单细胞高维向量 ANN 检索系统

本项目是一个面向单细胞数据的近似最近邻检索系统，支持 .h5ad 数据集上传、向量导出、FAISS 索引构建、条件过滤检索、二维散点图可视化、点击细胞反向查询、联合检索、实时性能评估、AI 自然语言查询与结果解释，以及用户认证与管理员权限管理。

历史开发进度已迁移到 PROGRESS.md。

⚠️ 重要提示： 本项目 Git 仓库不包含数据文件（.h5ad、vectors.npy、.index 等）。克隆后需要先生成测试数据或准备你自己的 .h5ad 数据集才能运行。详见下方快速启动说明。

功能概览

数据集管理：管理员上传、切换、删除 .h5ad 数据集。
向量化导出：读取 obsm["X_pca"]，导出 vectors.npy、cell_ids.npy、obs_metadata.csv。
ANN 检索：基于 FAISS HNSW、IVF+HNSW 或 Flat 索引，支持按 Cell ID 或原始向量查询 Top-K 近邻。
条件过滤：支持按 cell_type、disease、AgeGroup 等元数据字段过滤；支持多选 OR 过滤和数值范围过滤。
可视化：读取 obsm["X_umap"] 或 obsm["X_tsne"]，提供散点图数据接口，前端支持点击细胞后反向查询近邻。
检索精度控制：前端可调精度滑块，后端动态设置 HNSW efSearch 或 IVF nprobe。
联合检索：可加载多个数据集，在多个索引中并行搜索并按距离合并排序。
性能评估：结合实时查询指标与离线评估报告，展示 Recall@K、平均延迟、P95、QPS、索引大小。
用户系统：支持注册、登录、退出、管理员用户管理、角色变更和密码重置。
AI 辅助分析：基于 DeepSeek 大模型支持自然语言查询细胞、检索结果解释和后续分析建议。

目录结构

.
├── app.py                  # Flask Web 服务与 API 路由
├── data_loader.py          # .h5ad 数据读取与向量导出
├── index_builder.py        # FAISS HNSW/IVF+HNSW/Flat 索引构建
├── search.py               # ANN 检索与条件过滤逻辑
├── multi_search.py         # 多数据集联合检索
├── ai_analyzer.py          # DeepSeek 自然语言查询与结果分析
├── dataset_manager.py      # 数据集上传、切换、删除与 manifest 管理
├── visualize.py            # UMAP/t-SNE 散点图数据接口
├── evaluate.py             # Recall/QPS/延迟评估脚本
├── user_manager.py         # 用户认证与权限管理
├── generate_test_h5ad.py   # 生成带 X_pca 和 X_umap 的测试数据
├── templates/              # 前端页面模板
├── static/                 # CSS 与前端静态资源
├── indices/                # FAISS 索引文件
└── evaluation_report.json  # 性能评估报告

运行时会生成或使用以下数据目录：

data/
results/
indices/

其中上传数据集默认会保存到：

data/datasets/<dataset_id>/
results/datasets/<dataset_id>/
indices/datasets/<dataset_id>/
results/datasets/manifest.json

环境依赖

方式一：使用 requirements.txt（推荐）

pip install -r requirements.txt

方式二：手动安装

建议使用已有课程环境或 Conda 环境。核心 Python 依赖包括：

flask>=3.0
numpy>=1.26
pandas>=2.0
scanpy>=1.10
anndata>=0.10
scikit-learn>=1.3
faiss-cpu>=1.7
werkzeug>=3.0

如果需要手动安装，可参考：

pip install flask numpy pandas scanpy anndata scikit-learn faiss-cpu werkzeug

Conda 环境（如使用课程环境）

如果使用 Anaconda/ Miniconda，建议先激活对应环境：

conda activate <你的环境名>

验证依赖是否安装成功：

python -c "import flask, numpy, pandas, scanpy, anndata, sklearn, faiss; print('所有依赖已就绪')"

DeepSeek 配置

AI 辅助功能默认使用 DeepSeek OpenAI-compatible 接口，模型名为：

deepseek-v4-flash

启动服务前配置 API Key：

set DEEPSEEK_API_KEY=你的DeepSeek API Key

可选配置：

set DEEPSEEK_MODEL=deepseek-v4-flash
set DEEPSEEK_BASE_URL=https://api.deepseek.com
set DEEPSEEK_THINKING=disabled
set DEEPSEEK_MAX_TOKENS=4096

如果未配置 DEEPSEEK_API_KEY，自然语言查询接口会返回配置错误；“AI 分析当前结果”会退化为本地统计摘要。

说明：deepseek-v4-flash 默认开启思考模式；本项目的自然语言查询需要稳定返回 JSON，因此默认通过 thinking={"type":"disabled"} 关闭思考模式。需要查看推理过程时可以改为 DEEPSEEK_THINKING=enabled。

当前 API Key 只从服务端环境变量读取，暂不支持在浏览器页面中持久配置。

快速启动

Git 克隆后的初始状态

项目仓库不包含以下文件（已通过 .gitignore 排除）：

data/ 目录下的 .h5ad 数据集文件
results/ 目录下的向量和元数据导出产物
indices/ 目录下的 FAISS 索引文件（*.index）
evaluation_report.json 等运行时生成文件

因此，克隆后有两种方式让系统运行起来：

方式 A：通过 Web 界面操作（推荐 ✅）

这是最简单的上手方式，所有操作在浏览器中完成。

1. 生成测试数据

python generate_test_h5ad.py

此脚本会在 data/ 目录下生成 test_data.h5ad，包含 500 个合成细胞、5 种细胞类型、2000 个基因、PCA 和 UMAP 嵌入。

2. 启动 Web 服务

python app.py

浏览器访问：

http://127.0.0.1:5000

首次启动会自动创建默认管理员账号：

用户名：admin
密码：admin123

3. 上传测试数据集

登录管理员（admin / admin123）后，在首页”数据集管理”面板中上传：

data/test_data.h5ad

上传后系统会自动完成：

读取 .h5ad -> 导出向量和元数据 -> 构建 FAISS 索引 -> 设置为活动数据集

说明： 通过 Web 界面上传的数据集会完整注册到系统，散点图可视化、条件过滤、性能评估等全部功能均可正常使用。这也是推荐的新手路径。

4. 使用检索与可视化

切换到”探索”页后，可以：

按 Cell ID 查询 Top-K 近邻。（测试数据示例：cell_0044、cell_0100）
粘贴原始向量进行查询。
添加元数据过滤条件，包括多选和数值范围过滤。
通过精度滑块调整 ANN 检索参数。
使用自然语言查询（需配置 DeepSeek API Key）。
查看 UMAP 散点图并点击细胞反向查询。
对当前检索结果执行 AI 分析。

切换到”联合检索”页后，可以加载多个数据集进行跨数据集检索。

方式 B：通过命令行操作

适合只想在终端中测试检索功能的场景。注意：CLI 路径导出的默认数据集的散点图可视化需要 .h5ad 源文件匹配，因此建议仅在不需要可视化的场景下使用，或确保使用的 .h5ad 文件路径一致。

1. 准备 .h5ad 数据

如果有真实数据集（如 data/liver.h5ad），直接使用。否则先生成测试数据：

python generate_test_h5ad.py

2. 导出向量

python data_loader.py --input data/test_data.h5ad --outdir results

常用参数：

python data_loader.py --embedding X_pca
python data_loader.py --dims 30
python data_loader.py --dims -1
python data_loader.py --no-l2
python data_loader.py --obs-cols cell_type,disease,AgeGroup,n_counts,n_genes

输出：

results/vectors.npy
results/cell_ids.npy
results/obs_metadata.csv
results/summary.json

3. 构建索引

python index_builder.py --input results/vectors.npy --outdir indices

常用参数：

python index_builder.py --type hnsw --M 32 --ef 200
python index_builder.py --type ivf_hnsw --nlist 256 --M 32 --ef 200
python index_builder.py --type flat

输出：

indices/hnsw_M32_ef200.index
indices/ivf_hnsw_nlist256_M32_ef200.index
indices/flat.index

4. 命令行检索

python search.py --cell-id cell_0044 --k 10

5. （可选）启动 Web 服务

python app.py

此时系统会检测到 results/ 和 indices/ 下已有产物，自动注册为只读的 default 数据集。检索和指标功能可用，但散点图功能需要 .h5ad 源文件与产物匹配。

测试数据说明

测试数据脚本 generate_test_h5ad.py 生成的合成数据包含：

属性	值
细胞数	500
基因数	2000
PCA 维度	50（默认检索使用前 30 维）
UMAP 维度	2
细胞类型	T-cell, B-cell, Monocyte, NK-cell, Hepatocyte
疾病状态	Healthy, Cirrhosis, HCC
年龄组	Young, Middle, Senior

测试数据中的 Cell ID 示例：

cell_0000
cell_0044
cell_0100

命令行流程

以下为独立于 Web 界面的命令行操作参考。如果你已通过 Web 界面上传数据集，无需手动执行以下命令。

导出向量

python data_loader.py --input data/test_data.h5ad --outdir results

常用参数：

python data_loader.py --embedding X_pca
python data_loader.py --dims 30
python data_loader.py --dims -1
python data_loader.py --no-l2
python data_loader.py --obs-cols cell_type,disease,AgeGroup,n_counts,n_genes

输出：

results/vectors.npy
results/cell_ids.npy
results/obs_metadata.csv
results/summary.json

构建索引

python index_builder.py --input results/vectors.npy --outdir indices

常用参数：

python index_builder.py --type hnsw --M 32 --ef 200
python index_builder.py --type ivf_hnsw --nlist 256 --M 32 --ef 200
python index_builder.py --type flat

输出：

indices/hnsw_M32_ef200.index
indices/ivf_hnsw_nlist256_M32_ef200.index
indices/flat.index

命令行检索

python search.py --cell-id cell_0044 --k 10

自定义文件路径：

python search.py --index indices/hnsw_M32_ef200.index ^
                 --vectors results/vectors.npy ^
                 --metadata results/obs_metadata.csv ^
                 --cell-ids results/cell_ids.npy ^
                 --cell-id cell_0044 ^
                 --k 10

运行性能评估

python evaluate.py --dataset-id test_data --sample-size 200 --report evaluation_report.json

生成报告后，在 Web 页面“性能评估”页查看 Recall、延迟、QPS 和索引大小。

如果不传 --dataset-id，会评估当前活动数据集。Web 页面也会为当前活动数据集自动生成或读取对应评估报告。

Web API

以下 API 均运行在：

http://127.0.0.1:5000

除注册、登录接口外，其余业务接口需要登录；数据集上传、删除和用户管理需要管理员权限。当前实现中，已登录用户可以切换活动数据集。

认证

注册：

curl -X POST http://127.0.0.1:5000/api/auth/register ^
  -H "Content-Type: application/json" ^
  -d "{\"username\":\"testuser\",\"password\":\"testpass\"}"

登录：

curl -X POST http://127.0.0.1:5000/api/auth/login ^
  -H "Content-Type: application/json" ^
  -d "{\"username\":\"admin\",\"password\":\"admin123\"}"

查看当前用户：

curl http://127.0.0.1:5000/api/auth/me

退出：

curl -X POST http://127.0.0.1:5000/api/auth/logout

数据集管理

列出数据集：

curl http://127.0.0.1:5000/datasets

上传数据集，需管理员权限：

curl -X POST http://127.0.0.1:5000/datasets ^
  -F "file=@data/test_data.h5ad" ^
  -F "name=test_data" ^
  -F "dims=30" ^
  -F "index_type=ivf_hnsw" ^
  -F "nlist=256" ^
  -F "activate=true"

当前上传接口使用 X_pca 作为 embedding，默认导出 cell_type,disease,AgeGroup,sex,Treatment,Phase,seurat_clusters,donor_age 等元数据列。index_type 支持 hnsw、ivf_hnsw、flat，nlist 仅对 ivf_hnsw 生效；不填写 nlist 时会自动估计。

切换活动数据集，需登录：

curl -X POST http://127.0.0.1:5000/datasets/test_data/activate

删除上传的数据集，需管理员权限：

curl -X DELETE http://127.0.0.1:5000/datasets/test_data

默认数据集 default 是兼容已有产物的只读数据集，不能删除。

检索

按 Cell ID 检索：

curl -X POST http://127.0.0.1:5000/search ^
  -H "Content-Type: application/json" ^
  -d "{\"cell_id\":\"cell_0044\",\"k\":10}"

按向量检索：

curl -X POST http://127.0.0.1:5000/search ^
  -H "Content-Type: application/json" ^
  -d "{\"vector\":[0.1,0.2,0.3],\"k\":10}"

带元数据过滤：

curl -X POST http://127.0.0.1:5000/search ^
  -H "Content-Type: application/json" ^
  -d "{\"cell_id\":\"cell_0044\",\"k\":10,\"filters\":{\"disease\":\"HCC\",\"cell_type\":\"NK-cell\"}}"

多选过滤和数值范围过滤：

curl -X POST http://127.0.0.1:5000/search ^
  -H "Content-Type: application/json" ^
  -d "{\"cell_id\":\"cell_0044\",\"k\":10,\"filters\":{\"cell_type\":[\"NK-cell\",\"T-cell\"],\"donor_age\":{\"op\":\">=\",\"value\":50}}}"

指定 ANN 精度参数：

curl -X POST http://127.0.0.1:5000/search ^
  -H "Content-Type: application/json" ^
  -d "{\"cell_id\":\"cell_0044\",\"k\":10,\"search_params\":{\"precision_pct\":80,\"ef_search\":128,\"nprobe\":16}}"

返回结果包含：

query
time_ms
results
filter_info
search_profile
request_time_ms
metrics

可视化

获取散点图数据：

curl "http://127.0.0.1:5000/scatter_data?max_points=5000"

点击细胞反向查询：

curl -X POST http://127.0.0.1:5000/scatter_search ^
  -H "Content-Type: application/json" ^
  -d "{\"cell_id\":\"cell_0044\",\"k\":10}"

获取当前数据集可用过滤字段取值：

curl http://127.0.0.1:5000/filter_options

联合检索

加载一个或多个数据集到联合检索器：

curl -X POST http://127.0.0.1:5000/api/multi_load ^
  -H "Content-Type: application/json" ^
  -d "{\"dataset_ids\":[\"default\",\"test_data\"]}"

查看已加载数据集：

curl http://127.0.0.1:5000/api/multi_status

跨数据集检索：

curl -X POST http://127.0.0.1:5000/api/multi_search ^
  -H "Content-Type: application/json" ^
  -d "{\"dataset_ids\":[\"default\",\"test_data\"],\"cell_id\":\"cell_0044\",\"k\":10,\"filters\":{\"disease\":\"HCC\"}}"

卸载指定数据集：

curl -X DELETE http://127.0.0.1:5000/api/multi_load/test_data

管理员可以将已加载的多个数据集构建为合并索引：

curl -X POST http://127.0.0.1:5000/api/multi_merge ^
  -H "Content-Type: application/json" ^
  -d "{\"dataset_ids\":[\"default\",\"test_data\"],\"output_path\":\"indices/merged/merged_hnsw.index\",\"index_type\":\"hnsw\"}"

性能报告

curl http://127.0.0.1:5000/metrics

该接口读取 evaluation_report.json。如果报告不存在，请先运行：

python evaluate.py

AI 辅助分析

自然语言查询并自动分析：

curl -X POST http://127.0.0.1:5000/ai/query ^
  -H "Content-Type: application/json" ^
  -d "{\"question\":\"找 HCC 样本中最像 Kupffer cell 的 20 个细胞\"}"

支持的查询计划包括：

search_by_cell_id   # 例如：找出和 cell_0044 最像的 10 个细胞
centroid_search     # 例如：找 HCC 样本中最像 Kupffer cell 的 20 个细胞
metadata_filter     # 例如：查询 Healthy 成人样本里的 hepatocyte

对已有检索结果做 AI 分析：

curl -X POST http://127.0.0.1:5000/ai/analyze ^
  -H "Content-Type: application/json" ^
  -d "{\"cell_id\":\"cell_0044\",\"k\":10}"

权限说明

操作	未登录	普通用户	管理员
注册 / 登录	✅	✅	✅
查看首页	❌	✅	✅
检索	❌	✅	✅
查看散点图	❌	✅	✅
查看性能报告	❌	✅	✅
上传数据集	❌	❌	✅
切换数据集	❌	✅	✅
删除数据集	❌	❌	✅
联合检索	❌	✅	✅
AI 查询 / 分析	❌	✅	✅
用户管理	❌	❌	✅

完整测试方法

基础功能测试

python generate_test_h5ad.py
python app.py

然后在浏览器中：

1. 打开 http://127.0.0.1:5000
2. 使用 admin / admin123 登录
3. 上传 data/test_data.h5ad（在”数据集管理”面板）
4. 切换到”探索”页
5. 输入 cell_0044，Top-K 设置为 10，执行检索
6. 添加过滤条件 disease = HCC 或 cell_type = NK-cell，再次检索
7. 调整精度滑块，检查结果表头中的 efSearch / nprobe / 精度信息
8. 使用自然语言查询”找 HCC 样本中最像 NK-cell 的 5 个细胞”（需配置 DeepSeek API Key）
9. 点击”AI 分析当前结果”，检查分析面板
10. 点击散点图中的细胞，检查结果表是否刷新
11. 切换到”联合检索”页，加载 test_data 后执行跨数据集检索
12. 切换到”性能评估”页，查看实时指标和离线 Recall 报告

命令行接口测试（可选）

以下命令可快速验证检索功能是否正常：

# 1. 生成测试数据
python generate_test_h5ad.py

# 2. 导出向量（500 个细胞，30 维 PCA）
python data_loader.py --input data/test_data.h5ad --outdir results

# 3. 构建 HNSW 索引
python index_builder.py --input results/vectors.npy --outdir indices

# 4. 命令行检索测试
python search.py --cell-id cell_0044 --k 10

# 预期输出：
#   [1] cell_0044, distance=0.0000  ← 自身距离为 0
#   [2] cell_XXXX, distance=0.xxxx  ← NK-cell 类型的近邻细胞
#   ...

API 接口测试（curl）

# 登录并保存 Cookie
curl -c cookies.txt -X POST http://127.0.0.1:5000/api/auth/login \
  -H “Content-Type: application/json” \
  -d “{\”username\”:\”admin\”,\”password\”:\”admin123\”}”

# 按 Cell ID 检索
curl -b cookies.txt -X POST http://127.0.0.1:5000/search \
  -H “Content-Type: application/json” \
  -d “{\”cell_id\”:\”cell_0044\”,\”k\”:5}”

# 带条件过滤检索
curl -b cookies.txt -X POST http://127.0.0.1:5000/search \
  -H “Content-Type: application/json” \
  -d “{\”cell_id\”:\”cell_0044\”,\”k\”:10,\”filters\”:{\”disease\”:\”HCC\”,\”cell_type\”:\”NK-cell\”}}”

# 获取散点图数据
curl -b cookies.txt “http://127.0.0.1:5000/scatter_data?max_points=100”

# 获取可用过滤字段
curl -b cookies.txt http://127.0.0.1:5000/filter_options

# 获取系统状态
curl -b cookies.txt http://127.0.0.1:5000/status

# 获取性能指标
curl -b cookies.txt http://127.0.0.1:5000/metrics

权限测试

普通用户登录后直接访问以下接口应返回 403：

POST /datasets
DELETE /datasets/<dataset_id>
POST /api/multi_merge

管理员访问：

POST /datasets             # 不带文件时返回 400，说明已通过权限检查进入业务校验
POST /datasets/default/activate  # 登录用户即可返回 200
DELETE /datasets/default   # 返回 400，因为 default 数据集受保护

语法检查

python -m py_compile app.py ai_analyzer.py search.py dataset_manager.py visualize.py user_manager.py multi_search.py data_loader.py index_builder.py evaluate.py generate_test_h5ad.py

故障排查

启动后检索失败，提示"未找到细胞ID"

症状： 搜索 cell_0044 时返回错误，提示可用的 ID 示例为 AAACCTGAGCAGGTCA-1_2 等。

原因： 当前活动数据集使用的是旧的 liver 数据产物。可能是之前运行过 data_loader.py 导出了 liver 数据。

解决： 通过 Web 界面上传 data/test_data.h5ad，系统会自动完成导出、建索引和激活。

散点图无法显示，提示"元数据行数与 h5ad 细胞数不一致"

症状： 访问 /scatter_data 返回 400 错误，提示行数不一致（如 500 vs 69032）。

原因： 当前数据集引用的 .h5ad 源文件与 results/ 下的向量/元数据产物不匹配。常见于：

用 data_loader.py 从 test_data.h5ad（500 细胞）导出，但 source_path 指向 data/liver.h5ad（69032 细胞）
或者反过来

解决：

推荐：通过 Web 界面上传 .h5ad（系统自动保持源文件与产物一致）
或：确保 CLI 导出的 --input 路径与后续使用的源文件一致

端口 5000 被占用

症状： 启动 Flask 时提示 Address already in use。

解决：

# Windows: 查找并关闭占用端口的进程
netstat -ano | findstr ":5000"
taskkill //PID <进程ID> //F

# 然后重新启动
python app.py

关闭调试模式（生产环境）

默认以 debug 模式启动。如果需要关闭自动重载和多进程：

# Windows (cmd)
set FLASK_DEBUG=0
python app.py

# Windows (PowerShell)
$env:FLASK_DEBUG=0
python app.py

# Linux / macOS / Git Bash
FLASK_DEBUG=0 python app.py

Python 找不到依赖模块

症状： ModuleNotFoundError: No module named 'anndata' 或类似错误。

解决：

确认已安装依赖：pip install -r requirements.txt
如果使用 Conda，确认已激活正确的环境：conda activate <环境名>
验证安装：python -c "import flask, numpy, pandas, scanpy, anndata, sklearn, faiss; print('OK')"

AI 自然语言查询不工作

症状： 使用 /ai/query 时返回错误或无法解析。

原因： 未配置 DeepSeek API Key。

解决： 配置环境变量后重启服务：

set DEEPSEEK_API_KEY=你的DeepSeek API Key
python app.py

未配置 API Key 时，AI 分析功能会自动退化为本地统计摘要（仅 /ai/analyze 可用）。

注意事项

admin / admin123 仅适合本地测试，正式部署应修改默认管理员密码。
建议设置环境变量 ANN_SESSION_SECRET，避免使用默认 Session Secret。
上传大型 .h5ad 时，向量导出和索引构建可能耗时较长。
可视化接口需要原始 .h5ad 中存在 obsm["X_umap"] 或 obsm["X_tsne"]。
当前前端通过 Plotly CDN 加载图表库，离线环境需要改成本地静态文件。
项目仓库不包含数据文件和索引文件（data/、results/、indices/、*.index），克隆后需按快速启动流程操作。
已有的 results/ 和 indices/ 下产物（如从真实 liver 数据集导出）会被自动识别为只读的 default 数据集，不能通过 Web 界面删除。
使用 CLI 路径（data_loader.py + index_builder.py）导出数据时，建议使用相同的数据源文件（--input），否则可能导致散点图等依赖 .h5ad 源文件的功能异常。
测试数据使用 cell_0000 ~ cell_0499 格式的 Cell ID；真实 liver 数据集使用 AAACCTGAGCAGGTCA-1_2 等格式。检索时请使用与当前数据集匹配的 ID。

Name		Name	Last commit message	Last commit date
.vscode		.vscode
indices		indices
static		static
templates		templates
.gitignore		.gitignore
PROGRESS.md		PROGRESS.md
README.md		README.md
ai_analyzer.py		ai_analyzer.py
app.py		app.py
data_loader.py		data_loader.py
dataset_manager.py		dataset_manager.py
evaluate.py		evaluate.py
evaluation_report.json		evaluation_report.json
generate_test_h5ad.py		generate_test_h5ad.py
index_builder.py		index_builder.py
multi_search.py		multi_search.py
requirements.txt		requirements.txt
search.py		search.py
user_manager.py		user_manager.py
visualize.py		visualize.py

Latest commit

History

Folders and files

Repository files navigation

单细胞高维向量 ANN 检索系统

功能概览

目录结构

环境依赖

方式一：使用 requirements.txt（推荐）

方式二：手动安装

Conda 环境（如使用课程环境）

DeepSeek 配置

快速启动

Git 克隆后的初始状态

方式 A：通过 Web 界面操作（推荐 ✅）

1. 生成测试数据

2. 启动 Web 服务

3. 上传测试数据集

4. 使用检索与可视化

方式 B：通过命令行操作

1. 准备 .h5ad 数据

2. 导出向量

3. 构建索引

4. 命令行检索

5. （可选）启动 Web 服务

测试数据说明

命令行流程

导出向量

构建索引

命令行检索

运行性能评估

Web API

认证

数据集管理

检索

可视化

联合检索

性能报告

AI 辅助分析

权限说明

完整测试方法

基础功能测试

命令行接口测试（可选）

API 接口测试（curl）

权限测试

语法检查

故障排查

启动后检索失败，提示"未找到细胞ID"

散点图无法显示，提示"元数据行数与 h5ad 细胞数不一致"

端口 5000 被占用

关闭调试模式（生产环境）

Python 找不到依赖模块

AI 自然语言查询不工作

注意事项

About

Resources

Stars

Watchers

Forks

Releases

Packages

Contributors

Languages