# 项目整理状态报告

> 整理时间: 2026-04-01
> 整理范围: 全面整理所有新旧版本文件

---

## ✅ 已完成的整理

### 1. 核心提取器文件 (保留最新版本)
- ✅ `extract_phylogeny_v5_universal_v3.py` → `scripts/extractors/` ⭐
- ✅ `batch_extract.py` → `scripts/extractors/`
- ✅ `kg_import.py` → `scripts/extractors/`
- ✅ `kg_schema.py` → `scripts/extractors/`
- ✅ `gene_family_keywords_v3.json` → `scripts/extractors/`

### 2. 旧版本提取器归档 (37个文件)
- ✅ 全部移入 `archive/old_extractors/`
- 包括: v1-v4版本, v5实验版本, ICL版本等

### 3. 旧版本API归档 (4个文件)
- ✅ `api_server.py` → `archive/old_api/`
- ✅ `api_server_v2.py` → `archive/old_api/`
- ✅ `api_server_v3.py` → `archive/old_api/`
- ✅ `api_server_v3_complete.py` → `archive/old_api/`

### 4. 工具脚本整理 (14个文件)
- ✅ `add_missing_genes.py` → `scripts/utils/`
- ✅ `apply_locus_mapping.py` → `scripts/utils/`
- ✅ `chunk_by_section.py` → `scripts/utils/`
- ✅ `expand_*.py` → `scripts/utils/`
- ✅ `fetch_supplementary_data.py` → `scripts/utils/`
- ✅ `final_merge*.py` → `scripts/utils/`
- ✅ `generate_validation_report.py` → `scripts/utils/`
- ✅ `kg_sqlite.py` → `scripts/utils/`
- ✅ `merge_all_extractions.py` → `scripts/utils/`
- ✅ `post_process_*.py` → `scripts/utils/`
- ✅ `reasoning_engine.py` → `scripts/utils/`
- ✅ `universal_supplementary_fetcher.py` → `scripts/utils/`
- ✅ `validate_extraction.py` → `scripts/utils/`

### 5. 测试脚本整理 (5个文件)
- ✅ `rag_test_100.py` → `tests/`
- ✅ `test_europe_pmc_api.py` → `tests/`
- ✅ `test_ocr_only.py` → `tests/`
- ✅ `test_phylo_inference.py` → `tests/`

### 6. 配置文件整理
- ✅ `docker-compose*.yml` → `config/`
- ✅ `Dockerfile*` → `config/`
- ✅ `.env*` → `config/`
- ✅ `prometheus.yml` → `config/`
- ✅ `nginx.conf` → `config/`

### 7. 文档文件整理 (13个文件)
- ✅ 旧版本文档 → `archive/old_docs/`
- ✅ `PROJECT_STRUCTURE.md` → 根目录
- ✅ `PROJECT_ORGANIZE_STATUS.md` → 根目录

### 8. 临时数据文件归档
- ✅ `tair_data.txt` → `archive/`
- ✅ `tair_parsed.json` → `archive/`

### 9. 整理脚本归档
- ✅ `archive_old_versions.sh` → `scripts/`
- ✅ `organize.py` → `scripts/`

---

## 📁 最终目录结构

```
gene-family-mas-v2/
├── 📁 api/                          # FastAPI接口
│   ├── main.py
│   ├── rag_routes.py
│   ├── kg_routes.py
│   └── ...
│
├── 📁 scripts/                      # Python脚本
│   ├── 📁 extractors/               # ⭐ 核心提取器 (5个文件)
│   │   ├── extract_phylogeny_v5_universal_v3.py
│   │   ├── batch_extract.py
│   │   ├── kg_import.py
│   │   ├── kg_schema.py
│   │   └── gene_family_keywords_v3.json
│   │
│   ├── 📁 utils/                    # 工具脚本 (14个文件)
│   │   ├── add_missing_genes.py
│   │   ├── apply_locus_mapping.py
│   │   ├── chunk_by_section.py
│   │   └── ...
│   │
│   └── 📁 legacy/                   # 旧版本
│       └── ...
│
├── 📁 tests/                        # 测试脚本 (5个文件)
│   ├── rag_test_100.py
│   └── test_*.py
│
├── 📁 docs/                         # 文档
│   ├── 📁 reports/                  # 分析报告
│   ├── 📁 plans/                    # 计划文档
│   └── ORGANIZE_REPORT.json         # 整理报告
│
├── 📁 config/                       # 配置文件
│   ├── docker-compose.yml
│   ├── docker-compose.neo4j.yml
│   ├── Dockerfile
│   └── .env*
│
├── 📁 data/                         # 数据目录
│   ├── raw/
│   ├── processed/
│   └── neo4j/
│
├── 📁 archive/                      # ⭐ 归档文件
│   ├── 📁 old_extractors/           # 37个旧版本提取器
│   ├── 📁 old_api/                  # 4个旧版本API
│   ├── 📁 old_docs/                 # 13个旧版本文档
│   ├── tair_data.txt
│   └── tair_parsed.json
│
├── 📁 frontend/                     # 前端代码
├── 📁 skills/                       # 技能模块
├── 📁 evaluation/                   # 评估结果
├── 📁 paper/                        # 论文PDF
├── 📁 extracted/                    # 提取结果
├── 📁 prompts/                      # Prompt模板
├── 📁 project_memory/               # 项目记忆 (24个文件)
├── 📁 batch_results/                # 批量结果
│
├── 📄 README.md                     # 项目说明
├── 📄 CHANGELOG.md                  # 变更日志
├── 📄 PROJECT_STRUCTURE.md          # 结构说明
└── 📄 PROJECT_ORGANIZE_STATUS.md    # 本文件
```

---

## 📊 整理统计

| 类别 | 数量 | 位置 |
|:---|:---:|:---|
| 核心提取器 | 5 | `scripts/extractors/` |
| 工具脚本 | 14 | `scripts/utils/` |
| 测试脚本 | 5 | `tests/` |
| 旧版本提取器 | 37 | `archive/old_extractors/` |
| 旧版本API | 4 | `archive/old_api/` |
| 旧版本文档 | 13 | `archive/old_docs/` |
| 配置文件 | 6 | `config/` |
| 项目记忆 | 24 | `project_memory/` |

**总计**: 108个文件已分类整理 ✅

---

## 🎯 核心文件快速定位

| 功能 | 路径 |
|:---|:---|
| **v5.2提取器** | `scripts/extractors/extract_phylogeny_v5_universal_v3.py` |
| **批量提取** | `scripts/extractors/batch_extract.py` |
| **关键词库** | `scripts/extractors/gene_family_keywords_v3.json` |
| **知识图谱导入** | `scripts/extractors/kg_import.py` |
| **知识图谱Schema** | `scripts/extractors/kg_schema.py` |
| **API路由** | `api/rag_routes.py`, `api/kg_routes.py` |
| **Docker配置** | `config/docker-compose.yml` |
| **Neo4j配置** | `config/docker-compose.neo4j.yml` |
| **项目记忆** | `project_memory/2026-04-01.md` |
| **项目结构** | `PROJECT_STRUCTURE.md` |

---

## ✅ 整理完成

项目已全面整理完毕！所有文件都在标准位置，根目录保持整洁。

如需查看旧版本文件，请访问 `archive/` 目录。