 上下标/符号抄错（如 steering vector 下标错导致矩阵秩退化）
2. 符号重载 — 同一符号多处含义不同
3. 约束不等价 — 闭式解 ≠ 声称的优化目标
4. 算法不收敛 — 循环终止条件不可达
5. 量纲/域 — 等式两边量纲或 dB/线性不一致

产出：

• formula_audit_report.md — 人类可读的证伪报告（含承重公式清单、发现硬伤、复现警示、定级汇总）
• falsify_*.py — 数值实验脚本
• *.png — 数值图

分支决策（根据审计定级）：

💡 为什么要这一步：paper-formula-falsify 曾发现"steering vector 下标笔误照抄直接秩退化"的案例。没有预扫雷的话，这种 bug 要到 Phase 5 偏差溯源时才能发现（浪费整轮 CST 时间）。公式审计只需 10 分钟，能省掉几小时的仿真调试。

→ 详见 /paper-formula-falsify

Phase 2 — 解析计算快速验证

动 CST 之前，先用解析/半解析方法算一遍，快速确认：

• 谐振频率大概在哪里
• 方向图主瓣方向对不对
• 阻抗是否在合理范围

覆盖：阵因子、腔模理论、传输线模型、方向图合成

⚠️ 注意：此处用的是 Phase 1.5 已验证的公式。若 Phase 1.5 发现 MAJOR/CRITICAL 级硬伤，用勘误后版本的公式，不要裸抄论文原文公式。

Phase 3 — CST 全波仿真

用 cst Python API 驱动建模、求解、导出结果。 所有几何尺寸用变量驱动（方便后续扫参优化）。

建模后视觉验证（vision.js）：

1. CST 建模完成后，在 CST GUI 中截图
2. 用 vision.js 对比 CST 截图 vs 论文结构图：

   node vision.js "cst_model.png" "对比这张CST模型截图和论文图，
   检查：天线形状是否一致、馈线位置、基板比例、端口位置、地的尺寸"

3. 如发现明显差异 → 修改建模脚本 → 重新建模 → 再次截图验证
4. 视觉确认通过后才进入求解

→ 详见 /cst-automation 和 /cst-modeling-guide

Phase 4 — 复现结论

论文声称值 ↔ 解析理论值 ↔ CST仿真值 三方对比：

数据对比：

• S参数偏差多少？方向图吻合吗？
• 不吻合的话，问题出在哪？几何？材料？网格？还是论文本身有问题？

视觉对比（vision.js）：

• 将 CST 结果图与论文结果图并排截图
• 用 vision.js 做视觉交叉验证：

  node vision.js "compare_results.png" "左侧是CST仿真结果，右侧是论文结果，
  对比S11曲线的谐振频率、深度、带宽趋势是否一致"

• 视觉对比可以捕捉数据对比容易遗漏的曲线形貌差异

验收汇报产物（2026-08-15 增补）：

• Phase4 分析前，先委托 cst-result-report 把本批全部仿真结果整理成图文汇报 （指标表 + 分组对比图 + 论文对照拼接图 + 仿真结果汇总_<任务>_YYYYMMDD.md）
• 该汇报是本阶段三方对比的数据底座，也是给导师/负责人的验收文件； em-verification 在它之上做深度归因，不重复做结果呈现

→ 详见 /em-verification

Phase 5 — 偏差溯源

不吻合时的排查顺序：

1. 几何尺寸是否与论文一致？（查 model_check_report.json）
2. 材料参数（εr, tanδ）是否准确？
3. 网格是否收敛？→ 建议细化后再跑一遍
4. 边界条件是否匹配真实物理场景？
5. 端口设置和去嵌是否正确？
6. CST 模型截图 vs 论文结构图（vision.js 视觉确认）
7. 论文本身是否美化了数据、漏了关键参数？
8. 公式本身是否有 CRITICAL/MAJOR 硬伤？（查 Phase 1.5 的 formula_audit_report.md——若之前跳过了 Phase 1.5，此时必须补做）

Phase 6 — 优化设计

复现成功后，基于验证过的模型做优化设计：

• 参数化扫参
• CST 内置优化器
• 贝叶斯优化

详见工作流设计文档 02_论文到CST自动化工作流设计.md

复现结论报告

最终输出一份清晰的复现报告：

• 哪些结果复现成功
• 哪些有偏差（以及可能的原因）
• 哪些论文数据存疑
• vision.js 视觉对比的发现（如有）

AI 能力边界