feat(ssa): Complete Phase V-A editable analysis plan variables

Features: - Add editable variable selection in workflow plan (SingleVarSelect + MultiVarTags) - Implement 3-layer flexible interception (warning bar + icon + blocking dialog) - Add tool_param_constraints.json for 12 statistical tools parameter validation - Add PATCH /workflow/:id/params API with Zod structural validation - Implement synchronous parameter sync before execution (Promise chaining) - Fix LLM hallucination by strict system prompt constraints - Fix DynamicReport object-based rows compatibility (R baseline_table) - Fix Word export row.map error with same normalization logic - Restore inferGroupingVar for smart default variable selection - Add ReactMarkdown rendering in SSAChatPane - Update SSA module status document to v3.5 Modified files: - backend: workflow.routes, ChatHandlerService, SystemPromptService, FlowTemplateService - frontend: WorkflowTimeline, SSAWorkspacePane, DynamicReport, SSAChatPane, ssaStore, ssa.css - config: tool_param_constraints.json (new) - docs: SSA status doc, team review reports Tested: Cohort study end-to-end execution + report export verified Co-authored-by: Cursor <cursoragent@cursor.com>
2026-02-24 13:08:29 +08:00
parent dc6b292308
commit 85fda830c2
27 changed files with 2732 additions and 154 deletions
--- a/backend/scripts/seed-ssa-phase2-prompts.ts
+++ b/backend/scripts/seed-ssa-phase2-prompts.ts
@@ -32,25 +32,34 @@ const PROMPTS: PromptDef[] = [
    name: 'SSA 基础角色定义',
    description: 'Phase II — 对话层 LLM 的固定角色 System Prompt，始终作为 [1] 段注入',
    variables: [],
-    content: `你是 SSA-Pro 智能统计分析助手，专注于临床研究统计分析领域。
+    content: `你是 SSA-Pro 智能统计分析助手。你的职责是**规划、解释和沟通**，而非计算。

-## 你的身份
+## 你的身份与职能边界

-你是一位经验丰富的生物统计顾问，服务于临床研究人员和医学院师生。你不仅能执行统计分析，更重要的是帮助用户理解数据、选择方法、解读结果。
+你是「分析规划者」和「结果解读者」，不是「计算引擎」。
+系统后端有独立的 R 统计计算引擎（R-Engine），所有统计计算均由 R 引擎完成并返回真实结果。

-## 核心能力
+### 你可以做的：
+- 理解用户的分析需求，识别意图
+- 推荐合适的统计方法，解释选择理由和前提条件
+- 制定分析方案（选择工具、参数配置）
+- 解读 R 引擎返回的**真实**结果，用通俗语言解释给用户
+- 识别 PICO 结构，解读数据特征

-1. **数据理解** — 解读数据结构、变量类型、缺失模式、异常值和分布特征
-2. **方法推荐** — 根据研究设计和数据特征推荐合适的统计方法，说明前提条件和替代方案
-3. **结果解读** — 用通俗易懂的语言解释 p 值、置信区间、效应量等统计概念
-4. **PICO 识别** — 识别研究的人群、干预、对照和结局变量
+### 绝对禁止（铁律）：
+- **禁止编造或生成任何数值结果**（P值、均值、标准差、置信区间、检验统计量、OR、RR 等）
+- **禁止生成模拟/假设的分析结果表格**
+- **禁止在 R 引擎尚未执行时预测结果**
+- 如果还没有 R 引擎的执行结果，只能说明方案状态（如"方案已确认，即将启动分析"）
+
+**关键原则：没有 R 引擎的真实输出 → 绝不回答任何具体数值。违反此原则将导致临床研究的严重误导。**

 ## 沟通原则

 - 使用中文回复
 - 语言专业但不晦涩，避免不必要的术语堆砌
 - 分点作答，条理清晰
- 对不确定的内容如实说明，不编造数据或结论
+- 对不确定的内容如实说明
 - 回复简洁聚焦，不要过度发散
 - 当用户的问题涉及其数据时，优先引用数据上下文中的实际信息`,
    modelConfig: { model: 'deepseek-v3', temperature: 0.7, maxTokens: 2000 },
@@ -69,7 +78,8 @@ const PROMPTS: PromptDef[] = [
 2. 不要主动建议"帮你执行分析"，除非用户明确要求
 3. 如果问题与用户数据相关，引用数据上下文中的具体信息
 4. 如果问题超出统计分析范围，礼貌说明并引导回统计话题
-5. 回复简洁，不超过 300 字`,
+5. 回复简洁，不超过 300 字
+6. 禁止编造用户数据的具体数值（均值、P值等），只有 R 引擎返回的才是真实数据`,
    modelConfig: { model: 'deepseek-v3', temperature: 0.7, maxTokens: 1500 },
  },
  {
@@ -104,7 +114,8 @@ const PROMPTS: PromptDef[] = [
 2. 必须说明：推荐方法、选择理由、前提条件（如正态性要求）
 3. 提供至少一个替代方案（如非参数替代）
 4. 不要直接执行分析，等待用户确认方案后再执行
-5. 如果信息不足以做出推荐，主动追问缺少的关键信息`,
+5. 如果信息不足以做出推荐，主动追问缺少的关键信息
+6. 禁止给出假设的分析结果数值来论证方法优劣`,
    modelConfig: { model: 'deepseek-v3', temperature: 0.7, maxTokens: 2000 },
  },
  {
@@ -112,16 +123,21 @@ const PROMPTS: PromptDef[] = [
    name: 'SSA analyze 意图指令',
    description: 'Phase II — analyze 意图的指令段，用于播报 QPER 执行进度',
    variables: [],
-    content: `## 当前任务：分析执行播报
+    content: `## 当前任务：分析规划与执行协调

-系统正在执行统计分析（通过 QPER 引擎），你的任务是向用户简要说明进展。
+你正在协助用户进行统计分析的规划和协调。

-规则：
-1. 如果提供了工具执行结果，用通俗语言向用户解释关键发现
-2. 避免复制粘贴原始 R 输出，提炼核心信息（p 值、效应量、置信区间）
-3. 使用用户能理解的语言，必要时解释统计术语
-4. 回复控制在 200 字以内，详细结果可在分析报告中查看
-5. 如果执行出错，简要说明原因并建议解决方案`,
+### 核心规则：
+1. **你的职责是解释分析方案和方法选择理由**，而非执行计算
+2. **所有数值结果只能引用 R 引擎返回的真实输出**（会以"工具执行结果"的形式提供给你）
+3. 如果提供了 R 引擎的真实执行结果，用通俗语言向用户解读关键发现
+4. 如果 R 引擎尚未执行或未返回结果，**只能说明方案状态**（如"方案已确认，正在启动分析"）
+5. 回复控制在 200 字以内
+
+### 绝对禁止：
+- 禁止自行生成 P 值、均值、标准差、置信区间、检验统计量
+- 禁止生成分析结果表格（除非表格数据来自 R 引擎输出）
+- 禁止在没有 R 引擎输出时编造任何数值`,
    modelConfig: { model: 'deepseek-v3', temperature: 0.5, maxTokens: 1000 },
  },
  {
@@ -134,7 +150,7 @@ const PROMPTS: PromptDef[] = [
 用户想深入讨论已有的分析结果。

 规则：
-1. 基于上方注入的分析结果，帮助用户深入解读
+1. **仅基于 R 引擎返回的真实分析结果**进行解读，不要补充或编造 R 引擎未返回的数值
 2. 解释统计量的含义（如 p 值的正确解读、置信区间的意义）
 3. 讨论结果的临床意义（不仅是统计显著性）
 4. 指出分析的局限性和注意事项
--- a/backend/src/modules/ssa/config/tool_param_constraints.json
+++ b/backend/src/modules/ssa/config/tool_param_constraints.json
@@ -0,0 +1,52 @@
+{
+  "ST_DESCRIPTIVE": {
+    "variables": { "paramType": "multi", "requiredType": "any", "hint": "选择需要描述的变量" },
+    "group_var": { "paramType": "single", "requiredType": "categorical", "hint": "分组变量（可选）" }
+  },
+  "ST_T_TEST_IND": {
+    "group_var": { "paramType": "single", "requiredType": "categorical", "maxLevels": 2, "hint": "T检验要求二分类分组变量" },
+    "value_var": { "paramType": "single", "requiredType": "numeric", "hint": "T检验要求连续型因变量" }
+  },
+  "ST_MANN_WHITNEY": {
+    "group_var": { "paramType": "single", "requiredType": "categorical", "maxLevels": 2, "hint": "Mann-Whitney检验要求二分类分组变量" },
+    "value_var": { "paramType": "single", "requiredType": "numeric", "hint": "要求连续型因变量" }
+  },
+  "ST_T_TEST_PAIRED": {
+    "before_var": { "paramType": "single", "requiredType": "numeric", "hint": "前测变量应为连续型" },
+    "after_var": { "paramType": "single", "requiredType": "numeric", "hint": "后测变量应为连续型" }
+  },
+  "ST_WILCOXON": {
+    "before_var": { "paramType": "single", "requiredType": "numeric", "hint": "前测变量应为连续型" },
+    "after_var": { "paramType": "single", "requiredType": "numeric", "hint": "后测变量应为连续型" }
+  },
+  "ST_CHI_SQUARE": {
+    "var1": { "paramType": "single", "requiredType": "categorical", "hint": "卡方检验要求分类变量" },
+    "var2": { "paramType": "single", "requiredType": "categorical", "hint": "卡方检验要求分类变量" }
+  },
+  "ST_FISHER": {
+    "var1": { "paramType": "single", "requiredType": "categorical", "hint": "Fisher检验要求分类变量" },
+    "var2": { "paramType": "single", "requiredType": "categorical", "hint": "Fisher检验要求分类变量" }
+  },
+  "ST_CORRELATION": {
+    "var_x": { "paramType": "single", "requiredType": "numeric", "hint": "相关分析要求连续型变量" },
+    "var_y": { "paramType": "single", "requiredType": "numeric", "hint": "相关分析要求连续型变量" }
+  },
+  "ST_LOGISTIC_BINARY": {
+    "outcome_var": { "paramType": "single", "requiredType": "categorical", "maxLevels": 2, "hint": "二元Logistic回归要求二分类结局变量" },
+    "predictors": { "paramType": "multi", "requiredType": "any", "hint": "预测变量" },
+    "confounders": { "paramType": "multi", "requiredType": "any", "hint": "混杂因素（可选）" }
+  },
+  "ST_LINEAR_REG": {
+    "outcome_var": { "paramType": "single", "requiredType": "numeric", "hint": "线性回归要求连续型结局变量" },
+    "predictors": { "paramType": "multi", "requiredType": "any", "hint": "预测变量" },
+    "confounders": { "paramType": "multi", "requiredType": "any", "hint": "混杂因素（可选）" }
+  },
+  "ST_ANOVA_ONE": {
+    "group_var": { "paramType": "single", "requiredType": "categorical", "minLevels": 3, "hint": "ANOVA要求3组及以上分组变量" },
+    "value_var": { "paramType": "single", "requiredType": "numeric", "hint": "要求连续型因变量" }
+  },
+  "ST_BASELINE_TABLE": {
+    "group_var": { "paramType": "single", "requiredType": "categorical", "minLevels": 2, "maxLevels": 5, "hint": "基线表需要分类分组变量" },
+    "analyze_vars": { "paramType": "multi", "requiredType": "any", "hint": "选择需要分析的变量" }
+  }
+}
--- a/backend/src/modules/ssa/routes/workflow.routes.ts
+++ b/backend/src/modules/ssa/routes/workflow.routes.ts
@@ -9,6 +9,7 @@
 */

 import { FastifyInstance, FastifyRequest, FastifyReply } from 'fastify';
+import { z } from 'zod';
 import { logger } from '../../../common/logging/index.js';
 import { workflowPlannerService } from '../services/WorkflowPlannerService.js';
 import { workflowExecutorService } from '../services/WorkflowExecutorService.js';
@@ -372,6 +373,143 @@ export default async function workflowRoutes(app: FastifyInstance) {
    }
  );

+  /**
+   * PATCH /workflow/:workflowId/params
+   * Phase V: 批量更新 workflow step 参数（变量可编辑化）
+   * 
+   * Zod 结构校验防火墙：
+   *   - 结构非法（字段类型错误、必填字段缺失）→ 400 Bad Request
+   *   - 统计学不合理但结构合法 → 放行，交给 R 引擎 tryCatch
+   */
+  app.patch<{ Params: { workflowId: string }; Body: { steps: Array<{ stepOrder: number; params: Record<string, any> }> } }>(
+    '/:workflowId/params',
+    async (request, reply) => {
+      const { workflowId } = request.params;
+      const { steps } = request.body;
+
+      const PatchStepSchema = z.object({
+        stepOrder: z.number().int().positive(),
+        params: z.record(z.string(), z.unknown()),
+      });
+      const PatchBodySchema = z.object({
+        steps: z.array(PatchStepSchema).min(1),
+      });
+
+      const validation = PatchBodySchema.safeParse({ steps });
+      if (!validation.success) {
+        return reply.status(400).send({
+          success: false,
+          error: 'Invalid request body',
+          details: validation.error.flatten(),
+        });
+      }
+
+      try {
+        const workflow = await prisma.ssaWorkflow.findUnique({
+          where: { id: workflowId },
+          select: { id: true, status: true, sessionId: true },
+        });
+
+        if (!workflow) {
+          return reply.status(404).send({ success: false, error: 'Workflow not found' });
+        }
+
+        if (workflow.status !== 'planned' && workflow.status !== 'pending') {
+          return reply.status(409).send({
+            success: false,
+            error: `Cannot modify params for workflow in '${workflow.status}' state`,
+          });
+        }
+
+        // Validate variable names exist in session data schema
+        const session = await prisma.ssaSession.findUnique({
+          where: { id: workflow.sessionId },
+          select: { dataSchema: true },
+        });
+        const schema = session?.dataSchema as any;
+        const validColumnNames = new Set<string>(
+          (schema?.columns || []).map((c: any) => c.name)
+        );
+
+        for (const stepPatch of validation.data.steps) {
+          for (const [key, value] of Object.entries(stepPatch.params)) {
+            if (typeof value === 'string' && value && !key.startsWith('_')) {
+              if (['group_var', 'outcome_var', 'value_var', 'var_x', 'var_y',
+                   'before_var', 'after_var', 'var1', 'var2'].includes(key)) {
+                if (validColumnNames.size > 0 && !validColumnNames.has(value)) {
+                  return reply.status(400).send({
+                    success: false,
+                    error: `Variable '${value}' in step ${stepPatch.stepOrder}.${key} does not exist in the dataset`,
+                  });
+                }
+              }
+            }
+            if (Array.isArray(value) && ['analyze_vars', 'predictors', 'variables', 'confounders'].includes(key)) {
+              for (const v of value) {
+                if (typeof v === 'string' && validColumnNames.size > 0 && !validColumnNames.has(v)) {
+                  return reply.status(400).send({
+                    success: false,
+                    error: `Variable '${v}' in step ${stepPatch.stepOrder}.${key} does not exist in the dataset`,
+                  });
+                }
+              }
+            }
+          }
+        }
+
+        // Update each step's inputParams in the database
+        const updatePromises = validation.data.steps.map((stepPatch) =>
+          prisma.ssaWorkflowStep.updateMany({
+            where: {
+              workflowId,
+              stepOrder: stepPatch.stepOrder,
+            },
+            data: {
+              inputParams: stepPatch.params as any,
+            },
+          })
+        );
+
+        await Promise.all(updatePromises);
+
+        // Also update the workflowPlan JSON blob's steps params
+        const currentPlan = await prisma.ssaWorkflow.findUnique({
+          where: { id: workflowId },
+          select: { workflowPlan: true },
+        });
+        if (currentPlan?.workflowPlan) {
+          const plan = currentPlan.workflowPlan as any;
+          if (plan.steps) {
+            for (const stepPatch of validation.data.steps) {
+              const planStep = plan.steps.find((s: any) => s.step_number === stepPatch.stepOrder);
+              if (planStep) {
+                planStep.params = stepPatch.params;
+              }
+            }
+            await prisma.ssaWorkflow.update({
+              where: { id: workflowId },
+              data: { workflowPlan: plan },
+            });
+          }
+        }
+
+        logger.info('[SSA:API] Workflow params updated', {
+          workflowId,
+          stepsUpdated: validation.data.steps.length,
+        });
+
+        return reply.send({ success: true, stepsUpdated: validation.data.steps.length });
+
+      } catch (error: any) {
+        logger.error('[SSA:API] Patch workflow params failed', {
+          workflowId,
+          error: error.message,
+        });
+        return reply.status(500).send({ success: false, error: error.message });
+      }
+    }
+  );
+
  /**
   * POST /workflow/profile
   * 生成数据画像
--- a/backend/src/modules/ssa/services/ChatHandlerService.ts
+++ b/backend/src/modules/ssa/services/ChatHandlerService.ts
@@ -239,7 +239,8 @@ export class ChatHandlerService {
    const toolOutputs = [
      guardToolOutput,
      planSummary,
-      '[系统提示] 你刚刚为用户制定了上述分析方案。请用自然语言向用户解释这个方案：包括为什么选这些方法、分析步骤的逻辑。不要重复列步骤编号和工具代码，要用用户能理解的语言说明。最后提示用户确认方案后即可执行。',
+      '[系统指令] 你刚刚为用户制定了上述分析方案。请用自然语言向用户解释这个方案：包括为什么选这些方法、分析步骤的逻辑。不要重复列步骤编号和工具代码，要用用户能理解的语言说明。最后提示用户确认方案后即可执行。',
+      '【禁止事项】不要预测、模拟或编造任何分析结果、数值或表格。方案只是计划，R 引擎尚未执行，你不知道结果是什么。',
    ].filter(Boolean).join('\n\n');

    const messages = await conversationService.buildContext(
@@ -397,7 +398,9 @@ export class ChatHandlerService {
    writer: StreamWriter,
    placeholderMessageId: string,
  ): Promise<HandleResult> {
-    // 清除 pending 状态
+    // 先读取 pending 元数据（含 workflowId），再清除
+    const pending = await askUserService.getPending(sessionId);
+    const pendingMeta = pending?.metadata || {};
    await askUserService.clearPending(sessionId);

    if (response.action === 'skip') {
@@ -423,15 +426,21 @@ export class ChatHandlerService {
    const selectedValue = response.selectedValues?.[0];

    if (selectedValue === 'confirm_plan') {
-      // Phase IV: 确认分析方案 → 前端将触发 executeWorkflow
-      const workflowId = response.metadata?.workflowId || '';
+      // Phase IV: 确认分析方案 → 前端打开工作区，用户手动点击执行
+      const workflowId = pendingMeta.workflowId || response.metadata?.workflowId || '';
      const messages = await conversationService.buildContext(
        sessionId, conversationId, 'analyze',
-        `[系统提示] 用户已确认分析方案（workflow: ${workflowId}）。请简要确认："好的，方案已确认，正在准备执行分析..."。`,
+        [
+          `[系统指令——严格遵守] 用户已确认分析方案（workflow: ${workflowId}）。`,
+          '你只需回复一句简短的确认消息，例如："好的，方案已确认。请在右侧工作区点击「开始执行分析」启动 R 引擎。"',
+          '【铁律】禁止在此回复中生成任何分析结果、表格、P值、统计量、数值。',
+          '你不是计算引擎，所有数值结果将由 R 统计引擎独立计算后返回。',
+          '你的回复不得超过 2 句话。',
+        ].join('\n'),
      );

      const result = await conversationService.streamToSSE(messages, writer, {
-        temperature: 0.3, maxTokens: 300,
+        temperature: 0.1, maxTokens: 150,
      });

      await conversationService.finalizeAssistantMessage(
@@ -451,12 +460,12 @@ export class ChatHandlerService {
      // Phase III: 确认使用推荐方法 → 提示可以开始分析
      const messages = await conversationService.buildContext(
        sessionId, conversationId, 'analyze',
-        '[系统提示] 用户已确认使用推荐的统计方法。请简要确认方案，告知用户可以在对话中说"开始分析"或在右侧面板触发执行。',
+        '[系统指令] 用户已确认使用推荐的统计方法。请简要确认方案，告知用户可以在对话中说"开始分析"或在右侧面板触发执行。禁止生成任何数值或假设的分析结果。',
      );

      const result = await conversationService.streamToSSE(messages, writer, {
-        temperature: 0.5,
-        maxTokens: 800,
+        temperature: 0.3,
+        maxTokens: 500,
      });

      await conversationService.finalizeAssistantMessage(
--- a/backend/src/modules/ssa/services/FlowTemplateService.ts
+++ b/backend/src/modules/ssa/services/FlowTemplateService.ts
@@ -131,7 +131,7 @@ export class FlowTemplateService {
          params[key] = query.outcome_var;
          break;
        case '{{grouping_var}}':
-          params[key] = query.grouping_var;
+          params[key] = query.grouping_var || this.inferGroupingVar(query, profile);
          break;
        case '{{all_predictors}}':
          params[key] = query.predictor_vars;
@@ -150,6 +150,51 @@ export class FlowTemplateService {
    return { params, epvWarning };
  }

+  /**
+   * 当 LLM 未识别 grouping_var 时，从数据画像中自动推断
+   * 优先选择：二分类变量（排除 outcome_var），最典型的分组/暴露变量
+   */
+  private inferGroupingVar(query: ParsedQuery, profile?: DataProfile | null): string | null {
+    if (!profile?.columns) return null;
+
+    const excludeVars = new Set<string>();
+    if (query.outcome_var) excludeVars.add(query.outcome_var.toLowerCase());
+
+    const binaryCandidates = profile.columns.filter(c =>
+      c.type === 'categorical' &&
+      c.totalLevels === 2 &&
+      !excludeVars.has(c.name.toLowerCase())
+    );
+
+    if (binaryCandidates.length > 0) {
+      const chosen = binaryCandidates[0].name;
+      logger.info('[SSA:FlowTemplate] Auto-inferred grouping_var', {
+        chosen,
+        candidates: binaryCandidates.map(c => c.name),
+      });
+      return chosen;
+    }
+
+    const categoricalCandidates = profile.columns.filter(c =>
+      c.type === 'categorical' &&
+      c.totalLevels !== undefined &&
+      c.totalLevels >= 2 &&
+      c.totalLevels <= 5 &&
+      !excludeVars.has(c.name.toLowerCase())
+    );
+
+    if (categoricalCandidates.length > 0) {
+      const chosen = categoricalCandidates[0].name;
+      logger.info('[SSA:FlowTemplate] Auto-inferred grouping_var (categorical)', {
+        chosen,
+      });
+      return chosen;
+    }
+
+    logger.warn('[SSA:FlowTemplate] No suitable grouping_var found in profile');
+    return null;
+  }
+
  /**
   * 构建默认参数（非 paramsMapping 模板步骤使用）
   */
--- a/backend/src/modules/ssa/services/SystemPromptService.ts
+++ b/backend/src/modules/ssa/services/SystemPromptService.ts
@@ -123,12 +123,29 @@ export class SystemPromptService {
  }

  private fallbackBaseSystem(): string {
-    return `你是 SSA-Pro 智能统计分析助手，专注于临床研究统计分析。
-你具备以下能力：
- 理解临床研究数据的结构和特征
- 推荐合适的统计分析方法
- 解读统计分析结果
- 用通俗易懂的语言向医学研究者解释统计概念
+    return `你是 SSA-Pro 智能统计分析助手。你的职责是**规划、解释和沟通**，而非计算。
+
+## 你的身份与职能边界
+
+你是「分析规划者」和「结果解读者」，不是「计算引擎」。
+系统后端有独立的 R 统计计算引擎，所有统计计算均由 R 引擎完成。
+
+### 你可以做的：
+- 理解用户的分析需求，识别意图
+- 推荐合适的统计方法，解释选择理由
+- 制定分析方案（选择工具、参数）
+- 解读 R 引擎返回的真实结果
+- 用通俗语言向研究者解释统计概念
+
+### 绝对禁止：
+- **禁止编造或生成任何数值结果**（P值、均值、标准差、置信区间、检验统计量等）
+- **禁止模拟或假设分析结果**（即使用户催促，也不能捏造数据）
+- **禁止生成结果表格**（除非表格数据来自 R 引擎的真实输出）
+- 如果还没有 R 引擎的执行结果，只能说"正在等待执行"或"方案已确认，即将启动分析"
+
+### 关键原则：
+没有 R 引擎的真实输出 → 不回答任何具体数值。
+这是铁律，违反将导致临床研究的严重错误。

 沟通原则：
 - 使用中文回复
@@ -139,12 +156,12 @@ export class SystemPromptService {

  private fallbackIntentInstruction(intent: IntentType): string {
    const map: Record<IntentType, string> = {
-      chat: '请基于统计知识和用户数据直接回答用户的问题。不要主动建议执行分析，除非用户明确要求。简洁作答，分点清晰。',
-      explore: '用户想了解数据的特征。请基于上方的数据摘要信息，帮用户解读数据特征（缺失、分布、异常值等）。可以推断 PICO 结构。不要执行分析。',
-      consult: '用户在咨询统计方法。请根据数据特征和研究目的推荐合适的统计方法，给出选择理由和前提条件。不要直接执行分析。提供替代方案。',
-      analyze: '以下是工具执行结果。请向用户简要说明分析进展和关键发现。使用通俗语言，避免过度技术化。',
-      discuss: '用户想讨论分析结果。请帮助用户深入解读结果，解释统计量的含义，讨论临床意义和局限性。',
-      feedback: '用户对之前的分析结果不满意或有改进建议。请分析问题原因，提出改进方案（如更换统计方法、调整参数等）。',
+      chat: '请基于统计知识和用户数据直接回答用户的问题。不要主动建议执行分析，除非用户明确要求。简洁作答，分点清晰。禁止编造任何数值。',
+      explore: '用户想了解数据的特征。请基于上方的数据摘要信息，帮用户解读数据特征（缺失、分布、异常值等）。可以推断 PICO 结构。不要执行分析，不要编造统计数值。',
+      consult: '用户在咨询统计方法。请根据数据特征和研究目的推荐合适的统计方法，给出选择理由和前提条件。不要直接执行分析。提供替代方案。禁止给出任何假设的分析结果数值。',
+      analyze: '你正在协助用户进行分析规划。你的职责限于：解释分析方案的思路和方法选择理由。禁止生成任何P值、统计量、均值、分析结果表格。所有数值结果只能来自 R 引擎的真实执行输出。如果 R 引擎还没有返回结果，只能说明方案状态，不能自行填充结果。',
+      discuss: '用户想讨论分析结果。请仅基于 R 引擎返回的真实数据帮助用户解读，解释统计量的含义，讨论临床意义和局限性。禁止补充或编造 R 引擎未返回的数值。',
+      feedback: '用户对之前的分析结果不满意或有改进建议。请分析问题原因，提出改进方案（如更换统计方法、调整参数等）。禁止编造数值来论证改进效果。',
    };
    return map[intent];
  }