用途：为数值仿真提供一套可靠的时间步长选择、斜坡启动与节奏监控工作流，同时规划输出与检查点的间隔。
主要能力：
- 时间步长规划：根据目标 dt 与稳定性上限，取 min(dt_target, dt_limit × safety)；稳定性限制未知时可保守起步再自适应增大。
- 斜坡策略：按问题类型选择启动步数，如平滑初值无需斜坡，尖锐梯度 5-10 步、初值 0.1×dt，相变 10-20 步、0.01×dt，冷启动 10-50 步、0.001×dt。
- 输出调度：生成输出时间点、间隔与次数。
- 检查点规划：依据可接受丢失工作量安排检查点间隔并估算开销占比。
使用方式：需 Python 3.8+，仅用标准库，无外部依赖。收集稳定性限制（CFL/Fourier/反应限制）、目标 dt、总运行时间、输出间隔、检查点写入成本等输入后，运行三个脚本： python3 scripts/timestep_planner.py --dt-target 1e-4 --dt-limit 2e-4 --safety 0.8 --ramp-steps 10 --json python3 scripts/output_schedule.py --t-start 0 --t-end 10 --interval 0.1 --json python3 scripts/checkpoint_planner.py --run-time 36000 --checkpoint-cost 120 --max-lost-time 1800 --json 脚本输出 JSON 字段，如 timestep_planner.py 输出 dt_limit、dt_recommended、ramp_schedule；output_schedule.py 输出 output_times、interval、count；checkpoint_planner.py 输出 checkpoint_interval、checkpoints、overhead_fraction。
适用场景：耦合 CFL/物理限制的自适应步进、瞬态启动斜坡、长时间仿真（如相场）的检查点安排。运行中若 dt 持续缩小说明稳定性不足，应检查 CFL 并降低目标；dt 振荡可加安全系数；检查点开销低于 1% 优秀，1-5% 良好，5-10% 可接受，超过 10% 则过于频繁。
限制：不提供运行时自适应控制，只规划静态时间表；假定物理参数不变，参数变化后需重新规划；缺少稳定性限制时无法精确取值。
参考资料：references/cfl_coupling.md、references/ramping_strategies.md、references/output_checkpoint_guidelines.md。