# **LLM 友好型质控报告评估与优化方案**

**文档版本：** v2.1 (基于团队反馈优化)

**评估对象：** qc-report-test0102-pd-study-2026-02-08.xml

**评估日期：** 2026-02-08

## **🚀 一、 核心共识：Context Protocol v2.1**

经过团队讨论，确定采用 **“XML 容器 \+ Markdown 内容”** 的混合模式，并支持 **双格式输出** 以满足不同场景。

### **1.1 双格式策略 (Dual Format Strategy)**

后端 QcService 应支持 format 参数：

* **format=json (Default)**: 面向 **前端 UI**。结构化强，用于渲染热力图、表格。  
* **format=llm-friendly**: 面向 **LLM Context**。Token 密度高，语义清晰，包含“证据”。

### **1.2 理想的 LLM Context 结构 (V2.1)**

**设计原则**：

1. **去重**：不再单独列出 rule\_definitions，要求每条 issue **自包含**（同时包含现状与标准）。  
2. **聚合**：按 Record ID 分组。  
3. **压缩**：使用 Markdown 列表替代冗余的 XML 标签。

\<qc\_context project\_id="test0102" generated="2026-02-08"\>  
    
  \<\!-- 1\. 宏观统计 (Aggregate) \--\>  
  \<summary\>  
    \- 状态: 13/13 记录存在严重违规 (100% Fail)  
    \- Top 3 问题:   
      1\. 年龄超标 (13人)  
      2\. 未签知情同意书 (13人)  
      3\. 疼痛评分不达标 (13人)  
  \</summary\>

  \<\!-- 2\. 问题详情 (Markdown List in XML) \--\>  
  \<details\>  
      
    \<record id="1"\>  
      \*\*严重违规 (5项)\*\*:  
      1\. \[R\_AGE\] \*\*年龄超标\*\*: 当前 \*\*45岁\*\* (标准: 25-35岁)。  
      2\. \[R\_ICF\] \*\*伦理缺失\*\*: \`informed\_consent\` 为空 (必须签署)。  
      3\. \[R\_VAS\] \*\*入排不符\*\*: VAS评分 \*\*2分\*\* (要求 \>= 4分)。  
    \</record\>

    \<record id="10"\>  
      \*\*严重违规 (5项)\*\*:  
      1\. \[R\_AGE\] \*\*年龄超标\*\*: 当前 \*\*52岁\*\* (标准: 25-35岁)。  
      \<\!-- 其他同上 \--\>  
    \</record\>

  \</details\>

\</qc\_context\>

## **🛠️ 二、 实施建议 (Action Items)**

### **2.1 后端改造：让报错信息“自包含”**

这是消除 rule\_definitions 依赖的关键。我们需要在生成 Issue 时，就把标准塞进去。

* **Before (HardRuleEngine)**:  
  return { message: "年龄不在范围内" }

* **After (HardRuleEngine)**:  
  // 动态拼接模板  
  return {   
      message: \`当前 \*\*${actualValue}\*\* (标准: ${rule.min}-${rule.max})\`,  
      structured\_evidence: { value: actualValue, range: \[25, 35\] }  
  }

### **2.2 System Prompt 增强 (V2.1)**

参考团队建议，强化“证据引用”指令。

\# Role  
你是一名资深的临床监查员 (CRA)。

\# Input Format  
你收到的 \`\<qc\_context\>\` 包含了项目的质控报告。  
\- \`\<details\>\` 区域按受试者列出了具体违规项。  
\- 每一行违规项都包含了 \*\*\[规则ID\]\*\*、\*\*错误类型\*\*、\*\*现状值\*\* 和 \*\*标准值\*\*。

\# Critical Instructions (思维链约束)  
在回答用户问题时，你必须遵循以下步骤：  
1\. \*\*定位 (Locate)\*\*: 找到用户询问的 \`\<record\>\`。  
2\. \*\*提取 (Extract)\*\*: 读取具体的报错行。  
3\. \*\*引用 (Cite)\*\*: 在回答中明确引用现状值和标准值。  
   \- ✅ 正确: "1号患者年龄违规，因为他当前 \*\*45岁\*\*，而方案要求 \*\*25-35岁\*\*。"  
   \- ❌ 错误: "1号患者年龄不对。" (太模糊)  
   \- ❌ 错误: "1号患者年龄违规，请检查。" (无证据)  
4\. \*\*诚实 (Grounding)\*\*: 如果报告里没写的数值（比如血压），绝对不要编造，直接回答“报告未提及”。

\# Example  
User: "10号病人有什么大问题？"  
Assistant: "10号病人有 \*\*5项严重违规\*\*。最主要的是 \*\*年龄超标\*\*，他当前 \*\*52岁\*\*，远超出了 \*\*25-35岁\*\* 的入排标准。此外还存在伦理知情同意书缺失的问题。"

## **📊 三、 收益预估**

1. **Token 节省**：相比 V1.0 XML，V2.1 混合格式预计节省 **40%-60%** 的 Token（去掉了大量的 \<issue\>, \<field\>, \<message\> 标签）。  
2. **幻觉消除**：通过“自包含”设计，LLM 不需要跨段落去查找规则定义，所有信息都在一行内，上下文注意力极其集中。  
3. **开发解耦**：前端用 JSON 渲染界面，LLM 用 Text 文本推理，互不干扰。

**结论：** 团队的建议非常棒。V2.1 方案已采纳 **混合格式** \+ **自包含报错** \+ **引用增强 Prompt**，这是目前最优的工程解法。