Develop/AIclinicalresearch
2
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

feat(asl): Add DeepSearch smart literature retrieval MVP

Browse Source 
Features:
- Integrate unifuncs DeepSearch API (OpenAI compatible protocol)
- SSE real-time streaming for AI thinking process display
- Natural language input, auto-generate PubMed search strategy
- Extract and display PubMed literature links
- Database storage for task records (asl_research_tasks)

Backend:
- researchService.ts - Core business logic with SSE streaming
- researchController.ts - SSE stream endpoint
- researchWorker.ts - Async task worker (backup mode)
- schema.prisma - AslResearchTask model

Frontend:
- ResearchSearch.tsx - Search page with unified content stream
- ResearchSearch.css - Styling (unifuncs-inspired simple design)
- ASLLayout.tsx - Enable menu item
- api/index.ts - Add research API functions

API Endpoints:
- POST /api/v1/asl/research/stream - SSE streaming search
- POST /api/v1/asl/research/tasks - Async task creation
- GET /api/v1/asl/research/tasks/:taskId/status - Task status

Documentation:
- Development record for DeepSearch integration
- Update ASL module status (v1.5)
- Update system status (v3.7)

Known limitations:
- SSE mode, task interrupts when leaving page
- Cost ~0.3 RMB per search (unifuncs API)
This commit is contained in:
HaHafeng
2026-01-18 19:15:55 +08:00
parent 57fdc6ef00
commit 1ece9a4ae8
20 changed files with 2052 additions and 16 deletions
Download Patch File Download Diff File Expand all files Collapse all files

46
docs/00-系统总体设计/00-系统当前状态与开发指南.md
View File

@@ -1,14 +1,13 @@
# AIclinicalresearch 系统当前状态与开发指南
> **文档版本：** v3.6
> **文档版本：** v3.7
> **创建日期：** 2025-11-28
> **维护者：** 开发团队
> **最后更新：** 2026-01-18
> **重大进展：** 🎉 **AIA V2.1 完成！Prompt管理系统集成！**
> - 🆕 AIA 10个智能体 Prompt 迁移到数据库
> - 🏆 支持管理端在线配置和调试提示词
> - ✅ 灰度预览（调试者看DRAFT，普通用户看ACTIVE）
> - ✅ 三级容灾（数据库→缓存→兜底）
> **重大进展：** 🎉 **ASL 智能文献检索（DeepSearch）MVP 完成！**
> - 🆕 集成 unifuncs DeepSearch API，AI 驱动的 PubMed 自动检索
> - ✅ SSE 实时流式显示 AI 思考过程
> - ✅ 自然语言输入，自动生成检索策略
> **部署状态：** ✅ 生产环境运行中 | 公网地址：http://8.140.53.236/
> **文档目的：** 快速了解系统当前状态，为新AI助手提供上下文
@@ -44,7 +43,7 @@
|---------|---------|---------|---------|---------|--------|
| **AIA** | AI智能问答 | 12个智能体（选题→方案→评审→写作） | ⭐⭐⭐⭐⭐ | 🎉 **V2.1完成（90%）** - Prompt管理集成 | **P0** |
| **PKB** | 个人知识库 | RAG问答、私人文献库 | ⭐⭐⭐ | ✅ **核心功能完成（90%）** | P1 |
| **ASL** | AI智能文献 | 文献筛选、Meta分析、证据图谱 | ⭐⭐⭐⭐⭐ | 🚧 **正在开发** | **P0** |
| **ASL** | AI智能文献 | 文献筛选、Meta分析、证据图谱 | ⭐⭐⭐⭐⭐ | 🎉 **智能检索MVP完成（60%）** - DeepSearch集成 | **P0** |
| **DC** | 数据清洗整理 | ETL + 医学NER（百万行级数据） | ⭐⭐⭐⭐⭐ | ✅ **Tool B完成 + Tool C 99%（异步架构+性能优化-99%+多指标转换+7大功能）** | **P0** |
| **IIT** | IIT Manager Agent | AI驱动IIT研究助手 - 智能质控+REDCap集成 | ⭐⭐⭐⭐⭐ | 🎉 **Phase 1.5完成（60%）- AI对话+REDCap数据集成** | **P0** |
| **SSA** | 智能统计分析 | 队列/预测模型/RCT分析 | ⭐⭐⭐⭐⭐ | 📋 规划中 | P2 |
@@ -157,6 +156,39 @@
---
### 🆕 ASL 智能文献检索 DeepSearch MVP（2026-01-18）
#### ✅ 功能完成
**核心功能：**
- ✅ 集成 unifuncs DeepSearch API（OpenAI 兼容协议）
- ✅ 自然语言输入研究问题，AI 自动生成 PubMed 检索策略
- ✅ SSE 实时流式显示 AI 思考过程
- ✅ 提取并展示 PubMed 文献链接
- ✅ 数据库存储任务记录
**技术实现：**
- 后端：`researchService.ts` + `researchController.ts`（SSE 流式接口）
- 前端：`ResearchSearch.tsx`（统一内容流展示）
- 数据库：`asl_schema.asl_research_tasks`
**API 端点：**
| 方法 | 路径 | 说明 |
|------|------|------|
| POST | `/api/v1/asl/research/stream` | SSE 流式检索 |
| POST | `/api/v1/asl/research/tasks` | 异步任务（备用） |
| GET | `/api/v1/asl/research/tasks/:taskId/status` | 任务状态 |
**前端入口：**
- 路由：`/literature/research/search`
- 菜单：AI智能文献 → 2. 智能文献检索
**已知限制：**
- ⚠️ SSE 模式，离开页面任务中断
- ⚠️ 每次检索成本约 0.3 元（unifuncs API）
---
### 🏆 历史进展：通用能力层重大升级 + AIA V2.0（2026-01-14）
#### ✅ Phase 1: 通用流式响应服务（OpenAI Compatible）

38
docs/03-业务模块/ASL-AI智能文献/00-模块当前状态与开发指南.md
View File

@@ -1,10 +1,10 @@
# AI智能文献模块 - 当前状态与开发指南
> **文档版本：** v1.4
> **文档版本：** v1.5
> **创建日期：** 2025-11-21
> **维护者：** AI智能文献开发团队
> **最后更新：** 2025-12-13 🏆 **Postgres-Only 架构改造完成**
> **重大进展：** Platform-Only 架构改造 - 智能双模式处理、任务拆分、断点续传
> **最后更新：** 2026-01-18 🆕 **智能文献检索（DeepSearch）MVP完成**
> **重大进展：** unifuncs DeepSearch API 集成 - AI驱动的 PubMed 自动检索
> **文档目的：** 反映模块真实状态，帮助新开发人员快速上手
---
@@ -27,15 +27,43 @@
AI智能文献模块是一个基于大语言模型（LLM）的文献筛选系统，用于帮助研究人员根据PICOS标准自动筛选文献。
### 当前状态
- **开发阶段**：🚧 标题摘要初筛MVP已完成，全文复筛后端已完成，待前端开发
- **开发阶段**：🚧 标题摘要初筛MVP已完成，全文复筛后端已完成，智能文献检索MVP已完成
- **已完成功能**：
- ✅ 标题摘要初筛（Title & Abstract Screening）- 完整流程
- ✅ 全文复筛后端（Day 2-5）- LLM服务 + API + Excel导出
- ✅ **智能文献检索（DeepSearch）MVP** - unifuncs API 集成，SSE 实时流式
- **开发中功能**：
- 🚧 全文复筛前端UI（Day 6-8，预计2.5天）
- **模型支持**：DeepSeek-V3 + Qwen-Max 双模型筛选
- **模型支持**：DeepSeek-V3 + Qwen-Max 双模型筛选 + unifuncs DeepSearch
- **部署状态**：✅ 本地开发环境运行正常
### 🆕 智能文献检索 DeepSearch（2026-01-18 MVP完成）
**功能概述：**
- AI 驱动的自动化 PubMed 文献检索
- 自然语言输入研究问题，AI 自动生成检索策略
- 实时显示 AI 思考过程和检索进展
- 提取并展示 PubMed 文献链接
**技术实现：**
- 集成 unifuncs DeepSearch API（OpenAI 兼容协议）
- Server-Sent Events (SSE) 实时流式通信
- 数据库存储：`asl_schema.asl_research_tasks`
**API 端点：**
- `POST /api/v1/asl/research/stream` - SSE 流式检索
- `POST /api/v1/asl/research/tasks` - 异步任务创建（备用）
- `GET /api/v1/asl/research/tasks/:taskId/status` - 任务状态查询
**前端入口：**
- 路由：`/literature/research/search`
- 菜单：AI智能文献 → 2. 智能文献检索
**已知限制：**
- ⚠️ SSE 模式，离开页面任务中断
- ⚠️ 每次检索成本约 0.3 元（unifuncs API）
- ⏳ 搜索历史、高级筛选等功能待开发
### 🏆 Postgres-Only 架构改造（2025-12-13完成）
**改造目标：**

313
docs/03-业务模块/ASL-AI智能文献/00-系统设计/unifuncs API接入文档.md Normal file
View File

@@ -0,0 +1,313 @@
unifuncsAPI接入文档
两种模式：深度研究报告和深度搜索。
一、 深度研究报告模式
Model ：选择请求模型。S2
API Key：sk-2fNwqUH73elGq0aDKJEM4ReqP7Ry0iqHo4OXyidDe2WpQ9XQ
Introduction：设定研究员的角色和口吻
Plan Approval：执行研究前，是否生成一份研究计划，并等待用户批准或修改。默认关闭。
Reference Style：指定引用文献的输出格式，默认为 link，MarkDown
Max Depth：研究的最大深度，建议在25轮为最佳
Domain Scope：自定义搜索网站，限定范围内研究（英文逗号分隔）
Domain Blacklist：搜索网站黑名单，排除特定网站的内容（英文逗号分隔）。
Output Type：预期输出的文体类型，默认为report
Output Prompt：自定义输出提示词，覆盖output_type的默认提示词。支持嵌入 {{introduction}} / {{output_length}} / {{content}} 占位符，content为用户提问。
Output Length：预期输出内容的长度（模型不一定遵守）
Stream：是否流式响应
二、 深度搜索模式
[https://unifuncs.com/api\#deepsearch](https://unifuncs.com/api#deepsearch)
参数说明：
Model： S2
API Key: sk-2fNwqUH73elGq0aDKJEM4ReqP7Ry0iqHo4OXyidDe2WpQ9XQ
Introduction:设定研究员的角色和口吻
Reference Style: link 和 character
指定引用文献的输出格式，默认为 link
Max Depth：研究的最大深度，建议在25轮为最佳
Domain Scope：自定义搜索网站，限定范围内研究（英文逗号分隔）。
Domain Blacklist：搜索网站黑名单，排除特定网站的内容（英文逗号分隔）
Output Prompt：自定义输出提示词，覆盖output\_type的默认提示词。支持嵌入 {{introduction}} / {{output\_length}} / {{content}} 占位符，content为用户提问。
Generate Summary: 是否开启异步任务完成后自动生成标题和摘要，默认关闭 （只有异步模式才有）
Stream：是否流式响应（只有**Open AI 兼容协议模式才有**）
2种调用方式：
**一、Open AI兼容协议：**
适用于直接接入到支持 OpenAI 协议的客户端，如 Cherry Studio / Dify 或 OpenAI SDK等。
// Please install OpenAI SDK first: \`npm install openai\`
import OpenAI from 'openai';
const client \= new OpenAI({
baseURL: 'https://api.unifuncs.com/deepsearch/v1',
apiKey: 'sk-2fNwqUH73elGq0aDKJEM4ReqP7Ry0iqHo4OXyidDe2WpQ9XQ',
});
async function main() {
const stream \= await client.chat.completions.create({
model: 's2',
messages: \[{ role: 'user', content: 'hi' }\],
stream: true,
introduction: "你是一名医学研究专家，负责检索文献",
max\_depth: 25,
domain\_scope: \["https://pubmed.ncbi.nlm.nih.gov/"\],
domain\_blacklist: \["wanfang.com"\],
output\_prompt: "输出文献内容",
reference\_style: "link"
});
let thinking \= false;
for await (const chunk of stream) {
if (chunk.choices\[0\]?.delta?.reasoning\_content) {
if (\!thinking) {
process.stdout.write('\<think\>\\n');
thinking \= true;
}
process.stdout.write(chunk.choices\[0\]?.delta?.reasoning\_content);
} else {
if (thinking) {
process.stdout.write('\\n\</think\>\\n\\n');
thinking \= false;
}
process.stdout.write(chunk.choices\[0\]?.delta?.content || '');
}
}
}
main();
**二、 异步模式：**
####
#### **1\. 创建任务 /v1/create\_task**
提交研究需求后立即返回 task\_id，后端在后台执行。
// Node 18+ has fetch built-in
const payload \= {
"model": "s2",
"messages": \[
{
"role": "user",
"content": "hi"
}
\],
"introduction": "你是一名医学研究专家，负责检索文献",
"max\_depth": 25,
"domain\_scope": \[
"https://pubmed.ncbi.nlm.nih.gov/"
\],
"domain\_blacklist": \[
"wanfang.com"
\],
"output\_prompt": "输出文献内容",
"reference\_style": "link"
};
const res \= await fetch("https://api.unifuncs.com/deepsearch/v1/create\_task", {
method: "POST",
headers: {
"Authorization": "Bearer sk-2fNwqUH73elGq0aDKJEM4ReqP7Ry0iqHo4OXyidDe2WpQ9XQ",
"Content-Type": "application/json"
},
body: JSON.stringify(payload)
});
console.log(await res.json());
示例响应：
{
"code": 0,
"message": "OK",
"data": {
"task\_id": "3aff2a91-7795-4b73-8dab-0593551a27a1",
"status": "pending",
"created\_at": "2025-12-09T03:52:40.771Z"
},
"requestId": "cd17faad-7310-4370-ba0c-0c2af6bc0597"
}
#### **2\. 查询任务 /v1/query\_task**
支持 GET / POST，传入 task\_id 即可轮询状态；完成后会返回摘要与最终回答。
// Node 18+ has fetch built-in
const params \= new URLSearchParams({ task\_id: "3aff2a91-7795-4b73-8dab-0593551a27a1" });
const res \= await fetch("https://api.unifuncs.com/deepsearch/v1/query\_task?" \+ params.toString(), {
headers: {
"Authorization": "Bearer sk-xxxxxxxxxxxxxxxxxxxxxxxx"
}
});
console.log(await res.json());
示例响应，已完成：
{
"code": 0,
"message": "OK",
"data": {
"task\_id": "3aff2a91-7795-4b73-8dab-0593551a27a1",
"status": "completed",
"result": {
"content": "你好！我是U深搜，一个专业的网络信息深度搜索专家 🤖\\n\\n我可以帮助你：\\n- 🔍 精准搜索和提取关键信息\\n- 📊 进行深度分析和多源验证\\n- 🕒 获取最新、最可靠的信息\\n- 💡 提供结构化的洞察和建议\\n\\n有什么问题想要我帮你深入搜索和分析吗？无论是技术资讯、市场动态、学术研究还是其他任何话题，我都能为你提供专业、准确的信息服务！",
"reasoning\_content": "用户只是简单地说了\\"hi\\"，这是一个普通的问候。根据指导原则，如果是普通聊天或无法回答的问题，我应该使用友好的语气直接回复用户问题或介绍自己。\\n\\n这不需要进行任何搜索，我应该直接友好地回复，并简单介绍一下自己是U深搜这个深度搜索专家。"
},
"created\_at": "2025-12-09T03:52:40.771Z",
"updated\_at": "2025-12-09T03:52:45.912Z",
"progress": {
"current": 100,
"total": 100,
"message": "任务已完成"
},
"statistics": {
"iterations": 1,
"search\_count": 0,
"read\_count": 0,
"token\_usage": {
"prompt\_tokens": 4381,
"completion\_tokens": 167,
"total\_tokens": 4548
}
},
"session": {
"session\_id": "d3bee7f1-a44e-48b0-9283-a6866de723c3",
"status": "finished",
"model": "s2",
"title": "开启generate\_summary时生成标题",
"summary": "开启generate\_summary时生成摘要",
"question": "hi"
}
}
}

242
docs/03-业务模块/ASL-AI智能文献/04-开发计划/06-智能文献检索DeepSearch集成方案.md Normal file
View File

@@ -0,0 +1,242 @@
# 智能文献检索 DeepSearch 集成方案（MVP）
> **文档版本：** v1.2 MVP
> **创建日期：** 2026-01-18
> **维护者：** 开发团队
> **模块位置：** ASL 模块 → 智能文献检索
> **技术验证：** ✅ unifuncs DeepSearch API 已验证通过
> **预计工期：** 3天
---
## 📋 MVP 范围
### 策略
| 层面 | 策略 | 理由 |
|------|------|------|
| **数据库** | 完整设计，所有字段都留 | 一次性到位，避免后续迁移 |
| **功能开发** | 只做核心，其他先不做 | 快速验证，减少工作量 |
### ✅ 本次开发
| 功能 | 说明 |
|------|------|
| 搜索输入框 | 自然语言输入 |
| 开始检索按钮 | 触发 unifuncs API |
| **思考过程展示** | **重点功能** - 实时展示 AI 检索思路 |
| 检索进度条 | 状态反馈 |
| 结果列表 | PMID、标题、作者、期刊、年份 |
| PubMed 链接 | 跳转原文 |
### 🔜 后续迭代
| 功能 | 说明 |
|------|------|
| 左侧检索历史 | 数据库已存，UI后做 |
| 导入到初筛 | 后续开发 |
| 高级筛选 | 年份、研究类型等 |
| 导出功能 | Excel、BibTeX |
| Token 统计展示 | 使用量统计 |
---
## 🏗️ 技术架构
```
┌─────────────────────────────────────────────────────────┐
│ 前端：React + Ant Design + React Query │
│ - ResearchSearch.tsx（主页面） │
└─────────────────────────────────────────────────────────┘
↓ HTTP
┌─────────────────────────────────────────────────────────┐
│ 后端：Fastify + Prisma │
│ - researchService.ts │
│ - researchWorker.ts │
│ - researchController.ts │
└─────────────────────────────────────────────────────────┘
↓ pg-boss
┌─────────────────────────────────────────────────────────┐
│ unifuncs DeepSearch API（异步模式） │
│ - POST /v1/create_task │
│ - GET /v1/query_task │
└─────────────────────────────────────────────────────────┘
```
---
## 💾 数据库设计（完整保留）
```prisma
// prisma/schema.prisma
/// 智能文献检索任务
model AslResearchTask {
id String @id @default(cuid())
// 关联
projectId String @map("project_id")
userId String @map("user_id")
// 检索输入
query String // 用户的自然语言查询
filters Json? // 🔜 后续：高级筛选
// unifuncs 任务
externalTaskId String? @map("external_task_id")
// 状态
status String @default("pending") // pending/processing/completed/failed
errorMessage String? @map("error_message")
// 结果
resultCount Int? @map("result_count")
rawResult String? @map("raw_result") @db.Text
reasoningContent String? @map("reasoning_content") @db.Text // 思考过程
literatures Json? // 解析后的文献列表
// 统计（🔜 后续展示）
tokenUsage Json? @map("token_usage")
searchCount Int? @map("search_count")
readCount Int? @map("read_count")
iterations Int?
// 时间
createdAt DateTime @default(now()) @map("created_at")
updatedAt DateTime @updatedAt @map("updated_at")
completedAt DateTime? @map("completed_at")
@@map("asl_research_tasks")
@@schema("asl_schema")
}
```
---
## 🔌 API 设计
### 本次开发（2个）
| 方法 | 路径 | 说明 |
|------|------|------|
| `POST` | `/api/v1/asl/research/tasks` | 创建检索任务 |
| `GET` | `/api/v1/asl/research/tasks/:taskId/status` | 获取状态+思考过程+结果 |
### 后续开发
| 方法 | 路径 | 说明 |
|------|------|------|
| `GET` | `/api/v1/asl/research/history` | 🔜 检索历史 |
| `POST` | `/api/v1/asl/research/tasks/:taskId/import` | 🔜 导入到初筛 |
---
## 🎨 前端设计
### 页面布局
```
┌─────────────────────────────────────────────────────────────┐
│ 智能文献检索 │
├─────────────────────────────────────────────────────────────┤
│ │
│ ┌─────────────────────────────────────────────────────────┐│
│ │ 🔍 输入您的研究问题，AI将自动在PubMed中检索... ││
│ │ ││
│ │ [ ] ││
│ │ ││
│ │ [🚀 开始检索] ││
│ └─────────────────────────────────────────────────────────┘│
│ │
│ ┌─────────────────────────────────────────────────────────┐│
│ │ 💭 AI 思考过程 [展开 ▼] ││
│ ├─────────────────────────────────────────────────────────┤│
│ │ 用户查询："糖尿病 SGLT2抑制剂 心血管 RCT" ││
│ │ 这是一个关于糖尿病药物的学术文献查询... ││
│ │ ││
│ │ 📊 检索策略： ││
│ │ 1. 核心关键词：SGLT2 inhibitors, cardiovascular ││
│ │ 2. MeSH术语：Sodium-Glucose Transporter 2 Inhibitors ││
│ │ ││
│ │ 🔍 正在执行第 5/15 轮检索... ││
│ └─────────────────────────────────────────────────────────┘│
│ │
│ ⏳ 检索进度 │
│ ████████████████████░░░░░░░░░░ 65% │
│ │
│ ┌─────────────────────────────────────────────────────────┐│
│ │ 📚 检索结果 (15篇) ││
│ ├─────────────────────────────────────────────────────────┤│
│ │ 1. PMID: 26378978 [PubMed ↗] ││
│ │ Empagliflozin, Cardiovascular Outcomes... ││
│ │ Zinman B, et al. | NEJM | 2015 ││
│ ├─────────────────────────────────────────────────────────┤│
│ │ 2. PMID: 28605608 [PubMed ↗] ││
│ │ Canagliflozin and Cardiovascular... ││
│ │ Neal B, et al. | NEJM | 2017 ││
│ └─────────────────────────────────────────────────────────┘│
└─────────────────────────────────────────────────────────────┘
```
---
## 📁 文件结构
### 后端
```
backend/src/modules/asl/
├── controllers/
│ └── researchController.ts # 2个API
├── services/
│ └── researchService.ts # 核心逻辑
├── workers/
│ └── researchWorker.ts # unifuncs轮询
└── routes/
└── research.ts # 路由配置
```
### 前端
```
frontend-v2/src/modules/asl/
├── pages/
│ └── ResearchSearch.tsx # 主页面
└── api/
└── research.ts # API函数
```
---
## 📅 开发计划（3天）
| 天数 | 任务 | 产出 |
|------|------|------|
| **Day 1** | 数据库 + 后端 Service + Worker | Schema迁移 + 核心逻辑 |
| **Day 2** | 后端 Controller + 前端页面 | API + 页面框架 |
| **Day 3** | 思考过程展示 + 联调测试 | **重点：思考过程UI** |
---
## ✅ MVP 验收标准
- [ ] 用户可输入研究问题
- [ ] 点击"开始检索"后显示进度
- [ ] **思考过程实时展示**
- [ ] 检索完成后显示文献列表
- [ ] 文献可跳转到 PubMed
---
## 🔧 环境变量
```bash
# .env
UNIFUNCS_API_KEY=sk-xxx
```
---
**文档维护者**: 开发团队
**最后更新**: 2026-01-18
**文档状态**: ✅ MVP方案确认，开始开发

174
docs/03-业务模块/ASL-AI智能文献/05-开发记录/2026-01-18_智能文献检索DeepSearch集成.md Normal file
View File

@@ -0,0 +1,174 @@
# 智能文献检索（DeepSearch）集成开发记录
> **开发日期：** 2026-01-18
> **开发者：** AI 开发助手
> **状态：** ✅ MVP 功能完成
> **模块：** ASL - AI智能文献
---
## 📋 功能概述
### 需求背景
临床研究者需要从 PubMed 检索高质量文献，传统方式需要手动构建检索式，效率低下。通过集成 unifuncs DeepSearch API，实现 AI 驱动的自动化深度文献检索。
### 核心功能
- 自然语言输入研究问题
- AI 自动生成专业检索策略
- 实时显示 AI 思考过程
- 深度检索 PubMed 数据库
- 提取并展示 PubMed 文献链接
---
## 🛠️ 技术实现
### 架构方案
```
用户输入 → 前端 SSE 请求 → 后端调用 unifuncs API → 流式返回 → 实时展示
```
**关键技术选型：**
- **API 协议**：unifuncs OpenAI 兼容协议（Streaming 模式）
- **前后端通信**：Server-Sent Events (SSE)
- **数据存储**：PostgreSQL (asl_schema.asl_research_tasks)
### 文件结构
```
backend/
├── src/modules/asl/
│ ├── controllers/researchController.ts # SSE 流式接口
│ ├── services/researchService.ts # 核心业务逻辑
│ ├── workers/researchWorker.ts # 异步任务处理（备用）
│ └── routes/index.ts # 路由注册
├── prisma/schema.prisma # 数据库模型
frontend-v2/
└── src/modules/asl/
├── pages/ResearchSearch.tsx # 检索页面
├── pages/ResearchSearch.css # 样式
└── api/index.ts # API 函数
```
### API 端点
| 方法 | 路径 | 说明 |
|------|------|------|
| POST | `/api/v1/asl/research/stream` | SSE 流式检索（推荐） |
| POST | `/api/v1/asl/research/tasks` | 创建异步任务（备用） |
| GET | `/api/v1/asl/research/tasks/:taskId/status` | 查询任务状态 |
### 数据库 Schema
```prisma
model AslResearchTask {
id String @id @default(cuid())
projectId String @map("project_id")
userId String @map("user_id")
query String
filters Json?
externalTaskId String? @map("external_task_id")
status String @default("pending")
errorMessage String? @map("error_message")
resultCount Int? @map("result_count")
rawResult String? @map("raw_result") @db.Text
reasoningContent String? @map("reasoning_content") @db.Text
literatures Json?
tokenUsage Json? @map("token_usage")
searchCount Int? @map("search_count")
readCount Int? @map("read_count")
iterations Int?
createdAt DateTime @default(now()) @map("created_at")
updatedAt DateTime @updatedAt @map("updated_at")
completedAt DateTime? @map("completed_at")
@@map("asl_research_tasks")
@@schema("asl_schema")
}
```
---
## 🎯 开发过程
### Phase 1：API 验证
- 创建测试脚本 `scripts/test-unifuncs-deepsearch.ts`
- 验证 unifuncs DeepSearch API 可用性
- 确认 OpenAI 兼容协议（Streaming）可行
### Phase 2：后端开发
1. 数据库 Schema 设计与迁移
2. ResearchService 核心逻辑
3. ResearchController API 接口
4. 路由注册
### Phase 3：前端开发
1. 检索页面 UI 设计（参考 unifuncs 简洁风格）
2. SSE 流式接收实现
3. 实时内容展示
4. PubMed 链接列表
### Phase 4：联调优化
1. 修复 userId 获取问题
2. 从异步轮询改为 SSE 实时流式
3. UI 合并为统一内容流
4. 链接提取逻辑优化
---
## ⚠️ 已知问题与遗留
### 当前限制
1. **非真正异步**：离开页面任务会中断（SSE 连接断开）
2. **成本较高**：每次检索约 0.3 元（unifuncs API 费用）
3. **格式待优化**：思考过程和结果的排版可进一步美化
### 后续改进方向
- [ ] 真正的异步任务（用户可离开页面）
- [ ] 搜索历史记录 UI
- [ ] 高级筛选（年份、研究类型）
- [ ] 导出功能（Excel/BibTeX）
- [ ] Token 消耗统计展示
- [ ] 一键导入到标题摘要初筛
---
## 📊 测试结果
### 功能测试
| 测试项 | 状态 | 备注 |
|--------|------|------|
| 创建检索任务 | ✅ | 正常 |
| SSE 实时流式 | ✅ | 思考过程实时显示 |
| PubMed 链接提取 | ✅ | 正确提取 |
| 数据库存储 | ✅ | 任务记录保存 |
| 错误处理 | ✅ | 网络错误、API 错误 |
### 性能数据
- 平均检索时间：1-3 分钟
- 返回文献数量：10-20 篇（视查询复杂度）
---
## 📝 配置说明
### 环境变量
```bash
# backend/.env
UNIFUNCS_API_KEY=sk-xxxx
```
### 前端入口
- 路由：`/literature/research/search`
- 菜单：AI智能文献 → 2. 智能文献检索
---
## 📚 参考资料
- [unifuncs DeepSearch API 文档](https://unifuncs.com/docs)
- [Postgres-Only 异步任务处理指南](../../02-通用能力层/Postgres-Only异步任务处理指南.md)
- [数据库开发规范](../../04-开发规范/09-数据库开发规范.md)