Kvaxir · 功能全览

01— 六步闭环

从需求到模型包，六个步骤

① 卡片流说出需求，AI 生成路线卡

② 采集 / 导入串口 · 蓝牙 · TCP/UDP · MQTT · CSV

③ 打标动作检测自动分段，一键标签

④ 训练三档强度，本地训练

⑤ 图谱成长图谱记录每一步

⑥ 导出垂直模型包（zip）

① 卡片流

在欢迎页说出「想解决什么」，AI 现场给出路线卡。

生成三张候选卡：需求理解 → 任务细化 → 模型路线，逐级点选钻取
可回退、有缓存；不动就不重复调用
生成失败自动回退到内置示例卡
结构化需求问卷：4 大类 × 12 个下拉（数据 / 任务 / 场景 / 偏好，全可留「自动」），选择拼进提示词

② 采集 / 导入

五路采集 + 三种文件导入。

串口：pyserial；探测式自动接通（自动扫端口 × 波特率，12 秒探测预算）
BLE 蓝牙：bleak；扫描 → 连接 → 特征自动发现 → 断线自动重连 1s / 3s / 5s
TCP 服务端：端口 18800；UDP 监听：18801
MQTT：1883，内嵌 broker（amqtt），主题 kvaxir/data
导入 CSV / TSV / Excel：自动嗅探分隔符，后台线程解析不卡界面

③ 打标

未标注样本自动隔离，不参与训练。

自定义标签；一律用文字标签，图标用 SVG（不用 emoji）
动作检测分段打标：滚动能量 + 自适应基线，边读边打标
段质控：偏短 / 重复段提醒；少数类提醒

④ 训练

本地训练，CPU 也能跑。

引擎：AutoGluon（自动模型选择 + 集成）+ scikit-learn 生态
三档强度：速度优先 / 均衡 / 精度优先
多方法各自训练 + 交叉验证对比 → 排行榜（随机森林 / 梯度提升 / KNN / 神经网络等）
实时日志滚动可见；训练快照对比（▲▼ 与上一轮增减）并持久化；支持一键重训

⑤ 图谱

训练历程自动长成力导向「神经元网」，不是列表。

7 类节点；聚合展开、悬停详情、可拖拽固定
训练事件自动落点：选卡 → 任务 + 路线；数据入库 → 数据；打标 → 标签
训练完成 → 最佳模型 + 验证得分 + 特征重要性 top5

⑥ 导出

一键导出垂直模型包（zip），起名即导出。

包内含：模型文件 + 方法对比报告 + 项目文件 + 清单
拿到任何机器都能复现；标准模型包（AutoGluon / pickle）可独立加载

02— 数据与采集

接设备、看数据、打标签

设备检测

实时波形（最多 4 路）+ HEX 原始视图（五路通用）。设备「报到」协议：设备连上先发传感器清单 JSON（名称 / 单位 / 采样率）。

多串口同采

支持多个串口同时采集；串口设备可新增、可命名，命名绑定设备指纹（USB 序列号优先、端口兜底）。多设备数据入同一数据集时用显式「来源」列分组，来源列不进特征。

分段弹卡打标

每个来源各自有数据时各自弹卡，卡片弹在正中央、数据源最显眼、固定双槽位；弹卡灵敏度为可调滑块（0–100，有数据即弹 ↔ 大动作才弹），档位持久化。

联合事件

共同 tag 即跨设备的同一「联合事件」；对齐按到达时间戳，窗口默认 ±300ms（对齐窗口值在实现期确定）。

数据预览

行 / 列 / 缺失率 / 目标列统计 / 前 8 行网格；列类型标签；未标注池管理，点击即打标，打标卡片附相似样本建议。

乱码治理

v2：多编码自动识别（UTF-8 / GBK / Big5 / UTF-16）。乱码自愈为开发版功能，截至 2026-09-21 尚未随版本发布。

03— 训练与评估

本地训练、指标对比与资源守卫

训练引擎

AutoGluon（自动模型选择 + 集成）+ scikit-learn 生态；CPU 可跑。训练全程在本机，本地训练不耗 KVA 额度。

三档强度

速度优先 / 均衡 / 精度优先，训练页选择档位后开始训练。未标注数据不参与训练。

指标与候选人对比

多方法各自训练 + 交叉验证对比 → 排行榜（随机森林 / 梯度提升 / KNN / 神经网络等）；训练快照对比 ▲▼ 与上一轮增 / 减并持久化；支持按建议一键重训。

AI 管家（联网功能）

训练前数据体检（风险 + 改进建议，只上传统计摘要：行数 / 列名 / 缺失率，不含原始值）；训练后结果点评 + 下一步建议。

资源守卫	阈值 / 取值	行为
磁盘预警	< 10 GB	自动清理超过 24 小时的旧 `models/run_*` 目录（保留当前模型 + 最近 3 个），并在训练日志 / 提示里说明
磁盘熔断	< 1.5 GB	拒绝启动训练，提示先清理磁盘
内存预警 / 熔断	< 2 GB / < 0.5 GB	建议改用「速度优先」档 / 拒绝启动
单次尝试超时	2 × 档位 time_limit + 120s	超时杀子进程，按「超时」分类并进入下一级
降级阶梯预算	4 × 档位 time_limit + 300s	预算用完即停，不再无限重试
训练 CPU 上限	`max(1, 核数 - 2)`	任何档位都不吃满整机；最简降级档固定 2 核

04— 图谱与导出

看得见的成长，拿得走的模型包

成长图谱

力导向神经元网：节点浮动 / 呼吸 / 脉冲动画；7 类节点：任务 / 路线 / 数据 / 标签 / 特征 / 模型 / 指标；同类型超 6 个自动聚合「×N」，点击展开 / 收起；悬停出详情卡；节点可拖拽固定；一键重新布局。

垂直模型包

一键导出 zip：模型文件 + 方法对比报告 + 项目文件 + 清单；起名即导出。

水印机制

体验版导出自带 WATERMARK.txt + manifest 标记 + 报告脚注；完整权限 = 无水印纯净包。

独立加载

导出的是标准模型包（AutoGluon / pickle），可用 Python 随时独立加载推理，不依赖 Kvaxir 存续。

05— 其它

界面与周边能力

双语界面

中 / 英切换：顶栏 ZH|EN 开关 + 设置页语言项；文案走 i18n 字典分片，持久化在 ui_prefs.json。

主题

两个主打方案：浅色（默认，暖白底 + 深蓝强调）/ 深色（黑底 + 深蓝强调）；另有工业橙。可三轴微调强调色 / 明暗档 / 对比度，只从登记候选集里选（不开放任意 hex），状态色锁定，保存前过对比度校验，点卡片即时生效。

帮助面板 / FAQ

右上角使用手册，含离线激活、HEX、安全自验证等条目；现役 FAQ 共 14 条，已整理在用法与 FAQ。

复制与日志导出

界面文字可选中复制（实时日志 / 训练日志 / 记录·总结 / 助手对话）；实时采集日志与训练日志可导出为 .txt。

助手敏感操作确认 + 审计

敏感操作（删数据 / 导出 / 改设置等）执行前需确认，分级 high / mid / low + 确认档 all / high / off；关键动作写审计日志（本地 JSONL，可导出）。

项目管理

本机项目库（~/Kvaxir 项目）：保存 / 列表 / 打开 / 继续优化；打开项目直达后台继续干活。