# **PRD：Tool C \- 科研数据编辑�?(The Research Editor)**

| 文档版本 | V6.0 (AI Code Interpreter 增强�? |
| :---- | :---- |
| **产品形�?* | Web 端双核编辑器 (GUI 可视化操�?\+ LUI 自然语言交互) |
| **核心价�?* | 将“Excel 的易用性”与“Python 的强大能力”结合。医生既可以通过鼠标点击完成微操，也可以通过自然语言指挥 AI 编写代码完成复杂的清洗任务（如长宽转换、多重插补）�?|
| **技术底�?* | Node.js BFF \+ Python Server-side Sandbox \+ DeepSeek-V3 |

## **一�?产品核心理念 (Core Philosophy)**

### **1.1 双核驱动 (Dual-Core Interaction)**

* **左脑 (GUI):** 提供类似 Excel 的网格和工具栏，适合“直觉式、原子化”的操作（如手动修改一个值、排序、筛选）�? 
* **右脑 (AI Copilot):** 提供对话式代码解释器，适合“逻辑性、批量化”的操作（如“把年龄�?0岁分箱”、“删除所有空行”、“计算生存时间”）�?
### **1.2 可控黑盒 (Controllable Blackbox)**

AI 不直接修改数据，而是**生成 Python 代码**。系统在执行前展示\*\*“预操作卡片”\*\*，由用户确认执行，确保科研数据的严谨性�?
## **二�?核心业务流程 (User Flow)**

数据导入 \-\> 双模式清�?(点击工具�?OR 对话 AI) \-\> 代码/操作执行 \-\> 实时预览更新 \-\> 版本快照 \-\> 导出结果

## **三�?功能模块详解 (Functional Requirements)**

### **1\. 界面布局 (The Workspace)**

* **P0:** **分栏布局 (Split View):**  
  * **左侧 (70%):** 超级网格 (The Grid)，展示数据预览�? 
  * **右侧 (30%):** 智能侧边�?(Smart Sidebar)，包�?**\[统计概览\]** �?**\[AI 助手\]** 两个 Tab�? 
* **P0:** **全局状态指�?**  
  * �?AI 正在思考或后端正在计算时，左侧网格显示 **“AI 处理�?..�?* 遮罩，并锁定编辑，防止双写冲突�?
### **2\. 顶部扁平工具�?(Flat Toolbar) —�?GUI 核心**

*保留高频、标准化的操作入口，作为 AI 的补充�?

* **P0: 变量加工:**  
  * **生成新变�?** 弹窗公式构建器�? 
  * **计算时间�?** 内置医学常数 (�?365.25�?�? 
  * **生成哑变�?** 回归分析专用�? 
  * **横纵表转�?(Pivot):** \* *交互升级:* 点击后不再只是纯前端计算，而是调用后端 Python 逻辑，支持处理更复杂的转换�? 
* **P0: 质量治理:**  
  * **查找重复�?** �?ID 或全字段查重�? 
  * **多重插补 (MICE):** 全局入口，调用后�?sklearn �?fancyimpute 库�? 
* **P0: 样本筛�?** 构建入排标准�?
### **3\. AI Copilot 智能助手 (The Brain) —�?V6 核心升级**

*位于右侧侧边栏的 \[AI 助手\] Tab�?

#### **3.1 自然语言指令解析**

* **P0:** **意图识别:** 支持模糊指令，如“洗一下数据”、“把男变�?”�? 
* **P0:** **上下文感�?** AI 能够读取当前的列�?(Metadata) 和前 5 行数据示例，理解数据含义�?
#### **3.2 代码解释器模�?(Code Interpreter)**

* **P0:** **代码生成:** AI 针对用户需求，生成可执行的 **Python (Pandas)** 代码块�? 
* **P0:** **预操作卡�?(Action Card):**  
  * AI 不直接执行代码�? 
  * 界面展示一个卡片：操作类型: 数据分箱 | 目标�? 年龄 | 代码预览�? 
  * 按钮�?*\[运行代码\]** | **\[取消\]**�? 
* **P0:** **执行反馈:**  
  * 执行成功：显�?✅，左侧表格自动刷新�? 
  * 执行失败：AI 自动分析 Error Log，尝试自我修正代码并建议重试�?
#### **3.3 典型 AI 场景支持**

* **高级清洗:** “把所有列的异常值（\>3倍标准差）替换为缺失值”�? 
* **复杂提取:** “从‘诊断’列中提取出由�?’分隔的第二部分，生成新列”�? 
* **批量处理:** “删除所有缺失率超过 50% 的列”�?
### **4\. 智能统计面板 (Insight Panel)**

*位于右侧侧边栏的 \[统计概览\] Tab�?

* **P0:** **列联�?** 点击左侧网格某一列，右侧自动显示该列的分布图（直方图/频次图）�? 
* **P0:** **快捷操作:** 图表下方直接提供“填补”、“分箱”、“映射”等快捷按钮�?
### **5\. 导出与流�?(Export)**

* **P0:** **结果导出:** 支持 Excel (.xlsx) �?SPSS (.sav) 格式�? 
* **P0:** **操作审计:** 导出的文件中，附带一�?**"清洗日志 (Cleaning Log)"**，记录了所有的 AI 代码和手动操作步骤（用于科研溯源）�?
## **四�?数据与性能策略 (Data Strategy)**

### **4.1 性能准入 (Guardrails)**

* **文件大小限制:** 单个文件 **\< 20MB**�? 
* **行数限制:** 建议 **\< 50,000 �?* 以保证前端渲染流畅度�? 
  * *策略:* 后端 Python 可以处理百万行，但前�?AG Grid 仅加载前 100-1000 行作为预览（Preview Mode），导出时才生成全量文件�?
### **4.2 安全与隐�?*

* **P0:** **沙箱隔离:** AI 生成�?Python 代码必须在服务端的安全沙箱（Docker/SAE）中运行，禁止访问外网和系统文件�? 
* **P0:** **数据脱敏:** 确保输入编辑器的数据已在前置环节（工�?B）完成了 PII 脱敏�?
## **五�?埋点与统�?*

* **AI 采纳�?** 展示 Action Card 后，用户点击“运行”的比例�? 
* **代码报错�?** AI 生成的代码在后端执行失败的比例�? 
* **常用指令 Top 10:** 统计医生最常对 AI 说的话�?
## **六�?附录：AI 指令集示�?(Few-Shot Examples)**

| 用户指令 | AI 动作 (Action) | 生成代码逻辑 (Python Pandas) |
| :---- | :---- | :---- |
| "把性别转为数字" | Recode | df\['sex'\] \= df\['sex'\].map({'�?:1, '�?:0}) |
| "年龄�?0分两�? | Binning | df\['age\_group'\] \= pd.cut(df\['age'\], bins=\[0,60,150\], labels=\['0','1'\]) |
| "删除没有ID的行" | Filter | df \= df.dropna(subset=\['patient\_id'\]) |
| "计算BMI" | Formula | df\['bmi'\] \= df\['weight'\] / (df\['height'\]/100)\*\*2 |
| "把每个人的一行变成多�? | Pivot/Melt | df \= df.melt(id\_vars=\['id'\], ...) |