# AI智能文献模块 - 技术债务清单

> **文档版本�?* v1.2  
> **创建日期�?* 2025-11-21  
> **维护者：** AI智能文献开发团�? 
> **最后更新：** 2025-11-23  
> **文档目的�?* 记录MVP完成后需要优化的技术问�?
---

## 📋 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�?*�?- �?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�?0%，低于目�?5%
- ⚠️ 性能较慢�?99篇约33-66分钟

---

## 🔴 优先�?：质量优化（准确率）

### 问题描述

**当前状�?*�?- 准确率：60%
- 目标：≥85%
- 差距�?5%

**影响范围**�?- 直接影响用户对AI筛选结果的信任�?- 增加人工复核工作�?- 可能导致漏筛或误�?
**根本原因**（基�?025-11-18测试报告）：
1. **Prompt不够清晰**：AI�?边界情况"的理解与人类不一�?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�?-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�?```

#### 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�?示例3：明确应排除 - 研究设计不符
示例4：边界情�?- 部分匹配，但应纳�?示例5：边界情�?- 看似匹配，但应排�?```

#### 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�?```

#### 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�?【文献】：...
【PICOS】：...
【判断】：include
【原因】：...
---
```

**预计提升**：准确率 +10-15%�?0% �?70-75%�?
**预计耗时**�?�?
---

### 优化方案2：PICOS标准明确�?
**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�?,
  I: "SGLT2抑制�?,
  ...
}

// 优化后输�?picoCriteria: {
  P: {
    description: "2型糖尿病成人患�?,
    keywords: ["2型糖尿病", "成人", "T2DM"],
    mustInclude: ["糖尿�?],
    mustExclude: ["1�?, "儿童", "青少�?]
  },
  ...
}
```

#### Step 2: 在Prompt中明确要�?```
在Prompt中添加：
- 明确哪些关键词必须出�?- 明确哪些关键词不能出�?- 部分匹配的判断标准（�?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�?功能
- 添加"必须包含"�?必须排除"的高级选项
- 提供标准模板
```

**预计提升**：准确率 +5-10%�?5% �?80-85%�?
**预计耗时**�?�?
---

### 优化方案3：置信度阈值调�?
**目标**：提高模型判断的置信度，减少不确定�?
**实施步骤**�?
#### Step 1: 分析置信度分�?```sql
-- 查询置信度分�?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�?.8-1.0�?- 什么情况下应该给出中置信度�?.5-0.8�?- 什么情况下应该给出低置信度�?-0.5�?- 低于0.7的自动标记为"需要人工复�?
```

#### Step 3: 优化冲突检�?```typescript
// 当前：只检测结论不一�?hasConflict = (dsConclusion !== qwenConclusion);

// 优化：增加置信度差异检�?hasConflict = 
  (dsConclusion !== qwenConclusion) || // 结论不一�?  (Math.abs(dsConfidence - qwenConfidence) > 0.3) || // 置信度差异大
  (dsJudgments.P !== qwenJudgments.P && important.includes('P')); // 关键PICO不一�?```

**预计提升**：冲突检测准确率 +10%，减少漏检

**预计耗时**�?.5�?
---

### 优化方案4：测试与迭代

**目标**：持续测试和优化，直到准确率�?5%

**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�?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�?2. 记录正确答案
3. 分析差异原因
4. 调整Prompt或示�?```

#### 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�?- 各版本对�?- 失败案例分析
- 最终推荐版�?```

**预计耗时**�?-2天（迭代�?
---

### 质量优化总计

**预计提升**�?0% �?85-90%

**预计总耗时**�?-5�?
**负责�?*：AI工程�?+ 医学专家

**验收标准**�?- �?准确�?�?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�?0%+�?
---

## 🟡 优先�?：性能优化（并发处理）

### 问题描述

**当前状�?*�?- 处理方式：串行（一篇接一篇）
- 处理速度�?0-20�?篇（DeepSeek + Qwen并行�?- 总耗时�?99篇约33-66分钟

**目标**�?- 处理方式�?-5并发
- 总耗时�?99篇约10-20分钟（提�?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�?
**实施步骤**�?
#### Step 1: 安装并发控制�?```bash
cd backend
npm install p-limit
```

#### Step 2: 修改筛选服�?```typescript
// 文件：backend/src/modules/asl/services/screeningService.ts

import pLimit from 'p-limit';

// �?processLiteraturesInBackground 中修�?
// �?当前：串行处�?for (const literature of literatures) {
  await llmScreeningService.dualModelScreening(...);
}

// �?优化后：并发处理
const concurrency = 3; // 3个并�?const limit = pLimit(concurrency);

const tasks = literatures.map((literature, index) =>
  limit(async () => {
    try {
      console.log(`\n🔍 开始处理文�?${index + 1}/${literatures.length}`);
      
      // 调用LLM筛�?      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�?
let processedCount = 0;
let successCount = 0;
let conflictCount = 0;
let failedCount = 0;

// �?篇或�?0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�?
// 处理完成后清�?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�?0�?  '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，�?
```

#### 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�?倍提�?- 199篇文献：33-66分钟 �?10-20分钟
- 用户体验：显著改�?
**预计耗时**�?.5-1�?
**负责�?*：后端开�?
**验收标准**�?- �?199篇文献筛�?�?20分钟
- �?API调用不触发限�?- �?错误率不增加
- �?进度显示正常

---

## 🟢 优先�?：用户体验优�?
### 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**�?.5�?
---

#### 2. 无估计剩余时�?
**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**�?.5�?
---

#### 3. 无当前处理文献显�?
**问题**：用户不知道AI正在处理哪篇文献

**解决方案**�?```typescript
// �?screeningService.ts �?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**�?.5�?
---

#### 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**�?�?
---

## 🟣 优先�?：Excel导出优化

### 问题描述

**当前状�?*�?- 导出方式：前端生成（`xlsx`库）
- 适用数据量：<5000�?- 生成速度�?1000条约2-3�?
**目标状�?*（当数据�?5000条或需要复杂格式时）：
- 导出方式：后端生�?+ OSS存储
- 适用数据量：无限�?- 支持复杂格式：多Sheet、图表、样式定�?
**触发条件**�?- 单次导出数据�?>5000�?- 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�?OSS存储

**实施步骤**�?
#### Step 1: 后端安装Excel生成�?```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�?);

  // 设置表头
  worksheet.columns = [
    { header: '序号', key: 'index', width: 6 },
    { header: '文献标题', key: 'title', width: 50 },
    // ... 更多�?  ];

  // 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�?..', 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�?天前的导出文�?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�?  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�?- 支持复杂格式（多Sheet、图表、样式）
- 不占用前端资�?
**预计耗时**�?-2�?
**负责�?*：后端开�?
**验收标准**�?- �?可导�?5000条数�?- �?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�?：架构优化（云原生）

### 问题清单

#### 1. 异步任务未使用消息队�?
**当前状�?*�?- 筛选任务在后台线程中执�?- 服务重启会丢失任�?
**目标状�?*�?- 使用Bull队列（Redis�?- 任务持久�?- 支持分布式处�?
**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**�?-2�?
---

#### 2. 无断点续�?
**问题**：任务中断后需要重新开�?
**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�?  await startNewTask(projectId, literatures);
}
```

**预计耗时**�?�?
---

#### 3. 无成本控�?
**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�?500 tokens
  const totalTokens = literatures.length * avgTokensPerLit * 2; // 2个模�?  
  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�?�?  };
}

// 前端显示
const estimate = estimateCost(literatures);
<Alert>
  预计消�? {estimate.totalTokens} tokens
  预计费用: ${estimate.estimatedCost.toFixed(2)}
  预计时间: {formatDuration(estimate.processingTime)}
</Alert>
```

**预计耗时**�?.5�?
---

## 📊 技术债务优先级矩�?
| 债务�?| 影响范围 | 紧迫�?| 预计耗时 | ROI | 优先�?|
|--------|---------|--------|---------|-----|--------|
| **Prompt优化** | 核心质量 | �?| 4-5�?| �?| P1 🔴 |
| **并发处理** | 用户体验 | �?| 0.5-1�?| �?| P2 🟡 |
| **估计剩余时间** | 用户体验 | �?| 0.5�?| �?| P3 🟢 |
| **当前文献显示** | 用户体验 | �?| 0.5�?| �?| P3 🟢 |
| **浏览器性能** | 用户体验 | �?| 0.5�?| �?| P4 🔵 |
| **消息队列** | 架构稳定�?| �?| 1-2�?| �?| P4 🔵 |
| **断点续传** | 用户体验 | �?| 1�?| �?| P4 🔵 |
| **成本控制** | 运营 | �?| 0.5�?| �?| P4 🔵 |
| **小屏幕适配** | 用户体验 | �?| 1�?| �?| P4 🔵 |

---

## 🗓�?建议的解决顺�?
### 阶段1：质量优化（必须�?```
时间�?�?任务�?  1. Few-shot示例设计�?天）
  2. PICOS标准明确化（2天）
  3. 置信度优化（0.5天）
  4. 测试迭代�?-2天）
目标：准确率 60% �?85%
```

### 阶段2：性能优化（推荐）
```
时间�?-2�?任务�?  1. 并发处理�?.5-1天）
  2. 进度优化�?.5天）
目标�?99�?33-66分钟 �?10-20分钟
```

### 阶段3：体验优化（可选）
```
时间�?-3�?任务�?  1. 估计剩余时间�?.5天）
  2. 当前文献显示�?.5天）
  3. 浏览器性能�?.5天）
  4. 小屏幕适配�?天）
目标：提升用户体�?```

### 阶段4：架构优化（长期�?```
时间�?-4�?任务�?  1. 消息队列集成�?-2天）
  2. 断点续传�?天）
  3. 成本控制�?.5天）
目标：生产环境就�?```

---

## 📝 决策记录

### 2025-11-21：推迟质量优化，优先完成Week 4功能

**决策�?*：用�?
**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�?2. 统计和导出功能是用户强需�?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�?- 根据用户反馈决定优化优先�?
---

---

## 🟠 优先�?：全文复筛技术债务（NEW�?
> **更新日期**�?025-11-22  
> **当前状�?*：Day 1-3已完成（通用能力层核心）

### 债务1：Nougat质量检测机制缺�?
**问题描述**�?- 当前Nougat提取后，质量评分为`undefined`
- 导致所有PDF都降级到PyMuPDF，无法充分利用Nougat的结构化优势

**影响**�?- 无法获得Markdown格式的结构化全文
- Section-Aware Prompt策略效果打折�?- 可能影响准确率（结构化信息丢失）

**根本原因**�?- Python extraction_service返回的Nougat结果缺少`quality`字段
- 或质量评分逻辑未实�?
**解决方案**�?1. 检查`extraction_service/services/pdf_processor.py`的Nougat处理逻辑
2. 实现质量评分机制（基于识别置信度、Markdown完整性等�?3. 测试并调优质量阈�?
**优先�?*：中  
**预计耗时**：半�? 
**风险**：低

---

### 债务2：MVP未实施全文验证（Full-text Validation�?
**问题描述**�?- 质量保障策略中设计了"分段提取 + 全文验证"
- MVP采用"一次性全文提�?策略，跳过了全文验证步骤

**影响**�?- 可能存在"Lost in the Middle"现象导致的遗�?- 关键字段的准确率可能未达�?2%目标

**建议**�?1. MVP上线后，收集准确率数�?2. 如果关键字段准确�?90%，实施全文验�?3. 优先针对3个核心字段（随机化方法、盲法、结果完整性）

**优先�?*：低（待MVP测试验证�? 
**预计耗时**�?�? 
**条件触发**：关键字段准确率<90%

---

### 债务3：Cochrane标准未加载（MVP简化）

**问题描述**�?- MVP为了减少Prompt长度和成本，未加载Cochrane RoB 2.0标准
- 可能影响"质量评估"字段的判断准确�?
**影响**�?- 质量评估字段可能不够严谨
- 缺少统一的评判标�?
**建议**�?1. MVP测试后评估准确率
2. 如果"质量评估"字段准确�?85%，重新加载Cochrane标准
3. 通过配置开关灵活控制（PromptBuilder已支持）

**优先�?*：低（待MVP测试验证�? 
**预计耗时**：半天（已有代码，仅需配置�? 
**条件触发**：质量评估字段准确率<85%

---

### 债务4：Few-shot Examples被移�?
**问题描述**�?- 为了优化Prompt长度（从74KB降至52KB），移除了Few-shot examples
- 可能影响模型�?Lost in the Middle"场景的处理能�?
**影响**�?- 模型缺少参考案例，面对复杂场景时可能表现不稳定

**建议**�?1. MVP测试后分析失败案�?2. 如果发现特定模式的失败案例（如信息在中间位置），重新添加Few-shot
3. 采用精简版Few-shot�?-2个核心案例，而非原来的完整案例）

**优先�?*：低（待MVP测试验证�? 
**预计耗时**�?�? 
**条件触发**：特定场景失败率>30%

---

### 债务5：批处理服务未实现（Day 4待开发）

**问题描述**�?- 当前只有单篇PDF的LLM处理服务
- 缺少批量处理、进度跟踪、并发控�?
**影响**�?- 无法批量处理多篇文献
- 缺少任务队列和进度管�?
**解决方案**�?- Day 4开发`AsyncTaskService`和`FulltextScreeningService`
- 集成`p-queue`实现并发控制
- 实现进度回调和失败重�?
**优先�?*：高（Day 4计划中）  
**预计耗时**�?�? 
**状�?*：计划中

---

### 债务6：前端UI未开发（Day 5-6待开发）

**问题描述**�?- 全文复筛的前端UI完全未开�?- 包括设置页、工作台页、结果页、双视图审阅弹窗

**影响**�?- 后端服务无法被用户使�?- MVP无法交付

**解决方案**�?- Day 5-6开发前端UI
- 参考标题摘要初筛的UI设计
- 适配12字段模板的展示需�?
**优先�?*：高（Day 5-6计划中）  
**预计耗时**�?�? 
**状�?*：计划中

---

### 债务7：数据库表未创建 �?已解�?
**问题描述**�?- `AslFulltextScreeningTask`和`AslFulltextScreeningResult`表未创建
- 无法存储全文复筛的任务和结果

**影响**�?- 后端服务无法持久化数�?
**解决方案**�?- Day 4执行Prisma迁移
- 创建两个新表并建立关�?
**优先�?*：高（Day 4计划中）  
**预计耗时**：半�? 
**状�?*：✅ 已完成（2025-11-23�?
**解决详情**�?- 使用手动SQL脚本完成迁移（避免影响public schema�?- 创建�?`fulltext_screening_tasks` �?`fulltext_screening_results` �?- 修改 `literatures` 表，添加13个全文相关字�?- 详见：[2025-11-23_数据库迁移状态说�?md](../05-开发记�?2025-11-23_数据库迁移状态说�?md)

---

### 债务8：API端点未实�?
**问题描述**�?- 全文复筛相关的RESTful API未实�?- 前端无法调用后端服务

**影响**�?- 前后端无法集�?
**解决方案**�?- Day 4开发API控制�?- 实现任务创建、进度查询、结果查询、人工复核等接口

**优先�?*：高（Day 4计划中）  
**预计耗时**：半�? 
**状�?*：计划中

---

### 债务9：成本优化空�?
**问题描述**�?- 单篇PDF处理成本约�?.10（DeepSeek + Qwen�?- System Prompt仍有6,601字符，有优化空间

**潜在优化**�?1. 精简System Prompt（保留核心指引，移除冗余说明�?2. 调整JSON Schema（减少description字段�?3. 考虑单模型模式（仅DeepSeek，成本降�?5%�?
**预期效果**�?- 成本降低30-50%（双模型�?- 或降�?5%（单模型�?
**优先�?*：中（MVP稳定后）  
**预计耗时**�?-2�? 

---

### 债务10：容错机制待增强

**问题描述**�?- 虽然已实�?层JSON解析策略，但缺少"LLM重试"�?- 如果3层解析都失败，任务直接失�?
**建议**�?- 在生产环境中监控JSON解析失败�?- 如果失败�?5%，实施第4层：LLM重试（带强化Prompt�?
**优先�?*：低（待生产数据验证�? 
**预计耗时**�?�? 
**条件触发**：JSON解析失败�?5%

---

## 🎨 全文复筛 - 前端技术债务

> **模块**：全文复筛前�? 
> **创建时间**�?025-11-23  
> **状�?*：待开�? 

---

### 债务11：PDF标注功能

**问题描述**�?- MVP版本只支持PDF预览（翻页、缩放）
- 无法在PDF上进行标注、高亮、添加批�?- 用户希望在审核时标记关键信息

**使用场景**�?- 审核工作台查看原文时，标记关键证�?- 高亮冲突的文本片�?- 添加个人审核笔记

**建议方案**�?- 集成PDF标注库（�?react-pdf-highlighter�?- 支持文本高亮、下划线、批�?- 标注数据保存到数据库，可导出

**优先�?*：中  
**预计耗时**�?-4�? 
**依赖**：PDF预览功能完成  
**用户价�?*：⭐⭐⭐�?
---

### 债务12：文献笔记功�?
**问题描述**�?- 无法为每篇文献添加审核笔�?- 人工复核时的思考过程无法记�?- 不便于后续回溯决策依�?
**使用场景**�?- 记录为什么纳�?排除某篇文献
- 记录需要进一步核查的问题
- 团队协作时的沟通记�?
**建议方案**�?- 在文献详情抽屉添�?笔记"Tab
- 支持富文本编辑器（Markdown�?- 支持@提及团队成员
- 笔记保存到数据库

**优先�?*：中  
**预计耗时**�?-3�? 
**依赖**：详情抽屉完�? 
**用户价�?*：⭐⭐⭐�?
---

### 债务13：从知识库选择文献

**问题描述**�?- MVP版本只支持本地上传PDF
- 无法从已有知识库中选择文献
- 需要重复上传已存在的PDF

**使用场景**�?- 用户在个人知识库中已保存大量文献
- 希望直接选择现有文献进行全文复筛
- 避免重复上传和存�?
**建议方案**�?- �?添加文献"弹窗添加"知识�?Tab
- 显示用户的所有PDF文献列表
- 支持搜索、筛选、多�?- 选中后自动关联到当前任务

**优先�?*：低  
**预计耗时**�?�? 
**依赖**：个人知识库模块（PKB�? 
**用户价�?*：⭐⭐⭐

---

### 债务14：通过PMID/DOI自动获取全文

**问题描述**�?- 用户只有PMID或DOI，没有PDF文件
- 需要手动去PubMed等网站下载PDF
- 增加操作成本和时�?
**使用场景**�?- 用户有文献的PMID列表
- 希望系统自动获取全文PDF
- 自动批量下载并关�?
**建议方案**�?- �?添加文献"弹窗添加"自动获取"Tab
- 输入PMID/DOI列表（支持批量）
- 调用第三方API（PubMed、Unpaywall、Sci-Hub镜像�?- 自动下载PDF并添加到任务

**优先�?*：低  
**预计耗时**�?-5�? 
**依赖**：第三方PDF获取API  
**用户价�?*：⭐⭐⭐⭐⭐  
**法律风险**：⚠�?需评估版权问题

---

### 债务15：高亮AI引用的原文片�?
**问题描述**�?- AI判断时引用了原文证据
- 但在PDF预览中无法自动定位和高亮
- 用户需要手动查找对应的文本

**使用场景**�?- 查看AI判断依据时，希望看到原文位置
- 点击证据文本，PDF自动跳转并高�?- 验证AI提取是否准确

**建议方案**�?- 在AI判断对比中，证据文本变为可点�?- 点击后PDF预览自动跳转到对应页�?- 高亮匹配的文本片段（需要坐标信息）
- 后端需要返回文本在PDF中的位置坐标

**优先�?*：中  
**预计耗时**�?-5�? 
**依赖**：PDF提取服务返回文本坐标  
**用户价�?*：⭐⭐⭐⭐⭐  
**技术难�?*：⭐⭐⭐�?
---

### 债务16：WebSocket实时推送替代轮�?
**问题描述**�?- 当前使用轮询机制（每3秒请求一次）
- 增加服务器负载和网络流量
- 进度更新有延迟（最�?秒）

**使用场景**�?- 任务进度监控页面
- 长时间运行的LLM任务
- 希望实时看到处理日志

**建议方案**�?- 后端实现WebSocket服务
- 前端建立WebSocket连接
- 任务进度变化时主动推�?- 降级策略：WebSocket不可用时回退到轮�?
**优先�?*：低  
**预计耗时**�?-4�? 
**依赖**：后端WebSocket实现  
**用户价�?*：⭐⭐⭐  
**性能提升**：⭐⭐⭐�?
---

### 债务17：虚拟滚动优化大列表性能

**问题描述**�?- 当文献数�?100篇时，表格渲染变�?- 所有行都渲染到DOM，占用大量内�?- 滚动时可能出现卡�?
**使用场景**�?- 大规模全文复筛（200+篇文献）
- 审核工作台和结果页面
- 需要流畅的滚动体验

**建议方案**�?- 使用虚拟滚动库（react-window / react-virtualized�?- 只渲染可见区域的�?- 优化Ant Design Table性能
- 添加性能监控

**优先�?*：低  
**预计耗时**�?�? 
**条件触发**：文献数�?100�? 
**用户价�?*：⭐⭐⭐  
**性能提升**：⭐⭐⭐⭐⭐

---

### 债务18：批量操作功�?
**问题描述**�?- 结果页面只能单个文献操作
- 无法批量修改决策
- 无法批量导出选中的文�?
**使用场景**�?- 批量标记�?纳入"�?排除"
- 批量导出选中文献的PDF
- 批量删除错误上传的文�?
**建议方案**�?- 表格添加复选框�?- 添加批量操作工具�?- 支持：批量修改决策、批量导出、批量删�?- 添加操作确认提示

**优先�?*：低  
**预计耗时**�?�? 
**用户价�?*：⭐⭐⭐�?
---

### 债务19：离线PDF预览支持

**问题描述**�?- PDF预览依赖在线CDN加载pdf.js worker
- 网络不好时加载失�?- 内网环境无法使用

**使用场景**�?- 内网部署环境
- 网络不稳定的用户
- 需要完全离线使�?
**建议方案**�?- 将pdf.js worker打包到项目中
- 支持本地加载和CDN加载两种模式
- 自动检测网络并选择最优方�?
**优先�?*：低  
**预计耗时**�?�? 
**条件触发**：内网部署需�? 
**用户价�?*：⭐⭐⭐

---

### 债务20：响应式设计适配移动�?
**问题描述**�?- 当前设计只考虑桌面端（1920x1080�?- 在平板和手机上显示效果差
- 表格宽度固定，小屏幕下无法使�?
**使用场景**�?- 用户希望在平板上审核文献
- 移动场景下查看任务进�?- 外出时临时处理审�?
**建议方案**�?- 使用响应式布局（Tailwind CSS�?- 小屏幕下表格改为卡片视图
- 优化触摸交互体验
- 添加移动端导�?
**优先�?*：极�? 
**预计耗时**�?-7�? 
**条件触发**：用户明确需�? 
**用户价�?*：⭐�?
---

## 📚 相关文档

**标题摘要初筛**:
- [模块当前状态与开发指南](../00-模块当前状态与开发指�?md) - 已知问题来源
- [任务分解](../04-开发计�?03-任务分解.md) - Week 4任务清单
- [Prompt设计与测试报告](../05-开发记�?2025-11-18-Prompt设计与测试完成报�?md) - 质量问题分析
- [今日工作总结](../05-开发记�?2025-11-18-今日工作总结.md) - 边界问题诊断

**全文复筛**:
- [全文复筛开发计划](../04-开发计�?04-全文复筛开发计�?md) - 后端开发进度和计划
- [全文复筛前端开发计划](../04-开发计�?05-全文复筛前端开发计�?md) - 前端开发详细计�?- [全文复筛质量保障策略](../02-技术设�?08-全文复筛质量保障策略.md) - 质量策略设计
- [Day 2-3开发记录](../05-开发记�?2025-11-22_Day2-Day3_LLM服务与验证系统开�?md) - LLM服务开�?- [Day 5开发记录](../05-开发记�?2025-11-23_Day5_全文复筛API开�?md) - 后端API开�?
---

**文档维护**�?- 每次发现新的技术债务时更�?- 每次解决技术债务后标记状�?- 定期评估优先级（每月�?
**最后更�?*�?025-11-23（v1.2�? 
**本次更新**：新增全文复筛前端技术债务�?0项，债务11-20�? 
**下次评估**：全文复筛前端MVP完成�?