研究问题、可复现分析与敏感性分析04 / 16
计算环境与工作流
同一段代码在不同的软件版本下可能给出不同的结果：默认参数会变，算法实现会改，随机数生成器也可能改变。Burger 等（2023）在心理网络报告规范中专门指出，软件包的估计默认值会随版本更新而改变，因此即使使用默认参数也要报告参数和版本。
四个层次
| 层次 | 工具举例 | 解决的问题 | 局限 |
|---|---|---|---|
| 记录版本 | pip freeze、sessionInfo()、运行清单 |
知道用的是什么版本 | 不保证能重新装出来 |
| 锁定依赖 | requirements.txt（精确版本）、conda
environment.yml 与锁定文件、R 的
renv.lock |
可以重建相同的包集合 | 依赖操作系统和底层库 |
| 容器 | Docker、Apptainer/Singularity（高性能计算集群常用） | 连同操作系统和系统库一起打包 | 镜像体积大；硬件差异仍可能带来浮点差异 |
| 工作流管理 | Make、Snakemake、Nextflow | 记录步骤之间的依赖关系，只重跑受影响的步骤 | 需要学习成本 |
Boettiger（2015）介绍了用 Docker 打包研究计算环境的做法；Grüning 等（2018）针对生命科学提出了组合使用包管理器（如 Bioconda）、容器和工作流系统的分层方案。对于大多数网络分析项目，“精确锁定版本的环境文件 + Git + 一个能从原始数据跑到最终图表的主脚本（或 Makefile）”已经足够；需要在集群或跨机构复算时，再加上容器。
让代码可以被检验
- 小型测试：对关键函数写断言，例如“三角形图的平均聚集系数等于 1”“度保持随机化后度序列不变”。
- 持续集成（continuous integration, CI）：在代码托管平台上每次提交时自动在干净环境中运行测试，相当于定期做一次“别人能不能跑起来”的检查。
- 代码审阅：请合作者在自己的机器上按 README 运行一遍。
The Turing Way 手册的“可复现研究指南”系统覆盖了版本控制、许可、研究数据管理、可复现环境、代码文档与测试、代码审阅、持续集成、用 Make 组织流程和研究纲要等主题，可作为实践手册查阅。
浮点结果的“可复算”应以容差为准。不同的 CPU、BLAS 库或并行线程数可能导致矩阵求逆、特征分解结果在末位不同；对接近阈值的边，这种差异甚至会改变边是否存在。复算时应比较数值是否在合理容差内一致，并检查结论（而不是逐字节输出）是否改变。