feat(ssa): Complete SSA-Pro MVP development plan v1.3
Summary: - Add PRD and architecture design V4 (Brain-Hand model) - Complete 5 development guide documents - Pass 3 rounds of team review (v1.0 -> v1.3) - Add module status guide document - Update system status document Key Features: - Brain-Hand architecture: Node.js + R Docker - Statistical guardrails with auto degradation - HITL workflow: PlanCard -> ExecutionTrace -> ResultCard - Mixed data protocol: inline vs OSS - Reproducible R code delivery MVP Scope: 10 statistical tools Status: Design 100%, ready for development Co-authored-by: Cursor <cursoragent@cursor.com>
This commit is contained in:
351
docs/03-业务模块/SSA-智能统计分析/02-技术设计/SSA-01 R工具封装标准与前后端数据协议技术规范.md
Normal file
351
docs/03-业务模块/SSA-智能统计分析/02-技术设计/SSA-01 R工具封装标准与前后端数据协议技术规范.md
Normal file
@@ -0,0 +1,351 @@
|
||||
# **SSA-01: R工具封装标准与前后端数据协议技术规范**
|
||||
|
||||
**文档状态：** v1.0 (Draft)
|
||||
|
||||
**创建日期：** 2026-02-06
|
||||
|
||||
**适用对象：** R 工程师、后端工程师
|
||||
|
||||
**目标：** 定义 SSA 模块中 100+ R 工具的标准化封装规范，以及前后端交互的数据契约。
|
||||
|
||||
## **1\. 核心设计理念**
|
||||
|
||||
为了实现 **SSA-Pro V4.0** 的“同步调用”、“统计护栏”和“白盒交付”，我们需要对现有的 R 脚本进行 **"Wrapper 改造"**。
|
||||
|
||||
* **原则 1：JSON In, JSON Out**。所有工具统一使用 JSON 格式进行输入输出，严禁直接读写本地文件路径（除非是临时的）。
|
||||
* **原则 2：护栏内嵌 (Guardrails Inside)**。统计假设检验（如正态性）必须在 R 代码内部完成，而不是依赖 LLM。
|
||||
* **原则 3：代码自生成 (Self-Generating)**。每个工具必须能“吐出”一份可独立运行的 R 代码片段，用于交付给用户。
|
||||
|
||||
## **2\. R 工具封装标准 (The Wrapper Spec)**
|
||||
|
||||
所有纳入 SSA 体系的 R 工具，必须遵循以下函数签名和文件结构。
|
||||
|
||||
### **2.1 标准函数签名**
|
||||
|
||||
\#' @title SSA Standard Wrapper Interface
|
||||
\#' @param input\_json JSON字符串或列表，包含 data, params, guardrails 等
|
||||
\#' @return JSON字符串，包含 status, results, plots, trace\_log, reproducible\_code
|
||||
run\_ssa\_tool \<- function(input\_json) {
|
||||
\# ...
|
||||
}
|
||||
|
||||
### **2.2 输入结构定义 (Input Schema)**
|
||||
|
||||
后端调用 R API 时，Request Body 将被解析为以下 R List 结构：
|
||||
|
||||
list(
|
||||
\# 1\. 核心数据 (必需)
|
||||
\# 前端/DC模块清洗后的干净数据，通常为数据框的列列表格式
|
||||
data \= list(
|
||||
col\_group \= c("A", "A", "B", "B", ...),
|
||||
col\_val \= c(1.2, 1.3, 2.1, 2.2, ...)
|
||||
),
|
||||
|
||||
\# 2\. 统计参数 (必需)
|
||||
\# 由 LLM 生成，用于控制统计行为
|
||||
params \= list(
|
||||
group\_col \= "col\_group",
|
||||
val\_col \= "col\_val",
|
||||
conf\_level \= 0.95,
|
||||
paired \= FALSE,
|
||||
alternative \= "two.sided"
|
||||
),
|
||||
|
||||
\# 3\. 护栏配置 (可选)
|
||||
\# 控制是否开启强制检查
|
||||
guardrails \= list(
|
||||
check\_normality \= TRUE,
|
||||
check\_variance \= TRUE,
|
||||
auto\_fix \= TRUE \# 若检查失败，是否允许自动降级(如T检验转Wilcoxon)
|
||||
),
|
||||
|
||||
\# 4\. 元信息 (可选)
|
||||
meta \= list(
|
||||
tool\_code \= "ST\_T\_TEST\_IND",
|
||||
user\_id \= "u123",
|
||||
session\_id \= "s456"
|
||||
)
|
||||
)
|
||||
|
||||
### **2.3 输出结构定义 (Output Schema)**
|
||||
|
||||
R 函数必须返回以下结构的 List (最终被 Plumber 序列化为 JSON)：
|
||||
|
||||
list(
|
||||
\# 1\. 执行状态
|
||||
status \= "success", \# "success" | "warning" | "error"
|
||||
message \= "执行成功，数据满足正态分布。", \# 给用户看的简短提示
|
||||
|
||||
\# 2\. 统计结果 (结构化)
|
||||
\# 用于前端渲染表格或 LLM 解读
|
||||
results \= list(
|
||||
method \= "Two Sample t-test",
|
||||
statistic \= 2.34, \# t值
|
||||
p\_value \= 0.023,
|
||||
conf\_int \= c(0.5, 2.1),
|
||||
estimate \= c(mean\_x \= 5.1, mean\_y \= 4.2),
|
||||
df \= 18
|
||||
),
|
||||
|
||||
\# 3\. 可视化 (Base64)
|
||||
\# 推荐返回 1-2 张核心图表
|
||||
plots \= list(
|
||||
"data:image/png;base64,iVBORw0K...", \# 图1
|
||||
"data:image/png;base64,..." \# 图2
|
||||
),
|
||||
|
||||
\# 4\. 执行路径日志 (Trace Log)
|
||||
\# 用于前端展示 "执行树"
|
||||
trace\_log \= list(
|
||||
list(step \= "check\_normality", status \= "pass", msg \= "Shapiro-Wilk P=0.23 \> 0.05"),
|
||||
list(step \= "check\_variance", status \= "pass", msg \= "Levene P=0.45 \> 0.05"),
|
||||
list(step \= "main\_test", status \= "done", msg \= "t.test executed")
|
||||
),
|
||||
|
||||
\# 5\. 可复现代码 (Reproducible Code)
|
||||
\# 用户下载的 R 脚本内容
|
||||
reproducible\_code \= "library(ggplot2)\\ndata \<- read.csv('your\_data.csv')..."
|
||||
)
|
||||
|
||||
## **3\. R 脚本开发模板 (Developer Guide)**
|
||||
|
||||
R 工程师请直接复制此模板开发新工具。以 **"独立样本 T 检验"** 为例。
|
||||
|
||||
### **文件名：tools/st\_t\_test\_ind.R**
|
||||
|
||||
library(jsonlite)
|
||||
library(ggplot2)
|
||||
library(car) \# for leveneTest
|
||||
|
||||
\#' @title 独立样本T检验 (Independent Samples T-Test)
|
||||
\#' @description 用于比较两组独立正态分布数据的均值是否存在显著差异。
|
||||
\#' @usage\_context 适用于数值型因变量(Y)和二分类自变量(X)。需满足正态性和方差齐性。
|
||||
\#' @param input\_json 标准输入对象
|
||||
\#' @export
|
||||
run\_tool \<- function(input\_json) {
|
||||
|
||||
\# \--- 0\. 初始化 \---
|
||||
logs \<- list()
|
||||
log\_step \<- function(step, status, msg) {
|
||||
logs \<\<- c(logs, list(list(step=step, status=status, msg=msg)))
|
||||
}
|
||||
|
||||
\# 解析数据
|
||||
df \<- as.data.frame(input\_json$data)
|
||||
p \<- input\_json$params
|
||||
|
||||
\# 构造复现代码 (Header)
|
||||
code\_lines \<- c(
|
||||
"\# \------------------------------------------------",
|
||||
"\# SSA 生成代码: 独立样本 T 检验",
|
||||
"\# \------------------------------------------------",
|
||||
"library(ggplot2)",
|
||||
"library(car)",
|
||||
"",
|
||||
"\# 1\. 加载数据 (请替换为您的本地文件路径)",
|
||||
"df \<- read.csv('your\_data.csv')",
|
||||
""
|
||||
)
|
||||
|
||||
tryCatch({
|
||||
|
||||
\# \--- 1\. 数据预处理 (Statistical Prep) \---
|
||||
\# 强制类型转换
|
||||
df\[\[p$group\_col\]\] \<- as.factor(df\[\[p$group\_col\]\])
|
||||
df\[\[p$val\_col\]\] \<- as.numeric(df\[\[p$val\_col\]\])
|
||||
|
||||
code\_lines \<- c(code\_lines,
|
||||
"\# 2\. 数据预处理",
|
||||
sprintf("df\[\['%s'\]\] \<- as.factor(df\[\['%s'\]\])", p$group\_col, p$group\_col),
|
||||
sprintf("df\[\['%s'\]\] \<- as.numeric(df\[\['%s'\]\])", p$val\_col, p$val\_col)
|
||||
)
|
||||
|
||||
\# \--- 2\. 护栏检查 (Guardrails) \---
|
||||
run\_test \<- "t.test" \# 默认方法
|
||||
|
||||
if (isTRUE(input\_json$guardrails$check\_normality)) {
|
||||
\# 简化的正态性检查 (对每组进行 Shapiro 检验)
|
||||
groups \<- unique(df\[\[p$group\_col\]\])
|
||||
is\_normal \<- TRUE
|
||||
|
||||
for (g in groups) {
|
||||
sub\_data \<- df\[df\[\[p$group\_col\]\] \== g, p$val\_col\]
|
||||
\# 样本量 \< 3 或 \> 5000 不做 shapiro
|
||||
if (length(sub\_data) \>= 3 && length(sub\_data) \<= 5000\) {
|
||||
pval \<- shapiro.test(sub\_data)$p.value
|
||||
if (pval \< 0.05) is\_normal \<- FALSE
|
||||
}
|
||||
}
|
||||
|
||||
if (\!is\_normal) {
|
||||
log\_step("check\_normality", "fail", "数据不满足正态分布 (P\<0.05)")
|
||||
if (isTRUE(input\_json$guardrails$auto\_fix)) {
|
||||
run\_test \<- "wilcox.test"
|
||||
log\_step("auto\_fix", "switch", "自动降级为 Wilcoxon 秩和检验")
|
||||
code\_lines \<- c(code\_lines, "\# 注意：由于数据不满足正态分布，已切换为非参数检验")
|
||||
} else {
|
||||
return(list(status="error", message="数据不满足正态分布，请尝试非参数检验。", trace\_log=logs))
|
||||
}
|
||||
} else {
|
||||
log\_step("check\_normality", "pass", "正态性检验通过")
|
||||
}
|
||||
}
|
||||
|
||||
\# \--- 3\. 核心计算 \---
|
||||
f \<- as.formula(paste(p$val\_col, "\~", p$group\_col))
|
||||
|
||||
if (run\_test \== "t.test") {
|
||||
\# 方差齐性检查
|
||||
var\_pval \<- leveneTest(f, data=df)$\`Pr(\>F)\`\[1\]
|
||||
var\_equal \<- var\_pval \> 0.05
|
||||
res \<- t.test(f, data=df, var.equal=var\_equal)
|
||||
|
||||
log\_step("main\_test", "done", sprintf("T-Test (var.equal=%s)", var\_equal))
|
||||
|
||||
\# 添加代码
|
||||
code\_lines \<- c(code\_lines,
|
||||
"", "\# 3\. 执行 T 检验",
|
||||
sprintf("res \<- t.test(%s \~ %s, data=df, var.equal=%s)", p$val\_col, p$group\_col, var\_equal),
|
||||
"print(res)"
|
||||
)
|
||||
|
||||
} else {
|
||||
res \<- wilcox.test(f, data=df)
|
||||
log\_step("main\_test", "done", "Wilcoxon Test")
|
||||
|
||||
\# 添加代码
|
||||
code\_lines \<- c(code\_lines,
|
||||
"", "\# 3\. 执行 Wilcoxon 检验",
|
||||
sprintf("res \<- wilcox.test(%s \~ %s, data=df)", p$val\_col, p$group\_col),
|
||||
"print(res)"
|
||||
)
|
||||
}
|
||||
|
||||
\# \--- 4\. 绘图 \---
|
||||
plot\_file \<- tempfile(fileext \= ".png")
|
||||
png(plot\_file, width=800, height=600)
|
||||
|
||||
p\_plot \<- ggplot(df, aes\_string(x=p$group\_col, y=p$val\_col, fill=p$group\_col)) \+
|
||||
geom\_boxplot() \+
|
||||
theme\_minimal() \+
|
||||
labs(title="Boxplot Comparison")
|
||||
print(p\_plot)
|
||||
|
||||
dev.off()
|
||||
|
||||
\# 转 Base64
|
||||
plot\_base64 \<- base64enc::base64encode(plot\_file)
|
||||
plot\_base64 \<- paste0("data:image/png;base64,", plot\_base64)
|
||||
|
||||
\# 添加绘图代码
|
||||
code\_lines \<- c(code\_lines,
|
||||
"", "\# 4\. 绘图",
|
||||
"library(ggplot2)",
|
||||
sprintf("ggplot(df, aes(x=%s, y=%s, fill=%s)) \+ geom\_boxplot() \+ theme\_minimal()",
|
||||
p$group\_col, p$val\_col, p$group\_col)
|
||||
)
|
||||
|
||||
\# \--- 5\. 返回结果 \---
|
||||
return(list(
|
||||
status \= "success",
|
||||
message \= "分析完成",
|
||||
results \= list(
|
||||
method \= res$method,
|
||||
statistic \= as.numeric(res$statistic),
|
||||
p\_value \= as.numeric(res$p.value),
|
||||
conf\_int \= if(\!is.null(res$conf.int)) as.numeric(res$conf.int) else NULL
|
||||
),
|
||||
plots \= list(plot\_base64),
|
||||
trace\_log \= logs,
|
||||
reproducible\_code \= paste(code\_lines, collapse="\\n")
|
||||
))
|
||||
|
||||
}, error \= function(e) {
|
||||
return(list(status="error", message=e$message, trace\_log=logs))
|
||||
})
|
||||
}
|
||||
|
||||
## **4\. 前后端通信 API (API Contract)**
|
||||
|
||||
### **4.1 执行统计分析**
|
||||
|
||||
* **URL**: POST /api/v1/ssa/execute
|
||||
* **Content-Type**: application/json
|
||||
* **发起方**: Frontend (用户点击“确认并执行”后)
|
||||
|
||||
**Request Body:**
|
||||
|
||||
{
|
||||
"tool\_code": "ST\_T\_TEST\_IND",
|
||||
"data": {
|
||||
"group": \["A", "A", "B", "B"\],
|
||||
"bmi": \[21.5, 22.1, 25.4, 26.8\]
|
||||
},
|
||||
"params": {
|
||||
"group\_col": "group",
|
||||
"val\_col": "bmi",
|
||||
"conf\_level": 0.95
|
||||
},
|
||||
"guardrails": {
|
||||
"check\_normality": true,
|
||||
"auto\_fix": true
|
||||
}
|
||||
}
|
||||
|
||||
**Response Body (200 OK):**
|
||||
|
||||
{
|
||||
"code": 200,
|
||||
"data": {
|
||||
"status": "success",
|
||||
"message": "分析完成",
|
||||
"results": {
|
||||
"method": "Welch Two Sample t-test",
|
||||
"p\_value": 0.042,
|
||||
"statistic": \-2.31
|
||||
},
|
||||
"plots": \["data:image/png;base64,..."\],
|
||||
"trace\_log": \[
|
||||
{"step": "check\_normality", "status": "pass", "msg": "正态性检验通过"},
|
||||
{"step": "main\_test", "status": "done", "msg": "T-Test executed"}
|
||||
\],
|
||||
"reproducible\_code": "\# SSA 生成代码...\\nlibrary(ggplot2)..."
|
||||
}
|
||||
}
|
||||
|
||||
## **5\. 元数据注册规范 (Metadata Spec)**
|
||||
|
||||
为了让 SSA-Planner (DeepSeek) 能够检索到这个工具，我们需要提取以下 JSON 元数据，存入 pgvector。
|
||||
|
||||
**JSON 结构示例:**
|
||||
|
||||
{
|
||||
"tool\_code": "ST\_T\_TEST\_IND",
|
||||
"name": "独立样本 T 检验",
|
||||
"description": "用于比较两组独立样本的均值差异。基于 t 分布理论。",
|
||||
"usage\_context": "适用于：1. 因变量为连续数值型；2. 自变量为二分类（如性别、分组）；3. 数据满足正态分布和方差齐性。",
|
||||
"params\_schema": {
|
||||
"group\_col": {
|
||||
"type": "string",
|
||||
"desc": "分组变量列名，必须只有2个水平"
|
||||
},
|
||||
"val\_col": {
|
||||
"type": "string",
|
||||
"desc": "数值变量列名"
|
||||
}
|
||||
},
|
||||
"guardrails\_supported": \["check\_normality", "check\_variance"\]
|
||||
}
|
||||
|
||||
## **6\. 总结与行动指南**
|
||||
|
||||
1. **R 工程师**：
|
||||
* 请按照 **第 3 节 (R 脚本开发模板)**，先试着封装 1 个工具（如 T 检验）。
|
||||
* 确保 reproducible\_code 生成的代码可以在干净的 RStudio 环境中跑通。
|
||||
* 确保所有 library() 调用都在函数内部或头部声明。
|
||||
2. **后端工程师**：
|
||||
* 在 Node.js 中实现 POST /api/v1/ssa/execute 接口。
|
||||
* 该接口的核心逻辑是：将前端 JSON \-\> 转发给 R Plumber 服务 \-\> 接收 R 响应 \-\> 存入数据库日志 \-\> 返回前端。
|
||||
* **不要在 Node.js 里写任何统计逻辑**，只做“二传手”。
|
||||
3. **前端工程师**：
|
||||
* 根据 API 定义，Mock 一份数据，开始开发“执行路径树”和“代码下载”组件。
|
||||
167
docs/03-业务模块/SSA-智能统计分析/02-技术设计/SSA-02 数据库与向量库 Schema 设计规范.md
Normal file
167
docs/03-业务模块/SSA-智能统计分析/02-技术设计/SSA-02 数据库与向量库 Schema 设计规范.md
Normal file
@@ -0,0 +1,167 @@
|
||||
# **SSA-02: 数据库与向量库 Schema 设计规范**
|
||||
|
||||
**文档状态：** v1.0 (Draft)
|
||||
|
||||
**创建日期：** 2026-02-06
|
||||
|
||||
**关联模块：** SSA, Common RAG
|
||||
|
||||
**目标：** 定义存储 R 工具元数据、向量索引及执行审计日志的数据库结构。
|
||||
|
||||
## **1\. 设计原则**
|
||||
|
||||
### **1.1 复用平台能力**
|
||||
|
||||
* **向量引擎**：严格使用 pgvector (0.8.1)，向量维度固定为 **1024** (对应 text-embedding-v4)。
|
||||
* **全文检索**：使用 pg\_bigm (1.2) 实现中英文混合的高性能关键词检索。
|
||||
* **Schema 隔离**：所有表必须位于 ssa\_schema 命名空间下。
|
||||
|
||||
### **1.2 "工具即文档" (Tool-as-Document)**
|
||||
|
||||
与 PKB 模块将长文切分为 Chunk 不同，SSA 模块中**一个 R 工具就是一个原子检索单位**。我们不进行切分，而是进行**特征合成**。
|
||||
|
||||
## **2\. 核心表结构设计 (DDL)**
|
||||
|
||||
### **2.1 工具库表 (tools\_library) —— 核心资产**
|
||||
|
||||
这张表存储了 100+ 个 R 工具的定义、参数结构以及用于检索的向量数据。
|
||||
|
||||
\-- 确保扩展已启用 (通常在 platform\_schema 或 public)
|
||||
\-- CREATE EXTENSION IF NOT EXISTS vector;
|
||||
\-- CREATE EXTENSION IF NOT EXISTS pg\_bigm;
|
||||
|
||||
CREATE TABLE ssa\_schema.tools\_library (
|
||||
id UUID PRIMARY KEY DEFAULT gen\_random\_uuid(),
|
||||
|
||||
\-- 1\. 业务标识
|
||||
tool\_code VARCHAR(50) NOT NULL UNIQUE, \-- 例如: 'ST\_T\_TEST\_IND'
|
||||
name VARCHAR(100) NOT NULL, \-- 例如: '独立样本 T 检验'
|
||||
version VARCHAR(20) DEFAULT '1.0.0', \-- R 脚本版本
|
||||
|
||||
\-- 2\. 结构化元数据 (用于 LLM 生成参数)
|
||||
description TEXT NOT NULL, \-- 简短描述
|
||||
usage\_context TEXT, \-- 适用场景 (什么时候用?)
|
||||
params\_schema JSONB NOT NULL, \-- 参数定义 (JSON Schema)
|
||||
guardrails JSONB, \-- 护栏配置 (支持哪些检查?)
|
||||
|
||||
\-- 3\. 检索专用字段 (Search Optimization)
|
||||
\-- 将 name \+ description \+ usage\_context \+ keywords 拼接
|
||||
search\_text TEXT NOT NULL,
|
||||
|
||||
\-- 4\. 向量索引 (1024维)
|
||||
embedding vector(1024),
|
||||
|
||||
\-- 5\. 审计字段
|
||||
created\_at TIMESTAMP WITH TIME ZONE DEFAULT NOW(),
|
||||
updated\_at TIMESTAMP WITH TIME ZONE DEFAULT NOW(),
|
||||
is\_active BOOLEAN DEFAULT TRUE
|
||||
);
|
||||
|
||||
\-- 索引策略 (Hybrid Search Ready)
|
||||
\-- 1\. 向量索引 (IVFFlat 或 HNSW) \- 用于语义检索
|
||||
CREATE INDEX idx\_ssa\_tools\_embedding ON ssa\_schema.tools\_library
|
||||
USING hnsw (embedding vector\_cosine\_ops);
|
||||
|
||||
\-- 2\. 全文索引 (pg\_bigm) \- 用于关键词精确匹配 (如 "T检验", "ANOVA")
|
||||
CREATE INDEX idx\_ssa\_tools\_search\_text\_bigm ON ssa\_schema.tools\_library
|
||||
USING gin (search\_text gin\_bigm\_ops);
|
||||
|
||||
\-- 3\. 业务索引
|
||||
CREATE INDEX idx\_ssa\_tools\_code ON ssa\_schema.tools\_library(tool\_code);
|
||||
|
||||
### **2.2 执行审计日志表 (execution\_logs) —— 优化之源**
|
||||
|
||||
这张表是 SSA-Pro **"白盒化"** 的证据。它完整记录了从用户提问到最终代码交付的全过程。
|
||||
|
||||
CREATE TABLE ssa\_schema.execution\_logs (
|
||||
id UUID PRIMARY KEY DEFAULT gen\_random\_uuid(),
|
||||
|
||||
\-- 1\. 归属信息
|
||||
user\_id VARCHAR(255) NOT NULL,
|
||||
session\_id VARCHAR(255), \-- 关联的会话 ID
|
||||
|
||||
\-- 2\. 输入 (User Intent)
|
||||
user\_query TEXT NOT NULL, \-- 用户原始提问
|
||||
data\_summary JSONB, \-- 数据摘要 (Schema, 非原始数据)
|
||||
|
||||
\-- 3\. 规划 (AI Plan)
|
||||
sap\_content TEXT, \-- AI 生成的统计分析计划 (Markdown)
|
||||
selected\_tool VARCHAR(50), \-- 最终选择的 tool\_code
|
||||
generated\_params JSONB, \-- AI 生成的参数
|
||||
|
||||
\-- 4\. 执行 (R Runtime)
|
||||
execution\_status VARCHAR(20), \-- 'success', 'error', 'warning'
|
||||
trace\_log JSONB, \-- R 返回的执行路径日志
|
||||
error\_message TEXT, \-- 如果失败，记录报错
|
||||
|
||||
\-- 5\. 性能指标
|
||||
duration\_ms INTEGER, \-- 总耗时
|
||||
tokens\_used INTEGER, \-- LLM 消耗 Token
|
||||
|
||||
created\_at TIMESTAMP WITH TIME ZONE DEFAULT NOW()
|
||||
);
|
||||
|
||||
\-- 索引
|
||||
CREATE INDEX idx\_ssa\_logs\_user ON ssa\_schema.execution\_logs(user\_id);
|
||||
CREATE INDEX idx\_ssa\_logs\_tool ON ssa\_schema.execution\_logs(selected\_tool);
|
||||
CREATE INDEX idx\_ssa\_logs\_time ON ssa\_schema.execution\_logs(created\_at DESC);
|
||||
|
||||
## **3\. 向量检索策略 (Retrieval Strategy)**
|
||||
|
||||
### **3.1 检索字段合成策略 (The "Synthetic Document")**
|
||||
|
||||
为了保持高准确率，我们不能只 Embedding 描述字段。我们需要构造一个**富含语义的虚拟文档**。
|
||||
|
||||
**search\_text 字段的内容模板：**
|
||||
|
||||
工具名称: {name}
|
||||
功能描述: {description}
|
||||
适用场景: {usage\_context}
|
||||
关键词: {keywords} (如: 差异, 比较, 连续变量, 正态分布)
|
||||
模拟提问: {synthetic\_queries} (如: "怎么比较两组数据的均值?", "两组病人的血糖有区别吗?")
|
||||
|
||||
**策略说明：**
|
||||
|
||||
* **模拟提问 (Synthetic Queries)**：这是一个高级技巧。在录入工具时，利用 LLM 生成 3-5 个“用户可能会问的问题”，并入索引。这能极大缩短“用户口语”与“专业术语”之间的语义距离。
|
||||
|
||||
### **3.2 混合检索流程 (Hybrid Search Workflow)**
|
||||
|
||||
复用平台的 VectorSearchService，采用 **Brain-Hand** 模式。
|
||||
|
||||
1. **查询理解 (Brain Layer)**：
|
||||
* 用户输入："看看这两组病人的 BMI 也没有差异"
|
||||
* Query Rewriter (DeepSeek)：生成关键词 \["独立样本T检验", "两组差异", "连续变量"\]。
|
||||
2. **双路召回 (Engine Layer)**：
|
||||
* **路 A (Semantic)**：使用 embedding 字段进行向量相似度搜索 (Top 10)。
|
||||
* **路 B (Keyword)**：使用 search\_text 字段进行 pg\_bigm 模糊匹配 (Top 10)。
|
||||
3. **融合与重排 (Rerank)**：
|
||||
* 使用 Reciprocal Rank Fusion (RRF) 合并两路结果。
|
||||
* 使用 qwen3-rerank 模型，基于用户的 Data Schema (例如：数据是分类的还是数值的) 对候选工具进行重排。
|
||||
* **截断**：取 Top 5 返回给 Planner。
|
||||
|
||||
## **4\. 数据流与写入流程**
|
||||
|
||||
### **4.1 工具注册流程 (DevOps Pipeline)**
|
||||
|
||||
1. **R 工程师**：在 R 脚本中编写 roxygen2 注释。
|
||||
2. **CI/CD 脚本**：
|
||||
* 解析 R 脚本，提取元数据。
|
||||
* 调用 LLM 生成 synthetic\_queries (模拟提问)。
|
||||
* 拼接 search\_text。
|
||||
* 调用 EmbeddingService 生成向量。
|
||||
* Upsert 到 ssa\_schema.tools\_library 表。
|
||||
|
||||
### **4.2 运行时流程**
|
||||
|
||||
1. **Node.js** 接收用户请求。
|
||||
2. 调用 ssa\_schema.tools\_library 进行混合检索。
|
||||
3. 将命中的工具 params\_schema 注入到 Planner 的 Prompt 中。
|
||||
4. 执行结束后，将全过程写入 ssa\_schema.execution\_logs。
|
||||
|
||||
## **5\. 总结**
|
||||
|
||||
这套设计方案充分利用了我们现有的 **Postgres-Only** 架构优势：
|
||||
|
||||
1. **不需要额外的向量数据库**：直接用 RDS PostgreSQL，维护成本最低。
|
||||
2. **高准确率保证**：通过 search\_text 的精心构造（特别是加入模拟提问）和 pg\_bigm 的关键词辅助，解决了“工具选错”的最大痛点。
|
||||
3. **可追溯**：详尽的审计日志为未来的“自我进化”（根据用户反馈优化工具推荐）提供了数据基础。
|
||||
200
docs/03-业务模块/SSA-智能统计分析/02-技术设计/SSA-03 Agent Prompt 与编排流程设计规范.md
Normal file
200
docs/03-业务模块/SSA-智能统计分析/02-技术设计/SSA-03 Agent Prompt 与编排流程设计规范.md
Normal file
@@ -0,0 +1,200 @@
|
||||
# **SSA-03: Agent Prompt 与编排流程设计规范**
|
||||
|
||||
**文档状态：** v1.0 (Draft)
|
||||
|
||||
**创建日期：** 2026-02-06
|
||||
|
||||
**关联模块：** SSA, AIA (LLM Gateway)
|
||||
|
||||
**目标：** 定义 SSA 模块的认知层逻辑，包括 Prompt 模板、上下文组装策略及错误自愈流程。
|
||||
|
||||
## **1\. 认知层架构总览**
|
||||
|
||||
SSA 的认知层不是一个简单的 Chatbot，而是一个 **"Retrieve-Plan-Execute-Critic"** 的流水线。
|
||||
|
||||
### **核心智能节点 (AI Nodes)**
|
||||
|
||||
| 节点名称 | 对应模型 | 职责 | 输入 | 输出 |
|
||||
| :---- | :---- | :---- | :---- | :---- |
|
||||
| **Query Rewriter** | DeepSeek-V3 | **查询翻译与扩展**。将用户口语转化为统计学术语，用于向量检索。 | 用户提问 | 关键词列表 (JSON) |
|
||||
| **SSA Planner** | DeepSeek-V3 | **分析规划**。阅读候选工具文档，生成执行参数。 | 提问 \+ 数据元数据 \+ Top-5工具 | SAP 计划书 (JSON) |
|
||||
| **SSA Critic** | DeepSeek-V3 | **结果解释**。基于统计原则解读 R 输出，警示风险。 | R 执行结果 \+ 路径日志 | Markdown 报告 |
|
||||
| **Synthetic Gen** | Qwen-Max | **离线数据增强**。为工具生成模拟提问，用于建库。 | 工具描述 | 模拟问答对 (List) |
|
||||
|
||||
## **2\. 编排流程逻辑 (Orchestration Logic)**
|
||||
|
||||
Node.js 后端将按照以下伪代码逻辑调度各个节点：
|
||||
|
||||
async function runAnalysisFlow(userQuery, dataSchema) {
|
||||
// 1\. \[Rewriter\] 查询理解
|
||||
const keywords \= await rewriter.extractKeywords(userQuery);
|
||||
|
||||
// 2\. \[RAG\] 检索候选工具 (混合检索)
|
||||
const candidateTools \= await vectorDB.searchTools(keywords, { limit: 5 });
|
||||
|
||||
// 3\. \[Planner\] 生成计划
|
||||
const sap \= await planner.generatePlan(userQuery, dataSchema, candidateTools);
|
||||
|
||||
// 4\. \[Frontend\] 用户确认 (HITL)
|
||||
// ... 等待用户点击 "确认执行" ...
|
||||
|
||||
// 5\. \[Executor\] 调用 R 服务
|
||||
// 此时带有用户确认过的 params
|
||||
let rResult \= await rService.execute(sap.tool\_code, sap.params);
|
||||
|
||||
// 6\. \[Self-Healing\] 简单自愈 (可选)
|
||||
if (rResult.status \=== 'error' && rResult.is\_fixable) {
|
||||
const fixedParams \= await planner.fixParams(rResult.error, sap.params);
|
||||
rResult \= await rService.execute(sap.tool\_code, fixedParams);
|
||||
}
|
||||
|
||||
// 7\. \[Critic\] 生成报告
|
||||
const finalReport \= await critic.interpret(userQuery, rResult);
|
||||
|
||||
return finalReport;
|
||||
}
|
||||
|
||||
## **3\. 详细 Prompt 设计**
|
||||
|
||||
### **3.1 Query Rewriter (查询重写器)**
|
||||
|
||||
* **目标**：解决“用户搜‘看差异’，库里存‘T检验’”的语义鸿沟。
|
||||
* **Model**：DeepSeek-V3 (Temperature: 0.3)
|
||||
|
||||
**System Prompt:**
|
||||
|
||||
你是一个精通统计学的检索助手。你的任务是将用户的自然语言需求转化为精准的检索关键词。
|
||||
|
||||
输入规则：
|
||||
1\. 提取核心统计意图（如：差异、相关、预测、降维）。
|
||||
2\. 识别变量类型（如：连续变量、分类变量）。
|
||||
3\. 生成 3-5 个同义专业术语（如：用户说"看两个组不一样"，你生成 "独立样本T检验", "差异性分析", "Wilcoxon检验"）。
|
||||
|
||||
输出格式：JSON 字符串列表
|
||||
示例输入："我想看看吸烟和不吸烟的人，肺活量有没有区别"
|
||||
示例输出：\["独立样本T检验", "两组均值比较", "差异分析", "连续变量", "二分类自变量"\]
|
||||
|
||||
### **3.2 SSA Planner (核心规划师) ⭐ 最关键**
|
||||
|
||||
* **目标**：精准选择工具并填对参数。
|
||||
* **Model**：DeepSeek-V3 (Temperature: 0.1)
|
||||
* **Context 组装**：动态插入 candidate\_tools 的 JSON Schema。
|
||||
|
||||
**System Prompt Template:**
|
||||
|
||||
你是一名资深的生物统计学家。你面前有一份数据摘要（Metadata）和一组可用的统计工具箱。
|
||||
请根据用户的需求，选择最合适的一个工具，并生成详细的执行计划（SAP）。
|
||||
|
||||
\#\#\# 数据摘要
|
||||
{{data\_schema\_json}}
|
||||
|
||||
\#\#\# 可用工具箱 (Candidates)
|
||||
{{candidate\_tools\_json}}
|
||||
|
||||
\#\#\# 决策规则 (Guardrails)
|
||||
1\. \*\*类型匹配\*\*：严格检查变量类型。不要把分类变量（如 "男/女"）填入要求数值型（Numeric）的参数中。
|
||||
2\. \*\*工具匹配\*\*：如果用户要做 "预测"，优先选 "回归" 类工具；如果做 "差异"，选 "检验" 类工具。
|
||||
3\. \*\*护栏配置\*\*：对于 T 检验、ANOVA 等参数检验，必须开启 \`check\_normality\`（正态性检查）。
|
||||
|
||||
\#\#\# 输出要求
|
||||
请先在 \<thinking\> 标签中进行推理，分析变量类型和工具适用性。
|
||||
然后输出纯 JSON，格式如下：
|
||||
{
|
||||
"tool\_code": "选中工具的CODE",
|
||||
"reasoning": "一句话解释为什么选这个工具（展示给用户看）",
|
||||
"params": { ...根据工具定义的 params\_schema 填写... },
|
||||
"guardrails": { "check\_normality": true, "auto\_fix": true }
|
||||
}
|
||||
|
||||
**User Input Example:**
|
||||
|
||||
"比较性别（Gender）对血压（SBP）的影响。"
|
||||
|
||||
**Model Output Example:**
|
||||
|
||||
\<thinking\>
|
||||
用户想要比较 "Gender" (分类变量，通常2组) 对 "SBP" (数值变量) 的影响。
|
||||
候选工具中有：ST\_T\_TEST\_IND (独立样本T检验) 和 ST\_CORRELATION (相关性)。
|
||||
T检验适用于 分类(2组) vs 数值。相关性适用于 数值 vs 数值。
|
||||
因此选择 ST\_T\_TEST\_IND。
|
||||
参数映射：group\_col="Gender", val\_col="SBP"。
|
||||
需要开启正态性检查。
|
||||
\</thinking\>
|
||||
|
||||
{
|
||||
"tool\_code": "ST\_T\_TEST\_IND",
|
||||
"reasoning": "目标变量'SBP'为数值型，分组变量'Gender'为二分类，适合使用独立样本 T 检验比较均值差异。",
|
||||
"params": { "group\_col": "Gender", "val\_col": "SBP" },
|
||||
"guardrails": { "check\_normality": true, "auto\_fix": true }
|
||||
}
|
||||
|
||||
### **3.3 SSA Critic (结果审查员)**
|
||||
|
||||
* **目标**：将 R 的输出翻译成人话，并遏制学术不端表述。
|
||||
* **Model**：DeepSeek-V3 (Temperature: 0.5)
|
||||
|
||||
**System Prompt:**
|
||||
|
||||
你是一名严谨的期刊审稿人。请根据 R 语言的统计结果，为用户撰写一段简短的分析结论。
|
||||
|
||||
\#\#\# 输入信息
|
||||
1\. 用户问题：{{user\_query}}
|
||||
2\. 统计方法：{{method\_name}}
|
||||
3\. 执行结果：{{r\_result\_json}}
|
||||
4\. 执行路径日志：{{trace\_log}}
|
||||
|
||||
\#\#\# 撰写原则 (Strict Rules)
|
||||
1\. \*\*拒绝绝对化\*\*：严禁使用 "证明了" (proved)、"确信" 等词。请使用 "差异具有统计学意义" (statistically significant) 或 "未发现显著差异"。
|
||||
2\. \*\*关注前提\*\*：如果 trace\_log 显示 "正态性检验失败，切换为非参数检验"，必须在报告中指出这一点。
|
||||
3\. \*\*完整性\*\*：不仅要报告 P 值，还要报告统计量（如 t值、F值）和置信区间（如果有）。
|
||||
4\. \*\*业务关联\*\*：尝试结合用户问题中的变量名进行解释，而不是只说 "X 和 Y"。
|
||||
|
||||
\#\#\# 输出格式
|
||||
Markdown 段落。
|
||||
|
||||
## **4\. 离线数据增强 (Offline Synthetic Generation)**
|
||||
|
||||
为了让 RAG 检索更准，我们需要在工具入库时，用 AI 生成“模拟用户提问”。这是 **"SSA-02 数据库设计"** 中 search\_text 字段的数据来源。
|
||||
|
||||
**Worker Prompt (Qwen-Max):**
|
||||
|
||||
我有一个 R 语言统计工具，定义如下：
|
||||
名称：{{tool\_name}}
|
||||
描述：{{tool\_desc}}
|
||||
参数：{{params\_schema}}
|
||||
|
||||
请模拟 5 个临床医生可能会问的自然语言问题，这些问题应该触发这个工具的使用。
|
||||
问题要包含：
|
||||
1\. 极其口语化的表达（如 "看看这两组有没有区别"）。
|
||||
2\. 带有具体医学场景的表达（如 "比较吃药和不吃药的血糖差异"）。
|
||||
3\. 包含统计术语的表达（如 "做个T检验"）。
|
||||
|
||||
输出格式：纯文本，每行一个问题。
|
||||
|
||||
## **5\. 错误自愈流程 (Self-Healing Flow)**
|
||||
|
||||
当 R 服务返回 status: "error" 时，Node.js 不会直接把报错甩给用户，而是尝试一次自愈。
|
||||
|
||||
**Trigger Condition**: R 返回错误，且错误信息包含 ParameterError 或 ColumnNotFound。
|
||||
|
||||
**Fixer Prompt:**
|
||||
|
||||
你生成的参数导致 R 代码运行报错。请修正参数。
|
||||
|
||||
\#\#\# 原始计划
|
||||
工具：{{tool\_code}}
|
||||
参数：{{original\_params}}
|
||||
|
||||
\#\#\# 报错信息
|
||||
{{error\_message}} (例如：Error: Column 'age' not found in data)
|
||||
|
||||
\#\#\# 数据摘要
|
||||
{{data\_schema}}
|
||||
|
||||
请输出修正后的 params JSON。
|
||||
|
||||
## **6\. 开发建议**
|
||||
|
||||
1. **Prompt 版本管理**：所有的 Prompt 必须存入 capability\_schema.prompt\_templates 表（复用 ADMIN 模块的能力），不要硬编码在代码里。这样运营人员可以在后台动态调整 Prompt。
|
||||
2. **Context Window 优化**：candidate\_tools 的 JSON Schema 可能会很长。如果超出 Token 限制，仅保留 tool\_code, name, desc 和 params\_schema，去除无关字段。
|
||||
3. **流式输出**：Critic 生成报告时，建议使用 SSE 流式输出，减少用户等待的焦虑感。
|
||||
130
docs/03-业务模块/SSA-智能统计分析/02-技术设计/项目开发管理与实施计划.md
Normal file
130
docs/03-业务模块/SSA-智能统计分析/02-技术设计/项目开发管理与实施计划.md
Normal file
@@ -0,0 +1,130 @@
|
||||
# **SSA-Pro: 智能统计分析项目开发管理与实施计划**
|
||||
|
||||
**文档版本：** v1.0
|
||||
|
||||
**创建日期：** 2026-02-07
|
||||
|
||||
**项目代号：** SSA (Smart Statistical Analysis)
|
||||
|
||||
**技术架构：** SSA-Pro V4.0 (Sync API \+ Guardrails \+ White-box)
|
||||
|
||||
**产品目标：** 打造医疗科研领域最严谨、透明、可交付代码的智能统计助手。
|
||||
|
||||
## **1\. 总体里程碑规划 (Milestones Map)**
|
||||
|
||||
我们将项目划分为三个阶段，采取 **"走通链路 \-\> 完善体验 \-\> 批量量产"** 的策略。
|
||||
|
||||
| 阶段 | 周期 | 核心目标 (OKR) | 交付物 |
|
||||
| :---- | :---- | :---- | :---- |
|
||||
| **Phase 1: 骨架与地基** | **Week 1-2** | **跑通 "Hello World"**。 打通 Node \-\> R 的调用链路，完成数据库与 Docker 环境搭建。 | ✅ R Docker 基础镜像 ✅ 核心数据库表 (tools\_library) ✅ 第 1 个工具 (T检验) 跑通 API |
|
||||
| **Phase 2: 智能与交互 MVP** | **Week 3-5** | **实现 "V2 原型体验"**。 完成 RAG 检索、AI 规划、前端交互卡片，集成 Top 10 核心工具。 | ✅ 完整 Chat 交互界面 ✅ 智能规划 (Planner) 上线 ✅ 10 个高频统计工具可用 |
|
||||
| **Phase 3: 量产与交付** | **Week 6-8** | **覆盖 80% 场景**。 批量迁移剩余工具，完善结果解释 (Critic) 与代码下载功能。 | ✅ 50+ 工具上线 ✅ 代码下载/Word导出功能 ✅ 生产环境部署与压测 |
|
||||
|
||||
## **2\. 详细任务清单 (To-Do List by Role)**
|
||||
|
||||
### **🏁 Phase 1: 骨架与地基 (Week 1-2)**
|
||||
|
||||
**目标：** 不追求 UI 美观，只追求 API 通畅。实现 POST /execute 能返回 T 检验的 JSON 结果。
|
||||
|
||||
#### **🐹 后端工程 (Node.js)**
|
||||
|
||||
* \[ \] **DB 设计**：根据 SSA-02 创建 ssa\_schema 及 tools\_library, execution\_logs 表。
|
||||
* \[ \] **API 存根**：实现 POST /api/v1/ssa/execute 接口，目前仅做转发（Proxy）到 R 服务。
|
||||
* \[ \] **RAG 基础**：复用 common/rag，创建 ToolSearchService，支持对工具描述的向量检索。
|
||||
|
||||
#### **📐 R 工程 (Statistics)**
|
||||
|
||||
* \[ \] **环境构建**：编写 Dockerfile，基于 rocker/r-ver，安装 plumber, jsonlite, ggplot2 等基础包。
|
||||
* \[ \] **Wrapper 规范**：根据 SSA-01，编写标准 wrapper\_template.R（含输入解析、错误捕获、Base64输出）。
|
||||
* \[ \] **首个工具**：迁移并封装 ST\_T\_TEST\_IND (独立样本 T 检验)，实现正态性检查逻辑。
|
||||
* \[ \] **服务启动**：编写 plumber.R 入口文件，挂载 /run 端点。
|
||||
|
||||
#### **🎨 前端工程 (React)**
|
||||
|
||||
* \[ \] **Mock 数据**：根据原型图，构造 PlanCard 和 ResultCard 的 Mock JSON 数据。
|
||||
* \[ \] **组件开发**：开发基础的 ChatContainer（复用 AIA 模块）和侧边栏框架。
|
||||
|
||||
### **🚀 Phase 2: 智能与交互 MVP (Week 3-5)**
|
||||
|
||||
**目标：** 用户可以上传数据，AI 能听懂并规划，前端能展示“执行树”和“三线表”。
|
||||
|
||||
#### **🧠 AI 策略 (Prompt Engineering)**
|
||||
|
||||
* \[ \] **Query Rewriter**：调试 Prompt，将用户口语（"看差异"）转化为术语（"T检验"）。
|
||||
* \[ \] **Planner Agent**：根据 SSA-03，调试 DeepSeek-V3 的 Prompt，确保稳定输出符合 Schema 的 JSON 计划。
|
||||
* \[ \] **元数据注入**：实现动态 Context 组装逻辑（只注入 Top-5 工具定义）。
|
||||
|
||||
#### **📐 R 工程 (Statistics)**
|
||||
|
||||
* \[ \] **Top 10 工具迁移**：完成卡方、ANOVA、相关性、Mann-Whitney、Wilcoxon 等高频工具的封装。
|
||||
* \[ \] **Trace Log 实现**：在 R 代码中埋点，记录 check\_normality, check\_variance 等步骤的状态。
|
||||
* \[ \] **代码生成器**：实现 generate\_code() 函数，拼接可独立运行的 R 脚本字符串。
|
||||
|
||||
#### **🎨 前端工程 (React)**
|
||||
|
||||
* \[ \] **卡片组件**：开发 ConfirmationCard (确认卡片) 和 ExecutionTree (执行路径树，支持动画)。
|
||||
* \[ \] **结果渲染**：开发 ResultCard，支持 Tab 切换 (解读/图表/表格)。
|
||||
* \[ \] **数据上传**：实现侧边栏文件上传，调用 DC 模块解析 Schema（不传数据给 LLM）。
|
||||
|
||||
#### **🐹 后端工程 (Node.js)**
|
||||
|
||||
* \[ \] **编排逻辑**：实现 Retrieve \-\> Plan \-\> Wait \-\> Execute 的完整业务流。
|
||||
* \[ \] **数据隐私**：确保传给 LLM 的只有 Schema，传给 R 的才有 Data。
|
||||
|
||||
### **📦 Phase 3: 量产与交付 (Week 6-8)**
|
||||
|
||||
**目标：** 工具库丰富，报告专业，具备生产环境稳定性。
|
||||
|
||||
#### **📐 R 工程 (Statistics)**
|
||||
|
||||
* \[ \] **批量工厂**：编写脚本扫描旧 R 代码注释，自动生成 tools\_library.json 元数据（Metadata Engineering）。
|
||||
* \[ \] **长尾工具迁移**：按优先级迁移剩余工具（回归、生存分析、降维等）。
|
||||
* \[ \] **错误处理**：增强 tryCatch，对常见统计错误返回友好的 Message。
|
||||
|
||||
#### **🧠 AI 策略 (Critic)**
|
||||
|
||||
* \[ \] **Critic Agent**：调试“结果解释” Prompt，确保输出严谨的学术结论（P值解读、置信区间）。
|
||||
* \[ \] **模拟提问生成**：使用 Qwen-Max 离线生成 500+ 条模拟用户提问，更新向量库，提升检索准确率。
|
||||
|
||||
#### **🎨 前端工程 (React)**
|
||||
|
||||
* \[ \] **三线表组件**：优化表格样式，符合 APA 格式。
|
||||
* \[ \] **资产交付**：实现 R 代码下载（.zip）和 Word 报告导出（调用 Pandoc 服务）。
|
||||
* \[ \] **图表预览**：集成 react-photo-view 实现图表点击放大。
|
||||
|
||||
#### **🛡️ 运维与测试**
|
||||
|
||||
* \[ \] **网络隔离**：配置 SAE 网络策略，禁止 R 容器访问外网。
|
||||
* \[ \] **并发测试**：测试 10 个并发请求下的 R 服务内存占用。
|
||||
* \[ \] **端到端测试**：验证 20 个典型统计场景的准确性。
|
||||
|
||||
## **3\. 关键依赖检查 (Dependencies)**
|
||||
|
||||
在项目启动前，请确认以下资源已就绪：
|
||||
|
||||
1. **基础设施**：
|
||||
* \[x\] SAE 环境 (Node.js \+ Python 已就绪，需新增 R 应用)
|
||||
* \[x\] RDS PostgreSQL (pgvector 插件已安装)
|
||||
* \[x\] OSS 存储 (用于存临时图表或大文件)
|
||||
2. **技术资产**：
|
||||
* \[x\] DC 模块 (Tool C)：用于前置数据清洗和 Excel 解析。
|
||||
* \[x\] 通用 Chat 组件：AIA 模块已沉淀，可直接复用。
|
||||
* \[x\] LLM 网关：DeepSeek-V3 接口已调通。
|
||||
|
||||
## **4\. 风险管理 (Risk Management)**
|
||||
|
||||
| 风险点 | 概率 | 影响 | 应对策略 |
|
||||
| :---- | :---- | :---- | :---- |
|
||||
| **R 工具封装进度慢** | 高 | 阻塞上线 | 优先封装 Top 10；编写代码生成脚本辅助封装。 |
|
||||
| **LLM 规划参数错误** | 中 | 运行报错 | 在 R 入口处做强类型校验；前端卡片允许用户人工修正参数。 |
|
||||
| **大文件导致 R 崩溃** | 中 | 服务不可用 | 严格限制上传文件 \< 2MB；SAE 配置内存监控和自动重启。 |
|
||||
| **统计结果解释幻觉** | 低 | 学术误导 | Critic Prompt 强制要求基于 R 输出的 JSON 说话，禁止脑补。 |
|
||||
|
||||
## **5\. 每日工作流建议 (Daily Workflow)**
|
||||
|
||||
建议采用 **"R 优先，前后端跟进"** 的模式：
|
||||
|
||||
1. **R 工程师**：每天封装 2-3 个工具，提交到代码库，并更新 tools\_metadata.json。
|
||||
2. **后端工程师**：更新向量库数据，确保 LLM 能检索到新工具。
|
||||
3. **前端工程师**：针对新工具的特殊参数（如生存分析的时间列），微调卡片展示逻辑。
|
||||
4. **每日站会**：演示昨天封装的工具是否能跑通闭环。
|
||||
Reference in New Issue
Block a user