light-project-structure

# 项目文件夹规范整理 ## 标准科研项目骨架 ``` project-name/ ├── data/ 原始/中间/处理后数据（大文件走 DVC） │ ├── raw/ interim/ processed/ external/ ├── src/ 源代码 ├── models/ 模型权重与定义 ├── results/ 实验结果（指标、输出文件） ├── figures/ 论文/报告用图 ├── docs/ 项目文档 ├── paper/ 论文（LaTeX/Word 工程） ├── ppt/ 演示文稿 ├── patent/ 专利材料 ├── software-copyright/ 软著材料 ├── experiments/ 实验脚本与配置（按实验编号） ├── logs/ 运行日志（MLflow/W&B 本地） ├── configs/ 配置（Hydra yaml） ├── references/ 文献库（Zotero 导出/.bib） ├── assets/ 图标/模板/素材 ├── notebooks/ 探索性分析 ├── .light/ 编排台账 passport.yaml + handoff/ 会话衔接卡（纳入版本控制） ├── README.md CHANGELOG.md .gitignore pyproject.toml/environment.yml ``` 数据分层沿用 Cookiecutter Data Science：`raw/`(原始不可变) `interim/`(中间) `processed/`(建模用最终) `external/`(第三方源)。notebooks 用"编号-缩写-描述"命名（如 `1.0-jl-eda.ipynb`）。 ## 数据流即 DAG（核心方法） 把整个项目想成一张**有向无环图**：节点是数据/产物，边是确定性变换脚本。沿三条铁律组织目录： 1. **raw 不可变（immutable）**：`data/raw/` 一旦落地永不就地修改、永不被脚本写回。任何清洗/转换都读 raw、写 `interim/` 或 `processed/`。这样原始事实始终可回溯，DAG 有可信源头。 2. **每个产物都能从上游重算**：`processed/`、`models/`、`results/`、`figures/` 都是 DAG 的下游节点，删掉也能由"上游数据 + 代码 + params"重新生成——因此它们进 `.gitignore`/DVC，不进 Git 文本库。能重算的不入库，是 DAG 思路的直接推论。 3. **notebooks 拆探索 vs 报告**：`notebooks/exploratory/`（草稿、可乱、编号命名 `1.0-jl-eda.ipynb`）与 `notebooks/reports/`（干净、可重跑、产出对外图表）分流。探索性 notebook 不进 DAG 关键路径；定稿逻辑要下沉到 `src/`，被 notebook 和管线共同 import，避免"逻辑只活在某个 cell 里"。 用 `dvc.yaml` 把这张 DAG 显式声明出来（stage 的 `deps...