回顾性电池特性评估面临异构电池的循环记录差异巨大，受化学成分、测试协议、形状、容量和工况等因素影响。端点充放电曲线能够捕获单次循环的局部状态，而电池级生命周期地形（如 $dQ/dV$ 曲线）则概括了整个寿命过程的结构演化。我们提出 STEK 框架，将电池级生命周期地形与端点衍生的结构代理通过质量代理条件门控相结合。\ \ 在表示层面，使用受限 FiLM（Feature-wise Linear Modulation）和有效性门控残差头对端点曲线进行细化，同时保留基于曲线的直接预测路径。电池类型和可选的材料文本特征进一步条件化一个以身份为中心的低秩线性映射，实现了受 Koopman 启发的跨通道一致性目标，而无需显式建模时间动态或进行 rollout。\ \ 在固定的七输出 MIX‑battery 协议下，完整的回顾性设置相较仅使用端点学习的基线在多种时间骨干网络上提升了整体性能，这既得益于额外的归档上下文，也归功于模型设计。对齐的辅助输入下，STEK 超越了直接拼接和不考虑质量的 FiLM；去除描述符的消融实验表明模型能够平滑回退至端点路径。对于可直接恢复的容量汇总，确定性规则仍然更具优势。该方法旨在实现归档数据的统一化，而非仅基于单个循环的在线估计。\ \ 点评：STEK 通过融合全局生命周期地形与局部端点信息，实现了跨通道的一致性约束，在回顾性电池估计场景中展示了显著的性能提升，且保持了对缺失特征的鲁棒性。