feat(dc): Complete Phase 1 - Portal workbench page development

Summary:
- Implement DC module Portal page with 3 tool cards
- Create ToolCard component with decorative background and hover animations
- Implement TaskList component with table layout and progress bars
- Implement AssetLibrary component with tab switching and file cards
- Complete database verification (4 tables confirmed)
- Complete backend API verification (6 endpoints ready)
- Optimize UI to match prototype design (V2.html)

Frontend Components (~715 lines):
- components/ToolCard.tsx - Tool cards with animations
- components/TaskList.tsx - Recent tasks table view
- components/AssetLibrary.tsx - Data asset library with tabs
- hooks/useRecentTasks.ts - Task state management
- hooks/useAssets.ts - Asset state management
- pages/Portal.tsx - Main portal page
- types/portal.ts - TypeScript type definitions

Backend Verification:
- Backend API: 1495 lines code verified
- Database: dc_schema with 4 tables verified
- API endpoints: 6 endpoints tested (templates API works)

Documentation:
- Database verification report
- Backend API test report
- Phase 1 completion summary
- UI optimization report
- Development task checklist
- Development plan for Tool B

Status: Phase 1 completed (100%), ready for browser testing
Next: Phase 2 - Tool B Step 1 and 2 development
This commit is contained in:
2025-12-02 21:53:24 +08:00
parent f240aa9236
commit d4d33528c7
83 changed files with 21863 additions and 1601 deletions

View File

@@ -0,0 +1,512 @@
# 数据库设计文档 - 工具B病历结构化机器人
> **模块**: DC数据清洗整理 - 工具B
> **版本**: V1.0
> **Schema**: `dc_schema`
> **更新日期**: 2025-12-02
> **状态**: ✅ 已验证(数据库表已创建并初始化)
---
## 📋 目录
- [一、概述](#一概述)
- [二、Schema设计原则](#二schema设计原则)
- [三、数据表设计](#三数据表设计)
- [四、索引设计](#四索引设计)
- [五、外键约束](#五外键约束)
- [六、数据生命周期](#六数据生命周期)
---
## 一、概述
### 1.1 设计目标
工具B的数据库设计旨在支持
- ✅ 双大模型交叉验证的文本结构化
- ✅ 大规模异步任务处理1000+条记录)
- ✅ 冲突检测与人工裁决
- ✅ 预设模板管理与复用
- ✅ 健康检查缓存优化
### 1.2 表关系总览
```
dc_schema ✅ 已创建
├── dc_health_checks [健康检查缓存] ✅ 已创建2条记录
├── dc_templates [预设模板] ✅ 已创建3条预设模板
├── dc_extraction_tasks [提取任务] ✅ 已创建1条记录
│ └── dc_extraction_items [提取记录] (1:N) ✅ 已创建4条记录
```
**✅ 验证状态2025-12-02**
- 所有表已创建并包含测试数据
- 3个预设模板已初始化肺癌病理报告、糖尿病入院记录、高血压门诊病历
- 验证脚本:`backend/scripts/check-dc-tables.mjs`
### 1.3 技术栈
- **数据库**: PostgreSQL 15
- **ORM**: Prisma 6
- **Schema隔离**: `dc_schema`(独立命名空间)
- **JSON字段**: 使用JSONB类型高性能查询
---
## 二、Schema设计原则
### 2.1 Schema隔离
```sql
-- 所有表使用dc_schema命名空间
CREATE TABLE "dc_schema"."dc_health_checks" (...);
CREATE TABLE "dc_schema"."dc_extraction_tasks" (...);
```
**优势**
- ✅ 与其他模块完全隔离platform_schema、asl_schema等
- ✅ 数据安全,避免误操作
- ✅ 便于模块化管理和迁移
### 2.2 命名规范
| 规则 | 说明 | 示例 |
|------|------|------|
| **表名前缀** | `dc_` | `dc_extraction_tasks` |
| **字段命名** | snake_case | `user_id`, `source_file_key` |
| **时间戳** | 统一后缀 | `created_at`, `started_at` |
| **外键** | 实体名_id | `task_id`, `user_id` |
### 2.3 JSONB字段使用场景
| 字段 | 类型 | 原因 |
|------|------|------|
| `target_fields` | JSONB | 灵活的字段配置 |
| `result_a/result_b` | JSONB | 动态提取结果 |
| `final_result` | JSONB | 最终裁决结果 |
---
## 三、数据表设计
### 3.1 dc_health_checks健康检查缓存表
**用途**: 缓存健康检查结果,避免重复计算
```sql
CREATE TABLE "dc_schema"."dc_health_checks" (
"id" TEXT NOT NULL PRIMARY KEY,
"user_id" TEXT NOT NULL,
"file_name" TEXT NOT NULL,
"column_name" TEXT NOT NULL,
-- 统计指标
"empty_rate" DOUBLE PRECISION NOT NULL,
"avg_length" DOUBLE PRECISION NOT NULL,
"total_rows" INTEGER NOT NULL,
"estimated_tokens" INTEGER NOT NULL,
-- 检查结果
"status" TEXT NOT NULL, -- 'good' | 'bad'
"message" TEXT NOT NULL,
"created_at" TIMESTAMP(3) NOT NULL DEFAULT CURRENT_TIMESTAMP
);
```
**字段说明**
| 字段 | 类型 | 说明 | 示例 |
|------|------|------|------|
| `id` | TEXT | UUID主键 | `uuid()` |
| `user_id` | TEXT | 用户ID | `user-123` |
| `file_name` | TEXT | 文件名 | `患者数据.xlsx` |
| `column_name` | TEXT | 检查的列名 | `病历文本` |
| `empty_rate` | DOUBLE | 空值率 (0-1) | 0.15 (15%) |
| `avg_length` | DOUBLE | 平均文本长度 | 256.8 |
| `total_rows` | INT | 总行数 | 500 |
| `estimated_tokens` | INT | 预估Token数 | 150000 |
| `status` | TEXT | 健康状态 | `good` / `bad` |
| `message` | TEXT | 提示信息 | `健康度良好` |
**索引**
```sql
CREATE INDEX "dc_health_checks_user_id_file_name_idx"
ON "dc_schema"."dc_health_checks"("user_id", "file_name");
```
**业务规则**
- 空值率 > 80% → `status = 'bad'`
- 平均长度 < 10 → `status = 'bad'`
- 缓存有效期24小时应用层实现
---
### 3.2 dc_templates预设模板表
**用途**: 存储疾病类型的预设提取模板
```sql
CREATE TABLE "dc_schema"."dc_templates" (
"id" TEXT NOT NULL PRIMARY KEY,
"disease_type" TEXT NOT NULL, -- 'lung_cancer', 'diabetes', 'hypertension'
"report_type" TEXT NOT NULL, -- 'pathology', 'admission', 'outpatient'
"display_name" TEXT NOT NULL, -- '肺癌病理报告'
"fields" JSONB NOT NULL, -- [{name, desc, width}]
"prompt_template" TEXT NOT NULL,
"created_at" TIMESTAMP(3) NOT NULL DEFAULT CURRENT_TIMESTAMP,
"updated_at" TIMESTAMP(3) NOT NULL,
CONSTRAINT "dc_templates_disease_type_report_type_key"
UNIQUE ("disease_type", "report_type")
);
```
**字段说明**
| 字段 | 类型 | 说明 | 示例 |
|------|------|------|------|
| `disease_type` | TEXT | 疾病类型 | `lung_cancer` |
| `report_type` | TEXT | 报告类型 | `pathology` |
| `display_name` | TEXT | 显示名称 | `肺癌病理报告` |
| `fields` | JSONB | 提取字段配置 | 见下方示例 |
| `prompt_template` | TEXT | Prompt模板 | `请从以下病理报告中提取...` |
**fields字段结构**
```json
[
{
"name": "病理类型",
"desc": "如:浸润性腺癌、鳞状细胞癌",
"width": "w-40"
},
{
"name": "分化程度",
"desc": "高/中/低分化",
"width": "w-32"
}
]
```
**唯一约束**
```sql
UNIQUE ("disease_type", "report_type")
```
同一疾病+报告类型组合只能有一个模板
---
### 3.3 dc_extraction_tasks提取任务表
**用途**: 管理批量提取任务,追踪进度和成本
```sql
CREATE TABLE "dc_schema"."dc_extraction_tasks" (
"id" TEXT NOT NULL PRIMARY KEY,
"user_id" TEXT NOT NULL,
"project_name" TEXT NOT NULL,
"source_file_key" TEXT NOT NULL, -- Storage中的路径
"text_column" TEXT NOT NULL,
-- 模板配置
"disease_type" TEXT NOT NULL,
"report_type" TEXT NOT NULL,
"target_fields" JSONB NOT NULL,
-- 双模型配置
"model_a" TEXT NOT NULL DEFAULT 'deepseek-v3',
"model_b" TEXT NOT NULL DEFAULT 'qwen3-72b',
-- 任务状态
"status" TEXT NOT NULL DEFAULT 'pending',
"total_count" INTEGER NOT NULL DEFAULT 0,
"processed_count" INTEGER NOT NULL DEFAULT 0,
"clean_count" INTEGER NOT NULL DEFAULT 0,
"conflict_count" INTEGER NOT NULL DEFAULT 0,
"failed_count" INTEGER NOT NULL DEFAULT 0,
-- 成本统计
"total_tokens" INTEGER NOT NULL DEFAULT 0,
"total_cost" DOUBLE PRECISION NOT NULL DEFAULT 0,
-- 错误信息
"error" TEXT,
-- 时间戳
"created_at" TIMESTAMP(3) NOT NULL DEFAULT CURRENT_TIMESTAMP,
"started_at" TIMESTAMP(3),
"completed_at" TIMESTAMP(3)
);
```
**字段说明**
| 字段 | 类型 | 说明 | 示例 |
|------|------|------|------|
| `source_file_key` | TEXT | Storage路径 | `uploads/user123/data.xlsx` |
| `text_column` | TEXT | 文本列名 | `病历文本` |
| `target_fields` | JSONB | 提取字段 | `[{name, desc}]` |
| `status` | TEXT | 任务状态 | `pending/processing/completed/failed` |
| `total_count` | INT | 总记录数 | 500 |
| `processed_count` | INT | 已处理数 | 250 |
| `clean_count` | INT | 一致数 | 200 |
| `conflict_count` | INT | 冲突数 | 45 |
| `failed_count` | INT | 失败数 | 5 |
| `total_tokens` | INT | 总Token数 | 150000 |
| `total_cost` | DOUBLE | 总成本($) | 0.27 |
**状态流转**
```
pending → processing → completed
→ failed
```
**索引**
```sql
CREATE INDEX "dc_extraction_tasks_user_id_status_idx"
ON "dc_schema"."dc_extraction_tasks"("user_id", "status");
```
---
### 3.4 dc_extraction_items提取记录表
**用途**: 存储每条记录的双模型提取结果和冲突状态
```sql
CREATE TABLE "dc_schema"."dc_extraction_items" (
"id" TEXT NOT NULL PRIMARY KEY,
"task_id" TEXT NOT NULL,
-- 原始数据
"row_index" INTEGER NOT NULL,
"original_text" TEXT NOT NULL,
-- 双模型结果
"result_a" JSONB,
"result_b" JSONB,
-- 冲突检测
"status" TEXT NOT NULL DEFAULT 'pending',
"conflict_fields" TEXT[] DEFAULT ARRAY[]::TEXT[],
-- 最终结果
"final_result" JSONB,
-- Token统计
"tokens_a" INTEGER NOT NULL DEFAULT 0,
"tokens_b" INTEGER NOT NULL DEFAULT 0,
-- 错误信息
"error" TEXT,
"created_at" TIMESTAMP(3) NOT NULL DEFAULT CURRENT_TIMESTAMP,
"resolved_at" TIMESTAMP(3),
CONSTRAINT "dc_extraction_items_task_id_fkey"
FOREIGN KEY ("task_id")
REFERENCES "dc_schema"."dc_extraction_tasks"("id")
ON DELETE CASCADE
);
```
**字段说明**
| 字段 | 类型 | 说明 | 示例 |
|------|------|------|------|
| `row_index` | INT | Excel行号 | 5 |
| `original_text` | TEXT | 原始病历文本 | `患者45岁...` |
| `result_a` | JSONB | DeepSeek结果 | `{"肿瘤大小": "3cm"}` |
| `result_b` | JSONB | Qwen结果 | `{"肿瘤大小": "3.0cm"}` |
| `status` | TEXT | 处理状态 | `clean/conflict/resolved/failed` |
| `conflict_fields` | TEXT[] | 冲突字段列表 | `["肿瘤大小"]` |
| `final_result` | JSONB | 最终裁决结果 | `{"肿瘤大小": "3cm"}` |
**result_a/result_b结构示例**
```json
{
"病理类型": "浸润性腺癌",
"分化程度": "中分化",
"肿瘤大小": "3cm",
"淋巴结转移": "无"
}
```
**状态说明**
- `pending`: 等待处理
- `clean`: 双模型结果一致
- `conflict`: 存在冲突,需人工裁决
- `resolved`: 冲突已解决
- `failed`: 提取失败
**索引**
```sql
CREATE INDEX "dc_extraction_items_task_id_status_idx"
ON "dc_schema"."dc_extraction_items"("task_id", "status");
```
**外键约束**
- `ON DELETE CASCADE`: 删除任务时自动删除所有记录
---
## 四、索引设计
### 4.1 索引列表
| 表名 | 索引字段 | 类型 | 用途 |
|------|---------|------|------|
| `dc_health_checks` | `(user_id, file_name)` | 复合 | 查询用户的历史检查 |
| `dc_templates` | `(disease_type, report_type)` | 唯一 | 防止重复模板 |
| `dc_extraction_tasks` | `(user_id, status)` | 复合 | 查询用户的任务列表 |
| `dc_extraction_items` | `(task_id, status)` | 复合 | 查询任务的记录列表 |
### 4.2 性能考虑
**查询优化**
```sql
-- 高效查询:利用索引
SELECT * FROM dc_extraction_tasks
WHERE user_id = 'user123' AND status = 'processing';
-- 高效查询:利用索引
SELECT * FROM dc_extraction_items
WHERE task_id = 'task456' AND status = 'conflict';
```
**避免全表扫描**
- ✅ 始终在WHERE子句中包含索引字段
- ✅ 使用`status`字段过滤可以显著减少扫描行数
---
## 五、外键约束
### 5.1 级联删除
```sql
ALTER TABLE "dc_schema"."dc_extraction_items"
ADD CONSTRAINT "dc_extraction_items_task_id_fkey"
FOREIGN KEY ("task_id")
REFERENCES "dc_schema"."dc_extraction_tasks"("id")
ON DELETE CASCADE;
```
**行为**
- 删除任务 → 自动删除所有关联的提取记录
- 保证数据一致性
### 5.2 无外键的表
- `dc_health_checks`: 独立表,无外键
- `dc_templates`: 独立表,无外键
- `dc_extraction_tasks`: 无外键user_id仅为标识不强制关联
**原因**
- ✅ 减少跨Schema依赖
- ✅ 提高模块独立性
- ✅ 简化迁移和回滚
---
## 六、数据生命周期
### 6.1 数据保留策略
| 表名 | 保留时间 | 清理策略 |
|------|---------|---------|
| `dc_health_checks` | 7天 | 定期清理旧记录 |
| `dc_templates` | 永久 | 手动管理 |
| `dc_extraction_tasks` | 90天 | 归档后删除 |
| `dc_extraction_items` | 90天 | 随任务删除 |
### 6.2 归档策略
**大任务归档** (> 1000条记录)
1. 任务完成后导出结果到CSV/Excel
2. 上传到Storage永久保存
3. 删除数据库记录(释放空间)
### 6.3 清理脚本(示例)
```typescript
// 清理7天前的健康检查记录
await prisma.dCHealthCheck.deleteMany({
where: {
createdAt: {
lt: new Date(Date.now() - 7 * 24 * 60 * 60 * 1000)
}
}
});
// 归档90天前的已完成任务
const oldTasks = await prisma.dCExtractionTask.findMany({
where: {
status: 'completed',
completedAt: {
lt: new Date(Date.now() - 90 * 24 * 60 * 60 * 1000)
}
},
include: { items: true }
});
// 导出后删除
for (const task of oldTasks) {
await exportTaskToStorage(task);
await prisma.dCExtractionTask.delete({ where: { id: task.id } });
}
```
---
## 七、数据安全
### 7.1 PII保护
**敏感字段**
- `original_text`: 可能包含患者姓名、身份证号
- `result_a/result_b/final_result`: 可能包含结构化的敏感信息
**保护措施**
- ✅ 发送LLM前自动脱敏PIIMaskUtil
- ✅ 数据库加密PostgreSQL SSL
- ✅ 定期清理历史数据
### 7.2 用户隔离
**机制**
- 所有表包含`user_id`字段
- 应用层强制过滤:`WHERE user_id = currentUserId`
- 永不跨用户查询
---
## 八、附录
### 8.1 完整Schema DDL
完整的Schema创建脚本位于
```
backend/prisma/migrations/20251127_add_dc_tool_b_tables/migration.sql
```
### 8.2 Prisma模型定义
完整的Prisma模型定义位于
```
backend/prisma/schema.prisma
```
搜索 `dc_schema` 查看所有模型。
### 8.3 变更历史
| 版本 | 日期 | 变更内容 |
|------|------|---------|
| V1.0 | 2025-11-27 | 初始版本4个表 |
---
**文档结束**