制作一个完整、离线、可以直接双击打开的单文件 HTML，名字叫「数据拟合比较与反向标定」。它是一张实验数据分析工作台：用户带来一组自己的成对测量，找到可解释的趋势，回到原始记录核查疑点，然后带走可复核的预测和报告。

作品的主角是“同一份观测，几种解释，以及这些解释面对新数据时的表现”。请把曲线、原始点、模型比较和目标预测放在同一工作区，不把使用者困在一长串表单里。米白纸面、石墨文字、蓝色主曲线，另外两种模型用克制的陶色与紫灰；让数据和变化建立表现力。桌面主图占主要面积，右边提供预测 / 标定与观察疑点两个明确入口；窄屏把图、比较和操作依次组织，不缩成不可读的小桌面。

默认提供一组真实可追踪的合成传感器标定：x 从 0 到 3，每次增加 0.2；y=0.11+1.86x+0.26x²，加固定扰动 [0.04,-0.05,0.03,-0.02,0.06,-0.04,0.02,1.8,-0.06,0.04,-0.03,0.05,-0.02,0.04,-0.05,0.03]。x 是电压 V，y 是参考浓度 mg/L，sigma 为 0.08。第 4、10、15 条是留出，其余训练；第 8 条名称为“第 8 次 · 待核查”。明确写合成数据和条件，不伪装成实测。初始选择直线模型、普通最小二乘，预测 x=1.7，反查目标 y=5，绝对偏差检查线为 0.35。再保留弹簧线性、抛体二次、衰减指数三个可替换的教学实验。

用户接入自己的资料必须容易。接受 CSV、TSV、分号分隔文本及从 Excel 粘贴的带列名矩形区域。允许任意列名，预览后选择 x、y，以及可选的 sigma、观测名称、用途；导入时填写单位，轴名称取所选列名。支持英文引号中的逗号与换行。全部数据在页面内解析；明确报出缺值、非法数、重复列名、列数不齐等问题，整体校验通过后才替换，不静默丢行。默认 sigma=1、用途 train，支持 train、validation、exclude。保留所有原始观测，即便它被排除。最多 200 行、512 KiB，x/y/目标输入在 ±10⁶ 内，sigma 为 10⁻⁹ 至 10⁶。

同屏计算直线 y=a+bx、二次 y=a+bx+cx² 和指数 y=A exp(bx)。用居中缩放后的 x 和稳定 QR 求解；指数在线性化 ln(y) 空间求解，参与点必须 y>0。三张紧凑比较项同时显示当前模型、训练 RMSE、可用的验证 RMSE与参数数，点选即可切换解释，曲线、预测、残差与报告即时同步。全部 RMSE 在原始 y 单位中计算。有留出点就只用这些点检验，不参与训练；没有留出时，样本足够则逐点留一重拟合计算交叉验证，样本不足明确显示无法比较。不要把更小训练误差当成更好预测，不自动替用户选模型。少量留出与外推要有具体提示。

保留普通和逆方差加权两种方法。普通法协方差由 SSE/(n−p) 估计；加权法把 sigma 当已知响应标准差，协方差不再由残差缩放。指数的 sigma 表示 ln(y) 标准差；原图误差条相应为 y exp(±sigma)，其曲线是条件几何均值。加权指数与多项式的 sigma 语义不同，不能把共用同一数值说成相同误差假设。标准误的前提、x 误差忽略与独立误差假设写在可展开的方法里，摘要与报告保持一致。

图上能看到实心训练点、空心留出点、灰色排除点、三模型曲线，以及下方与上图共享 x 的原始 y 残差。当前模型线较清楚，其余较轻；提供只看当前曲线。点击观测或残差就定位原始行，右侧显示真实 x、y、名称、用途、预测和残差，并能改值或用途。按绝对残差给出原始行的可点选排序。用户自己设置绝对偏差检查线，视觉上显示浅色残差区域；超过它只表示需要核查，不能自动判为错误。禁止拖动点来悄悄改写测量，排除永远是用户的明确决定。下方提供完整可编辑观察表、添加、删除、全部训练和每 5 行留出；批量留出保留已排除点。

预测既支持输入 x，也支持训练范围内滑动；点击曲线附近的空白位置同样设置 x。悬停让 x 对应的预测 y 可感知，不修改数据。预测明确区分插值与外推。反查目标 y 时求出当前模型全部实根，二次模型可能两解，逐个标出是否位于训练 x 范围，并可在图中查看。近乎水平曲线不能假装给出唯一反查结果，无实根要具体说明，指数只接受正目标 y；求根使用居中尺度与稳定二次公式，保护退化和浮点溢出。

把分析真正带走。提供可阅读、离线自包含的 HTML 报告，内嵌实际生成的图面，包含标题、数据性质、单位、选择的方程、三模型比较、训练/留出数量、预测与反查全部解、外推标记、按残差排列的核查清单、参数与标准误、全部原始观测和逐点结果，以及方法假设。报告可打印 / 保存 PDF，长表的表头重复，不能截断观测。再保留 PNG、原始数据 CSV、逐点结果 CSV、系数 CSV 和完整实验 JSON。HTML 报告用于阅读分享，JSON 用于继续编辑，不能以截图冒充备份。

JSON 包含原始数据与用途、标题、条件、单位、模型、权重、预测 x、反查目标 y 和检查线。旧版 imagination-fit / version 1 数据可读入；保留 AppModel、Artwork、AtelierLab 与 AtelierBridge 的原接口和方案册能力。所有编辑与导入作为明确事务进入最近 40 步撤销 / 重做；导入失败保留有效实验，新编辑或新文件选择使旧读取失效。零值必须保持有效。所有图、指标和导出取同一份当前状态，异步导出使用点击时快照。

交付唯一入口 index.html，资源内嵌，不运行时访问 CDN、字体服务、模块、附近文件 fetch 或后端。制作阶段可使用依赖，但最终用户无需安装、终端、服务器、注册或部署。字体与资源保留许可。给一份简短中文 readme，讲第一次有价值动作、自己的数据如何进入、保存方式和科学边界。

用新数据而非默认实验走完“粘贴 → 映射 → 比较 → 核查 → 预测 → 保存 / 回读 → 报告”。用独立手算的小表核对留一误差，用已知直线、二次双根和指数解析值核对正反推，用旧 JSON 核对兼容、零输入和撤销。检查非法导入与迟到文件不会破坏当前状态。看最终文件真实首屏、操作结果、窄屏和报告，修掉文字裁切与拥挤；分别说明模型测试、浏览器测试、实际 file:// 冷启与打印做到了哪一步，不能混称已验证。