PlantAI-rag-new/docs/team/report_bioflow_dev1.md

BIOFLOW DEV1 P0 报告（开发 agent A1）

工作分支: feature/bioflow-conversation-orchestration（保持，未切换） 报告逐节追加，每完成一步写一节。

0. 探索发现（写盘前记录）

• dev 仓库实际布局: apps/cli(92文件)、gfa_core/(顶层,30+模块)、scripts/(顶层,2.2G 其中 bge-m3-model 2.2G)、assets/(顶层,examples+hmm)
  • 任务书路径 apps/gfa_core 与 apps/scripts 在 dev 实际位于顶层，按目标 bioflow_kernel/{cli,gfa_core,scripts,assets/hmm} 复制，与 dev 顶层同构（保 parents[2] 机制）
• parents[2] 机制: cli/run_*.py 中 PROJECT_ROOT = Path(file).resolve().parents[2]
  • dev: dev/apps/cli/run_x.py → parents[2] = dev/
  • 镜像内: /app/cli/run_x.py → parents[2] = /app/（内核树放 /app/{cli,gfa_core,scripts}，需内核 assets/hmm 或挂载）
• BBA_* 环境变量已存在于 dev 源码: BBA_PFAM_DIR/BBA_DISABLE_RAG_PFAM_LOOKUP/BBA_CONDA_SH/BBA_RAG_* 均已实现（dev 侧已完成部分容器化准备）
• 金标: test_input/ 含 Ft 四件套 + SBP.hmm + SPL_Ath.fasta 参考；预期 test_final/identify/combine/Ft.SPL.combined.ids = 24 ID
• 硬编码超限: /home/xzq/miniconda3 硬编码 87 处/39 文件（详见 §4），>3 处 → 按纪律交 TL 裁决（见 §4），本 agent 不自行扩散修改
• bioflow-data/ 尚未创建（team_context 称 TL 建；若金标跑前仍无，将记入报告并尝试自建软链）
• 18 基因家族链入口定义: gfa_core/mas/utils/intent_parser.py CORE_STAGES = 15 阶段（identify/phylogeny/motif/domain/structure/combo/promoter/tfbs/synteny/interspecies_synteny/karyotype/pep/ortholog/kaks/ppi）
  • workflow 前置链: genome_prepare(准备)、reference_classification(亚家族预测)、subfamily_confirm(亚家族确认) 任务 F 采用此 18 入口执行 --help 冒烟（原 CORE_STAGES 15 + genome_prepare + identify_refine + gene_family_report 或 reference_classification/subfamily_confirm 的取舍最终以 §8 为准）
• run_kaks.py 不存在，入口为 run_kaks_v2.py（阶段名 kaks）
• 环境: docker 权限 OK（docker ps 成功）、磁盘 /home 12T 可用、conda 环境齐全（test4py311 py3.11.14/16G、rnaseq 6.3G、rnaR 2.7G、ASAW 5.4G/py3.8、interproscanpy311 777M/py3.11.15）
• conda-pack 可用（/home/xzq/miniconda3/bin/conda-pack）；编译基线 compile_sdk.sh 已读，白名单机制明确（支持改造为 glob）
• 编译陷阱记忆（来自记忆文件）: scp 散落文件易漏编译；compile_sdk.sh 三参用法 [python]

1. 内核树复制（完成）

目标 /home/xzq/5090/teamWorkspace/zh/PlantAI-rag-new/bioflow_kernel/，源 PlantAI-dev 只读零改动：

子目录	来源	文件数	说明
cli/	dev/apps/cli/	94	92 文件全量 + 2 隐藏文件，含 legacy 变体(pep_legacy/v2_preview)
gfa_core/	dev/gfa_core/（dev 顶层，非 apps/ 下）	277	30+ 模块 + mas/ + pipelines/ + templates/ + schemas/ + workflows/
scripts/	dev/scripts/（dev 顶层）	157	排除 bge-m3-model 2.2G；pep_v2 包与 tree_domain.R 齐全
assets/hmm/	dev/assets/hmm/	1	SBP.hmm

• rsync -a --exclude pycache --exclude .py.bak（dev 有 .bak_20260716 文件排除）
• 一致性: diff -r cli vs dev/apps/cli 退出码 0（完全一致）
• 总计 529 文件 11M
• dev 仓库未做任何写入（只 rsync 读）

2. 源码适配 B（完成）

B3: from apps.cli → from cli 机械替换

• 替换范围: bioflow_kernel/{cli,gfa_core,scripts} 全树
• 方式: sed -i "s/apps.cli/cli/g"（逐文件）
• 命中: 66 处（25 处 import 语句 + 约 41 处 -m 模块名/runner 标注等字符串与路径，一并替换保持一致性）
• 替换后 grep "apps.cli" = 0
• 剩余 "apps" 引用（未改，照抄 dev，涉及 12 文件）:
  • PROJECT_ROOT / "apps" / "cli" / run_x.py 路径拼接（orchestrator/stage_tools/stage_registry/identify_tool/diagnosis/run_phylogeny）
  • from apps.web.pipeline_backend import（diagnosis/stage_tools/pipeline_with_repro）——apps.web 不在内核树，import 时会失败；但只在 dev 编排路径触发，内核树入口 -m cli.run_x 不触发（记录）
  • scripts/check_autofill_regression.py 引用 apps/web/vue3/index.html（诊断脚本，不参与阶段执行） 这些属于 dev 编排层遗留，不影响金标 identify 等价性；是否进一步适配交 TL 裁决（见 §4）

B1: CONDA_PREFIX 硬编码 → sys.executable 推导 + 环境变量覆盖

• 文件: cli/run_identify.py（dev 行 53-58）
• 改动: 新增 _derive_conda_prefix(): BBA_CONDA_PREFIX 环境变量优先 → 回退 sys.executable 推导 （exe 父目录名为 bin 则 prefix=bin 本身，否则 prefix=exe 所在目录；两种形态下 CONDA_BIN/CONDA_LIB 均正确推导）
• 效果: 容器内 sys.executable=/usr/local/bin/python → CONDA_BIN=/usr/local/bin；宿主机 test4py311 内 python → CONDA_BIN=env/bin 行为与原硬编码完全一致
• 原 87 处 /home/xzq/miniconda3 硬编码其余 86 处未动 → 记入 §4 交 TL 裁决（超 3 处纪律）

B2: pfam_mapping.json 候选链 + BBA_RAG_MAPPING_FILE

• 文件: cli/run_identify.py 两处
  1. get_pfam_from_rag(): BBA_RAG_MAPPING_FILE 优先 → 原有两条候补链（parents[2]/parents[1] / data/rag_db/pfam_mapping.json）
  2. _pfam_alias_to_accession(): BBA_RAG_MAPPING_FILE 优先 → 回退 PROJECT_ROOT/data/rag_db/pfam_mapping.json

3. 宿主冒烟（前置，正式在镜像内复跑）

• 环境: /home/xzq/miniconda3/envs/test4py311/bin/python -B -m cli.run_X --help（test4py311 即 bioflow-gf 镜像包源）
• 18 入口结果: 17 OK / 1 FAIL
• FAIL: run_ortholog —— argparse help 未转义 %（--identity help 字符串含括号百分号）
  • 对照: dev 原文件 apps.cli.run_ortholog --help 同样失败（上游 bug，非移植引入）
  • 建议修复（一行，改 % 转义），交 TL 裁决后执行

4. 硬编码裁决清单（>3 处，按纪律交 TL）

全树 /home/xzq/miniconda3 硬编码 87 处 / 39 文件。已按要求只适配 run_identify.py 的 CONDA_PREFIX（§2 B1）。 其余 86 处分三类，供 TL 裁决：

A. 有环境变量覆盖的软硬编码（BBA_* 已实现，仅默认值硬编码，容器内运行时如无此工具调用不会触发；不改也不影响金标）:

• run_identify.py: BBA_CONDA_SH 默认 /home/xzq/miniconda3/etc/profile.d/conda.sh（interproscan 支线）
• rnaseq_env.py: DEFAULT_CONDA_BASE + PLANTAI_CONDA_BASE 覆盖（整文件）
• project_paths.py: get_conda_base() CONDA_PREFIX/BBAV5_CONDA_BASE 覆盖 + ~/miniconda3 兜底

B. 工具路径候选链（绝对路径第一个 + which 回退，容器内 PATH 有工具即自愈；run_identify 的 hmmsearch/hmmfetch 属此类，金标可过）:

• 分布: run_annotation/run_combo/run_domain/run_expression/run_fetch_expression/run_genome_prepare/ run_interspecies_synteny/run_kaks_v2/run_karyotype/run_motif/run_msa_region_plot/run_ortholog/ run_pep/run_phylogeny/run_ppi/run_promoter/run_reference_classification/run_structure/run_synteny/ run_tfbs/run_tree_plot 等 21+ 文件的 CONDA_BIN=.../test4py311/bin（纯 PATH 前缀，bin 缺失即跳过）

C. 无回退的真硬编码（容器内会失效，但多为主机侧编排/诊断路径，容器阶段执行不触发）:

• gfa_core/mas/core/orchestrator.py、mas/tools/、extension_stage/、mas/agents/diagnosis.py、pipeline_with_repro.py 等 dev 编排层（内核树保留它们是满足依赖闭包，阶段执行走 -m cli.run_X 不经过）
• scripts/interspecies_tree.R、scripts/pep_v2/*.py 的 Rscript/python 绝对路径
• run_identify.py:2043/2059 hmmsearch/hmmfetch 绝对路径（属 B 类，有 which 回退，归入 B）

建议裁决方向: A/B 类不改（默认值兜底已满足宿主行为一致）；C 类若未来需要在容器内跑 dev 编排层再适配。 另外 §2 遗留的 apps.web 引用（from apps.web.pipeline_backend）同属 C 类编排层问题，一并待 TL 裁决。