Ti-2 配方动态优化（recipe-optim）
对应 issue #78（问题建模）/ #79（求解器集成）/ #80（跨工序寻优）/ #81（可解释建议）。 PRD §5.3 ②「配方动态优化」：
入：质量目标 + 约束；出：参数/配方建议，二期交付。
本目录沉淀配方优化的声明式模板资产 + 求解器无关的问题建模引擎，跨行业差异落 资产（YAML 模板），引擎零改动（PRD「超参包驱动」「模板化技术路径」）。
模块
problem.py— 优化问题建模（#78）：决策变量 / 目标 / 约束的声明式规格 + 校验 + 可行性判定 + 零依赖 YAML 子集加载。solver.py— 求解器集成（#79）：SolverConfig+Solution+ 网格枚举/ 坐标下降轻量求解器 +solve()统一入口，求解器无关契约。cross_process.py— 跨工序关联寻优（#80）：纯标准库岭回归 +CrossProcessModel（上游指标→下游质量，fit/predict/evaluate R²/可解释权重/序列化）。advisor.py— 优化建议生成与可解释性（#81）：整合 #78/#79/#80 输出 可溯源建议报告（变量级/跨工序佐证/风险提示/溯源链路）。config/recipe_optim.template.yaml— Template-Ti 配方优化模板资产。tests/— 单元测试（python -m unittest discover -s tests，76 用例）。_sanity_check.py— 部署期一键自检（8 能力点）。
设计
- 决策变量
DecisionVariable：bounds（连续区间）/choices（离散枚举）， 带meaning/unit/initial，供 #81 可解释建议引用。 - 目标
ObjectiveSpec：线性加权（min/max）+ PRD 超参包target字段。 - 约束
ConstraintSpec：统一描述 box / linear / ratio / forbidden 工艺约束， 每条带reason（工艺依据，对齐 PRD"可解释、可溯源、引用依据"）。 - 问题
OptimizationProblem：validate聚合静态校验、is_feasible/violated_constraints做可行性判定，solve留给 #79 注入求解器（求解器无关）。
与上下游的契约
- 下游 #79 求解器：消费
OptimizationProblem，产出满足约束的最优取值。 - 下游 #80 跨工序寻优：复用同一变量/目标/约束模型描述跨工序关联。
- 下游 #81 可解释建议：读
violated_constraints+ 变量meaning+ 约束reason产出"可溯源"建议。
运行
python -m unittest discover -s tests # 单元测试
python _sanity_check.py # 部署期自检
零第三方依赖（纯标准库），与内核既有模块一致，便于离线/隔离网部署。