feat: Add GraphNet Agent for automated sample extraction from HuggingFace models

[Dayuxiaoshui]

PR Category

Feature Enhancement

Description

工作流程

实现从 HuggingFace ModelID 到 GraphNet Sample 的自动化提取：

1. Fetch: 从 HuggingFace Hub 下载模型
2. Analyze: 解析 config.json 提取元数据（输入形状、vocab_size、embedding_size 等）
3. CodeGen: 自动生成 run_model.py 提取脚本
4. Extract: 执行脚本提取计算图
5. Deduplicate: 基于 graph_hash.txt 检测重复样本
6. Verify: 验证样本完整性
7. Archive: 保存 run_model.py 到样本目录

核心特性

• 模块化设计，各组件职责清晰
• 智能输入生成：根据模型类型和 embedding_size 动态调整 vocab_size，避免 CUDA 错误
• 多策略输出目录查找，支持 GraphNet hash 命名
• 完善的错误处理和日志记录

目前的不足

1. 主要支持 NLP 模型，Vision 模型支持需完善
2. 输入形状推断基于启发式方法，复杂模型可能不够准确
3. 去重仅检查本地目录，未实现知识库级别去重
4. 串行执行，缺少并发支持

成功率测试脚本

提供批量测试脚本评估 Agent 成功率：

• test_batch_success_rate.py: 核心模块，支持从 HuggingFace Hub 或文件获取模型列表，实时显示统计，生成 JSON 报告
• run_500_models_test.py: 便捷脚本，支持混合任务类型

使用示例:

测试 100 个模型

python -m graph_net.agent.tests.run_500_models_test --count 100 --task text-classification

[paddle-bot]

Thanks for your contribution!