工业Linux与数据库底座：从选型到国产化落地的工程实践
2026/10/7 10:58:58
把科学实验室装进浏览器：Ergalics Studio 是如何做到的
体验地址：https://snowleopard-io.github.io/ErgalicsStudio/app/
代码仓库：
- GitHub：https://github.com/SnowLeopard-io/ErgalicsStudio
- Gitee：https://gitee.com/cnt-code/ergalics-studio
全部功能在浏览器中直接运行：无需安装、无需注册、无需付费。
一、总起：一个完整的科学研究环境
Ergalics Studio 是一个开源的浏览器端科学研究工作站，致力于将科学计算、数值仿真、数据可视化、统计分析、实验管理与版本控制整合到同一个网页应用之中。它内置 60 个覆盖物理、化学、生物、地理、环境与人工智能等学科的科学插件，19 个整页化科研工具，以及一套以 Git 为存储底座的可复现性基础设施。
项目的设计目标可以概括为三个"消灭"：
- 消灭门槛——专业科学计算软件动辄数 GB、许可昂贵、部署复杂；Ergalics Studio 打开浏览器即可使用，设备条件参差的教室也能统一开课；
- 消灭玩具感——网络上的"科学模拟"大多是无参数的预设动画；本项目的每个插件背后都是可查证的真实数值内核，并以四级元数据徽章明确标注其验证等级；
- 消灭断点——传统工作流中"计算用 Python、画图用 Origin、记录用 Excel"三者互不衔接；本项目用统一内核、统一图形语言与自动提交的 Git 历史把整条研究链路焊成一个整体。
以下演示视频完整展示了平台的主要工作流：
图 1 · 标准模式欢迎页：环境自检、示例项目与插件入口集中于一个页面
二、四种工作模式：同一份研究的四种表达
Ergalics Studio 提供四种可无缝互转的工作模式，分别面向不同基础的使用者与不同形态的任务。
| 模式 | 面向人群 | 形态 | 典型场景 |
|---|---|---|---|
| 标准模式 | 全体使用者 | 侧边栏选择插件，参数面板即时计算 | 单点分析、课堂演示 |
| 流程模式 | 有一定基础的学生 | 40 余种区块拖拽连线，增量执行 | 数据清洗→分析→可视化的完整流水线 |
| 积木模式 | 编程启蒙阶段 | Blockly 积木生成真实代码 | 中小学计算思维教学 |
| 代码模式 | 进阶使用者 | Python / R / JavaScript 三语言内核，支持多语言互译 | 自定义算法、迁移既有脚本 |
图 2 · 流程模式：区块化数据流水线，支持增量执行与局部重算
图 3 · 积木模式：Blockly 积木直接生成可执行代码
图 4 · 代码模式：Python / R / JavaScript 三语言运行时
模式互转依赖核心层的共享 IR（中间表示）中枢：三种结构化模式编译后汇入同一份 IR，由统一执行器增量运行，mergeFlowIR与签名守卫保证互转过程中语义不变、资产不丢。这使教师可以用积木模式讲授逻辑、学生用流程模式完成实验、进阶者在代码模式中自由扩展——三者共享同一份实验资产，没有人被语言门槛挡在研究之外。
代码模式值得展开说明。它的三语言运行时各有明确分工：Python由浏览器内 Pyodide（WebAssembly 版 CPython）驱动，NumPy、SciPy 等科学计算栈可用——电磁本征求解器的稠密/稀疏特征值分解即运行于此；R面向统计建模使用者，可直接沿用课堂上教授的 R 语法做假设检验与回归；JavaScript则与平台自身内核共享同一运行环境，适合与插件结果做即时交互分析。三语言之间提供多语言互译，帮助使用者把既有脚本迁移到团队统一的语言栈。所有代码运行都在沙箱中完成，实验产物统一进入项目的版本控制体系。
三、六十个插件：一个按学科组织的仿真生态
平台目前内置60 个科学插件，按学科分组组织于侧边栏。每个插件都携带科研级元数据，以四级徽章标明其可靠程度——从"教学演示"到"文献对照验证"，学生可以在插件列表中直接看到每个工具的可信度边界；每个插件运行后，其结论、方法与局限以结构化形式写入统一的科学输出栏，而非隐藏在帮助文档中。
图 5 · N 体引力插件：数千粒子在 GPU 上实时演化
图 6 · 电磁本征求解器：谐振腔内真实本征模式的 3D 场分布
图 7 · 蛋白质交互网络：图算法驱动的生物网络分析
三个学科场景速览
地理：气候图插件按 FAO-56 与标准气候学方法，从逐月气温降水序列绘制出版级气候图，配合 GPX 轨迹插件可直接导入户外采集的路径数据完成里程、坡度与高程分析；
图 8 · 气候图：逐月气温-降水复合图，支持科学输出栏结论
图 9 · GPX 轨迹：户外采集路径的高程与坡度剖面
生物：传染病插件内置 SIR / SEIR / SIRS 等仓室模型，可实时调整传播率与恢复率，观察疫情曲线对参数的敏感性——这是流行病学教学中最直观的实验台；
图 10 · 传染病仓室模型：SIR / SEIR 参数敏感性实验
信号：信号实验室将 FFT 内核与出版级绘图结合，时域信号的频谱分解在 GPU 上瞬时完成，相位谱、功率谱与窗函数对比一页呈现。
四、WebGPU 计算管线：浏览器里的并行科学计算
Ergalics Studio 在计算层的核心投入，是一套自研的WebGPU 计算管线。这是"真仿真"得以成立的技术前提——没有并行算力，浏览器中的科学仿真只能停留在玩具尺度。
14 个可复用的 WGSL 计算内核
项目在核心层（src/core/wgsl.ts）实现了 14 个数据驱动的 WGSL 计算着色器模板，每个内核都显式文档化其绑定位布局与 uniform 结构，供全部插件按需取用：
| 内核 | 用途 | 采用的插件 |
|---|---|---|
nbodyKernel | N 体引力两两作用积分 | N 体引力 |
particleKernel | 粒子平流积分 | 粒子系统 |
fluidCollide / Stream / Curl | LBM 格子玻尔兹曼的碰撞、迁移与涡量三段求解 | 流体模拟 |
waveKernel | 波动方程显式时间步进 | 波动干涉 |
histogram / binningKernel | 并行归约直方图统计 | 统计图表 |
heatmapKernel | 场量热力图渲染 | 热力图 |
pointCloudKernel | 点云变换与着色 | 点云 3D |
matmulKernel | 分块矩阵乘法 | 线性代数 |
fftKernel | 快速傅里叶变换 | 信号实验室 |
kmeansKernel | 并行聚类 | 数据画像 |
spmvKernel | 稀疏矩阵-向量乘 | 本征求解器 |
以 LBM 流体插件为例，格子玻尔兹曼求解被拆分为碰撞、迁移、涡量三个计算通道，每帧在 GPU 上完成数十万格子的状态更新——这是"流场真实演化"而非"播放水波动画"的本质区别。
图 11 · 波动干涉：波动方程 GPU 显式时间步进的实时波场
图 12 · LBM 格子玻尔兹曼流体：GPU 上逐帧求解的真实流场
一条计算管线的解剖
以 N 体插件的一次 GPU 求解为例，管线的工作方式如下：插件声明内核模板（nbodyKernelWGSL）与数据规模后，计算层依次完成存储缓冲区创建（粒子状态以[x, y, vx, vy]交错布局写入STORAGE缓冲）、绑定组装配（storage + uniform 各就其位，uniform 结构严格按 16 字节对齐）、按 workgroup 派发（每 64 粒子一个 workgroup，边界做溢出保护）、结果回读（WebGPU 禁止直接映射 storage 缓冲，故先COPY_SRC至独立的MAP_READ | COPY_DST回读缓冲，再异步取回）。整个链路对插件作者只暴露三四个调用点——并行算力的工程复杂度被管线吸收，插件作者只需声明"算什么"。
工程可靠性设计
计算管线在工程层面做了三项关键处理：
- 能力检测与降级——插件运行时通过统一的 GPU 能力接口探测设备；无 WebGPU 环境自动回退 CPU 路径，结果一致、仅性能不同，绝不报错；
- 设备丢失自愈——监听 GPU 设备丢失事件，自动重建设备与缓冲区，长时间运行的仿真不会因驱动重置而中断；
- 可复现性绑定——GPU 随机性与种子由可复现性内核统一供给（mulberry32 确定性序列），同一实验在不同设备上可重放。
此外，平台的统计推断引擎（Bootstrap 不确定性量化、贝叶斯后验采样）同样运行在这条 GPU 管线上，使得"万次重抽样"级别的计算在课堂笔记本上秒级完成。
图 13 · Inference Forge：GPU 加速的贝叶斯后验采样
五、数据驱动的空态设计：示例是入口，不是内容
值得单独说明的是平台对"示例数据"的处理原则：数据分析类插件打开即空态——不预置任何演示数据，全部示例通过顶栏示例栏一键载入，或直接拖入使用者自己的 CSV 文件。参数驱动的仿真类插件则按物理默认值开箱渲染。
这一设计并非细节洁癖。工具的默认行为决定了使用者的第一课：数据是分析的起点，而不是装饰。以环境学套件为例，空气质量插件依据 HJ 633-2012 与 GB 3095-2012 断点计算 IAQI 并给出健康建议，水质插件按 GB 3838-2002 单因子法判定类别并输出加权 WQI——学生拖入自己城市的数据，得到的是针对真实环境的结论。
图 14 · 地理套件：地图投影失真的 Tissot 指标线可视化
六、科研闭环：从一次运行到一篇报告
插件产出只是起点。Ergalics Studio 将"研究"拆解为一条完整流水线，并以 19 个整页化实验室工具覆盖全程：
图 15 · Figure Studio：出版级图形编辑与导出
图 16 · Sweep Studio：参数空间批量扫描与对比
图 17 · 不确定性引擎：GPU 加速的 Bootstrap 重抽样
每个项目都是一台 Git 机器
平台最具差异化的基础设施是：项目本身即 Git 仓库。
- 浏览器端内嵌 isomorphic-git 与 LightningFS（IndexedDB 承载工作区），无需命令行；侧边栏 Git 面板实时显示分支、领先/落后计数与提交历史；
- 每次运行完成、每张图形保存、每次手动保存、每次导出补充材料，均自动生成一次 Conventional Commit——
git log即完整的实验年表； - 标准项目模板预装工程钩子：
pre-commit校验repro.lock（锁定环境与依赖指纹），pre-push执行单元测试；克隆到本地后可直接对接预置的 GitHub Actions 工作流； - 协作场景下，在面板中填入仓库地址即可完成 pull / push / fetch，远程同步经由可配置的 CORS 代理。
图 18 · Repro Lock：环境与依赖指纹锁定
图 19 · 补充材料：图表、数据与运行记录一键打包
对研究者而言，这一层回答的是那个最棘手的问题：三个月后，你依然可以拿出当时的每一步。
七、若干工程决策
1. 纯 TypeScript 手写内核 + Rust WASM 混合。可视化、统计与数值方法以纯 TypeScript 实现，每一行数学开放可查；性能关键路径由 Rust 编译的 WASM 模块承担。不依赖黑盒，也不牺牲性能。
2. 双语同步。全部 60 个插件、19 个实验室页面与 3D 场景内标注的中英文在 i18n 层同步维护，中文使用者为第一等公民。
3. 性能可观测。FPS、GPU、内存与数据规模监控常驻状态栏——使用者从第一天起就建立"我的实验跑了多大规模"的量化直觉。
4. 出版级输出。绘图引擎输出矢量 SVG，可直接进入 LaTeX / Illustrator 工作流；3D 场景导出透明底 PNG。图表不是"截图凑合"，而是论文素材。
八、常见问题
没有 WebGPU 的电脑能用吗？
可以。计算管线在启动时探测设备能力，无 WebGPU 环境自动回退 CPU 路径——结果一致，仅性能不同。状态栏会实时显示当前使用的计算后端与资源占用。
数据会被上传到服务器吗？
不会。项目文件、实验记录与 Git 仓库全部存储在浏览器本地的 IndexedDB 中；只有在主动执行远程同步（push / pull）时，数据才会经由你配置的仓库地址与 CORS 代理离开本机。
我的数据格式不标准怎么办？
平台的导入层支持 CSV / TSV 等分隔文本的容错解析（自动识别表头别名与编码），并提供二进制科学格式的导入能力；数据画像与清洗工具可在正式分析前完成类型推断与异常值处理。
可以用于正式发表吗？
绘图引擎输出矢量 SVG 与透明底 PNG，可直接进入 LaTeX 排版流程；补充材料打包包含运行记录与可复现锁，满足期刊对数据与过程可溯性的普遍要求。
如何参与贡献？
插件契约公开且稳定：一个携带 manifest 声明的纯函数模块，即可接入整个平台并获得参数面板、3D 场景、科学输出栏与版本控制的全套支持。文档站附有完整的插件开发指南。
九、开始使用
Ergalics Studio 以 MIT 许可证完全开源，欢迎用于教学、科研与二次开发：
体验地址
https://snowleopard-io.github.io/ErgalicsStudio/app/
代码仓库
GitHub：https://github.com/SnowLeopard-io/ErgalicsStudio
Gitee：https://gitee.com/cnt-code/ergalics-studio
插件系统的契约公开且稳定：一个携带 manifest 声明的纯函数模块，即可接入整个平台并获得参数面板、3D 场景、科学输出栏与版本控制的全套支持。若这个项目对你的课堂或研究有所助益，欢迎 Star、提 Issue、撰写插件。
科学工具不应当是奢侈品，也不应当是玩具。它应当像实验室的桌凳一样——就在那里，坐下即可开始工作。