auto-pwa

高能物理中的分波分析（PWA）要求研究者同时具备领域知识与严谨执行：查询 PDG 共振态表、核查 J^P 与 J^PC 量子数约束、手工编辑 config.yml、提交 ctpwa 拟合、解读 ROOT 直方图、判断是否新增共振态。任何一个环节的疏漏都会产生物理上不合法的结果。auto-pwa 将整个工作流封装为二十一个结构化工具，让 AI 代理在严格硬门禁保护下完成从候选发现到数值拟合再到迭代收敛的完整闭环，每一步编辑都经过全文 validateConfig 与交叉引用校验，物理上不合法的修改会被直接拦截。\n\n插件覆盖三层能力。决策层包括 PDG-2026 共振态查询（含单实验测量历史）、衰变道 J^P 与两顶点 J^PC 可达性检查、pull 超 3σ 区域的候选发现、fit.json 诊断（参数高相关简并、撞边界、强干涉）、勒朗德矩与分波份额评估、ROOT 直方图逐 bin 读取、任意分波组合干涉对比、以及基座与候选 trial 的 ΔNLL/AIC/BIC 显著性裁决。执行层提供原子化 config.yml 编辑、并行候选短拟合、DSH 后台任务提交与状态查询。自动化层实现目标驱动的多轮状态机：评估、收敛判定、决策落盘（iterate/rollback/converge）、状态持久化跨重启续跑。\n\n架构上，src/ 为纯物理核心（160+ 单测，零 DSH 依赖），plugin/ 为薄集成层，经 --patch 挂入任意 DSH profile。内置 AI 优先拟合驱动 aifit.py 运行相同 ctpwa 引擎并输出结构化 fit.json，包含参数误差、Hessian 相关矩阵、从 ROOT 回读的干涉矩阵及分波份额，AI 无需解析自由文本即可做出物理判断。reference 出处机制允许共振态参数偏离 PDG 平均（如采用最新实验值）且保留全部硬物理约束，支持 DOI 交叉核对。\n\n适合正在活跃开展分波分析的高能物理实验组与理论组，尤其是希望借助 AI 代理加速多轮迭代、同时不牺牲物理正确性的团队。本地 GPU 或 SLURM 集群（A100/V100）开箱即用，无需额外环境配置。