网络效应 Network Effect

移植范围（来源：/opt/algorithms/functional/network_effect.py，55 行，sha256 bc0ecfa3…）
· 已对齐：L30-42 的计算（int(N)、α/β 分段、V、梅特卡夫、max_conn 整除、密度、距临界点、临界进度）与 L44-53 的 8 个返回字段；默认参数照抄 L24-28（α=1.5、β=2.3、c=0.001、n_critical=1000、avg=100.0）；round 位数照抄（V 4 位 / 梅特卡夫 2 位 / 密度 6 位 / 进度 1 位），用 pyRound() 对齐 Python 的「四舍六入五取偶」。
· 单位：源码没有任何单位标注。V = c×N^α 是价值指数（N=1000 时约 0.001×1000^2.3 ≈ 7943），不是钱；avg_value_per_user 只进梅特卡夫公式，不进 V。
· 未对齐①：N ≤ 1 时源码把 max_conn 取 1（L39 的 else 1），所以 N=0 时密度 = connections÷1 —— 本页照搬，不修正。
· 未对齐②：N 为负时源码 c×N^α 在 Python 里算出来是复数、round() 抛 TypeError；本页直接拒绝负值，不模拟该异常。
· 未对齐③：N(N−1)/2 超过 2^53（N ≳ 9.49e7）时 JS 双精度丢整数精度，Python 是任意精度整数；到那个量级本页会在结果里标出来。
· 同源但公式不同、本页没有采用的两个版本：promotion_spirit/spread_algorithms/algo_network_effect.py 用 V = N×avg×(1+密度)、梅特卡夫不除 2、另带 0.7/0.3 密度分档；/opt/algorithms/network_effect_engine.py（549 行，前半段 L30-58 可见）有 pre/critical/post 三段、c1=0.001 与 c2=0.0001 两级系数、密度分档 0.01/0.1。清单第 1.6 条指向的是 functional 版，所以本页只对齐 functional 版 —— 三个版本算出来的数不一样，别混用。
· 为什么本页不连「曲线诊断 / 刻度换算」：本页产出的是价值指数序列（量级 1e0~1e4），曲线诊断按 0~10 分、±10 刻度判档，直接连过去会把每个值都判成「顶峰」—— 类型形似、口径不通，所以不连。
· 页面输入层（源码没有）：空着 = 用源码默认值，填了非数字会报错。

【依据区 · 每个数字上哪儿查】
① 来源：算法移植国内机 /opt/algorithms/functional/network_effect.py（55 行，只读）：默认参数 = 第 25-28 行（α=1.5、β=2.3、c=0.001、n_critical=1000、avg=100.0）；计算 = 第 30-42 行；返回的 8 个字段 = 第 44-53 行。
② 分三类
· 【可核验的】int(N)、α/β 分段（N < n_critical 用 α）、V = c×N^α、梅特卡夫 avg×N²÷2、max_conn = N(N−1)//2、密度、距临界点、临界进度、round 位数 —— 逐行可对。
· 【本页展示口径】「规模对照表」里除「← 你的输入」以外的各行，是同一公式在别的规模上的页面取样，不是源码输出（源码只算你填的那一个 N）。
· 【未找到依据的】α=1.5、β=2.3、c=0.001、n_critical=1000 这四个默认值的来历，源码文件头与函数体都没有注释或出处 → 未找到依据。另：V 没有任何单位标注，不是钱。
③ 怎么自己复核：填 N=1000、connections=999、avg_value_per_user=100 → 因 N ≥ n_critical 走 β：V = 0.001×1000^2.3 ≈ 7943.28；梅特卡夫 = 100×1000²÷2 = 50,000,000；密度 = 999 ÷ (1000×999÷2) = 0.002。三个数分别对上第 31-42 行的三条式子。