第一篇：系统基座与底层架构 (The Foundation)
这一篇的名词是项目的“地基”，决定了系统的安全性、运行效率和基本的生存方式。
| 一人一库 (Physical Isolation) | 存储策略 | 就像给每个客户发一个独立的带锁保险柜，而不是所有人混在一个大仓库里。 | 确保用户 A 的关键词资产，在物理文件上永远不会接触到用户 B 的数据。 |
| SQLite (.db) | 数据库 | 一种“文件型”数据库。它不需要安装复杂的软件，整个数据库就是一个文件。 | 你的 database/data_vault/ 目录下那些 .db 文件，就是存储资产的实体。 |
| 主控库 (Main DB) | 数据库 | 总公司的账本。记录谁是会员、还有多少点券、卡密有没有被兑换。 | pioneer_main.db：管理全局用户信息和算力点券。 |
| 私有资产库 (User DB) | 数据库 | 客户个人的笔记本。记录你分析过的关键词、生成的写作大纲。 | user_{id}.db：存放你辛苦跑出来的 120 维分析结果。 |
| 异步 (Async/Await) | 运行模式 | 就像一边烧水一边切菜，而不是等水烧开了才开始切菜。提高效率。 | main.py 里的核心逻辑，让你在处理 5 万词聚类时，网页不会“卡死”。 |
| FastHTML | 框架 | 你的项目搭建工具包。它用 Python 就能写出像 2026 年水平的精美网页。 | 负责生成你看到的 Dashboard 界面和各种酷炫的表格。 |
| 中间件 (Middleware) | 架构 | 进门时的保安。检查你有没有带工牌（登录状态），没带就不让进。 | SessionMiddleware：保护你的登录状态，不让黑客轻易潜入。 |
| 会话 (Session) | 状态管理 | 网站给你的临时“电子通行证”，记录你是谁，直到你关掉浏览器或退出。 | 决定了你分析数据时，系统知道该往哪个保险柜（私有库）里存钱。 |
| 数据脱敏 (Sanitization) | 安全 | 就像给还没给钱的观众看打马赛克的电影。 | TierGate 逻辑：如果是免费用户，把“AI 风险”这一列显示为“🔒 升级解锁”。 |
| CRUD | 开发常识 | 增(Create)、查(Read)、改(Update)、删(Delete) 四个动作的统称。 | 你的 database/crud/ 文件夹，专门负责对数据库进行这四种操作。 |
第二篇：数据录入与清洗引擎 (Ingestion & Cleaning)
这一篇的名词涉及如何把从外部（如 Google Keyword Planner）下载的乱七八糟的报表“吞”进系统，并把里面的“脏数据”洗干净。这是所有精算开始的前提。
| 数据导入 (Ingest) | 动作 | 系统“吃”数据的过程。把 Excel 或 CSV 文件的内容转换成代码能读懂的表格。 | 对应 core/ingest/ 目录，是所有分析任务的起点。 |
| 强力解析器 (Robust Parser) | 组件 | 一个“不挑食”的翻译官。不管文件是逗号隔开还是空格隔开，都能读懂。 | core/parser.py：自动识别用户上传的是 Google 历史报表、预测报表还是 Ads 表现报表。 |
| 标准化 (Standardization) | 逻辑 | 把不同来源的列名统一化。比如把“搜索量”、“Volume”、“Avg. Searches”全部统一叫成 volume。 | 确保后续的 AI 模型不管看到什么文件，都知道哪一列是钱，哪一列是流量。 |
| 编码识别 (Encoding) | 技术 | 处理“乱码”的开关。Google 导出的文件经常有 UTF-16 或 UTF-8 之分。 | 对应 google_csv.py：解决用户上传文件后显示一堆问号或乱码的问题。 |
| 归一化 (Normalization) | 算法 | 把不同尺度的数字拉到同一个水平线。比如把 0.85 的竞争度统一乘 100 变成 85。 | 对应 basic.py：让所有的竞争度都在 0-100 之间，方便后续排序对比。 |
| 语义指纹 (Fingerprinting) | 算法 | 给每个词生成一个“唯一身份证”。比如 "Best Ebike" 和 "best ebike " 身份证是一样的。 | 用于去重。防止同样的关键词因为空格或大小写不同，被重复计算多次。 |
| 停用词 (Stopwords) | 词库 | 语言里的“废话”。如 "the", "a", "of", "and"。 | 对应 vocab/stopwords.txt：在聚类时把这些没意义的词去掉，只看核心商业词。 |
| 脏数据清洗 (Data Cleaning) | 逻辑 | 自动删掉那些没用的行（如版权说明、页脚、空行）。 | 过滤器：防止 Google 报表结尾的“Copyright Google”字样被当成关键词去分析。 |
| 离群值处理 (Outlier Handling) | 逻辑 | 剔除那些高得离谱或低得离谱的“异常数字”。 | data_judge.py：如果发现一个词单次点击费要 1000 美金，系统会预警，防止算错价值。 |
| Polars (DataFrame) | 工具库 | 一个极速的“电子表格处理器”。比 Excel 快几百倍，专门处理大数据。 | 你代码里所有的 df 操作都是靠它。它是系统处理 5 万行数据的“肌肉”。 |
第三篇：算力分级与语义理解核心 (Intelligence & Models)
这一篇的名词涉及那些让系统“听懂人话”的 AI 模型和算法。正是这些技术，让你的工具能区分“我想买电单车”和“电单车是怎么发明的”这两者背后的巨大商业差别。
| BPE (字节对编码) | 协议 | “文字粉碎机”。它不按单词切，而是按“零件”切。比如把 ebike 切成 e 和 bike。 | 模型内置组件：确保系统遇到从未见过的新词（生僻术语）时，也能通过零件猜出意思。 |
| Embedding (嵌入/向量化) | 技术 | “坐标化”。把词变成一串数字，像地图坐标一样。意思接近的词，在坐标系里挨得近。 | 核心转化：把“electric bike”和“ebike”映射到几乎同一个点，让 AI 知道它们是一个意思。 |
| BGE-M3 | 模型 | “全能翻译官”（L4级算力）。支持 100 多种语言，非常博学。 | 负责全球市场的语义聚类。即便用户上传德语或中文报表，它也能准确归类。 |
| Stella | 模型 | “高精狙击手”（V3级算力）。在纯英文环境下极度敏锐，精准度极高。 | 用于最挑剔的业务场景。当你需要区分极细微的搜索意图差别时，派它上场。 |
| Transformer | 架构 | AI 界的**“标准发动机”**。所有主流 AI（包括 ChatGPT）都基于这个设计。 | 你使用的所有算力模型（BGE, Stella, Qwen）都是这个家族的成员。 |
| Qwen (通义千问) | 模型 | 本地运行的**“大脑”**。它不仅能理解，还能像人一样写出逻辑连贯的文字。 | 对应 ai_logic.py：负责为你生成专业的 SEO 写作大纲和 Google Ads 广告文案。 |
| 余弦相似度 (Cosine Similarity) | 算法 | “语义尺子”。用来量两个坐标点之间的“角度”有多大。 | 聚类的依据：如果两个词的角度很小（相似度>0.75），系统就把它们分进同一个“话题组”。 |
| 量化 (Quantization / GGUF) | 优化 | “真空压缩包”。把巨大的模型文件压缩变小，牺牲一点点智商换取巨大的内存节省。 | 11GB 内存救星：让原本需要 20G 内存的模型能挤进你 11G 的服务器里运行。 |
| 上下文窗口 (Context Window) | 限制 | AI 的**“短时记忆容量”**。一次性能读多长的文字。 | 决定了你抓取网页情报时，AI 一次能消化多少内容（对应 n_ctx=2048）。 |
| 算力分级 (Compute Tiers) | 策略 | “看菜下饭”。根据任务难易程度，决定用简单的统计（L1）还是昂贵的 AI（L4）。 | 商业化核心：免费用户用 L1（N-Gram），付费会员才能动用 BGE-M3 等重型武器。 |
第四篇：维度注册与 120 维全息精算 (Registry & Dimensions)
这一篇的名词涉及 core/registry.py。它是系统的“总目录”，规定了我们要从哪些角度去审视一个关键词。
| 维度注册中心 (Registry) | 架构 | “全能菜单”。规定了系统要计算的所有项目（如：谁是金矿、有没有风险）。 | 项目的“灵魂协议”：在这里增加一个维度，全系统的存储、分析、显示都会自动生效。 |
| ROI 优先级 (Action Priority) | 指标 | “赚钱心急度”。综合考虑搜索量大不大、单价贵不贵、竞争难不难，给出一个 0-100 的分值。 | 核心决策：分数越高，代表你越应该优先为这个词写文章、砸广告。 |
| AI 截流预警 (AI / SGE Risk) | 风险 | “机器人抢食”。检测 Google 的 AI 是不是已经直接把答案给出来了，导致用户不再点击网站。 | 流量防火墙：标记为“🔴 高危”的词，建议放弃 SEO，因为排名第一也拿不到流量。 |
| KEI 性价比 (Keyword Efficiency Index) | 指标 | “捡漏指数”。计算“流量潜力”除以“竞争难度”的结果。 | 专门找那些：搜的人多，但同行还没发现、没开始做的“蓝海词”。 |
| 搜索意图 (Search Intent) | 属性 | “心理侧写”。区分用户是想“看热闹(Info)”、“比价格(Comm)”还是“掏钱买(Trans)”。 | 流量过滤：把那些只想看热闹的“白嫖流量”踢出去，留下有购买意向的客户。 |
| 语义零件 (Semantic Parts) | NLP | “文字积木”。把词拆解成：动词（买、修理）、规格（750W、48V）、主体（电池、电机）。 | 指令生成：提取出这些零件，喂给 AI 写作模型，确保它写出来的文章专业不外行。 |
| 受众画像 (Persona) | 属性 | “背后是谁”。通过搜的词判定：他是“采购商”、“修理工”还是“普通妈妈”。 | 精准打击：如果是采购商，页面要放批发价；如果是普通妈妈，页面要放安全说明。 |
| 业务模式识别 (Biz Model) | 逻辑 | “是零售还是批发”。识别这个词是找工厂(B2B)还是找网店(B2C)。 | 战略分流：帮你决定这个词该用阿里巴巴式的页面承接，还是用亚马逊式的页面承接。 |
| 内容形态建议 (Topic Level) | 策略 | “该修什么样的小区”。建议这个词是做成“大百科首页(Pillar)”还是“具体产品页(Page)”。 | 站点架构建模：自动帮你规划网站的目录结构，让 Google 觉得你很专业。 |
| 商业估值 (Total Value) | 财务 | “这堆词值多少钱”。如果这些流量你全靠买，每个月要花多少美金。 | 资产评估：让你知道你的关键词库不是一堆废纸，而是每月价值数万美金的数字资产。 |
第五篇：聚类算法与话题建模 (Clustering & Topic Modeling)
这一篇涉及 core/clustering/ 目录。这是把“碎片数据”变成“商业结构”的关键。
| 聚类 (Clustering) | 动作 | “物以类聚”。不需要你告诉系统怎么分，系统自己看哪些词长得像或意思像，就把它们堆在一起。 | 核心任务：把 5 万个词自动分成几百个“话题包”，让你一眼看到哪些产品最火。 |
| N-Gram 聚类 | 算法 | “找重复片段”（L1级）。比如发现 100 个词里都出现了 "fat tire"，就把它们分一堆。 | 极速分堆：不费脑子，专门处理超大规模的数据，快速提取行业高频词根。 |
| LDA (主题扫描) | 算法 | “隐形成分检测”（L2级）。分析哪些词经常“成双成对”出现，从而猜出背后的主题。 | 挖掘热点：比如发现“电池”、“续航”、“冬天”老在一起出现，系统就判定这叫“低温性能”主题。 |
| HDBSCAN (精英聚类) | 算法 | “朋友圈识别”（V3级）。它能识别出真正的“核心圈子”，并把不合群的“杂词”踢出去。 | 高精建模：用于 hdbscan_elite.py，专门找那些商业价值极高的垂直领域，拒收垃圾词。 |
| 层次聚类 (Hierarchical) | 算法 | “画族谱/树状图”（L5级）。从大类一直细分到小类，层层递进。 | Silo 架构设计：直接帮你把网站的“目录、子目录、文章页”的层级关系给算出来。 |
| 话题中心 (Centroid / Leader) | 逻辑 | “小组长”。在一堆词里，找一个最有代表性、搜索量最大的词来当这一组的名字。 | UI 展示：在表格里，每一个折叠组的标题词，就是由算法精选出来的“小组长”。 |
| Silo 架构 (烟囱式布局) | SEO | “抽屉式整理法”。网站内容不要乱放，要像烟囱一样一根一根互不干扰，垂直深挖。 | 最终产出：通过 L5 级算力，直接给出一份“建站蓝图”，告诉你怎么写文章能让 Google 觉得你专业。 |
| 语义重叠度 (Overlap) | 逻辑 | “撞车程度”。检测两个话题包之间有多少意思重复了。 | 防内耗：如果两个组重叠度太高，系统会建议你合并它们，防止自己公司的两个网页互相抢排名。 |
| 社区发现 (Community Detection) | 算法 | “关系网普查”。把词看作人，看谁跟谁聊得来（语义相似），从而发现行业“圈子”。 | BGE-M3 的核心：用于发现那些长得完全不像、但意思一模一样的“跨语种意图圈子”。 |
| 降噪 (Denoiser) | 动作 | “沙里淘金”。在聚类前，把那些没用的数字、单位、废话词过滤掉。 | 提升精度：防止“100w”、“2026”这种无意义的字符干扰了真正的商业主题识别。 |
第六篇：行业大脑与商机收割机 (Industry Brain & Harvester)
这一篇的名词涉及 master_orchestrator.py 控制下的所有“商机生成”脚本。
| 行业基因 (Gene / Seed) | 核心 | “生命的种子”。一个行业最基础的 5 种零件：产品名、规格、意图、画像、场景。 | 对应 genes.json：它是万词之源。所有的 5 万个词都是由这几百个原始基因“杂交”出来的。 |
| 组合爆炸 (Permutation) | 算法 | “连连看”。数学里的排列组合。把“买”+“折叠”+“电单车”拼成一个新词。 | permutation_factory.py：只要你有 10 个意图词和 10 个产品词，它瞬间能炸出 100 个商机词。 |
| 竞品抽血 (Sitemap Sucking) | 动作 | “拿来主义”。偷偷潜入竞争对手的网站，把他们所有已经在赚钱的网页名字全部抄下来。 | competitor_sitemap_sucker.py：确保你的词库里包含了行业前 10 名对手所有的布局重点。 |
| 地理倍增器 (Geo Multiplier) | 算法 | “分身术”。把一个好词加上美国 100 个城市的名字（如 ebike repair in NY）。 | geo_multiplier.py：瞬间产生大量“本地化”词汇，这在做区域性 SEO（如维修、门店）时是杀手锏。 |
| PAA 挖掘 (People Also Ask) | 动作 | “十万个为什么”。收割 Google 搜索结果里那些“大家还在问”的问题卡片。 | paa_harvester.py：这些是 100% 真实且高转化的问题。用来写博客文章（Editorial）百发百中。 |
| Reddit 社区收割 | 动作 | “听墙角”。去老外的论坛（Reddit）看大家都在抱怨什么、在问什么。 | reddit_harvester.py：挖掘那些连 Google 都还没收录的、用户最真实的痛苦（Pain Points）。 |
| 递归搜索联想 (Recursive Suggest) | 算法 | “自动填表”。学 Google 搜索框，搜了 A 吐出 B，再拿 B 去搜吐出 C，没完没了。 | suggest_recursive_harvester.py：挖掘极长、极细分的长尾词，这些词竞争几乎为 0。 |
| 行业全息数据库 (Master Wisdom) | 存储 | “行业百科全书”。把所有收割回来的数据炼化、去重、算好分值后的最终成品。 | ebike_master_wisdom.parquet：这就是你通过“两场战役”炼成的宝藏，它比任何市面上的商业词库都准。 |
| 外链雷达 (Link Prospector) | 策略 | “找盟友”。看谁在这些 5 万个词下排名好，找出那些不是对手、但相关的博主。 | backlink_prospector.py：自动生成一份“求合作清单”，告诉你该找哪些网站去发软文。 |
| 进攻战书 (Strategic Brief) | 产出 | “超车指南”。针对对手没做好的词，自动生成的“干掉他”的作战指令。 | strategic_brief_generator.py：直接告诉你的编辑：这一篇我们要比对手多写哪些维度，才能抢走流量。 |
第七篇：内容生产与 AI 写作指令 (Content & Brief Generation)
这一篇的名词涉及如何将 120 维的精算数据，转化为 AI 能够理解并严格执行的高精写作大纲。
| 写作大纲 (SEO Brief) | 产出 | “施工蓝图”。告诉写作者（或AI）：标题怎么起、第一段写什么、中间必须解决用户什么问题。 | 核心成果：直接生成一份包含 H1/H2/H3 结构和写作要点的文档，拿到就能开写。 |
| 语义零件注入 (Injection) | 算法 | “强制喂词”。强迫 AI 在文章中必须使用我们之前提取出的动词（如：爬坡）、规格（如：750W）。 | 破解废话：防止 AI 写出“这是一款很好的车”这种废话，强制它写出“这款 750W 电机专为 30度陡坡设计”。 |
| EEAT 信任度 | 标准 | “专家背书”。Google 衡量内容的四个标尺：经验、专业性、权威性、可信度。 | 内容质检：标记为“🛡️ YMYL”的词，指令会要求 AI 必须引用真实实验数据或行业证书。 |
| 任务原型 (Task Archetype) | 逻辑 | “搜索的目的”。区分用户是来“买东西的”还是“修东西的”还是“做调研的”。 | 场景匹配：如果是“买东西”，AI 大纲侧重卖点；如果是“修东西”，AI 大纲侧重拆解步骤。 |
| 转化阻力 (Friction) | 心理 | “犹豫的原因”。识别用户为什么不敢下单（比如：怕电池爆炸、怕运费贵）。 | 心理攻势：在 H2 段落中强制 AI 编写“安全认证说明”或“全球免邮策略”，化解用户顾虑。 |
| 内容执行密度 (Density) | 策略 | “文章多长”。根据竞争对手的情况，决定是写 800 字的快答，还是 3000 字的“摩天大楼”长文。 | 成本控制：帮你决定哪些词值得重金写长文，哪些词随便写写就能拿排名。 |
| 点击钩子 (Click Hook) | 营销 | “标题党”。在标题（Suggested Title）里加入吸引点击的诱饵。 | 提升点击率：不仅仅是放关键词，还会加入“2026测评”、“避坑指南”等高点击元素。 |
| RSA 文案规范 | 广告 | “谷歌广告模版”。Responsive Search Ads，要求写 15 个标题和 4 个描述。 | 广告助手：针对“交易类”词汇，系统会自动生成符合 Google Ads 官方要求的广告语。 |
| 语料证据库 (Wisdom) | 语料 | “真实的人话”。从 Reddit 或论坛里抓取的真实用户金句和吐槽。 | 注入灵魂：让 AI 在文章里引用一两句“用户原话”，让 Google 觉得这不是 AI 编的，而是真人写的。 |
| CTA (行动号召) | 营销 | “临门一脚”。在文章结尾告诉用户：去下单、去咨询、还是去下载。 | 流量转化：根据受众画像（Persona），设计最能打动他们的结语按钮文字。 |
第八篇：商业运营、计费与权限闸门 (Business & Security)
这一篇的名词涉及 services/ 目录下的核心逻辑，它们控制着谁能用、用多少、怎么付钱。
| 会员等级 (Tier) | 商业 | “门票档位”。分为新人版 (FREE)、专业版 (INDIVIDUAL)、企业版 (ENTERPRISE)。 | 核心门槛：决定了用户能看多少维数据（比如只有付费会员能看 AI 风险）。 |
| 算力点券 (Credits) | 计费 | “油票/电费”。分析一个词需要消耗一点算力。 | 消耗机制：基础清洗免费，但调用 BGE-M3 等重型算力时，系统会自动扣除点券。 |
| 权限闸门 (TierGate) | 安全 | “电子锁”。根据会员等级，实时决定这一列数据能不能显示。 | 自动化脱敏：如果你不是企业会员，系统会直接把“Silo 架构”那一列替换成锁头图标。 |
| 卡密核销 (Redemption) | 运营 | “激活码/兑换卡”。像话费充值卡一样，输入一串字符就能充值点券或升级会员。 | 变现手段：你可以在微信或淘宝上卖激活码，用户拿回系统输入，瞬间完成支付闭环。 |
| 算力钱包 (Wallet) | 财务 | “储值余额”。记录每个用户剩余的算力点券。 | 余额控制：每当用户点击“执行分析”时，wallet.py 会先检查钱够不够，不够就拦截。 |
| 推荐系统 (Referral) | 增长 | “拉人头奖励”。A 推荐 B 注册，两人都能各得 500P 算力奖励。 | 流量裂变：让用户自发为你推广，降低你的获客成本。 |
| 数据脱敏 (Sanitize) | 安全 | “打马赛克”。对不符合权限的数据执行模糊处理或替换。 | 商业诱导：在表格里显示“🔒 升级解锁”，让用户看到价值却拿不到，产生购买欲望。 |
| 一人一库 (DB Isolation) | 安全 | “独门独户”。每个用户的数据都在独立文件里，互不通气。 | 信任背书：告诉 B2B 企业客户，你们的商业机密（关键词）绝不会被同行看到。 |
| 有效期强制执行 (Expiry) | 运营 | “会员到期日”。系统每天检查：如果会员过期，自动将其踢回“新人版”。 | 订阅续费：驱动用户持续付费，保持系统的现金流。 |
| 行为审计 (Audit Log) | 监督 | “黑匣子/流水账”。记录用户干了什么：什么时候分析了词、什么时候导出了表。 | 排查纠纷：如果用户说“我的点券怎么少了”，你可以调出流水，明确告诉他他在哪天用了高级算力。 |
第九篇：可视化、Dashboard 与 交互体验 (UI & UX)
这一篇的名词涉及如何使用 FastHTML、HTMX 和 ECharts 将 120 维数据转化为视觉盛宴。
| Dashboard (仪表盘) | UI | “指挥中心首页”。把最重要的数据（点券、资产总值、风险预警）汇总在一个页面。 | 首页概览：让用户登录后第一时间看到自己名下 5 万个词一共值多少钱。 |
| HTMX (局部刷新) | 技术 | “哪里没点点哪里”。不需要重新加载整个网页，点一下按钮，只有那个表格或图表会变。 | 极致体验：在搜索资产库时，网页不闪动，搜索结果却能实时跳出来。 |
| ECharts (可视化库) | 技术 | “图形工厂”。专门把数据变成折线图、饼图、雷达图的专业工具。 | 视觉中心：你看到的意图漏斗、ROI 四象限图全靠它来画。 |
| 意图漏斗 (Intent Funnel) | 图表 | “漏斗图”。展示从“随便看看”到“对比调研”再到“决定下单”的用户比例。 | 战略分析：一眼看出你的词库里是“看热闹的多”还是“想买货的多”。 |
| ROI 四象限图 | 图表 | “商业坐标轴”。横轴是钱，纵轴是量。右上角是“黄金词”，左下角是“垃圾词”。 | 选词神器：帮你从几千个点里，瞬间定位出那些“又便宜、量又大”的神仙词。 |
| 迷你趋势图 (Sparkline) | UI | “股票小曲线”。在表格里每个关键词后面带的一个极小的 12 个月波动线。 | 洞察先机：不需要点开，扫一眼就能看到这个词现在是在“走红”还是“过气”。 |
| 季节性雷达 (Radar) | 图表 | “天气预报图”。一个圆形的图，显示一年 12 个月里哪个月是你的行业旺季。 | 提前布局：如果 6 月是旺季，雷达图会在 M6 处突出一大块，提醒你 4 月就要开始写文章。 |
| Badge (语义标签) | UI | “彩色小贴纸”。像“金矿”、“红海”、“SGE高危”这些带颜色的文字块。 | 快速扫描：让用户在看几百行表格时，能根据颜色快速锁定需要注意的词。 |
| 电商占有率仪表盘 | 图表 | “压力表”。显示 Amazon、eBay 等巨头在搜索结果里占了百分之多少的空间。 | 避坑指南：如果指针指到 90% 以上（红色区域），系统会警告你“不要和巨头硬碰硬”。 |
| 响应式布局 (Responsive) | UI | “自适应外壳”。电脑上看很宽，手机上看很长，怎么看都不乱。 | 随时办公：让你在出差路上用手机也能进 Dashboard 查一下昨晚抓取的情报。 |
第十篇：系统医生、巡检与自动化维护 (Doctor & Inspector)
这一篇的名词涉及 system_doctor.py、system_inspector.py 以及系统底层的健康监控逻辑。
| 系统医生 (System Doctor) | 组件 | “自动修理工”。当数据库结构坏了、或者表格对不齐时，它会自动做手术修复。 | 架构对齐：当你修改了 Registry 增加新维度时，运行医生，它会自动在所有用户的数据库里补齐新列。 |
| 架构自愈 (Self-Healing) | 动作 | “伤口自动愈合”。系统启动时发现表格少了或数据重了，不需要人工干预，自动修好。 | 物理重整：对应 align_table_structure，它能强制让数据库表和你的 120 维设计图 100% 对齐。 |
| 全息巡检 (Inspector) | 动作 | “全方位体检”。扫描每一个数据库文件，看看有没有缺斤短两，并生成体检报告。 | 质量审计：对应 system_inspector.py，它会对比主控库和用户库，告诉你哪些地方存在潜在风险。 |
| 数据去重搬运 (Deduplication) | 算法 | “双胞胎清除”。如果一个词不小心存了两次，医生会只留下最新的那个，删掉旧的。 | 内存保护：利用 GROUP BY fingerprint，确保数据库不会因为垃圾重复数据而无限制膨胀。 |
| 系统异常日志 (Anomalies) | 监控 | “病历本”。记录系统哪里不舒服：比如 AI 算错了、文件读不动了。 | 精算纠偏：通过 system_anomalies 表，你可以看到哪些关键词的分析精度不够，需要更新算法。 |
| 内存扫地僧 (Sweeper) | 优化 | “垃圾清理机器人”。每隔 30 分钟检查一次，把没人用的内存资产强行回收。 | 11GB 生存核心：对应 main_store.py 里的 cleanup。防止服务器因为内存占满而“爆缸”。 |
| 全息视图缝合 (View Stitching) | 技术 | “拼图/缝合手术”。把散落在三个表里的 120 个维度，天衣无缝地拼成一张大表。 | v_keyword_full：这是医生最重要的作品。你看到的 120 维全息表，就是由它实时缝合出来的。 |
| 项目瘦身 (Clean Project) | 动作 | “清理废料”。删掉没用的临时文件、缓存、日志，给服务器挪空间。 | 上传优化：对应 clean_project.py。让你在搬迁项目或上传代码时，体积从 1GB 缩减到几百 MB。 |
| 数据裁判 (Data Judge) | 逻辑 | “监考老师”。在计算过程中，检查数字合不合理（比如利润是不是负数）。 | 精度保障：对应 services/data_judge.py。如果发现 AI 在胡说八道，它会立即在后台报警。 |
| 物理搬迁引擎 (Migrate) | 组件 | “搬家公司”。当你升级了数据库设计，它负责把老用户的旧数据安全地搬到新家里。 | 版本平滑过渡：对应 migrate_db.py。确保老客户在系统升级 2026 版后，之前的资产不会丢失。 |