流水线指南

autob run 会按顺序执行五个阶段，并把中间产物写入输出目录。

确定性阶段会使用内置知识库。npm 包包含 data/synonyms.json、data/domain-patterns.json、data/parameter-constraints.json 和 data/risk-catalog.json；完整运行会加载一次，并在 atomize、hypergraph 和 requirements 阶段复用。

阶段 1：Atomize

autob atomize <sop-file> -o <output-dir>

输出：01-ops.json

这一阶段把 SOP 文本拆成操作记录，提取 action、inputs、target、tools、parameters、risks、human judgment 和 output state。

阶段 2：Hypergraph

autob hypergraph <output-dir>/01-ops.json -o <output-dir>

输出：02-nodes.json、03-hyperedges.json

这一阶段把操作字段规范化为可复用节点，并为每个 SOP 操作创建一个 operation hyperedge。

阶段 3：Requirements

autob requirements <output-dir>/02-nodes.json <output-dir>/03-hyperedges.json -o <output-dir>

输出：04-requirements.json

生成器会把超图证据映射成确定性的 R1-R10 需求，并按 fingerprint 去重。

阶段 4：Infer

autob infer <output-dir>/04-requirements.json -o <output-dir>

输出：更新后的 04-requirements.json

当 JSON 配置里有完整 LLM 设置时，这一阶段会调用 OpenAI-compatible provider 生成候选需求。没有配置时，它会保留确定性需求并记录 clarification。

阶段 5：Review

autob review <output-dir>/04-requirements.json -o <output-dir>

输出：05-coverage.json、report.md、diagrams/*.mmd

Review 阶段会生成覆盖率矩阵、验证警告、图表和可选的候选需求交互审阅。在完整 autob run 中，流水线也会在 review 前写出 06-clarifications.json。

调试建议

• 某个输出缺失时，直接从上一个阶段产物重新运行对应阶段命令。
• LLM 候选需求缺失时，运行 autob config show，确认 apiKey、baseUrl 和 model 都已设置。
• 如需确认 Stage 4 是否调用过 LLM，可检查 run-meta.json、06-clarifications.json，以及 04-requirements.json 中的 LLM-Candidate 记录。
• 覆盖率偏低时，把 03-hyperedges.json 和 04-requirements.json 放在一起看。
• 论文或复现工作可参考仓库中的 publication/ 样例产物和图示。
• 代码结构导航可查看 graphify-out/GRAPH_REPORT.md，或打开 graphify-out/graph.html。