DRUID 上手指南

从零跑通第一批 LA-ICP-MS 锆石 U-Pb 数据 —— 不需要任何编程经验

对应 DRUID 2.8.0　·　2026-09-25　·　文中所有示例数字都来自仓库自带的示例批次 examples/EX2022A，可以自己跑出来核对

这份文档要解决的事：你手上有一台 iCAP 仪器导出的 Qtegra 数据，想知道它给出的年龄能不能信、怎么写进文章。

读完你会拿到：① 一个装好的环境；② 一条命令（或一次双击）跑完全流程；③ 知道先看哪三个数字判断数据可用；④ 出问题时知道该看哪一行报错。

目录
  1. 三分钟最短路径
  2. 它做什么、你要做什么
  3. 装环境（Windows 从零开始；macOS 差异见节首）
  4. 准备你自己的数据
  5. 跑自己的批次
  6. 看懂结果：先看这三个数
  7. 接到 ADEPT 做坪年龄
  8. 出错了怎么办
  9. 想改代码 / 长期维护
  10. 附录：命令速查与名词表

一、三分钟最短路径

如果只想尽快看到"这东西在我机器上能跑"，按下面六步走。每一步都写了「怎么算成功」，对不上就别往下走，直接翻 第八节。

  1. 确认有 Python　python --version
    看到 Python 3.9 以上即可（3.12 / 3.13 更好）。没有就装一个，见 第三节。
  2. 建一个隔离环境　python -m venv .venv
    只是为了让依赖不污染系统 Python。不建也能跑，但以后换版本会乱。
  3. 装五个依赖　.venv\Scripts\pip install numpy pandas matplotlib openpyxl xlrd
    就这五个。不需要 scipy、不需要任何 Web 框架，也不需要联网跑程序。
  4. 拿到代码　把仓库放到一个不含中文和空格的路径下，例如 D:\tools\DRUID
    路径里有空格时命令行要加引号；有中文时个别老工具会踩编码问题，能避就避。
  5. 跑一遍示例批次　python tests\run_all.py，再跑 python tests\check_example_batch.py
    第二条会用自带的 85 个测点真算一遍，最后一行是 ✓ 全部与基线一致 就说明环境完全就绪。
  6. 换成你自己的数据　按 第四节把数据摆成文件夹，然后双击 启动数据处理工具.bat（macOS 用 启动数据处理工具.command）
    网页界面里选文件夹 → 看检查报告 → 开始处理 → 下载结果。
先跑示例批次，再动自己的数据。这句话不是客套：示例批次的输出数字是钉死的（本指南第 六节列的三个判据都能对上）， 它能区分"环境没装对"和"我的数据有问题"这两种完全不同的故障。跳过这一步，第一次报错时你无法判断是谁的错。

二、它做什么、你要做什么

DRUID 把仪器的原始计数率时间序列变成年龄。中间那七步（死时间、204Hg 干扰、 普通铅显著性检验与扣除、标样夹逼归一化、F(τ) 深度分馏校正、jackknife 不确定度）是它的全部工作， 也正是不要让下游工具重复做的事情。

从一台仪器导出的 CSV，到一个能写进文章的年龄 五个环节里，DRUID 负责前三个；第四步是它交给下游的唯一接口 ① 仪器导出 Qtegra CSV（cps） ② DRUID 还原 比值 + 不确定度 ③ 结果.xlsx 六张工作表 ④ 剖面窗口表 逐窗口年龄 1σ ⑤ ADEPT 坪年龄 + MSWD 原始时间序列 扣空白 归一化 分馏校正 结果 标样QC 剖面域 不分域 交给 ADEPT 的接口 在 R 里做 你要做的只有两件事：把数据准备成一个文件夹（第四节），然后跑一条命令（第五节）。 其余全部自动化：85 个测点的示例批次，DRUID 算完约 3 秒。
图 1　全流程的五段。看到最后两段是分开的很重要：逐窗口年龄是 DRUID 的产出，坪年龄与 MSWD 是 ADEPT 的产出。两边算法一致，但不要互相重复计算。
角色谁来做产物
原始信号 → 带不确定度的年龄DRUID（本工具）结果.xlsx（六张表）
+ 结果.handoff.json（给程序读）
在同一条剖面上挑出坪、判 MSWDADEPT（R 包）坪年龄 ± 2σ、MSWD、MSWD 概率
判断这批数据能不能用你（看三个数字，见第六节）一句话结论 + 证据

装环境（Windows，从零开始）

这一节走的是 Windows 的路径。macOS 上只有三处不同，其余照做即可： ① 命令里的 python 换成 python3，.venv\Scripts\pip 换成 .venv/bin/pip； ② 最后不是双击 .bat，而是双击 启动数据处理工具.command（首次被系统拦下时：右键 → 打开 → 再点一次「打开」）； ③ 不需要另配中文字体，会自动用 Mac 自带的苹方。 另外 DRUID.exe 是 Windows 专用的，拷到 Mac 上跑不了 —— 要在 Mac 上也要单文件程序， 只能在 Mac 本机重新冻结一次（冻结工具不支持跨系统打包）。 完整的对照见落地页 「苹果电脑上怎么用」，仓库根目录的 使用说明.txt 里也有。

目标：把 Python 和五个依赖装好，并用仓库自带的示例批次确认一切正常。全程只需要复制粘贴四条命令。

四条命令，每步都有「怎么算成功」 全部在同一个文件夹里执行：那是个含 druid 子目录的文件夹（仓库根目录） 怎么算成功 1 确认有没有 Python python --version 显示出 3.9 或更高 2 建一个隔离环境（只做一次） python -m venv .venv 目录里多出 .venv 文件夹 3 装五个依赖 .venv\Scripts\pip install numpy pandas matplotlib openpyxl xlrd 末行出现 Successfully installed 4 自检一遍 python tests\run_all.py 末行「全部文件跑完」，无 failed 装得慢或装不上时，看第八节的「pip 装不上」那一条 —— 里面给了国内镜像的完整命令。
图 2　环境准备四步。顺序不能换：第 3 步用的是第 2 步建出来的那个 pip；直接敲 pip 有可能装到系统 Python 里去，以后排查会多一层干扰。

3.1　没有 Python 怎么办

去 python.org 下载 Windows 安装包（3.9 以上任意版本，3.12 或 3.13 最省事），安装时务必勾上 「Add python.exe to PATH」——这是唯一一个装完必须检查的选项。装完新开一个命令行窗口再敲 python --version：旧窗口的 PATH 不会更新，这是最常见的"明明装了却说找不到"。

虚拟环境是可以随时推倒重来的。如果依赖装乱了，直接删掉 .venv 文件夹，从第 2 步重来即可 —— 它只包含依赖，不含你的数据，也不含这个仓库的代码。

3.2　依赖为什么只有五个

包干什么用
numpy数组与数值计算
pandas序列表与结果表的读写
matplotlib逐点深度剖面图（--plot 时才用到）
openpyxl写 .xlsx 结果表
xlrd读仪器工作站导出的老式 .xls 序列表

没有 scipy，这是刻意的：年龄方程的不动点迭代、二分法、卡方上尾概率都是自己实现的。 少了这个依赖，就意味着数值行为不会被第三方库的版本更新悄悄改掉——这对要写进文章的软件很重要。 网页界面也只用 Python 标准库，不需要装任何 Web 框架、不需要 npm、没有构建步骤。

3.3　怎么确认装对了（两步）

:: 第一条：不需要 pytest 的自检，覆盖统计内核、输入边界、打包完整性
python tests\run_all.py

:: 第二条：拿仓库自带的示例批次真算一遍（约 1 分钟）
python tests\check_example_batch.py

第二条最后会打印 ✓ 全部与基线一致，并逐项列出标样 QC 与样品年龄分布。 这一步的价值在于：它把"环境装错"和"数据有问题"分开了。示例批次的数字是钉死的，只要一致， 就说明工具本身没坏，接下来出任何问题都在你的数据或参数上。

准备你自己的数据

规则只有三条，但每一条错了都会在处理前就被报出来（网页界面里会立刻提示，不用等跑完）。

一个批次 = 一个文件夹 文件夹名就是批次名；网页界面里选的就是这个文件夹 EX2022A\ EX2022A_LIST.csv　← 两列：文件名、样品名 EX2022A_1.csv　　← 一个测点一个文件 EX2022A_2.csv … 还有 83 个 三条硬规则 1. 序列表必须与文件夹同名 EX2022A_LIST.csv 2. LIST 里的文件名不带 .csv 3. 每个 CSV 必须含全部通道 202 204 206 207 208 232 238 序列表也可以直接用仪器工作站导出的 .xls / .xlsx；想 diff、想在 code review 里看懂，就用文本存成 .csv 或 .tsv。
图 3　批次文件夹的样子。文件名本身不含任何含义——它只是"测点编号"；真正决定角色的是序列表第二列的样品名（见下表）。

4.1　样品名决定角色

样品名里出现判定为在流程里的作用
91500（默认主标）主标算归一化因子，决定绝对年龄是否成立
Ple / Plešovice（默认监控标样）监控标样估外部重现性、做质控与二次校正
SRM / NIST / 612 / 610玻璃标样不参与 U-Pb（给它定年没有意义）
其余任何名字未知样品真正要定年的对象
主标和监控标样可以换成别的。用 --primary / --secondary 指定（网页界面上是输入框）， 比如本实验室若用 Temora 做主标，就填 --primary Temora。可用标样清单见 druid/core/constants.py 里的标准物质库。

参考值来源也是可选项。同一支标样的推荐值有好几套来源（Horstwood et al. (2016) 表 S2 的 CA-ID-TIMS 值、 Wiedenbeck et al. (1995)、由标样年龄反算的自洽值、Isoclock2.0 等），用 --ref-preset 指定 （网页界面上是参考值来源下拉），默认 horstwood2016。 档与档之间是整体平移而不是重算：示例批次上未校正列最大差 0.83 Ma、带监控标样的最终列只差 0.031 Ma， 行数、深度结构与 MSWD 一律不变。

4.2　从仪器导出时的三个注意

跑自己的批次

两种用法选一种。日常用网页界面，要批量化或脚本化时用命令行。

网页界面里的一遍完整流程 127.0.0.1:8000 ① 选择批次文件夹 D:\data\EX2022A 选择文件夹 ② 看检查报告（缺文件、缺序列表在这里就说） 85 个测点 → 样品 48 / 主标 21 / 监控 14 / 玻璃 2 ✓ 所有 CSV 通道齐全，序列表可解析 ③ 开始处理 → 完成后直接下载 开始处理 下载 U-Pb 结果.xlsx 下载 深度剖面图册.pdf 服务只监听本机 127.0.0.1：别人的电脑打不开，这是设计如此。 双击「启动数据处理工具」脚本（.bat / .command）即可打开这个界面；关掉窗口就退出。
图 4　网页界面的三个动作。检查报告（第 ② 步）值得停一下：它会把"哪些文件缺了、哪些通道不全"在处理前就说出来， 省掉跑到一半才失败。界面没有"停止"按钮是刻意的——Python 线程无法安全强杀，做了按钮只会变成"点了没反应"。

5.1　命令行版本

:: 在仓库根目录执行（含 druid 子目录的那一层）
python -m druid.cli.reduce_batch ^
    --dir "D:\data\EX2022A" ^
    --out "D:\data\EX2022A_U-Pb结果.xlsx" ^
    --plot

:: 看全部参数
python -m druid.cli.reduce_batch -h

换成自己的主标 / 监控标样时加 --primary 91500 --secondary Ple。 需要死时间校正时加 --deadtime-ns 14.7645——默认是 0（不校正）， 这个值是拿实测死时间扫描标定出来的，请不要凭经验填（见 第九节的说明）。

5.2　结果文件放在哪

命令行由 --out 指定；网页界面默认写在批次目录旁边的输出位置，完成后在页面上给出下载链接。 另外界面里的运行日志（那个滚动的框）建议在报错时一起留档——它包含每个测点的处理进度与跳过原因。

看懂结果：先看这三个数

结果 Excel 有六张表（结果 / 标样QC / 深度剖面域 / 不分域年龄 / 剖面窗口 / 运行参数）； 同一目录下还会多出一份 .handoff.json（见 6.3）。 先不要看年龄。先用下面三个数字判断这批数据到底能不能用——它们衡量的是"仪器的状态"，不是"岩石的年龄"。

三个判据与示例批次的实测值 绿色是"过线区"；下面这组实测值全部来自 examples/EX2022A，可以自己跑出来核对 ① 91500 偏差 要求 |偏差| < 1% −0.31%　通过 −3% +3% ② Ple 偏差 要求 |偏差| < 3% +1.85%　通过 −6% +6% ③ 协和度占比 要求 > 85% 93.8%　通过 50% 100% 三条都过 → 数据可用。任一条不过，先查标样计数率与信号强度，不要在年龄上找解释。
图 5　三个判据。② 里 Ple 的偏差偏正（+1.85%）在本项目里是已知的系统性现象：标样与样品计数率相差约一个数量级， 单一线性因子消不掉非线性残差，所以流程里还有一步"二次校正"。这一条会在结果里明确标注。
最容易拿错的两件事。 ① 不确定度列里 s68_1sig 与 s68_2sig 分别是 1σ 与 2σ —— 下游算 MSWD 必须用 1σ，误用 2σ 会把 MSWD 缩小到四分之一，于是"本该不自洽的数据看起来完美"。 ② 摘要里的"样品年龄中位"只统计样品，不含标样；91500 约 1060 Ma、Ple 约 343 Ma 混进来会把中位数整体抬高。 本工具的 CLI 与网页界面都已按此处理，但你自己写脚本从结果表里取数时要注意筛选 类型 = 样品。

6.1　MSWD 怎么读

MSWD ≈ 1       该域用一个年龄就能解释
MSWD 远大于 1  要么真的混了多个年龄，要么 σ 被低估了（最常见：只算计数统计，没算外部重现性）
MSWD 远小于 1  σ 被高估了
MSWD_概率      该域只有单一真实年龄的前提下，MSWD 至少这么大的概率；小于约 0.05 是常规警戒线

"深度剖面域""不分域年龄"与"剖面窗口"三张表里的年龄都是反比方差加权平均（不是算术平均）， MSWD 与它的卡方概率都在同一套算法下算，与 R 端 ADEPT 完全一致，两边数字可以直接并列对照。

6.2　「不分域年龄」表怎么读 —— 它对比的是什么

这张表回答一个很具体的问题：如果我不做任何分域，会得到一个什么年龄？ 它把整个剥蚀段当作唯一一个域来算，用的窗口、F(τ) 校正与加权方式与「深度剖面域」表完全一样—— 只有"分不分域"这一个变量不同。所以两种算法的差额，恰好就是"分域"这一步带来的差别。

列它是什么
年龄_Ma / s2_Ma整段窗口的加权平均年龄与 2σ。它不是整段 cps 积分
MSWD / 相容上限整段能不能用一个年龄解释。MSWD ≤ 相容上限才算能
判定整段常数 或 整段非常数。只有前者可以直接用
漂移_Ma最后一个窗口减第一个窗口的年龄差。一眼看出剖面斜不斜
主域 / 主域年龄_Ma分域结果里窗口数最多的那个真年龄域
Δ年龄_pct(整段 − 主域) / 主域。分域这一步对年龄的影响：示例批次 33 个多域点里从 −16.2% 到 +36.6%
整段积分年龄_Ma / Δ整段_pct结果表里另一种算法（整段 cps 积分）的值，用来提醒你别把两者混成一个数
最容易误读的一点：这张表里的大部分数字不是年龄。 示例批次 48 个样品测点里只有 5 个（约 10%）与「整段只有一个年龄」相容，它们的整段 MSWD 在 0.64~1.40 之间； 其余 43 个的整段 MSWD 从 1.55 到 196 —— 那些整段值是几个年龄的加权混合， 拿来横向比较可以，拿去定年不行。要定年仍然看「深度剖面域」表。

还有一件容易搞混的事："整段非常数"不等于"有两个年龄域"。 前者只是统计判定；要算一个真年龄域，流程还额外要求域之间年龄差达到 5% 以上（"地质显著"）。 示例批次里 15 个"分域后仍判均一"的测点中，有 10 个整段其实非常数（多半是没校正干净的倾斜）—— 这些点在「深度剖面域」表里根本没有行，只有这张表能把它们列出来。

6.3　同一个批次还有一份给程序读的文件

跑完一个批次，结果目录里除了 Excel 还会多出一个同名文件：

EX2022A_U-Pb结果.xlsx         ← 给人看（六张表）
EX2022A_U-Pb结果.handoff.json ← 给程序看（质控结论 + 交接约定）

它把这一批数据的判断写成了机器能读的形式：26 条带稳定 key 的检查项、每条一个结论 （fail / warn / info / pass），以及"这批数据交给下游时会掉哪些测点、为什么"。

平时用不到它，可以不管；但如果你要写脚本批量汇总多个批次，或者以后接一个自动解释工具， 读这个文件比解析 Excel 稳得多——Excel 的列名是给人看的，随时可能微调，而这个文件里的 key 是对外契约。 不想要它就加 --no-json；想换路径用 --json 自定义名.json（两个参数互斥）。

接到 ADEPT 做坪年龄

把结果 Excel 直接喂给 ADEPT 即可：它读"剖面窗口"表，忽略同一工作簿里其它不含 Age68 的表。 但四个参数必须显式给，因为 ADEPT 不去猜数据的预处理状态——

adept("EX2022A_U-Pb结果.xlsx",
      lower_ablation_time    = 0,      # DRUID 已经切好了自己的剥蚀窗口
      upper_ablation_time    = 1e6,    # 上界放到最后一个窗口之后
      smooth                 = "none", # 数据已做过 F(τ) 校正，剖面本就是平的
      calibration_uncertainty = 0)     # σ 里已含标样外部重现性
参数为什么要显式给
lower/upper_ablation_time一个 _1s 列无法说明剥蚀窗口在哪里结束。猜错会静默改变参与分段的数据点数，年龄直接跑偏。
smooth = "none"剖面已经做过逐深度分馏校正；再平滑会把真实的年龄域边界一起抹平。
calibration_uncertainty = 0σ 里已经含了标样外部重现性；再按默认乘 3% 就是把它算两遍。
一次数据要经过三关，每关解决不同的怀疑 ① DRUID：算得对不对 看标样 QC 偏差 91500 < 1%，Ple < 3% 过不了 → 仪器/标样的问题 ② ADEPT：坪选得对不对 看 MSWD 与 MSWD 概率 坪内是否自洽 过不了 → 真有多个年龄域 ③ 你：结论写不写得住 看协和度与剖面形态 年龄域是否与结构对应 过不了 → 别硬解释 这三关的顺序不能颠倒：② 的结论建立在 ① 通过的前提上，③ 建立在 ② 之上。 标样 QC 不过线时，任何关于岩石年龄的解释都还没有立足点。
图 6　三关的分工。工具只负责前两关的计算与呈现，第三关的判断必须由人来做——本工具的设计原则是"把不确定性摊开"，而不是替你给出结论。

出错了怎么办

先记住一条：报错信息里的最后三行通常就够定位。看下面这个表，找到你的现象。

现象多半是什么怎么办
双击 bat 一闪而过 窗口里打印了报错但没停住 改从命令行跑 python -m druid.cli.serve_ui，报错就会留在屏幕上；或者先跑 python tests\run_all.py 看环境是否就绪
ModuleNotFoundError: No module named 'pandas' 用的是系统 Python，不是装了依赖的那个 用 .venv\Scripts\python.exe 显式跑；或先执行第 3 步的 pip 命令
'python' 不是内部或外部命令 装 Python 时没勾 "Add python.exe to PATH"，或者没重新开窗口 重装并勾上，然后新开命令行窗口再试
pip 装不上 / 一直卡住 网络到 pypi 不稳 加国内镜像：pip install numpy pandas matplotlib openpyxl xlrd -i https://pypi.tuna.tsinghua.edu.cn/simple
KeyError: 缺少通道: [207] 某个测点的 CSV 没导出该质量数 回仪器重新导出那个测点；报错里会写是哪个文件
找不到序列表 文件没与文件夹同名，或 _LIST 写成了别的 改名成 <文件夹名>_LIST.csv（大小写不敏感）
PermissionError: ...xlsx 结果文件正被 Excel 打开着 关掉 Excel 再重跑
网页打不开 端口被占用（会自动顺延） 以黑窗口里打印的地址为准；确认服务打印了"界面地址 http://127.0.0.1:…"
处理到一半关了网页 不是故障 服务端任务会继续跑完并写盘；重开网页看不到那次日志，但结果文件已经在了
"查不到原因"时的标准动作：① 跑 python tests\run_all.py（环境或代码坏没坏）； ② 跑 python tests\check_example_batch.py（数值是否仍与基线一致）； ③ 若是自己的数据，把批次里最小的一个 CSV 单独跑一次，缩小到具体测点。 这三步能把问题定位到"环境 / 工具 / 你的数据"三类中的一类，比逐行读代码快得多。

想改代码 / 长期维护

这个仓库是给人改的。分层只朝一个方向依赖，所以"改算法"和"改流程"各有一个明确去处。

依赖只朝一个方向：上层可以 import 下层，下层绝不 import 上层 编排层 workflow.py　BatchConfig + run_batch 十步 想改流程顺序 深度剖面 depth/　滑窗、F(τ) 校正、年龄域判别、出图 想改深度算法 单点还原 reduction/　装载、剥蚀段识别、比值、jackknife 想改比值算法 读写 io/　Qtegra CSV、序列 LIST、Excel 报表 想改输入格式 纯计算 core/　衰变常数、年龄方程、普通铅、统计 常量只放这里 这条方向带来了两个好处：core/ 可以脱离文件系统单独测试；物理常量只有一个出处，不会改一处忘一处。
图 7　分层与依赖方向。物理常量只允许出现在 core/constants.py 一次—— 同一个衰变常数在两处各写一遍，改了一处忘了另一处不会报错，只会悄悄给出错误的年龄。

9.1　改完必须做的三件事

1) python -m pyflakes druid\          :: 必须 0 项
2) python tests\run_all.py            :: 必须全过
3) python tests\check_example_batch.py :: 与基线逐项一致
输出是要写进文章的，所以"数值没变"必须被证明，而不是被相信。 第 3 条就是那个证明：它用自带的 85 个测点真跑一遍，把标样 QC、样品年龄分布、深度结构分布逐项钉死。 改了算法就该跑它；通不过就不要提交。

9.2　几条不要轻易碰的地方

位置为什么
core/constants.py全部物理常量与标准物质库的唯一出处
--deadtime-ns 默认 0--deadtime-ns 默认 0 是刻意的：一旦默认开启，历史上所有未校正的结果就不再可比。要改默认值请先与人商量
204 显著性检验204Pb 只有几~几十 cps，204Hg 本底可达数百 cps。不做显著性检验就扣普通铅 = 把噪声当铅扣掉，对 207Pb 是灾难性的
207Pb/206Pb 不做 F(τ)它是 Pb 同位素内部比值，不随坑深分馏；窗口级 R76 的计数统计已在 1% 量级（4 s 窗口 207Pb 净计数中位约 9×10³），套 F(τ) 只会注入噪声
*.bat 文件必须保持纯 ASCII + CRLF。cmd.exe 按代码页解析，中文注释会变乱码；而解释器路径里含中文用户名，所以含中文的路径只能在运行时用变量拼出来

附录：命令速查与名词表

10.1　命令速查

想干什么命令
看版本python -c "import druid; print(druid.__version__)"
跑一个批次python -m druid.cli.reduce_batch --dir "批次目录" --out "结果.xlsx" --plot
看参数python -m druid.cli.reduce_batch -h
开网页界面python -m druid.cli.serve_ui　（或双击 启动数据处理工具.bat / .command）
自检python tests\run_all.py
数值回归python tests\check_example_batch.py
静态检查python -m pyflakes druid\
注册为命令行工具pip install -e .　→ 之后可用 druid-reduce / druid-gui

10.2　名词表

名词一句话解释
cpscounts per second，计数率。Qtegra 已经按驻留时间换算好，不是原始计数
剥蚀区间激光真正在烧样品的那个时间段；两端各有几秒的启动爬升与 washout 拖尾必须切掉
气体空白没开激光时测到的本底信号，用于扣除载气与样品池的贡献
死时间探测器两次计数之间的最小分辨时间。高计数率下漏计会低估信号，需要校正
分馏 F(τ)随坑深变化的元素分馏（本项目 ²⁰⁶Pb/²³⁸U 从坑口到坑底漂移约 20%），F(τ) = 标样参考值 / 实测值，逐深度校正
归一化用主标把仪器测到的比值为真值，F = 真值 / 实测值。它决定绝对年龄是否成立
普通铅矿物形成时混入的非放射成因铅，用 204Pb 指示，需显著性检验后再扣
jackknife刀切法：逐点剔除重算，得到 σ 与相关系数 ρ（画协和椭圆必需）
协和度²⁰⁶Pb/²³⁸U 年龄与 ²⁰⁷Pb/²⁰⁶Pb 年龄的一致程度（%）。接近 100% 说明未发生明显的铅丢失或铀富集
坪年龄剖面上一段年龄彼此一致的区间的加权平均年龄；由 ADEPT 判定
MSWD加权偏差平方和除以自由度：约 1 表示散布与各自不确定度相符；远大于 1 说明有额外散布没被解释
整段积分把一个测点的全部计数一次性合成比值再算年龄（结果表的 年龄206_238）。与"逐窗口算年龄再加权平均"是两种不同算法，在有结构的测点上可以差 20% 以上
不分域年龄把所有窗口当成一个域做加权平均。与分域结果用的是同一套算法，所以两级之差正好等于"分域"这一步的贡献
交接文件*.handoff.json。质控结论与接口约定的机读形式，给程序（及将来的自动解释工具）读

10.3　这份文档里的数字从哪来

第 六节的三个判据数值（−0.31% / +1.85% / 93.8%）与 6.2 的"48 个测点里 5 个整段相容、MSWD 中位 4.44"，以及第 五节的 "85 个测点 → 样品 48 / 主标 21 / 监控 14 / 玻璃 2"，全部来自仓库自带的示例批次 examples/EX2022A，由 python tests\check_example_batch.py 输出 （六张表的行数也一并钉着：结果 83 / 标样QC 2 / 深度剖面域 91 / 不分域年龄 48 / 剖面窗口 1677）。 它们的判据与容差写在 AGENTS.md 的基线表里，改动算法时那张表会一起被检查。