feat(ssa): Complete Phase I-IV intelligent dialogue and tool system development

Phase I - Session Blackboard + READ Layer:
- SessionBlackboardService with Postgres-Only cache
- DataProfileService for data overview generation
- PicoInferenceService for LLM-driven PICO extraction
- Frontend DataContextCard and VariableDictionaryPanel
- E2E tests: 31/31 passed

Phase II - Conversation Layer LLM + Intent Router:
- ConversationService with SSE streaming
- IntentRouterService (rule-first + LLM fallback, 6 intents)
- SystemPromptService with 6-segment dynamic assembly
- TokenTruncationService for context management
- ChatHandlerService as unified chat entry
- Frontend SSAChatPane and useSSAChat hook
- E2E tests: 38/38 passed

Phase III - Method Consultation + AskUser Standardization:
- ToolRegistryService with Repository Pattern
- MethodConsultService with DecisionTable + LLM enhancement
- AskUserService with global interrupt handling
- Frontend AskUserCard component
- E2E tests: 13/13 passed

Phase IV - Dialogue-Driven Analysis + QPER Integration:
- ToolOrchestratorService (plan/execute/report)
- analysis_plan SSE event for WorkflowPlan transmission
- Dual-channel confirmation (ask_user card + workspace button)
- PICO as optional hint for LLM parsing
- E2E tests: 25/25 passed

R Statistics Service:
- 5 new R tools: anova_one, baseline_table, fisher, linear_reg, wilcoxon
- Enhanced guardrails and block helpers
- Comprehensive test suite (run_all_tools_test.js)

Documentation:
- Updated system status document (v5.9)
- Updated SSA module status and development plan (v1.8)

Total E2E: 107/107 passed (Phase I: 31, Phase II: 38, Phase III: 13, Phase IV: 25)

Co-authored-by: Cursor <cursoragent@cursor.com>

docs/02-通用能力层/06-R统计引擎/01-R统计引擎架构与部署指南.md

@@ -1,9 +1,9 @@
 # R 统计引擎架构与部署指南
 
-> **版本：** v1.1  
-> **更新日期：** 2026-02-20  
+> **版本：** v1.3  
+> **更新日期：** 2026-02-22  
 > **维护者：** SSA-Pro 开发团队  
-> **状态：** ✅ 生产就绪（Phase 2A 完成）
+> **状态：** ✅ 生产就绪（Phase Deploy 完成 — 12 工具 + Block-based 标准化输出）
 
 ---
 
@@ -15,8 +15,13 @@
 4. [部署指南](#4-部署指南)
 5. [API 参考](#5-api-参考)
 6. [开发指南](#6-开发指南)
+   - 6.1 [添加新工具（含 Block-based 模板）](#61-添加新工具)
+   - 6.5 [各工具参数快速参考](#65-各工具参数快速参考)
+   - 6.6 [R 语言陷阱速查（7 大坑）](#66-r-语言陷阱速查从实际-bug-中总结)
+   - 6.7 [开发环境新增 R 包](#67-开发环境新增-r-包)
 7. [运维指南](#7-运维指南)
 8. [常见问题](#8-常见问题)
+9. [测试指南](#9-测试指南)
 
 ---
 
@@ -60,6 +65,9 @@ R 统计引擎是平台的**专用统计计算服务**，基于 Docker 容器化
 | ggplot2 | 最新 | 数据可视化 |
 | car | 3.1-2 | 高级统计检验 |
 | dplyr/tidyr | 最新 | 数据处理 |
+| gtsummary | 最新 | 基线特征表生成（Phase Deploy 新增） |
+| gt/broom | 最新 | 表格渲染/模型整理（Phase Deploy 新增） |
+| scales/gridExtra | 最新 | 坐标轴格式化/多图排版（Phase Deploy 新增） |
 | Docker | 24+ | 容器化部署 |
 
 ---
@@ -179,7 +187,7 @@ RUN apt-get update && apt-get install -y \
     curl \
     && rm -rf /var/lib/apt/lists/*
 
-# 直接安装 R 包
+# 直接安装 R 包（含 Phase Deploy 新增依赖）
 RUN R -e "install.packages(c( \
     'plumber', \
     'jsonlite', \
@@ -190,7 +198,12 @@ RUN R -e "install.packages(c( \
     'base64enc', \
     'yaml', \
     'car', \
-    'httr' \
+    'httr', \
+    'scales', \
+    'gridExtra', \
+    'gtsummary', \
+    'gt', \
+    'broom' \
 ), repos='https://cloud.r-project.org/', Ncpus=2)"
 
 # 安全加固：创建非特权用户
@@ -260,8 +273,8 @@ ssa-r-statistics   1.0.1     xxxxxxxxxxxx   x minutes ago   1.81GB
 |------|------|
 | 基础镜像下载 | ~2 分钟（首次） |
 | 系统依赖安装 | ~1 分钟 |
-| R 包安装 | ~6 分钟 |
-| **总计** | **~9 分钟** |
+| R 包安装（15 个包含 gtsummary/gt） | ~10 分钟 |
+| **总计** | **~13 分钟** |
 
 ---
 
@@ -380,19 +393,26 @@ GET /api/v1/tools
 {
   "status": "ok",
   "tools": [
+    "anova_one",
+    "baseline_table",
     "chi_square",
-    "correlation", 
+    "correlation",
     "descriptive",
+    "fisher",
+    "linear_reg",
     "logistic_binary",
     "mann_whitney",
     "t_test_ind",
-    "t_test_paired"
+    "t_test_paired",
+    "wilcoxon"
   ],
-  "count": 7
+  "count": 12
 }
 ```
 
-#### 已实现的统计工具（Phase 2A）
+#### 已实现的统计工具（12 个）
+
+**Phase 2A 基础工具（7 个）**
 
 | tool_code | 名称 | 场景 |
 |-----------|------|------|
@@ -401,9 +421,19 @@ GET /api/v1/tools
 | `ST_T_TEST_PAIRED` | 配对 T 检验 | 前后对比 |
 | `ST_CHI_SQUARE` | 卡方检验 | 分类变量关联 |
 | `ST_CORRELATION` | 相关分析 | Pearson/Spearman 相关 |
-| `ST_LOGISTIC_BINARY` | 二元 Logistic 回归 | 多因素分析 |
+| `ST_LOGISTIC_BINARY` | 二元 Logistic 回归 | 多因素分析（二分类结局） |
 | `ST_DESCRIPTIVE` | 描述性统计 | 基线表、数据概况 |
 
+**Phase Deploy 新增工具（5 个）**
+
+| tool_code | 名称 | 场景 |
+|-----------|------|------|
+| `ST_FISHER` | Fisher 精确检验 | 小样本/稀疏列联表（卡方替代） |
+| `ST_ANOVA_ONE` | 单因素方差分析 | 三组及以上均值比较（含 Kruskal-Wallis 降级） |
+| `ST_WILCOXON` | Wilcoxon 符号秩检验 | 配对非参数检验（配对 T 替代） |
+| `ST_LINEAR_REG` | 线性回归 | 连续结局多因素分析 |
+| `ST_BASELINE_TABLE` | 基线特征表（复合工具） | 基于 gtsummary 的一键式基线表生成 |
+
 ### 5.3 执行技能
 
 ```http
@@ -511,6 +541,58 @@ Content-Type: application/json
 - 根据 `suggested_tool` 自动切换到更合适的方法
 - 将 `checks` 结果展示给用户
 
+### 5.5 复合工具示例：基线特征表（Phase Deploy 新增）
+
+```http
+POST /api/v1/skills/ST_BASELINE_TABLE
+Content-Type: application/json
+```
+
+**请求体：**
+```json
+{
+  "data_source": {
+    "type": "inline",
+    "data": [
+      {"group": "Drug", "age": 45, "sex": "M", "sbp": 130, "bmi": 24.5, "smoking": "Yes"},
+      {"group": "Placebo", "age": 47, "sex": "F", "sbp": 128, "bmi": 23.8, "smoking": "No"}
+    ]
+  },
+  "params": {
+    "group_var": "group",
+    "analyze_vars": ["age", "sex", "sbp", "bmi", "smoking"]
+  }
+}
+```
+
+**成功响应（核心字段）：**
+```json
+{
+  "status": "success",
+  "results": {
+    "n_total": 30,
+    "n_groups": 2,
+    "n_variables": 5,
+    "significant_vars": ["sbp"],
+    "method_info": [
+      {"variable": "age", "method": "Wilcoxon rank sum test"},
+      {"variable": "sex", "method": "Fisher's exact test"}
+    ]
+  },
+  "report_blocks": [
+    {
+      "type": "table",
+      "headers": ["Characteristic", "Drug, N = 15", "Placebo, N = 15", "p-value"],
+      "rows": [["age", "49 (42, 55)", "47 (41, 54)", "0.6"]],
+      "title": "基线特征表 (按 group 分组)",
+      "metadata": { "is_baseline_table": true, "group_var": "group", "has_p_values": true }
+    }
+  ]
+}
+```
+
+> **特点：** `ST_BASELINE_TABLE` 是复合工具，基于 `gtsummary::tbl_summary()` 自动判断变量类型（连续/分类）、选择统计方法（T 检验/Mann-Whitney/卡方/Fisher），输出标准三线表。`report_blocks[0].metadata.is_baseline_table = true` 触发前端特殊渲染（P 值标星、rowspan 合并行）。
+
 ---
 
 ## 6. 开发指南
@@ -577,7 +659,16 @@ run_analysis <- function(input) {
   log_add("执行分析...")
   # result <- your_analysis_function(df, ...)
   
-  # ===== 生成图表 =====
+  # ===== 构建 report_blocks（必须！） =====
+  blocks <- list()
+  
+  # Block: 检验结果（key_value）
+  blocks[[length(blocks) + 1]] <- make_kv_block(
+    list("方法" = "Your Method", "统计量" = "1.234", "P 值" = format_p_value(0.05)),
+    title = "检验结果"
+  )
+  
+  # Block: 图表（image）
   plot_base64 <- tryCatch({
     p <- ggplot(df, aes(x = df[[my_var]])) + geom_histogram() + theme_minimal()
     tmp_file <- tempfile(fileext = ".png")
@@ -587,6 +678,13 @@ run_analysis <- function(input) {
     paste0("data:image/png;base64,", base64_str)
   }, error = function(e) NULL)
   
+  if (!is.null(plot_base64)) {
+    blocks[[length(blocks) + 1]] <- make_image_block(plot_base64, title = "分析图表")
+  }
+  
+  # Block: 结论（markdown）
+  blocks[[length(blocks) + 1]] <- make_markdown_block("分析结论...", title = "结论摘要")
+  
   # ===== 生成可复现代码 =====
   reproducible_code <- glue('
 # SSA-Pro 自动生成代码
@@ -611,6 +709,7 @@ df <- read.csv("data.csv")
       p_value = jsonlite::unbox(0.05),
       p_value_fmt = format_p_value(0.05)
     ),
+    report_blocks = blocks,  # ⚠️ 必须！前端 DynamicReport 依赖此字段渲染
     plots = if (!is.null(plot_base64)) list(plot_base64) else list(),
     trace_log = logs,
     reproducible_code = as.character(reproducible_code)
@@ -643,7 +742,12 @@ return(list(
   message = "...",
   warnings = c("...") | NULL,
   results = list(
-    # 统计结果
+    # 统计结果（使用 jsonlite::unbox() 保证单值不被包装成数组）
+  ),
+  report_blocks = list(
+    # Block-based 标准化输出（Phase E+ 协议），前端 DynamicReport.tsx 统一渲染
+    # 支持 4 种 Block 类型：markdown / table / image / key_value
+    # 通过 utils/block_helpers.R 的辅助函数构建
   ),
   plots = list(
     "data:image/png;base64,..."
@@ -653,6 +757,188 @@ return(list(
 ))
 ```
 
+### 6.4 Block-based 输出协议（Phase E+ 标准）
+
+所有工具**必须**通过 `utils/block_helpers.R` 构建 `report_blocks[]`，前端 `DynamicReport.tsx` 根据 `block.type` 统一渲染。
+
+| 辅助函数 | Block 类型 | 用途 |
+|----------|-----------|------|
+| `make_markdown_block(content, title)` | `markdown` | 文本结论、方法说明 |
+| `make_table_block(headers, rows, title, footnote, metadata)` | `table` | 统计结果表、系数表、事后比较表 |
+| `make_table_block_from_df(df, title, footnote, digits)` | `table` | 从 data.frame 快速构建表格 |
+| `make_image_block(base64_data, title, alt)` | `image` | 图表（base64 编码 PNG） |
+| `make_kv_block(items, title)` | `key_value` | 检验统计量、模型拟合指标 |
+
+**示例：**
+```r
+blocks <- list()
+blocks[[length(blocks) + 1]] <- make_kv_block(
+  list("检验方法" = "Welch t-test", "统计量" = "t = -2.35", "P 值" = "p = .021"),
+  title = "检验结果"
+)
+blocks[[length(blocks) + 1]] <- make_image_block(plot_base64, title = "组间比较箱线图")
+blocks[[length(blocks) + 1]] <- make_markdown_block("两组差异具有统计学意义...", title = "结论")
+```
+
+### 6.5 各工具参数快速参考
+
+> 调用 `POST /api/v1/skills/{tool_code}` 时，`params` 对象需要的字段速查。
+
+| tool_code | 必需参数 | 可选参数 |
+|-----------|---------|---------|
+| `ST_T_TEST_IND` | `group_var`, `value_var` | `guardrails.check_normality` |
+| `ST_MANN_WHITNEY` | `group_var`, `value_var` | — |
+| `ST_T_TEST_PAIRED` | `before_var`, `after_var` | `guardrails.check_normality` |
+| `ST_CHI_SQUARE` | `var1`, `var2` | — |
+| `ST_CORRELATION` | `var_x`, `var_y` | `method` (`"auto"` / `"pearson"` / `"spearman"`) |
+| `ST_LOGISTIC_BINARY` | `outcome_var`, `predictors` (数组) | — |
+| `ST_DESCRIPTIVE` | `variables` (数组) | `group_var` |
+| `ST_FISHER` | `var1`, `var2` | — |
+| `ST_ANOVA_ONE` | `group_var`, `value_var` | `guardrails.check_normality` |
+| `ST_WILCOXON` | `before_var`, `after_var` | — |
+| `ST_LINEAR_REG` | `outcome_var`, `predictors` (数组) | `confounders` (数组) |
+| `ST_BASELINE_TABLE` | `group_var` | `analyze_vars` (数组，不传则自动全选) |
+
+### 6.6 R 语言陷阱速查（从实际 Bug 中总结）
+
+> **Phase Deploy 开发中实际踩过的坑**，后续开发者必读。每条附真实错误信息和修复方法。
+
+#### 陷阱 1：JSON 数组参数在 R 中是 `list`，不是 `character` 向量
+
+**错误信息：** `invalid subscript type 'list'`
+
+**原因：** plumber 解析 JSON `["age", "sex", "bmi"]` 后，R 拿到的是 `list("age", "sex", "bmi")`，不是 `c("age", "sex", "bmi")`。对 list 做 `%in%`、`[` 等操作都会报错。
+
+```r
+# ❌ 错误：直接使用 JSON 传入的数组参数
+analyze_vars <- p$analyze_vars
+missing <- analyze_vars[!(analyze_vars %in% names(df))]  # 报错！
+
+# ✅ 正确：先转换为字符向量
+analyze_vars <- as.character(unlist(p$analyze_vars))
+missing <- analyze_vars[!(analyze_vars %in% names(df))]  # 正常
+```
+
+**影响范围：** 所有接收数组参数的工具（`predictors`、`variables`、`analyze_vars`、`confounders`）。
+
+#### 陷阱 2：`list()` 中不能用表达式做键名
+
+**错误信息：** `unexpected '='`
+
+**原因：** R 的 `list()` 构造器只接受**字面量**作为名称，不接受 `paste0()`、`glue()` 等函数调用。
+
+```r
+# ❌ 错误：用表达式做键名
+items <- list(
+  paste0(var_name, " Median") = "5.2"  # 语法错误！
+)
+
+# ✅ 正确：先创建 list 再用 [[ 赋值
+items <- list()
+items[[paste0(var_name, " Median")]] <- "5.2"
+```
+
+#### 陷阱 3：`tryCatch` 会吞掉 warning 导致结果丢失
+
+**错误信息：** 无明确错误，但返回 NULL 或非预期结果
+
+**原因：** `tryCatch(expr, warning = function(w) {...})` 捕获第一个 warning 后**中断 expr 执行**，返回 warning handler 的返回值。gtsummary、car 等包常发 warning，导致主计算被中断。
+
+```r
+# ❌ 错误：tryCatch 捕获 warning 会中断执行
+tbl <- tryCatch({
+  tbl_summary(df) %>% add_p()  # 如果 add_p() 发 warning，tbl 变成 NULL
+}, warning = function(w) {
+  invokeRestart("muffleWarning")  # 在 tryCatch 中无效！
+})
+
+# ✅ 正确：withCallingHandlers 处理 warning（不中断执行），tryCatch 只捕获 error
+tbl <- tryCatch(
+  withCallingHandlers(
+    { tbl_summary(df) %>% add_p() },
+    warning = function(w) {
+      warnings_list <<- c(warnings_list, w$message)
+      invokeRestart("muffleWarning")
+    }
+  ),
+  error = function(e) { return(NULL) }
+)
+```
+
+#### 陷阱 4：gtsummary `table_body` 的 p.value 是 list 列
+
+**错误信息：** `invalid subscript type 'list'`
+
+**原因：** `gtsummary` 的内部数据结构 `tbl$table_body$p.value` 是 list 列（每个元素可能是 NULL 或 numeric），不能直接用 `<` 比较。
+
+```r
+# ❌ 错误：直接对 list 列做比较
+p_rows <- body[body$p.value < 0.05, ]  # 报错！
+
+# ✅ 正确：先 unlist + as.numeric
+p_vals <- as.numeric(unlist(body$p.value))
+sig_idx <- which(!is.na(p_vals) & p_vals < 0.05)
+```
+
+#### 陷阱 5：浮点数比较不能用 `==`
+
+**错误信息：** 无明确错误，但条件判断逻辑错误
+
+```r
+# ❌ 错误：直接比较浮点数
+if (sd(values) == 0) { ... }  # 可能因精度问题漏判
+
+# ✅ 正确：使用容差比较
+if (isTRUE(sd(values) < .Machine$double.eps^0.5)) { ... }
+```
+
+#### 陷阱 6：变量可能为 NULL 导致 glue/round 崩溃
+
+**错误信息：** `non-numeric argument to mathematical function` 或 `subscript out of bounds`
+
+**原因：** 某些统计结果字段（如 `fstatistic`）在边界条件下为 NULL。
+
+```r
+# ❌ 错误：直接使用可能为 NULL 的值
+log_add(glue("F = {round(f_stat[1], 2)}"))  # f_stat 为 NULL 时崩溃
+
+# ✅ 正确：先检查再使用
+if (!is.null(f_stat)) {
+  log_add(glue("F = {round(f_stat[1], 2)}"))
+} else {
+  log_add("F = NA")
+}
+```
+
+#### 陷阱 7：新增 R 包后 `utils/` 修改需要重启容器
+
+**现象：** `make_table_block()` 新增了 `metadata` 参数，但调用时报 `unused argument`
+
+**原因：** `utils/*.R` 在服务启动时一次性加载，不像 `tools/*.R` 有热重载。修改后必须：
+
+```bash
+cd r-statistics-service
+docker-compose restart
+```
+
+### 6.7 开发环境新增 R 包
+
+当新工具依赖尚未安装的 R 包时，有两种方式：
+
+**方式 1：临时安装到运行中的容器（开发测试用）**
+
+```bash
+# 容器以 appuser 运行，无写权限，需用 root
+docker exec -u root ssa-r-statistics R -e "install.packages('新包名', repos='https://cloud.r-project.org/', quiet=TRUE)"
+```
+
+> 注意：容器重启后丢失，仅用于开发验证。
+
+**方式 2：更新 Dockerfile 并重建镜像（正式方案）**
+
+1. 在 `Dockerfile` 的 `install.packages()` 中添加新包名
+2. 重建：`docker-compose up -d --build`
+
 ---
 
 ## 7. 运维指南
@@ -810,6 +1096,38 @@ if (var_type == "numeric") { ... }  # var_type 可能是 NA
 if (identical(var_type, "numeric")) { ... }  # ✅ 处理 NA
 ```
 
+### Q11: 修改 utils/ 后新参数报 `unused argument`
+
+**原因：** `utils/*.R`（如 `block_helpers.R`）在服务启动时加载进内存，不支持热重载（与 `tools/*.R` 不同）。
+
+**解决：**
+```bash
+docker-compose restart
+```
+
+### Q12: Docker 已 build 但包仍不存在（`there is no package called 'xxx'`）
+
+**原因：** `docker-compose.yml` 中的 `volumes` 挂载会覆盖镜像中的文件，但**不影响已安装的 R 包**。常见场景是更新了 Dockerfile 却只用了 `docker-compose up -d` 而没有加 `--build`。
+
+**解决：**
+```bash
+# 确保 rebuild
+docker-compose up -d --build
+
+# 或临时装包（开发验证）
+docker exec -u root ssa-r-statistics R -e "install.packages('xxx', repos='https://cloud.r-project.org/', quiet=TRUE)"
+```
+
+### Q13: 工具返回成功但 report_blocks 为空
+
+**原因：** 返回结构中没有 `report_blocks` 字段或 blocks 列表为空。
+
+**检查清单：**
+1. 确认使用了 `utils/block_helpers.R` 的辅助函数构建 blocks
+2. 确认 return 中包含 `report_blocks = blocks`
+3. 确认每个 block 至少包含 `type` 字段
+4. 用测试脚本验证：`node r-statistics-service/tests/run_all_tools_test.js`
+
 ---
 
 ## 9. 测试指南
@@ -838,9 +1156,23 @@ curl -s -X POST "http://localhost:8082/api/v1/skills/ST_T_TEST_IND" \
 curl -s http://localhost:8082/health | jq
 ```
 
-### 9.3 端到端测试脚本
+### 9.3 R 工具集中测试脚本（12 工具 + JIT）
 
-项目提供了完整的端到端测试脚本：
+项目提供了 R 统计引擎的全工具测试脚本：
+
+```bash
+# 仅测试 R 服务层（12 工具 + JIT 护栏 + report_blocks 校验）
+node r-statistics-service/tests/run_all_tools_test.js
+```
+
+测试覆盖：
+- 12 个统计工具（Phase 2A × 7 + Phase Deploy × 5）
+- JIT 护栏检查（ST_T_TEST_IND / ST_ANOVA_ONE / ST_FISHER / ST_LINEAR_REG）
+- `report_blocks` 协议校验（类型、必填字段、metadata）
+
+### 9.4 端到端测试脚本（三层联调）
+
+三层联调测试覆盖 R → Python → Node.js：
 
 ```bash
 cd docs/03-业务模块/SSA-智能统计分析/05-测试文档
@@ -848,9 +1180,9 @@ node run_e2e_test.js
 ```
 
 测试覆盖：
-- 7 个统计工具
-- JIT 护栏检查
-- 数据加载（行格式/列格式）
+- Layer 1: R 服务（12 个统计工具 + JIT 护栏）
+- Layer 2: Python DataProfile API
+- Layer 3: Node.js 后端 API（登录 → 会话 → 规划 → 执行）
 
 ---
 
@@ -858,27 +1190,40 @@ node run_e2e_test.js
 
 ```
 r-statistics-service/
-├── Dockerfile              # 生产镜像定义
+├── Dockerfile              # 生产镜像定义（含 gtsummary/gt/broom/scales/gridExtra）
 ├── docker-compose.yml      # 开发环境编排（含 volume 挂载）
 ├── renv.lock               # R 包版本锁定（备用）
 ├── .Rprofile               # R 启动配置（备用）
-├── plumber.R               # API 入口（含 JIT 护栏端点）
+├── plumber.R               # API 入口（含 JIT 护栏端点，自动发现 tools/ 目录）
 ├── utils/
 │   ├── data_loader.R       # 数据加载（支持行格式/列格式）
-│   ├── guardrails.R        # 统计护栏 + JIT 检查
+│   ├── guardrails.R        # 统计护栏 + JIT 检查（12 工具全覆盖）
 │   ├── error_codes.R       # 错误映射
-│   └── result_formatter.R  # 结果格式化
-├── tools/                  # 统计工具（Phase 2A: 7 个）
+│   ├── result_formatter.R  # 结果格式化
+│   └── block_helpers.R     # Block-based 输出辅助函数（Phase E+ 协议）
+├── tools/                  # 统计工具（12 个）
 │   ├── t_test_ind.R        # 独立样本 T 检验
 │   ├── t_test_paired.R     # 配对 T 检验
 │   ├── mann_whitney.R      # Mann-Whitney U 检验
 │   ├── chi_square.R        # 卡方检验
 │   ├── correlation.R       # 相关分析
 │   ├── logistic_binary.R   # 二元 Logistic 回归
-│   └── descriptive.R       # 描述性统计
+│   ├── descriptive.R       # 描述性统计
+│   ├── fisher.R            # 🆕 Fisher 精确检验（Phase Deploy）
+│   ├── anova_one.R         # 🆕 单因素方差分析（Phase Deploy）
+│   ├── wilcoxon.R          # 🆕 Wilcoxon 符号秩检验（Phase Deploy）
+│   ├── linear_reg.R        # 🆕 线性回归（Phase Deploy）
+│   └── baseline_table.R    # 🆕 基线特征表 — 复合工具（Phase Deploy）
 ├── tests/
+│   ├── run_all_tools_test.js  # 🆕 全工具自动化测试（12 工具 + JIT + blocks 校验）
+│   ├── test_t_test.json       # T 检验测试数据
+│   ├── test_fisher.json       # Fisher 测试数据
+│   ├── test_anova_one.json    # ANOVA 测试数据
+│   ├── test_wilcoxon.json     # Wilcoxon 测试数据
+│   ├── test_linear_reg.json   # 线性回归测试数据
+│   ├── test_baseline_table.json # 基线表测试数据
 │   └── fixtures/
-│       └── normal_data.csv # 测试数据
+│       └── normal_data.csv    # 测试数据
 ├── metadata/               # 工具元数据（预留）
 └── templates/              # 解释模板（预留）
 ```
@@ -889,6 +1234,8 @@ r-statistics-service/
 
 | 版本 | 日期 | 更新内容 |
 |------|------|----------|
+| v1.3 | 2026-02-22 | 开发者体验增强：新工具模板补全 report_blocks（§6.1）、各工具 params 速查表（§6.5）、R 语言 7 大陷阱实录（§6.6）、新增 R 包操作指南（§6.7）、新增 Q11-Q13 常见问题 |
+| v1.2 | 2026-02-22 | Phase Deploy 完成：工具 7→12（+Fisher/ANOVA/Wilcoxon/线性回归/基线表）、Dockerfile 新增 gtsummary 等 5 包、Block-based 输出协议文档化（§6.4）、全工具测试脚本 |
 | v1.1 | 2026-02-20 | Phase 2A 完成：7 个统计工具、JIT 护栏、热重载说明、常见问题补充 |
 | v1.0 | 2026-02-19 | 初始版本：架构设计、部署指南、T 检验工具 |