开源复现清单适合从架构、配置和使用边界三处入手判断，避免把概念和实际流程混在一起。

AI 开源复现清单：README 跑通只是最低标准一、复现不是只跑 demoAI 开源项目很多都有 README、示例命令和预训练权重；能跑通 demo 是好事，但离严谨复现还差很远；论文指标是否一致，数据处理是否相同，依赖版本是否稳定，训练脚本是否完整，评测是否可重复，都要检查。开源复现清单的目标，是判断项目能不能被可靠使用，而不是只看它能不能启动；先看项目结构flowchart TDA[开源项目] --> B[安装说明]A --> C[数据处理]A --> D[训练脚本]A --> E[评测脚本]A --> F[模型权重]A；reproduction_checklist:install_reproducible: truedataset_script: truetrain_script: trueeva。环境要锁定pip freeze > requirements.lock很多复现失败来自依赖版本；README 写 pip install -r requirements.txt，但依赖里没有锁版本，半年后可能完全跑不起来；Dockerfile、conda env、CUDA 版本、PyTorch 版本都要记录。