节点 n14

The `include_external` param exists, so the crash wasn't a TypeError. Let me reproduce it directly.

```json
{
  "name": "修复节点8：稀疏典型性加权 + 安全阶段过滤",
  "motivation": "节点8 crash（13.6s，stderr为空），目标是提升 de_recovery（全树最弱组，最佳节点7仅51.69，对照节点1为49.13）。crash原因：(1) inputs_by_time(manifest, include_external=False) 可能传入不存在的参数导致TypeError；(2) typicality_weights 中 X.astype(np.float64) 全量稠密化 + 每类型 np.ix_ 切片，在父节点峰值1.48GB基础上内存翻数倍触发OOM。两者均需在修复中消除。",
  "approach": "分三步，严格按序：\n\n【第1步：修复crash（10分钟）】\n(a) 阶段获取：不用 include_external 参数。改为 stages = inputs_by_time(manifest)，然后自行过滤：遍历返回的阶段名，只保留不以 'external'/'qiu'/'Qiu' 开头的（或根据 manifest 元数据中 source 字段判断），取最后一个官方阶段。若过滤后为空则回退取全部阶段的最后一个。\n(b) typicality_weights 改为纯稀疏路径：删除 Xd = X.astype(np.float64)；对每个类型用布尔掩码 m 取行 X[m]（保持csr），再用列索引 de 取子矩阵 X[m][:, de]（仍为csr）。centroid 用 np.asarray(X[m][:, de].sum(axis=0)).ravel() / k 计算（只稠密化500维向量）。余弦相似度：sub @ cent（稀疏×稠密=稠密向量），无需 np.ix_。全局 total 向量用 np.asarray(X.sum(axis=0)).ravel() 一次算好。\n(c) main() 外层包 try/except Exception as e: import traceback; open(os.path.join(out_dir,'traceback.txt'),'w').write(traceback.format_exc()); raise。\n\n【第2步：gamma=0 冒烟验证（5分钟）】\n跑 --gamma 0，此时 typicality_weights 直接返回全1，等价于节点6机制。用 vec-score 查分，预期 proxy ≈ 55.8（节点6水平）。若不符说明阶段过滤或基础代码有误，先修此处再继续。\n\n【第3步：开启典型性（15分钟）】\n跑 --gamma 0.5 查分。预期 de_recovery 从 ~50.65 提升 1-3 分（典型细胞更接近类型中心，增强DE基因信号）。若 proxy 总分 ≥ 节点6（55.81）且 de_recovery > 51.5 则保留；否则试 gamma=0.3 或放弃（回退节点6机制，不引入典型性）。最多查分3次（gamma=0, 0.5, 0.3），剩余次数留复验。\n\n【单阶段退路】proxy 只有1个官方输入阶段，代码本身只用最后一个阶段，无需第二时间点，天然兼容。proxy2 有两个输入但 include_external 问题已改为手动过滤，若过滤后只剩1个阶段同样退化为 copy_last + 加权抽样。\n【vec-score 快速筛选】每次改完先跑1个seed查分，差距<2分视为噪声内不追加。",
  "expected_groups": ["de_recovery"],
  "risks": "1) inputs_by_time 返回的阶段对象可能不是简单字符串而是dict/namedtuple，过滤逻辑需先print确认结构（Engineer第1步先加一行print调试）。2) 稀疏切片 X[m][:, de] 在csr上效率取决于行连续性，若类型很多且每个类型细胞少，总耗时可能超预期——设上限：若总细胞>50000则只处理前20个最大类型。3) 典型性权重可能把低质量/低表达细胞也选入（它们与centroid余弦低但非零），若gamma过大反而伤cell_state——gamma≤0.5为硬上限。4) 若gamma=0冒烟不过（分数偏离节点6超2分），说明阶段过滤逻辑有误，应放弃典型性改动，直接提交纯节点6复现（保底53.87）。"
}
```