面向深度学习研究者的本地实验管理工具：自动记录每次运行的代码改动 + 解析训练日志并绘图 + MiniMax M3 大模型智能分析。 深色科技风 UI，单进程部署，即开即用。
| 模块 | 说明 |
|---|---|
| 📦 代码版本管理 | 打开项目自动检测 vs 上次运行的改动（git 优先，无 git 项目自动初始化）；记录运行时自动 commit + 轻量 tag run-<id>；git archive 一键导出任意运行时刻的完整代码包 |
| 📈 训练日志解析 | 上传文本日志自动提取指标曲线（loss/acc/iou/lr…）、阶段划分（train/val）、最佳结果；支持用户自定义正则；JSONL 兜底 |
| 🤖 LLM 智能分析（MiniMax M3） | 代码改动解释 / 日志趋势分析（异常检测、过拟合信号、建议）/ 双运行差异对比，支持多轮对话追问；结果缓存，重复查看零成本 |
| 📊 可视化 | ECharts 深色霓虹风格曲线（发光 + 渐变面积）；三种轴视图（真实步数 / 轮次对齐 / 每轮聚合）；5 万点 LTTB 降采样保持流畅 |
| 🗂️ 实验管理 | 运行列表（标签/收藏/最佳标记/数据集自动识别）、markdown 备注、配置与环境快照（可复现）、报告导出、代码包下载 |
| 🔍 检索与对比 | 全局搜索（运行名/备注/标签）；双运行指标叠加对比 + 0-1 归一化 + AI 差异分析 |
- Python ≥ 3.13（uv 包管理器）
- Node.js ≥ 20
# 1. 克隆或下载本项目
git clone https://github.com/onlyFish3051/experiment-hub.git && cd experiment-hub
# 2. 安装 Python 依赖（需要 uv：pip install uv）
uv sync
# 3. 安装并构建前端（仅首次）
(cd web && npm install && npm run build)
# 4. 启动（浏览器访问 http://127.0.0.1:8000）
./run.sh开发模式：后端
uv run uvicorn app.main:app --reload --port 8000，前端cd web && npm run dev（Vite 自动代理 /api 到 8000）。
- 打开「设置」页
- 填入 API Key（订阅版 Key，
sk-cp-开头，国内平台 platform.minimaxi.com） - API 地址默认
https://api.minimaxi.com/v1（OpenAI 兼容协议，可改） - 点「测试连接」验证
1. 新建项目
├─ 本地项目：填代码路径（自动检测 git）
└─ 云端训练：路径留空，建「纯上传项目」
2. 训练完成后 → 项目页 → 「记录本次运行」
├─ ① 命名：如 bs16_ep45_attnres_asymwin
├─ ② 上传日志：自动解析出曲线与最佳结果
│ （云端场景可同时多选上传改动过的代码文件）
└─ ③ 提交代码：自动 git commit + 打标签 run-<id>
3. 查看与分析
├─ 曲线：逐步/对齐/聚合三种视图
├─ AI 分析：日志趋势分析 / 代码改动解释
└─ 对比页：叠加两次运行曲线 + 对话追问
| 页面 | 功能 |
|---|---|
| 总览 | 统计瓦片（项目/运行/本周/最佳 mIoU 带数据集标注）、各项目最佳、近期运行表（loss 迷你曲线） |
| 项目列表 | 项目卡片（git 徽标、运行数、上次运行时间） |
| 项目详情 | 「记录本次运行」四步流程、代码改动面板（Diff 高亮）、运行时间线、项目设置（忽略规则/解析正则） |
| 运行详情 | 指标曲线（3 种视图 + 放大）、指标汇总表、代码变更、日志原文（懒加载 + 搜索）、AI 分析、复现信息（命令/环境/配置快照）、备注（markdown + 标签） |
| 对比 | 双运行曲线叠加（0-1 归一化）、指标对比表、AI 差异分析、多轮对话提问 |
| 设置 | MiniMax 配置（base_url/model/key/测试连接）、全局解析正则、数据库备份 |
| 想做什么 | 怎么做 |
|---|---|
| 标记重要实验 | 运行详情页「标记最佳」/「收藏」 |
| 给实验分类 | 运行详情页头部标签框（自动保存），上传日志自动打 ep45、lr4e-4 基础标签 |
| 快速找实验 | 顶栏搜索（名字/备注/标签） |
| 回到某次实验的代码 | git checkout run-3 |
| 下载某次实验的代码 | 运行详情页「下载代码」（zip） |
| 导出实验报告 | 运行详情页备注 tab →「导出 Markdown 报告」 |
experiment-hub/
├── app/ # Python 后端（FastAPI）
│ ├── main.py # 应用入口：API 路由 + 前端静态托管
│ ├── models.py # SQLAlchemy 数据模型（项目/运行/变更/分析缓存/设置）
│ ├── routers/ # projects / runs / compare / settings / tags / search
│ └── services/
│ ├── git_engine.py # git 包装器：扫描/diff/commit/tag/快照/git archive
│ ├── log_parser.py # 日志解析器（自动检测指标/阶段/最佳结果）
│ ├── llm_client.py # MiniMax M3 客户端（重试/缓存/上下文预算）
│ ├── prompts.py # 分析 prompt 模板
│ └── dataset.py # 数据集自动识别（防误判设计）
├── web/ # React 前端（Vite + TS + Tailwind + ECharts）
└── docs/ # 使用教程 / 界面截图
- git 安全策略：只在「记录运行」时写仓库（add → commit → 轻量 tag），绝不 push、绝不修改用户 .gitignore 与 remote；忽略规则通过应用自有
core.excludesFile生效 - 日志解析两阶段：Stage A 自动检测（指标行判定谓词 + 括号/空格/冒号三种键值格式 + 阶段与轴推断），Stage B 用户自定义正则；严格浮点谓词拒绝模型 repr 等噪声行
- LLM 上下文预算：diff 只送变更文件（≤200 行/文件）、曲线降采样 ≤2000 点/指标、对话历史保留最近 10 条；结果按 prompt 哈希缓存，重复查看不扣费
- 图表对齐：训练/验证每轮步数不同（如 1195 vs 4071）时，提供轮次归一化对齐视图，趋势对比不失真
- 数据集识别：只信权威线索（dataset/dataroot 等键），不扫任意字符串，避免
pretrained_model: ...cityscapes_timm.pth误判
uv run pytest app/tests -q # 13 个用例覆盖：解析器（真实日志 fixture 真值校验，Best Result 误差 < 1e-6）、全流程 API（建项目→扫描→记录→commit+tag→对比）、LLM 缓存与错误路径。
Q：记录运行后我的仓库发生了什么？
新增一个 commit（experiment-hub: 记录运行 <名字> (#<id>)）+ 轻量 tag run-<id>，工作区恢复干净。要回退：git checkout run-3。
Q：日志里的指标没解析出来？ 项目设置 → 日志解析正则，写自定义正则（JSON 数组，见界面提示），保存后回运行详情「用当前正则重新解析」。
Q：AI 分析报余额不足？
订阅 Key 是 sk-cp- 开头（普通 API Key 会报 insufficient balance）。检查 Token Plan 是否分配了席位/额度。
Q：数据存在哪？
~/.experiment-hub/（数据库 + 日志 + 快照 + 上传文件），可用环境变量 EXPERIMENT_HUB_HOME 覆盖；设置页可一键备份数据库。
FastAPI · SQLAlchemy · SQLite（WAL）· React 18 · TypeScript · Vite · Tailwind CSS · ECharts · MiniMax M3（OpenAI 兼容）· git
MIT License（添加 LICENSE 文件前请确认）