feat(dc/tool-c): 完成AI代码生成服务（Day 3 MVP）

核心功能： - 新增AICodeService（550行）：AI代码生成核心服务 - 新增AIController（257行）：4个API端点 - 新增dc_tool_c_ai_history表：存储对话历史 - 实现自我修正机制：最多3次智能重试 - 集成LLMFactory：复用通用能力层 - 10个Few-shot示例：覆盖Level 1-4场景技术优化： - 修复NaN序列化问题（Python端转None） - 修复数据传递问题（从Session获取真实数据） - 优化System Prompt（明确环境信息） - 调整Few-shot示例（移除import语句）测试结果： - 通过率：9/11（81.8%）达到MVP标准 - 成功场景：缺失值处理、编码、分箱、BMI、筛选、填补、统计、分类 - 待优化：数值清洗、智能去重（已记录技术债务TD-C-006） API端点： - POST /api/v1/dc/tool-c/ai/generate（生成代码） - POST /api/v1/dc/tool-c/ai/execute（执行代码） - POST /api/v1/dc/tool-c/ai/process（生成并执行，一步到位） - GET /api/v1/dc/tool-c/ai/history/:sessionId（对话历史）文档更新： - 新增Day 3开发完成总结（770行） - 新增复杂场景优化技术债务（TD-C-006） - 更新工具C当前状态文档 - 更新技术债务清单影响范围： - backend/src/modules/dc/tool-c/*（新增2个文件，更新1个文件） - backend/scripts/create-tool-c-ai-history-table.mjs（新增） - backend/prisma/schema.prisma（新增DcToolCAiHistory模型） - extraction_service/services/dc_executor.py（NaN序列化修复） - docs/03-业务模块/DC-数据清洗整理/*（5份文档更新） Breaking Changes: 无总代码行数：+950行 Refs: #Tool-C-Day3
2025-12-07 16:21:32 +08:00
parent 2348234013
commit f01981bf78
68 changed files with 6257 additions and 17 deletions
--- a/docs/03-业务模块/DC-数据清洗整理/04-开发计划/工具C_Day3开发计划.md
+++ b/docs/03-业务模块/DC-数据清洗整理/04-开发计划/工具C_Day3开发计划.md
@@ -0,0 +1,944 @@
+# 工具C Day 3 开发计划 - AI代码生成服务
+
+> **文档版本**: V1.0  
+> **创建日期**: 2025-12-06  
+> **开发目标**: AI代码生成 + Python执行 + 自我修正  
+> **预计工时**: 5.5-6小时  
+> **依赖**: Day 2已完成（Session管理）
+
+---
+
+## 📋 核心决策总结
+
+### 决策1: 对话存储方式 ✅
+
+**方案选择**: 创建独立表 `dc_tool_c_ai_history`
+
+**理由**:
+- 未来模块可能独立销售或独立部署
+- 符合Schema隔离原则
+- Tool C有特殊字段需求（code、executeResult）
+
+**数据库Schema**:
+```prisma
+model DcToolCAiHistory {
+  id                String    @id @default(uuid())
+  sessionId         String    // 关联Tool C Session
+  userId            String
+  role              String    // user/assistant/system
+  content           String    @db.Text
+  
+  // Tool C特有字段
+  generatedCode     String?   @db.Text  // AI生成的代码
+  codeExplanation   String?   @db.Text  // 代码解释
+  executeStatus     String?   // success/failed/pending
+  executeResult     Json?     // 执行结果
+  executeError      String?   @db.Text  // 错误信息
+  retryCount        Int       @default(0)
+  
+  model             String?   // deepseek-v3
+  createdAt         DateTime  @default(now())
+  
+  @@index([sessionId])
+  @@index([userId])
+  @@map("dc_tool_c_ai_history")
+  @@schema("dc_schema")
+}
+```
+
+---
+
+### 决策2: AI代码执行流程 ✅
+
+**方案选择**: 用户确认后执行（方案A）
+
+**流程**:
+```
+用户输入自然语言
+    ↓
+AI生成代码 + 解释
+    ↓
+前端展示代码（高亮）
+    ↓
+用户点击"执行"按钮 ← 用户确认
+    ↓
+Python服务执行代码
+    ↓
+返回结果 + 数据预览（前50行）
+```
+
+**理由**:
+- ✅ 用户可审查代码（安全可控）
+- ✅ 符合"AI辅助"而非"AI自动"的定位
+- ✅ 降低执行错误风险
+
+---
+
+### 决策3: System Prompt设计 ✅
+
+**方案选择**: 完整版10个Few-shot示例
+
+**示例分布**:
+| 级别 | 数量 | 示例编号 | 场景 |
+|------|------|---------|------|
+| Level 1 | 2个 | 1-2 | 缺失值统一、数值清洗 |
+| Level 2 | 2个 | 3-4 | 编码、分箱 |
+| Level 3 | 3个 | 5-7 | BMI、日期、筛选 |
+| Level 4 | 3个 | 8-10 | 简单填补、**多重插补**、去重 |
+
+**核心亮点**:
+- ✅ 包含缺失值处理（示例8）
+- ✅ 包含多重插补MICE（示例9）⭐ 重点
+- ✅ 覆盖从基础到高级全梯度
+
+**文档位置**: [工具C_AI_Few-shot示例库.md](./工具C_AI_Few-shot示例库.md)
+
+---
+
+### 决策4: 数据状态管理 ✅
+
+**方案选择**: Python内存维护（方案C）
+
+**架构**:
+```
+Session创建 → 数据加载到Python内存
+    ↓
+AI操作1 → 修改内存中的DataFrame
+    ↓
+AI操作2 → 继续修改DataFrame（累积）
+    ↓
+AI操作N → ...
+    ↓
+用户点击"导出" → 保存到OSS
+```
+
+**技术债务**:
+- 📝 Python重启会丢失状态
+- 📝 未来优化：持久化到Redis或OSS
+- 📝 文档位置: [技术债务清单](../07-技术债务/Tool-C技术债务清单.md)
+
+---
+
+### 决策5: AI自我修正机制 ✅
+
+**方案选择**: 最多3次重试（方案B）
+
+**流程**:
+```python
+attempt = 0
+while attempt < 3:
+    # 生成代码
+    code = generate_code(user_message + error_feedback)
+    
+    # 执行代码
+    result = execute_code(code)
+    
+    if result.success:
+        return result  # ✅ 成功
+    
+    error_feedback = result.error
+    attempt += 1
+
+# ❌ 3次仍失败，返回友好错误
+return "执行失败，请调整需求后重试"
+```
+
+---
+
+### 决策6: LLM模型选择 ✅
+
+**优先使用**: DeepSeek-V3
+
+**配置**:
+```typescript
+const llm = LLMFactory.createAdapter('deepseek-v3');
+const response = await llm.chat(messages, {
+  temperature: 0.1,    // 低温度，确保代码准确性
+  maxTokens: 2000,     // 足够生成代码+解释
+  topP: 0.9
+});
+```
+
+**备选方案**:
+- Qwen3-72B: 中文理解更好
+- GPT-5-Pro: 代码质量最高（成本高）
+
+---
+
+### 决策7: 上下文传递 ✅
+
+**配置**: 传递最近5轮对话
+
+**实现**:
+```typescript
+async getConversationHistory(sessionId: string, limit: number = 5) {
+  return await prisma.dcToolCAiHistory.findMany({
+    where: { sessionId },
+    orderBy: { createdAt: 'desc' },
+    take: limit * 2,  // user + assistant 成对
+  });
+}
+
+// 构建消息上下文
+const messages = [
+  { role: 'system', content: systemPrompt },
+  ...history.reverse(),  // 最近5轮
+  { role: 'user', content: userMessage }
+];
+```
+
+---
+
+### 决策8: 执行结果展示 ✅
+
+**配置**: 返回前50行预览
+
+**原因**:
+- 50行足够查看数据变化
+- 不会过大影响性能
+- 符合医疗数据场景（通常几十到几百行）
+
+---
+
+### 决策9: Few-shot示例确认 ✅
+
+**最终10个示例**:
+1. 统一缺失值标记
+2. 数值列清洗（检验值符号处理）
+3. 分类变量编码（性别→1/0）
+4. 连续变量分箱（年龄分组）
+5. BMI计算与分类
+6. 日期计算（住院天数）
+7. 条件筛选（入组标准）
+8. 简单缺失值填补（中位数）
+9. **多重插补MICE** ⭐ 核心
+10. 智能去重（按日期保留最新）
+
+---
+
+## 🏗️ 技术架构设计
+
+### 整体架构
+
+```
+┌─────────────────────────────────────────────────┐
+│           Frontend (React)                       │
+│  - 对话界面（Tool C专用）                        │
+│  - 代码展示（高亮）                              │
+│  - 执行按钮                                      │
+│  - 结果预览（AG Grid）                           │
+└──────────────┬──────────────────────────────────┘
+               │ REST API
+┌──────────────▼──────────────────────────────────┐
+│      Node.js Backend (Fastify)                   │
+│  ┌─────────────────────────────────────────┐    │
+│  │ AICodeService                           │    │
+│  │ - generateCode()                        │    │
+│  │ - executeCode()                         │    │
+│  │ - generateAndExecute() (带重试)        │    │
+│  │ - getHistory()                          │    │
+│  └──────────┬───────────────┬──────────────┘    │
+│             │               │                    │
+│     ┌───────▼─────┐   ┌────▼──────────┐         │
+│     │ LLMFactory  │   │ PythonExecutor│         │
+│     │ (通用层复用)│   │ Service       │         │
+│     └─────────────┘   └───────┬───────┘         │
+└──────────────────────────────┼─────────────────┘
+                                │ HTTP
+                    ┌───────────▼──────────────────┐
+                    │ Python Service (FastAPI)      │
+                    │ - /api/dc/validate (AST检查) │
+                    │ - /api/dc/execute (执行代码) │
+                    │ - Session状态管理（内存）    │
+                    └──────────────────────────────┘
+```
+
+---
+
+### 核心服务设计
+
+#### AICodeService (新建，~400行)
+
+```typescript
+// backend/src/modules/dc/tool-c/services/AICodeService.ts
+export class AICodeService {
+  
+  // ==================== 核心方法 ====================
+  
+  /**
+   * 生成Pandas代码
+   * @param sessionId - Tool C Session ID
+   * @param userMessage - 用户自然语言需求
+   * @returns { code, explanation, messageId }
+   */
+  async generateCode(
+    sessionId: string,
+    userMessage: string
+  ): Promise<GenerateCodeResult> {
+    // 1. 获取Session信息（数据集元数据）
+    const session = await sessionService.getSession(sessionId);
+    
+    // 2. 构建System Prompt（含10个Few-shot）
+    const systemPrompt = this.buildSystemPrompt(session);
+    
+    // 3. 获取对话历史（最近5轮）
+    const history = await this.getHistory(sessionId, 5);
+    
+    // 4. 调用LLM（复用LLMFactory）
+    const llm = LLMFactory.createAdapter('deepseek-v3');
+    const response = await llm.chat([
+      { role: 'system', content: systemPrompt },
+      ...history,
+      { role: 'user', content: userMessage }
+    ], {
+      temperature: 0.1,
+      maxTokens: 2000
+    });
+    
+    // 5. 解析AI回复（提取code和explanation）
+    const parsed = this.parseAIResponse(response.content);
+    
+    // 6. 保存到数据库
+    const messageId = await this.saveMessages(
+      sessionId,
+      userMessage,
+      parsed.code,
+      parsed.explanation
+    );
+    
+    return {
+      code: parsed.code,
+      explanation: parsed.explanation,
+      messageId
+    };
+  }
+  
+  /**
+   * 执行Python代码
+   * @param sessionId - Tool C Session ID
+   * @param code - Python代码
+   * @param messageId - 关联的消息ID
+   * @returns { success, result, newDataPreview }
+   */
+  async executeCode(
+    sessionId: string,
+    code: string,
+    messageId: string
+  ): Promise<ExecuteCodeResult> {
+    // 1. 调用Python服务执行
+    const result = await pythonExecutorService.executeCode(code, {
+      sessionId  // Python服务维护Session状态
+    });
+    
+    // 2. 更新消息状态
+    await prisma.dcToolCAiHistory.update({
+      where: { id: messageId },
+      data: {
+        executeStatus: result.success ? 'success' : 'failed',
+        executeResult: result.data,
+        executeError: result.error
+      }
+    });
+    
+    // 3. 如果成功，获取新数据预览（前50行）
+    if (result.success) {
+      const preview = result.data?.slice(0, 50);
+      return {
+        success: true,
+        result: result.data,
+        newDataPreview: preview
+      };
+    }
+    
+    return {
+      success: false,
+      error: result.error
+    };
+  }
+  
+  /**
+   * 生成并执行（带自我修正）
+   * @param sessionId - Tool C Session ID
+   * @param userMessage - 用户需求
+   * @param maxRetries - 最大重试次数（默认3）
+   * @returns { code, explanation, executeResult, retryCount }
+   */
+  async generateAndExecute(
+    sessionId: string,
+    userMessage: string,
+    maxRetries: number = 3
+  ): Promise<ProcessResult> {
+    let attempt = 0;
+    let lastError: string | null = null;
+    let generated: GenerateCodeResult | null = null;
+    
+    while (attempt < maxRetries) {
+      try {
+        // 构建带错误反馈的提示词
+        const enhancedMessage = attempt === 0
+          ? userMessage
+          : `${userMessage}\n\n上次执行错误：${lastError}\n请修正代码。`;
+        
+        // 生成代码
+        generated = await this.generateCode(sessionId, enhancedMessage);
+        
+        // 执行代码
+        const executeResult = await this.executeCode(
+          sessionId,
+          generated.code,
+          generated.messageId
+        );
+        
+        if (executeResult.success) {
+          // ✅ 成功
+          logger.info(`[AICodeService] 执行成功（尝试${attempt + 1}次）`);
+          return {
+            ...generated,
+            executeResult,
+            retryCount: attempt
+          };
+        }
+        
+        // ❌ 失败，准备重试
+        lastError = executeResult.error || '未知错误';
+        attempt++;
+        
+        logger.warn(`[AICodeService] 执行失败（尝试${attempt}/${maxRetries}）: ${lastError}`);
+        
+      } catch (error: any) {
+        logger.error(`[AICodeService] 异常: ${error.message}`);
+        lastError = error.message;
+        attempt++;
+      }
+    }
+    
+    // 3次仍失败
+    throw new Error(
+      `代码执行失败（已重试${maxRetries}次）。最后错误：${lastError}。` +
+      `建议：请调整需求描述或手动修改代码。`
+    );
+  }
+  
+  /**
+   * 获取对话历史
+   */
+  async getHistory(sessionId: string, limit: number = 5): Promise<Message[]> {
+    const records = await prisma.dcToolCAiHistory.findMany({
+      where: { sessionId },
+      orderBy: { createdAt: 'desc' },
+      take: limit * 2  // user + assistant 成对
+    });
+    
+    return records.reverse().map(r => ({
+      role: r.role,
+      content: r.content
+    }));
+  }
+  
+  // ==================== 辅助方法 ====================
+  
+  /**
+   * 构建System Prompt（含10个Few-shot）
+   */
+  private buildSystemPrompt(session: SessionData): string {
+    return `你是医疗科研数据清洗专家，负责生成Pandas代码来清洗整理数据。
+
+## 当前数据集信息
+- 文件名: ${session.fileName}
+- 行数: ${session.totalRows}
+- 列数: ${session.totalCols}
+- 列名: ${session.columns.join(', ')}
+
+## 安全规则（强制）
+1. 只能操作df变量，不能修改其他变量
+2. 禁止导入os、sys、subprocess等危险模块
+3. 禁止使用eval、exec、__import__等危险函数
+4. 必须进行异常处理
+5. 返回格式必须是JSON: {"code": "...", "explanation": "..."}
+
+## Few-shot示例
+
+### 示例1: 统一缺失值标记
+用户: 把所有代表缺失的符号（-、不详、NA、N/A）统一替换为标准空值
+代码:
+\`\`\`python
+df = df.replace(['-', '不详', 'NA', 'N/A', '\\\\', '未查'], np.nan)
+\`\`\`
+说明: 将多种缺失值表示统一为NaN，便于后续统计分析
+
+### 示例2: 数值列清洗
+用户: 把肌酐列里的非数字符号去掉，<0.1按0.05处理，转为数值类型
+代码:
+\`\`\`python
+df['creatinine'] = df['creatinine'].astype(str).str.replace('>', '').str.replace('<', '')
+df.loc[df['creatinine'] == '0.1', 'creatinine'] = '0.05'
+df['creatinine'] = pd.to_numeric(df['creatinine'], errors='coerce')
+\`\`\`
+说明: 检验科数据常含符号，需清理后才能计算
+
+[... 示例3-8 ...]
+
+### 示例9: 多重插补（MICE）⭐ 重点
+用户: 使用多重插补法对BMI、年龄、肌酐列的缺失值进行填补
+代码:
+\`\`\`python
+from sklearn.experimental import enable_iterative_imputer
+from sklearn.impute import IterativeImputer
+
+# 选择需要插补的数值列
+cols = ['BMI', 'age', 'creatinine']
+
+# 多重插补
+imputer = IterativeImputer(max_iter=10, random_state=0)
+df[cols] = imputer.fit_transform(df[cols])
+\`\`\`
+说明: 利用变量间相关性预测缺失值，保持数据分布特征，适用于MAR（随机缺失）
+
+### 示例10: 智能去重
+用户: 按患者ID去重，保留检查日期最新的记录
+代码:
+\`\`\`python
+df['check_date'] = pd.to_datetime(df['check_date'])
+df = df.sort_values('check_date').drop_duplicates(subset=['patient_id'], keep='last')
+\`\`\`
+说明: 先按日期排序，再去重保留最后一条（最新）
+
+## 用户当前请求
+请根据以上示例和当前数据集信息，生成代码并解释。
+`;
+  }
+  
+  /**
+   * 解析AI回复（提取code和explanation）
+   */
+  private parseAIResponse(content: string): { code: string; explanation: string } {
+    try {
+      // 方法1：尝试解析JSON
+      const json = JSON.parse(content);
+      if (json.code && json.explanation) {
+        return { code: json.code, explanation: json.explanation };
+      }
+    } catch {
+      // 方法2：正则提取代码块
+      const codeMatch = content.match(/```python\n([\s\S]+?)\n```/);
+      const code = codeMatch ? codeMatch[1] : '';
+      
+      // 提取解释（代码块之外的文本）
+      const explanation = content.replace(/```python[\s\S]+?```/g, '').trim();
+      
+      if (code) {
+        return { code, explanation };
+      }
+    }
+    
+    throw new Error('AI回复格式错误，无法提取代码');
+  }
+  
+  /**
+   * 保存消息到数据库
+   */
+  private async saveMessages(
+    sessionId: string,
+    userMessage: string,
+    code: string,
+    explanation: string
+  ): Promise<string> {
+    // 保存用户消息
+    await prisma.dcToolCAiHistory.create({
+      data: {
+        sessionId,
+        userId: 'test-user',  // TODO: 从JWT获取
+        role: 'user',
+        content: userMessage
+      }
+    });
+    
+    // 保存AI回复
+    const assistantMessage = await prisma.dcToolCAiHistory.create({
+      data: {
+        sessionId,
+        userId: 'test-user',
+        role: 'assistant',
+        content: explanation,
+        generatedCode: code,
+        codeExplanation: explanation,
+        executeStatus: 'pending',
+        model: 'deepseek-v3'
+      }
+    });
+    
+    return assistantMessage.id;
+  }
+}
+
+// 导出单例
+export const aiCodeService = new AICodeService();
+```
+
+---
+
+#### AIController (新建，~200行)
+
+```typescript
+// backend/src/modules/dc/tool-c/controllers/AIController.ts
+export class AIController {
+  
+  /**
+   * POST /api/v1/dc/tool-c/ai/generate
+   * 生成代码（不执行）
+   */
+  async generateCode(request: FastifyRequest, reply: FastifyReply) {
+    try {
+      const { sessionId, message } = request.body as any;
+      
+      // 参数验证
+      if (!sessionId || !message) {
+        return reply.code(400).send({
+          success: false,
+          error: '缺少必要参数：sessionId、message'
+        });
+      }
+      
+      // 生成代码
+      const result = await aiCodeService.generateCode(sessionId, message);
+      
+      return reply.code(200).send({
+        success: true,
+        data: result
+      });
+    } catch (error: any) {
+      logger.error(`[AIController] generateCode失败: ${error.message}`);
+      return reply.code(500).send({
+        success: false,
+        error: error.message
+      });
+    }
+  }
+  
+  /**
+   * POST /api/v1/dc/tool-c/ai/execute
+   * 执行代码
+   */
+  async executeCode(request: FastifyRequest, reply: FastifyReply) {
+    try {
+      const { sessionId, code, messageId } = request.body as any;
+      
+      const result = await aiCodeService.executeCode(sessionId, code, messageId);
+      
+      return reply.code(200).send({
+        success: true,
+        data: result
+      });
+    } catch (error: any) {
+      logger.error(`[AIController] executeCode失败: ${error.message}`);
+      return reply.code(500).send({
+        success: false,
+        error: error.message
+      });
+    }
+  }
+  
+  /**
+   * POST /api/v1/dc/tool-c/ai/process
+   * 生成并执行（一步到位，带重试）
+   */
+  async process(request: FastifyRequest, reply: FastifyReply) {
+    try {
+      const { sessionId, message, maxRetries = 3 } = request.body as any;
+      
+      const result = await aiCodeService.generateAndExecute(
+        sessionId,
+        message,
+        maxRetries
+      );
+      
+      return reply.code(200).send({
+        success: true,
+        data: result
+      });
+    } catch (error: any) {
+      logger.error(`[AIController] process失败: ${error.message}`);
+      return reply.code(500).send({
+        success: false,
+        error: error.message
+      });
+    }
+  }
+  
+  /**
+   * GET /api/v1/dc/tool-c/ai/history/:sessionId
+   * 获取对话历史
+   */
+  async getHistory(
+    request: FastifyRequest<{ Params: { sessionId: string } }>,
+    reply: FastifyReply
+  ) {
+    try {
+      const { sessionId } = request.params;
+      
+      const history = await aiCodeService.getHistory(sessionId, 10);
+      
+      return reply.code(200).send({
+        success: true,
+        data: { history }
+      });
+    } catch (error: any) {
+      logger.error(`[AIController] getHistory失败: ${error.message}`);
+      return reply.code(500).send({
+        success: false,
+        error: error.message
+      });
+    }
+  }
+}
+
+export const aiController = new AIController();
+```
+
+---
+
+## 📅 开发计划
+
+### 阶段1: 数据库设计（30分钟）⏰ 09:00-09:30
+
+**任务清单**:
+- [ ] 更新 `backend/prisma/schema.prisma`（添加DcToolCAiHistory模型）
+- [ ] 创建数据库迁移脚本 `create-tool-c-ai-history-table.mjs`
+- [ ] 执行迁移（创建表）
+- [ ] 验证表结构
+- [ ] 生成Prisma Client (`npx prisma generate`)
+
+**交付物**:
+- ✅ `dc_schema.dc_tool_c_ai_history` 表创建成功
+- ✅ Prisma Client更新完成
+
+---
+
+### 阶段2: AICodeService实现（2小时）⏰ 09:30-11:30
+
+**任务清单**:
+- [ ] 创建 `AICodeService.ts` 基础结构
+- [ ] 实现 `buildSystemPrompt()` - 10个Few-shot示例集成
+- [ ] 实现 `generateCode()` - AI生成代码
+- [ ] 实现 `parseAIResponse()` - 解析AI回复
+- [ ] 实现 `executeCode()` - 执行Python代码
+- [ ] 实现 `generateAndExecute()` - 生成+执行+重试
+- [ ] 实现 `getHistory()` - 获取对话历史
+- [ ] 实现 `saveMessages()` - 保存消息到数据库
+- [ ] 添加完整错误处理和日志
+
+**交付物**:
+- ✅ `AICodeService.ts` 完整实现（~400行）
+- ✅ 单元测试通过
+
+---
+
+### 阶段3: AIController实现（1小时）⏰ 11:30-12:30
+
+**任务清单**:
+- [ ] 创建 `AIController.ts`
+- [ ] 实现 `POST /ai/generate` - 生成代码
+- [ ] 实现 `POST /ai/execute` - 执行代码
+- [ ] 实现 `POST /ai/process` - 一步到位
+- [ ] 实现 `GET /ai/history/:sessionId` - 对话历史
+- [ ] 添加参数验证
+- [ ] 添加错误处理
+
+**交付物**:
+- ✅ `AIController.ts` 完整实现（~200行）
+- ✅ 4个API端点就绪
+
+---
+
+### 午休 ⏰ 12:30-13:30
+
+---
+
+### 阶段4: 路由配置（15分钟）⏰ 13:30-13:45
+
+**任务清单**:
+- [ ] 更新 `routes/index.ts`
+- [ ] 注册AI相关路由
+- [ ] 测试路由可访问性
+
+**交付物**:
+- ✅ AI路由注册完成
+- ✅ Swagger文档更新（如有）
+
+---
+
+### 阶段5: 测试验收（1.5小时）⏰ 13:45-15:15
+
+#### 5.1 基础测试（30分钟）
+
+**测试用例**:
+1. [ ] 测试1: 统一缺失值标记
+2. [ ] 测试2: 数值列清洗
+3. [ ] 测试3: 性别编码
+4. [ ] 测试4: 年龄分组
+
+**验收标准**:
+- AI能正确生成代码
+- 代码可执行
+- 结果符合预期
+
+#### 5.2 中级测试（30分钟）
+
+**测试用例**:
+5. [ ] 测试5: BMI计算
+6. [ ] 测试6: 住院天数计算
+7. [ ] 测试7: 条件筛选
+
+#### 5.3 高级测试（30分钟）
+
+**测试用例**:
+8. [ ] 测试8: 中位数填补
+9. [ ] 测试9: 多重插补MICE ⭐
+10. [ ] 测试10: 智能去重
+
+#### 5.4 特殊测试（30分钟）
+
+**测试用例**:
+11. [ ] 自我修正测试（故意错误，验证重试机制）
+12. [ ] 边界测试（列不存在、全部缺失等）
+13. [ ] 并发测试（多用户同时使用）
+14. [ ] 端到端测试（上传→AI处理→结果验证）
+
+**交付物**:
+- ✅ 测试脚本 `test-tool-c-day3.mjs`
+- ✅ 测试报告（通过率≥90%）
+
+---
+
+### 阶段6: 文档与优化（30分钟）⏰ 15:15-15:45
+
+**任务清单**:
+- [ ] 创建技术债务清单 `Tool-C技术债务清单.md`
+- [ ] 更新模块状态文档 `00-工具C当前状态与开发指南.md`
+- [ ] 创建Day 3开发完成总结
+- [ ] 提交Git并推送
+
+**交付物**:
+- ✅ 技术债务文档
+- ✅ Day 3开发记录
+- ✅ Git提交成功
+
+---
+
+## 🎯 验收标准
+
+### 功能验收
+
+| 功能 | 验收标准 | 状态 |
+|------|---------|------|
+| AI代码生成 | 10个示例场景100%可生成正确代码 | ⏸️ |
+| 代码执行 | 生成的代码可成功执行 | ⏸️ |
+| 自我修正 | 失败后能自动重试（最多3次） | ⏸️ |
+| 对话历史 | 能获取最近5轮对话 | ⏸️ |
+| 数据预览 | 执行后返回前50行预览 | ⏸️ |
+
+### 技术验收
+
+| 指标 | 目标 | 状态 |
+|------|------|------|
+| 代码质量 | 无TypeScript错误 | ⏸️ |
+| 云原生规范 | 100%符合 | ⏸️ |
+| 错误处理 | 所有异常都有处理 | ⏸️ |
+| 日志完整性 | 关键操作都有日志 | ⏸️ |
+| 测试覆盖率 | ≥80% | ⏸️ |
+
+### 性能验收
+
+| 指标 | 目标 | 状态 |
+|------|------|------|
+| AI生成时间 | <5秒 | ⏸️ |
+| 代码执行时间 | <3秒（简单操作） | ⏸️ |
+| 端到端时间 | <10秒 | ⏸️ |
+
+---
+
+## 📦 交付清单
+
+### 代码文件（6个）
+
+1. ✅ `backend/prisma/schema.prisma` - 新增DcToolCAiHistory模型
+2. ✅ `backend/scripts/create-tool-c-ai-history-table.mjs` - 建表脚本
+3. ✅ `backend/src/modules/dc/tool-c/services/AICodeService.ts` - 400行
+4. ✅ `backend/src/modules/dc/tool-c/controllers/AIController.ts` - 200行
+5. ✅ `backend/src/modules/dc/tool-c/routes/index.ts` - 更新
+6. ✅ `backend/test-tool-c-day3.mjs` - 测试脚本
+
+### 文档文件（4个）
+
+1. ✅ `工具C_AI_Few-shot示例库.md` - 10个示例详解
+2. ✅ `工具C_Day3开发计划.md` - 本文档
+3. ✅ `Tool-C技术债务清单.md` - 待优化项
+4. ✅ `2025-12-06_工具C_Day3开发完成总结.md` - 总结报告
+
+---
+
+## 🔗 相关文档
+
+- [工具C_AI_Few-shot示例库.md](./工具C_AI_Few-shot示例库.md)
+- [工具C_MVP开发计划_V1.0.md](./工具C_MVP开发计划_V1.0.md)
+- [通用对话服务抽取计划.md](../../../08-项目管理/05-技术债务/通用对话服务抽取计划.md)
+- [云原生开发规范.md](../../../04-开发规范/08-云原生开发规范.md)
+
+---
+
+## 🔄 风险管理
+
+### 风险1: AI生成代码质量不稳定
+
+**应对措施**:
+- ✅ 使用10个Few-shot示例提升质量
+- ✅ 降低temperature至0.1
+- ✅ 实施3次重试机制
+- ✅ 添加AST静态检查（Python服务）
+
+### 风险2: LLM调用超时
+
+**应对措施**:
+- ✅ 设置合理的timeout（10秒）
+- ✅ 前端显示加载状态
+- ✅ 添加重试机制
+
+### 风险3: Python执行失败
+
+**应对措施**:
+- ✅ AI自我修正（最多3次）
+- ✅ 友好错误提示
+- ✅ 建议用户调整需求
+
+---
+
+## 📊 预期成果
+
+**Day 3完成后**:
+- ✅ Tool C用户可通过自然语言清洗数据
+- ✅ AI能生成90%场景的正确代码
+- ✅ 失败场景有自动重试机制
+- ✅ 完整的对话历史管理
+
+**整体进度**:
+- Day 1: Python微服务 ✅
+- Day 2: Session管理 ✅
+- Day 3: AI代码生成 ⏸️
+- Day 4-5: 前端开发
+- Day 6: 端到端测试
+
+---
+
+## 📝 更新记录
+
+| 日期 | 版本 | 更新内容 | 更新人 |
+|------|------|---------|--------|
+| 2025-12-06 | V1.0 | 初始创建，明确9大决策和开发计划 | AI Assistant |
+
+---
+
+**文档状态**: ✅ 已确认  
+**下一步**: 开始执行开发计划（预计5.5-6小时）
+
+**准备开始开发！** 🚀
+