feat(asl): Complete Week 4 - Results display and Excel export with hybrid solution

Features: - Backend statistics API (cloud-native Prisma aggregation) - Results page with hybrid solution (AI consensus + human final decision) - Excel export (frontend generation, zero disk write, cloud-native) - PRISMA-style exclusion reason analysis with bar chart - Batch selection and export (3 export methods) - Fixed logic contradiction (inclusion does not show exclusion reason) - Optimized table width (870px, no horizontal scroll) Components: - Backend: screeningController.ts - add getProjectStatistics API - Frontend: ScreeningResults.tsx - complete results page (hybrid solution) - Frontend: excelExport.ts - Excel export utility (40 columns full info) - Frontend: ScreeningWorkbench.tsx - add navigation button - Utils: get-test-projects.mjs - quick test tool Architecture: - Cloud-native: backend aggregation reduces network transfer - Cloud-native: frontend Excel generation (zero file persistence) - Reuse platform: global prisma instance, logger - Performance: statistics API < 500ms, Excel export < 3s (1000 records) Documentation: - Update module status guide (add Week 4 features) - Update task breakdown (mark Week 4 completed) - Update API design spec (add statistics API) - Update database design (add field usage notes) - Create Week 4 development plan - Create Week 4 completion report - Create technical debt list Test: - End-to-end flow test passed - All features verified - Performance test passed - Cloud-native compliance verified Ref: Week 4 Development Plan Scope: ASL Module MVP - Title Abstract Screening Results Cloud-Native: Backend aggregation + Frontend Excel generation
2025-11-21 20:12:38 +08:00
parent 2e8699c217
commit 8eef9e0544
207 changed files with 11142 additions and 531 deletions
--- a/docs/03-业务模块/ASL-AI智能文献/06-技术债务/技术债务清单.md
+++ b/docs/03-业务模块/ASL-AI智能文献/06-技术债务/技术债务清单.md
@@ -0,0 +1,867 @@
+# AI智能文献模块 - 技术债务清单
+
+> **文档版本：** v1.0  
+> **创建日期：** 2025-11-21  
+> **维护者：** AI智能文献开发团队  
+> **最后更新：** 2025-11-21  
+> **文档目的：** 记录MVP完成后需要优化的技术问题
+
+---
+
+## 📋 文档说明
+
+本文档记录AI智能文献模块在MVP开发完成后，发现的需要优化但不影响核心功能的技术问题。这些问题将在MVP稳定运行后，按优先级逐步解决。
+
+**当前MVP状态**：
+- ✅ 核心功能完整（上传→筛选→复核）
+- ✅ 双模型筛选可用（DeepSeek + Qwen）
+- ✅ 前后端联调通过
+- ⚠️ 准确率60%，低于目标85%
+- ⚠️ 性能较慢，199篇约33-66分钟
+
+---
+
+## 🔴 优先级1：质量优化（准确率）
+
+### 问题描述
+
+**当前状态**：
+- 准确率：60%
+- 目标：≥85%
+- 差距：25%
+
+**影响范围**：
+- 直接影响用户对AI筛选结果的信任度
+- 增加人工复核工作量
+- 可能导致漏筛或误筛
+
+**根本原因**（基于2025-11-18测试报告）：
+1. **Prompt不够清晰**：AI对"边界情况"的理解与人类不一致
+2. **缺少Few-shot示例**：模型没有参考案例，难以把握标准
+3. **PICOS标准模糊**：用户输入的标准可能含糊不清
+4. **冲突检测不敏感**：只检测结论不一致，忽略了置信度和PICO差异
+
+---
+
+### 优化方案1：Few-shot示例
+
+**目标**：在Prompt中添加3-5个高质量示例
+
+**实施步骤**：
+
+#### Step 1: 设计示例结构
+```
+每个示例包含：
+1. 文献标题和摘要（精简版）
+2. PICOS标准
+3. 纳入/排除标准
+4. 正确的判断结果（include/exclude）
+5. 详细的推理过程
+```
+
+#### Step 2: 选择示例类型
+```
+示例1：明确应纳入 - 完美匹配所有PICOS
+示例2：明确应排除 - 人群不匹配
+示例3：明确应排除 - 研究设计不符
+示例4：边界情况 - 部分匹配，但应纳入
+示例5：边界情况 - 看似匹配，但应排除
+```
+
+#### Step 3: 编写示例
+```
+参考真实测试案例中的成功和失败案例
+确保示例覆盖常见的判断场景
+```
+
+#### Step 4: 集成到Prompt
+```
+位置：backend/prompts/asl/screening/v1.1.0-fewshot.txt
+格式：
+---
+## 示例1：明确纳入
+【文献】：...
+【PICOS】：...
+【判断】：include
+【原因】：...
+---
+```
+
+**预计提升**：准确率 +10-15%（60% → 70-75%）
+
+**预计耗时**：1天
+
+---
+
+### 优化方案2：PICOS标准明确化
+
+**目标**：帮助AI更准确理解用户的PICOS标准
+
+**实施步骤**：
+
+#### Step 1: 增强PICOS输入
+```typescript
+// 当前输入
+picoCriteria: {
+  P: "2型糖尿病成人患者",
+  I: "SGLT2抑制剂",
+  ...
+}
+
+// 优化后输入
+picoCriteria: {
+  P: {
+    description: "2型糖尿病成人患者",
+    keywords: ["2型糖尿病", "成人", "T2DM"],
+    mustInclude: ["糖尿病"],
+    mustExclude: ["1型", "儿童", "青少年"]
+  },
+  ...
+}
+```
+
+#### Step 2: 在Prompt中明确要求
+```
+在Prompt中添加：
+- 明确哪些关键词必须出现
+- 明确哪些关键词不能出现
+- 部分匹配的判断标准（如"部分匹配"意味着什么）
+```
+
+#### Step 3: 调整前端表单
+```
+在TitleScreeningSettings.tsx中：
+- 为每个PICO字段添加"关键词提取"功能
+- 添加"必须包含"和"必须排除"的高级选项
+- 提供标准模板
+```
+
+**预计提升**：准确率 +5-10%（75% → 80-85%）
+
+**预计耗时**：2天
+
+---
+
+### 优化方案3：置信度阈值调优
+
+**目标**：提高模型判断的置信度，减少不确定性
+
+**实施步骤**：
+
+#### Step 1: 分析置信度分布
+```sql
+-- 查询置信度分布
+SELECT 
+  ROUND(ds_confidence * 10) / 10 as confidence_range,
+  COUNT(*) as count
+FROM asl_schema.screening_results
+GROUP BY confidence_range
+ORDER BY confidence_range;
+```
+
+#### Step 2: 调整Prompt要求
+```
+在Prompt中明确：
+- 什么情况下应该给出高置信度（0.8-1.0）
+- 什么情况下应该给出中置信度（0.5-0.8）
+- 什么情况下应该给出低置信度（0-0.5）
+- 低于0.7的自动标记为"需要人工复核"
+```
+
+#### Step 3: 优化冲突检测
+```typescript
+// 当前：只检测结论不一致
+hasConflict = (dsConclusion !== qwenConclusion);
+
+// 优化：增加置信度差异检测
+hasConflict = 
+  (dsConclusion !== qwenConclusion) || // 结论不一致
+  (Math.abs(dsConfidence - qwenConfidence) > 0.3) || // 置信度差异大
+  (dsJudgments.P !== qwenJudgments.P && important.includes('P')); // 关键PICO不一致
+```
+
+**预计提升**：冲突检测准确率 +10%，减少漏检
+
+**预计耗时**：0.5天
+
+---
+
+### 优化方案4：测试与迭代
+
+**目标**：持续测试和优化，直到准确率≥85%
+
+**实施步骤**：
+
+#### Step 1: 使用现有测试脚本
+```bash
+cd backend
+npm run test:llm
+
+# 或直接运行
+npx ts-node scripts/test-llm-screening.ts
+```
+
+#### Step 2: 分析失败案例
+```
+对于每个失败案例：
+1. 记录AI的判断结果
+2. 记录正确答案
+3. 分析差异原因
+4. 调整Prompt或示例
+```
+
+#### Step 3: A/B测试
+```
+测试不同版本的Prompt：
+- v1.0.0-mvp（当前，60%）
+- v1.1.0-fewshot（+Few-shot）
+- v1.2.0-picos-enhanced（+PICOS明确化）
+- v1.3.0-confidence（+置信度优化）
+```
+
+#### Step 4: 记录测试结果
+```
+创建测试报告：
+- 准确率变化曲线
+- 各版本对比
+- 失败案例分析
+- 最终推荐版本
+```
+
+**预计耗时**：1-2天（迭代）
+
+---
+
+### 质量优化总计
+
+**预计提升**：60% → 85-90%
+
+**预计总耗时**：4-5天
+
+**负责人**：AI工程师 + 医学专家
+
+**验收标准**：
+- ✅ 准确率 ≥ 85%
+- ✅ 双模型一致率 ≥ 80%
+- ✅ 人工复核队列 ≤ 20%
+- ✅ 置信度分布合理（高置信度占60%+）
+
+---
+
+## 🟡 优先级2：性能优化（并发处理）
+
+### 问题描述
+
+**当前状态**：
+- 处理方式：串行（一篇接一篇）
+- 处理速度：10-20秒/篇（DeepSeek + Qwen并行）
+- 总耗时：199篇约33-66分钟
+
+**目标**：
+- 处理方式：3-5并发
+- 总耗时：199篇约10-20分钟（提速3倍）
+
+**影响范围**：
+- 用户体验（等待时间长）
+- 云服务成本（长时间占用资源）
+
+---
+
+### 优化方案：并发处理
+
+**实施步骤**：
+
+#### Step 1: 安装并发控制库
+```bash
+cd backend
+npm install p-limit
+```
+
+#### Step 2: 修改筛选服务
+```typescript
+// 文件：backend/src/modules/asl/services/screeningService.ts
+
+import pLimit from 'p-limit';
+
+// 在 processLiteraturesInBackground 中修改
+
+// ❌ 当前：串行处理
+for (const literature of literatures) {
+  await llmScreeningService.dualModelScreening(...);
+}
+
+// ✅ 优化后：并发处理
+const concurrency = 3; // 3个并发
+const limit = pLimit(concurrency);
+
+const tasks = literatures.map((literature, index) =>
+  limit(async () => {
+    try {
+      console.log(`\n🔍 开始处理文献 ${index + 1}/${literatures.length}`);
+      
+      // 调用LLM筛选
+      const screeningResult = await llmScreeningService.dualModelScreening(...);
+      
+      // 保存结果
+      await prisma.aslScreeningResult.create({ data: screeningResult });
+      
+      // 更新进度
+      await updateTaskProgress(...);
+      
+      console.log(`✅ 文献 ${index + 1}/${literatures.length} 处理成功`);
+    } catch (error) {
+      console.error(`❌ 文献 ${index + 1}/${literatures.length} 处理失败:`, error);
+      // 继续处理其他文献
+    }
+  })
+);
+
+await Promise.all(tasks);
+```
+
+#### Step 3: 添加进度更新优化
+```typescript
+// 当前问题：高并发下频繁更新数据库
+// 解决方案：批量更新或使用内存计数器
+
+let processedCount = 0;
+let successCount = 0;
+let conflictCount = 0;
+let failedCount = 0;
+
+// 每5篇或每10秒更新一次数据库
+const updateInterval = setInterval(async () => {
+  await prisma.aslScreeningTask.update({
+    where: { id: taskId },
+    data: {
+      processedItems: processedCount,
+      successItems: successCount,
+      conflictItems: conflictCount,
+      failedItems: failedCount,
+    }
+  });
+}, 10000); // 10秒更新一次
+
+// 处理完成后清理
+clearInterval(updateInterval);
+```
+
+#### Step 4: 添加限流保护
+```typescript
+// 防止API限流
+const API_RATE_LIMITS = {
+  'deepseek-chat': { rpm: 30, tpm: 100000 }, // 每分钟30次
+  'qwen-max': { rpm: 60, tpm: 200000 },
+};
+
+// 动态调整并发数
+function calculateOptimalConcurrency(model: string): number {
+  const limit = API_RATE_LIMITS[model];
+  // 保守估计：使用限制的50%
+  return Math.floor(limit.rpm / 20); // DeepSeek: 1-2, Qwen: 3
+}
+
+const concurrency = Math.min(
+  calculateOptimalConcurrency('deepseek-chat'),
+  calculateOptimalConcurrency('qwen-max')
+); // 取最小值，约3
+```
+
+#### Step 5: 添加错误重试
+```typescript
+async function processWithRetry(
+  literature: any,
+  maxRetries: number = 2
+): Promise<any> {
+  for (let attempt = 1; attempt <= maxRetries; attempt++) {
+    try {
+      return await llmScreeningService.dualModelScreening(...);
+    } catch (error) {
+      console.error(`❌ 尝试 ${attempt}/${maxRetries} 失败:`, error);
+      if (attempt === maxRetries) throw error;
+      // 等待后重试（指数退避）
+      await new Promise(resolve => setTimeout(resolve, 1000 * attempt));
+    }
+  }
+}
+```
+
+**预计提升**：
+- 处理速度：3倍提升
+- 199篇文献：33-66分钟 → 10-20分钟
+- 用户体验：显著改善
+
+**预计耗时**：0.5-1天
+
+**负责人**：后端开发
+
+**验收标准**：
+- ✅ 199篇文献筛选 ≤ 20分钟
+- ✅ API调用不触发限流
+- ✅ 错误率不增加
+- ✅ 进度显示正常
+
+---
+
+## 🟢 优先级3：用户体验优化
+
+### 问题清单
+
+#### 1. 浏览器性能警告
+```
+[Violation]'setTimeout' handler took 72ms
+```
+
+**问题原因**：
+- React组件渲染耗时
+- 表格数据量大
+
+**解决方案**：
+- 使用虚拟滚动（`react-window`）
+- 优化表格渲染（减少不必要的re-render）
+- 使用`useMemo`缓存计算结果
+
+**预计耗时**：0.5天
+
+---
+
+#### 2. 无估计剩余时间
+
+**问题**：用户不知道还需要等多久
+
+**解决方案**：
+```typescript
+// 计算预估时间
+const avgTimePerLit = (Date.now() - task.startedAt) / task.processedItems;
+const remainingLits = task.totalItems - task.processedItems;
+const estimatedTimeRemaining = avgTimePerLit * remainingLits;
+
+// 显示
+<div>
+  预计剩余时间: {formatDuration(estimatedTimeRemaining)}
+</div>
+```
+
+**预计耗时**：0.5天
+
+---
+
+#### 3. 无当前处理文献显示
+
+**问题**：用户不知道AI正在处理哪篇文献
+
+**解决方案**：
+```typescript
+// 在 screeningService.ts 中
+await prisma.aslScreeningTask.update({
+  where: { id: taskId },
+  data: {
+    currentLiteratureTitle: literature.title, // 新增字段
+    currentLiteratureId: literature.id,
+  }
+});
+
+// 前端显示
+<div>
+  当前处理: {task.currentLiteratureTitle}
+</div>
+```
+
+**预计耗时**：0.5天
+
+---
+
+#### 4. 表格小屏幕适配
+
+**问题**：小屏幕上表格列宽度不适配
+
+**解决方案**：
+- 使用响应式布局
+- 添加"紧凑模式"切换
+- 移动端使用卡片布局代替表格
+
+**预计耗时**：1天
+
+---
+
+## 🟣 优先级4：Excel导出优化
+
+### 问题描述
+
+**当前状态**：
+- 导出方式：前端生成（`xlsx`库）
+- 适用数据量：<5000条
+- 生成速度：<1000条约2-3秒
+
+**目标状态**（当数据量>5000条或需要复杂格式时）：
+- 导出方式：后端生成 + OSS存储
+- 适用数据量：无限制
+- 支持复杂格式：多Sheet、图表、样式定制
+
+**触发条件**：
+- 单次导出数据量 >5000条
+- 需要复杂Excel格式（多Sheet、图表等）
+- 用户反馈前端导出卡顿
+
+---
+
+### 优化方案：后端导出+OSS存储
+
+**实施步骤**：
+
+#### Step 1: 后端安装Excel生成库
+```bash
+cd backend
+npm install exceljs
+```
+
+#### Step 2: 实现后端导出服务
+```typescript
+// backend/src/modules/asl/services/exportService.ts
+import ExcelJS from 'exceljs';
+import { storage } from '@/common/storage';
+import { logger } from '@/common/logging';
+
+export async function exportScreeningResults(projectId: string, filter: string) {
+  // 1. 查询数据
+  const results = await prisma.aslScreeningResult.findMany({
+    where: buildWhereClause(projectId, filter),
+    include: { literature: true },
+  });
+
+  // 2. 生成Excel（内存中）
+  const workbook = new ExcelJS.Workbook();
+  const worksheet = workbook.addWorksheet('筛选结果');
+
+  // 设置表头
+  worksheet.columns = [
+    { header: '序号', key: 'index', width: 6 },
+    { header: '文献标题', key: 'title', width: 50 },
+    // ... 更多列
+  ];
+
+  // 填充数据
+  results.forEach((result, idx) => {
+    worksheet.addRow({
+      index: idx + 1,
+      title: result.literature.title,
+      // ... 更多字段
+    });
+  });
+
+  // 3. 转为Buffer
+  const buffer = await workbook.xlsx.writeBuffer();
+
+  // 4. ⭐ 上传到OSS（使用平台存储服务）
+  const key = `asl/exports/${projectId}/${Date.now()}.xlsx`;
+  const url = await storage.upload(key, Buffer.from(buffer));
+
+  // 5. 记录日志
+  logger.info('Excel exported', { projectId, recordCount: results.length, url });
+
+  return {
+    url,
+    filename: `screening-results-${Date.now()}.xlsx`,
+    recordCount: results.length,
+  };
+}
+```
+
+#### Step 3: 实现导出API
+```typescript
+// backend/src/modules/asl/controllers/exportController.ts
+export async function exportResults(
+  request: FastifyRequest<{
+    Params: { projectId: string };
+    Querystring: { filter?: string };
+  }>,
+  reply: FastifyReply
+) {
+  try {
+    const { projectId } = request.params;
+    const filter = request.query.filter || 'all';
+
+    // 导出并上传到OSS
+    const result = await exportService.exportScreeningResults(projectId, filter);
+
+    return reply.send({
+      success: true,
+      data: result,
+    });
+  } catch (error) {
+    logger.error('Export failed', { error });
+    return reply.status(500).send({
+      success: false,
+      error: '导出失败',
+    });
+  }
+}
+```
+
+#### Step 4: 前端调用
+```typescript
+// 前端
+const handleExportLarge = async () => {
+  try {
+    message.loading('正在生成Excel，请稍候...', 0);
+
+    // 调用后端导出API
+    const { data } = await aslApi.exportResults(projectId, { filter: 'all' });
+
+    message.destroy();
+    message.success(`成功导出 ${data.recordCount} 条记录`);
+
+    // 通过OSS URL下载
+    window.open(data.url, '_blank');
+  } catch (error) {
+    message.destroy();
+    message.error('导出失败');
+  }
+};
+```
+
+#### Step 5: OSS文件清理（可选）
+```typescript
+// 定时任务：清理7天前的导出文件
+import { jobQueue } from '@/common/jobs';
+
+jobQueue.schedule('cleanup-exports', '0 2 * * *', async () => {
+  const sevenDaysAgo = new Date(Date.now() - 7 * 24 * 60 * 60 * 1000);
+  
+  // 列出并删除过期文件
+  const files = await storage.list('asl/exports/');
+  for (const file of files) {
+    if (file.lastModified < sevenDaysAgo) {
+      await storage.delete(file.key);
+    }
+  }
+  
+  logger.info('Cleaned up old export files');
+});
+```
+
+**预计提升**：
+- 支持无限数据量
+- 支持复杂格式（多Sheet、图表、样式）
+- 不占用前端资源
+
+**预计耗时**：1-2天
+
+**负责人**：后端开发
+
+**验收标准**：
+- ✅ 可导出>5000条数据
+- ✅ 文件上传到OSS
+- ✅ 前端通过URL下载
+- ✅ 符合云原生规范（使用平台存储服务）
+
+---
+
+## 🔵 优先级5：架构优化（云原生）
+
+### 问题清单
+
+#### 1. 异步任务未使用消息队列
+
+**当前状态**：
+- 筛选任务在后台线程中执行
+- 服务重启会丢失任务
+
+**目标状态**：
+- 使用Bull队列（Redis）
+- 任务持久化
+- 支持分布式处理
+
+**解决方案**：
+```typescript
+// 使用平台提供的jobQueue
+import { jobQueue } from '@/common/jobs';
+
+// 创建任务
+await jobQueue.push('asl:screening', {
+  projectId,
+  literatures,
+  config,
+});
+
+// Worker处理
+jobQueue.process('asl:screening', async (job) => {
+  await screeningService.processLiteratures(job.data);
+});
+```
+
+**预计耗时**：1-2天
+
+---
+
+#### 2. 无断点续传
+
+**问题**：任务中断后需要重新开始
+
+**解决方案**：
+```typescript
+// 检查是否有未完成的任务
+const existingTask = await prisma.aslScreeningTask.findFirst({
+  where: {
+    projectId,
+    status: 'running',
+  }
+});
+
+if (existingTask) {
+  // 恢复任务
+  const processedLiteratureIds = await getProcessedLiteratureIds(existingTask.id);
+  const remainingLiteratures = literatures.filter(
+    lit => !processedLiteratureIds.includes(lit.id)
+  );
+  await resumeTask(existingTask.id, remainingLiteratures);
+} else {
+  // 创建新任务
+  await startNewTask(projectId, literatures);
+}
+```
+
+**预计耗时**：1天
+
+---
+
+#### 3. 无成本控制
+
+**问题**：无法控制API调用成本
+
+**解决方案**：
+```typescript
+// 添加成本估算
+interface CostEstimate {
+  totalTokens: number;
+  estimatedCost: number; // USD
+  processingTime: number; // seconds
+}
+
+function estimateCost(literatures: Literature[]): CostEstimate {
+  const avgTokensPerLit = 1500; // 标题+摘要约1500 tokens
+  const totalTokens = literatures.length * avgTokensPerLit * 2; // 2个模型
+  
+  const deepseekCost = (totalTokens / 1000) * 0.001; // $0.001/1K tokens
+  const qwenCost = (totalTokens / 1000) * 0.002; // $0.002/1K tokens
+  
+  return {
+    totalTokens,
+    estimatedCost: deepseekCost + qwenCost,
+    processingTime: literatures.length * 15, // 15秒/篇
+  };
+}
+
+// 前端显示
+const estimate = estimateCost(literatures);
+<Alert>
+  预计消耗: {estimate.totalTokens} tokens
+  预计费用: ${estimate.estimatedCost.toFixed(2)}
+  预计时间: {formatDuration(estimate.processingTime)}
+</Alert>
+```
+
+**预计耗时**：0.5天
+
+---
+
+## 📊 技术债务优先级矩阵
+
+| 债务项 | 影响范围 | 紧迫性 | 预计耗时 | ROI | 优先级 |
+|--------|---------|--------|---------|-----|--------|
+| **Prompt优化** | 核心质量 | 高 | 4-5天 | 高 | P1 🔴 |
+| **并发处理** | 用户体验 | 中 | 0.5-1天 | 高 | P2 🟡 |
+| **估计剩余时间** | 用户体验 | 中 | 0.5天 | 中 | P3 🟢 |
+| **当前文献显示** | 用户体验 | 低 | 0.5天 | 中 | P3 🟢 |
+| **浏览器性能** | 用户体验 | 低 | 0.5天 | 低 | P4 🔵 |
+| **消息队列** | 架构稳定性 | 低 | 1-2天 | 中 | P4 🔵 |
+| **断点续传** | 用户体验 | 低 | 1天 | 中 | P4 🔵 |
+| **成本控制** | 运营 | 低 | 0.5天 | 低 | P4 🔵 |
+| **小屏幕适配** | 用户体验 | 低 | 1天 | 低 | P4 🔵 |
+
+---
+
+## 🗓️ 建议的解决顺序
+
+### 阶段1：质量优化（必须）
+```
+时间：1周
+任务：
+  1. Few-shot示例设计（1天）
+  2. PICOS标准明确化（2天）
+  3. 置信度优化（0.5天）
+  4. 测试迭代（1-2天）
+目标：准确率 60% → 85%
+```
+
+### 阶段2：性能优化（推荐）
+```
+时间：1-2天
+任务：
+  1. 并发处理（0.5-1天）
+  2. 进度优化（0.5天）
+目标：199篇 33-66分钟 → 10-20分钟
+```
+
+### 阶段3：体验优化（可选）
+```
+时间：2-3天
+任务：
+  1. 估计剩余时间（0.5天）
+  2. 当前文献显示（0.5天）
+  3. 浏览器性能（0.5天）
+  4. 小屏幕适配（1天）
+目标：提升用户体验
+```
+
+### 阶段4：架构优化（长期）
+```
+时间：3-4天
+任务：
+  1. 消息队列集成（1-2天）
+  2. 断点续传（1天）
+  3. 成本控制（0.5天）
+目标：生产环境就绪
+```
+
+---
+
+## 📝 决策记录
+
+### 2025-11-21：推迟质量优化，优先完成Week 4功能
+
+**决策人**：用户
+
+**决策内容**：
+- 将Prompt优化、并发处理等优化任务记录为技术债务
+- 优先完成Week 4功能（结果展示、统计、导出）
+- 待Week 4完成后，再根据实际需要处理技术债务
+
+**理由**：
+1. MVP核心功能已可用，可以先完成功能闭环
+2. 统计和导出功能是用户强需求
+3. 质量优化可以在功能完整后迭代
+
+**后续计划**：
+- Week 4功能完成后评估
+- 根据用户反馈决定优化优先级
+
+---
+
+## 📚 相关文档
+
+- [模块当前状态与开发指南](../00-模块当前状态与开发指南.md) - 已知问题来源
+- [任务分解](../04-开发计划/03-任务分解.md) - Week 4任务清单
+- [Prompt设计与测试报告](../05-开发记录/2025-11-18-Prompt设计与测试完成报告.md) - 质量问题分析
+- [今日工作总结](../05-开发记录/2025-11-18-今日工作总结.md) - 边界问题诊断
+
+---
+
+**文档维护**：
+- 每次发现新的技术债务时更新
+- 每次解决技术债务后标记状态
+- 定期评估优先级（每月）
+
+**最后更新**：2025-11-21  
+**下次评估**：Week 4完成后
+