v3.1.0 feat: 重构算法复杂度分析体系为多规模采样与经验倍率拟合

[SummerOneTwo]

变更概述

依据 docs/designs/multi-scale-complexity-empirical-fitting-design.md 与 docs/plans/multi-scale-complexity-empirical-fitting-plan.md，实施对 AutoCode 复杂度与算法分析体系的全面重构。
彻底移除原有的脆弱正则表达式静态分析，建立“大语言模型声明理论复杂度 + 底层工具链多规模物理实测与对数线性倍率拟合”的确定性实证架构。

核心变更

1. MultiScaleSampler（多规模阶梯数据采样器）：

   • 实现自适应 5 点阶梯采样，针对多项式（$N_{\max} \ge 1000$）、小规模多项式（$N_{\max} < 1000$）与指数级（$N_{\max} \le 30$）提供单调递增采样点，杜绝数值倒挂。
   • 支持 testlib 规范命令行调用与模板参数注入，支持多测极端数据分布生成。

2. DynamicExecutionMonitor（动态执行监控器）：

   • 采集纯 CPU 耗时（utime + stime）与物理内存，测量并扣除系统原生启动物理底噪（约 2.1ms）。
   • 完整实现交互题双向匿名管道并发调度，独立采集解法程序纯 CPU 耗时。
   • 完善进程树生命周期管控，支持 Linux 会话隔离与深层进程回收。

3. EmpiricalRatioAnalyzer（经验倍率拟合分析器）：

   • 基于对数线性回归拟合幂指数 $\alpha$ 与判定系数 $R^2$。
   • 引入动态理论期望倍率 $R_{\text{expected}} = f(N_b) / f(N_a)$ 与自适应容差校验。
   • 具备处理器缓存容量跨越保护（Cache Jump Protection），限制在 $N \ge 50000$ 跨越硬件缓存时允许触发。
   • 支持阶乘复杂度 $O(n!)$ 校验；放宽 $O(n)$ 容差下限至 0.35 避免误阻断。

4. 工具层与质量门禁联动：

   • solution_analyze 与 solution_audit_std 接入 claimed_complexity 归一化解析。
   • problem_audit 将 empirical_complexity 纳入质量信号门禁，未通过时追加阻断提示与修复指引。

---

测试验证与覆盖结论

• 针对性测试套件（31/31 全部通过）：
  • tests/test_tools/test_empirical_ratio_analyzer.py（10/10 通过）
  • tests/test_tools/test_multi_scale_sampler.py（8/8 通过）
  • tests/test_utils/test_execution_monitor.py（4/4 通过）
  • tests/test_tools/test_solution_audit.py（5/5 通过）
  • tests/test_integration/test_complexity_empirical_e2e.py（4/4 通过）
• 全量回归测试：
  • uv run pytest tests/ -q：403 passed, 7 skipped in 360.69s，403 个用例全部通过。
• 静态检查与类型检查：
  • uv run ruff check .：通过（All checks passed）
  • uv run mypy src/：通过（41 个源文件全部通过，零报错）

---

计划达成度审计（Plan Completion Audit）

• 任务 1：经验倍率拟合分析器与数学单元测试：DONE
• 任务 2：自适应多规模阶梯数据采样器与单元测试：DONE
• 任务 3：纯 CPU 耗时采集与环境底噪扣除监控器：DONE
• 任务 4：工具层整合与脆弱正则清理：DONE
• 任务 5：端到端集成测试与小常数二次方算法证伪验证：DONE
• 任务 6：代码规范与全量回归测试：DONE
• 达成度：6/6 DONE (100%)

[Copilot]

Copilot review overview

🟡 Changes recommended

Unresolved correctness and safety issues affect complexity defaults, resource enforcement, sampling, and monitoring.

Get a fresh assessment by requesting another Copilot review.

Review effort: Lite
Findings: 3 · 1 · 1

Open (5)

• Missing claims silently default to O(n) · New
• Output limit is enforced after unbounded buffering · New
• Factorial growth is flattened above n=20 · New
• Generator command uses invalid type and range arguments · New
• Plan uses developer-local absolute path · New

What changed in this PR

Refactors complexity analysis around multi-scale sampling, execution monitoring, and empirical growth fitting.

Changes:

• Adds sampling, ratio analysis, and process-monitoring utilities.
• Integrates empirical verification into solution and problem audits.
• Adds tests, documentation, release notes, and version metadata.

File	Summary
uv.lock	Updates locked package metadata.
tests/​test_utils/​test_execution_monitor.py	Tests execution monitoring.
tests/​test_tools/​test_solution_audit.py	Tests solution-audit integration.
tests/​test_tools/​test_multi_scale_sampler.py	Tests multi-scale sampling.
tests/​test_tools/​test_empirical_ratio_analyzer.py	Tests empirical fitting.
tests/​test_integration/​test_complexity_empirical_e2e.py	Adds end-to-end complexity tests.
src/​autocode_mcp/​utils/​scale_sampler.py	Implements scale sampling and generator commands.
src/​autocode_mcp/​utils/​ratio_analyzer.py	Implements empirical complexity fitting.
src/​autocode_mcp/​utils/​execution_monitor.py	Adds process and resource monitoring.
src/​autocode_mcp/​tools/​solution_audit.py	Integrates empirical audit results.
src/​autocode_mcp/​tools/​schemas.py	Adds claimed-complexity input.
src/​autocode_mcp/​tools/​complexity.py	Integrates empirical verification.
src/​autocode_mcp/​tools/​audit.py	Adds empirical audit quality gates.
pyproject.toml	Bumps project version.
docs/​plans/​multi-scale-complexity-empirical-fitting-plan.md	Documents implementation tasks.
docs/​designs/​multi-scale-complexity-empirical-fitting-design.md	Documents the architecture.
CHANGELOG.md	Records the release.

---

💡 Add a code-review agent skill or configure MCP servers for context-aware, tailored reviews. Learn more in the docs.