用途：把模块级 import torch / import tensorflow 等重型原生依赖迁移为函数内部惰性导入，适用于 import 单个库即触发 SIGSEGV（如无 CUDA 驱动加 triton C 扩展段错误）、需缩短启动时间、或让仅用 WebAPI 的使用者不必加载重型依赖的场景。
主要能力：提供分步流程。第一步用 grep 找出所有模块级导入及测试中 @patch 该模块属性的位置，因为导入移入函数后模块属性消失，相关测试会因 AttributeError 失败。第二步重构：在文件顶部加 from future import annotations，用 TYPE_CHECKING 保留类型导入，在运行时函数开头重新 import torch，并删除模块级裸导入。第三步处理测试副作用，改用 monkeypatch.setitem(sys.modules, "torch", MagicMock())。第四步用与 CI 完全一致的 filter 本地验证，例如 uv run pytest -m "not downloads_and_runs_model and not calls_real_webapi"，短 filter 不足以复现子模块标记差异。第五步跨仓库 PR 顺序：先在库侧修复并通过 CI 等价测试，合并后再更新下游 submodule pin。
限制与注意：间接导入重型依赖的上游库（如 transformers 会急切加载 torch）同样需惰性化；仅靠 TYPE_CHECKING 无法覆盖 cast、isinstance 等运行时求值；应同 PR 增加子进程回归测试验证惰性生效；具体 hook 与规则文件内容以项目实际为准，资料未提供更多细节。