# SSA-Pro Phase 2A：智能化核心开发计划 > **文档版本：** v1.1 > **创建日期：** 2026-02-20 > **最后更新：** 2026-02-20（纳入架构审查反馈：暗礁预警 + Python/R 分工 + 执行时机） > **目标：** 以终为始，完成智能统计分析的核心能力 > **里程碑：** 5 大核心组件跑通 + 7 个统计工具上线 --- ## 1. 战略定位：为什么 Phase 2A 是 MVP 的核心？ ``` ┌─────────────────────────────────────────────────────────────────┐ │ SSA-Pro 开发阶段定位 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ Phase 1 ✅ 已完成 │ │ ━━━━━━━━━━━━━━━━━━━━━━━━━━━ │ │ 骨架搭建：前后端架构 + T检验端到端 + V11 UI │ │ 验证目标：证明"能跑通" │ │ │ │ Phase 2A ⭐ 当前阶段（本计划） │ │ ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ │ │ 智能化核心：5大组件 + 7个工具 + 多工具流程规划 │ │ 验证目标：证明"真正智能" │ │ │ │ Phase 2B+ 后续阶段 │ │ ━━━━━━━━━━━━━━━━━━━━━━━━━━━ │ │ 扩展完善：更多工具 + 咨询模式 + 配置中台 │ │ 性质：复制粘贴 + 修修补补 │ │ │ └─────────────────────────────────────────────────────────────────┘ ``` **核心观点：Phase 2A 完成后，智能化能力就完成了 85%+。后续工作主要是"量"的扩展，而非"质"的突破。** --- ## 2. 以终为始：5 大核心组件 ``` ┌─────────────────────────────────────────────────────────────────┐ │ 理想的智能统计分析系统 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ ┌──────────────────────────────────────────────────────────┐ │ │ │ 1. 意图理解器 (Intent Parser) ✅ 已有 │ │ │ │ - Query Rewriter：医学术语 → 统计术语 │ │ │ │ - Planner：Goal/Y/X/Design 四维提取 │ │ │ │ - 不确定时追问澄清 │ │ │ └──────────────────────────────────────────────────────────┘ │ │ ↓ │ │ ┌──────────────────────────────────────────────────────────┐ │ │ │ 2. 数据诊断器 (Data Diagnostician) 🆕 Phase 2A │ │ │ │ │ │ │ │ ⏱️ 时机 A：用户上传数据时 → Python (Tool C) │ │ │ │ - 数据概况（行数、列数、类型推断） │ │ │ │ - 缺失值分析（每列缺失数、缺失率） │ │ │ │ - 异常值检测（IQR 方法） │ │ │ │ - 基础描述统计（均值、中位数、标准差） │ │ │ │ → 输出：DataProfile JSON（喂给 LLM 生成 SAP） │ │ │ │ │ │ │ │ ⏱️ 时机 B：执行核心计算前 → R Service (JIT 护栏) │ │ │ │ - 正态性检验（Shapiro-Wilk，针对特定 Y 变量） │ │ │ │ - 方差齐性检验（Levene，针对特定分组） │ │ │ │ → 输出：StatisticalChecks JSON（决定方法选择） │ │ │ │ │ │ │ └──────────────────────────────────────────────────────────┘ │ │ ↓ │ │ ┌──────────────────────────────────────────────────────────┐ │ │ │ 3. 路径规划器 (Pathway Planner) 🆕 Phase 2A │ │ │ │ - LLM 理解用户意图 + 数据特征 │ │ │ │ - 规划 2-7 步分析流程 │ │ │ │ - 选择合适的统计工具组合 │ │ │ │ → 输出：多步骤执行计划 (workflow_steps[]) │ │ │ └──────────────────────────────────────────────────────────┘ │ │ ↓ │ │ ┌──────────────────────────────────────────────────────────┐ │ │ │ 4. 流程执行器 (Workflow Executor) 🆕 Phase 2A │ │ │ │ - 串联执行多个工具 │ │ │ │ - 结果在步骤间传递 │ │ │ │ - 护栏检查与自动降级 │ │ │ │ - 实时进度反馈（SSE 推送） │ │ │ │ → 输出：step_results[] │ │ │ └──────────────────────────────────────────────────────────┘ │ │ ↓ │ │ ┌──────────────────────────────────────────────────────────┐ │ │ │ 5. 结论生成器 (Conclusion Generator) ✅ 已有 │ │ │ │ - Critic Agent：多步骤结果整合 │ │ │ │ - 论文级结论模板 │ │ │ │ - 方法学说明 + 局限性声明 │ │ │ │ → 输出：综合分析报告 │ │ │ └──────────────────────────────────────────────────────────┘ │ │ │ └─────────────────────────────────────────────────────────────────┘ ``` ### 2.1 组件状态汇总 | 组件 | 状态 | Phase 2A 任务 | |------|------|--------------| | 1. 意图理解器 | ✅ 已有 | 优化 Prompt，增强追问能力 | | 2. 数据诊断器 | 🆕 待做 | **核心开发项** | | 3. 路径规划器 | 🆕 待做 | **核心开发项** | | 4. 流程执行器 | 🆕 待做 | **核心开发项** | | 5. 结论生成器 | ✅ 已有 | 增强多步骤结果整合能力 | --- ## 3. 工具清单：7 个统计方法 ### 3.1 工具总览 | 序号 | 工具代码 | 名称 | 类别 | 状态 | 典型场景 | |------|---------|------|------|------|---------| | 1 | ST_T_TEST_IND | 独立样本 T 检验 | 参数检验 | ✅ 已完成 | 两组连续变量比较 | | 2 | ST_MANN_WHITNEY | Mann-Whitney U 检验 | 非参数检验 | 🆕 待做 | 两组非正态/等级变量比较 | | 3 | ST_CHI_SQUARE | 卡方检验 | 分类变量 | 🆕 待做 | 两个分类变量关联 | | 4 | ST_LOGISTIC_BINARY | 二元 Logistic 回归 | 多因素分析 | 🆕 待做 | 二分类结局的危险因素 | | 5 | ST_T_TEST_PAIRED | 配对 T 检验 | 参数检验 | 🆕 待做 | 前后对比/配对设计 | | 6 | ST_CORRELATION | Pearson/Spearman 相关 | 相关分析 | 🆕 待做 | 两个连续变量相关性 | | 7 | ST_DESCRIPTIVE | 描述性统计 | 基础统计 | 🆕 待做 | 数据概况/基线表 | ### 3.2 工具选择逻辑（供 LLM 规划参考） ``` ┌─────────────────────────────────────────────────────────────────┐ │ 工具选择决策树 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ 研究目的是什么？ │ │ ├─ 描述数据 → ST_DESCRIPTIVE │ │ ├─ 比较两组 │ │ │ ├─ Y 是连续变量 │ │ │ │ ├─ 独立样本 │ │ │ │ │ ├─ 正态分布 → ST_T_TEST_IND │ │ │ │ │ └─ 非正态 → ST_MANN_WHITNEY │ │ │ │ └─ 配对样本 → ST_T_TEST_PAIRED │ │ │ └─ Y 是分类变量 → ST_CHI_SQUARE │ │ ├─ 分析相关性 │ │ │ ├─ 正态分布 → ST_CORRELATION (Pearson) │ │ │ └─ 非正态 → ST_CORRELATION (Spearman) │ │ └─ 多因素分析 │ │ └─ Y 是二分类 → ST_LOGISTIC_BINARY │ │ │ └─────────────────────────────────────────────────────────────────┘ ``` ### 3.3 各工具详细定义 #### 3.3.1 ST_MANN_WHITNEY（Mann-Whitney U 检验） | 属性 | 值 | |------|---| | **适用场景** | 两组独立样本比较，Y 为连续/等级变量，不满足正态性假设 | | **输入参数** | `group_var`（分组变量）, `value_var`（数值变量） | | **输出** | U 统计量、Z 值、P 值、效应量 r、中位数对比 | | **护栏** | 每组样本量 ≥ 5；分组变量必须是二分类 | | **降级来源** | T 检验正态性不满足时自动降级 | #### 3.3.2 ST_CHI_SQUARE（卡方检验） | 属性 | 值 | |------|---| | **适用场景** | 两个分类变量的关联分析 | | **输入参数** | `var1`（分类变量1）, `var2`（分类变量2） | | **输出** | χ² 统计量、自由度、P 值、Cramér's V | | **护栏** | 期望频数 < 5 的格子不超过 20%；否则提示使用 Fisher | | **自动降级** | 2×2 表且有格子 < 5 → Fisher 精确检验 | #### 3.3.3 ST_LOGISTIC_BINARY（二元 Logistic 回归） | 属性 | 值 | |------|---| | **适用场景** | 二分类结局变量的多因素分析 | | **输入参数** | `outcome_var`（结局变量）, `predictors`（预测变量列表）, `confounders`（混杂因素，可选） | | **输出** | OR、95% CI、P 值（每个变量）、模型拟合度（AIC、Hosmer-Lemeshow） | | **护栏** | 事件数 / 自变量数 ≥ 10（EPV 规则）；共线性检测（VIF < 5） | | **高级** | 支持单因素 → 多因素两步分析 | #### 3.3.4 ST_T_TEST_PAIRED（配对 T 检验） | 属性 | 值 | |------|---| | **适用场景** | 配对设计，同一对象前后对比 | | **输入参数** | `before_var`（前测变量）, `after_var`（后测变量） | | **输出** | 差值均值、t 统计量、P 值、Cohen's d、95% CI | | **护栏** | 差值满足正态性；样本量 ≥ 10 | | **降级** | 差值非正态 → Wilcoxon 符号秩检验 | #### 3.3.5 ST_CORRELATION（相关分析） | 属性 | 值 | |------|---| | **适用场景** | 两个连续变量的相关性分析 | | **输入参数** | `var_x`, `var_y`, `method`（pearson/spearman/auto） | | **输出** | 相关系数 r、P 值、散点图 | | **护栏** | 样本量 ≥ 10；检测异常值影响 | | **自动选择** | 两变量均正态 → Pearson；否则 → Spearman | #### 3.3.6 ST_DESCRIPTIVE（描述性统计） | 属性 | 值 | |------|---| | **适用场景** | 数据概况、基线特征表 | | **输入参数** | `variables`（变量列表）, `group_var`（可选，分组） | | **输出** | 连续变量：均值±SD、中位数(IQR)；分类变量：n(%) | | **特殊** | 自动识别变量类型；支持分组对比 | --- ## 4. 数据流架构（含执行时机） ### 4.1 完整数据流 ``` ┌─────────────────────────────────────────────────────────────────┐ │ 完整数据流（含执行时机） │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ 用户上传数据 │ │ │ │ │ ▼ │ │ ┌─────────────────────────────────────┐ │ │ │ ⏱️ 时机 A: Python (Tool C) │ │ │ │ → DataProfile JSON │ │ │ │ - 列类型、缺失率、异常值 │ │ │ │ - 唯一值、基础描述统计 │ │ │ └──────────────────┬──────────────────┘ │ │ │ 喂给 LLM │ │ ▼ │ │ ┌─────────────────────────────────────┐ │ │ │ 意图理解器 + 路径规划器 (LLM) │ │ │ │ → SAP: Group=Gender, Value=GLU │ │ │ │ → Workflow: [描述统计, T检验] │ │ │ └──────────────────┬──────────────────┘ │ │ │ 用户确认执行 │ │ ▼ │ │ ┌─────────────────────────────────────┐ │ │ │ ⏱️ 时机 B: R Service (JIT 护栏) │ │ │ │ → 针对 GLU 做正态性检验 │ │ │ │ → 针对 Gender 分组做方差齐性检验 │ │ │ │ → StatisticalChecks JSON │ │ │ └──────────────────┬──────────────────┘ │ │ │ 根据结果决策 │ │ ▼ │ │ ┌─────────────────────────────────────┐ │ │ │ 正态 + 方差齐 → T 检验 │ │ │ │ 非正态 → Mann-Whitney │ │ │ │ 方差不齐 → Welch T 检验 │ │ │ └──────────────────┬──────────────────┘ │ │ ▼ │ │ 执行核心统计 → 生成结果 → 结论生成器 │ │ │ └─────────────────────────────────────────────────────────────────┘ ``` ### 4.2 执行时机说明 | 时机 | 触发条件 | 执行层 | 目的 | |------|---------|--------|------| | **时机 A** | 用户上传数据 | Python (Tool C) | 让 LLM 知道"数据长什么样" | | **时机 B** | 用户确认执行前 | R Service | JIT 护栏：检验统计假设是否满足 | > ⚠️ **关键原则**：上传时不知道 Y 是什么，不能对全表做正态性检验。只有 LLM 确定了 Group=X, Value=Y 后，才能在执行前做 JIT 护栏检验。 ### 4.3 Python (Tool C) DataProfile 接口 ```typescript // 新增接口：POST /api/dc/profile interface DataProfileRequest { sessionId: string; // Tool C 会话 ID } interface DataProfileResponse { columns: Array<{ name: string; type: 'numeric' | 'categorical' | 'datetime' | 'text'; missingCount: number; missingRate: number; uniqueCount: number; // 数值列 mean?: number; median?: number; std?: number; min?: number; max?: number; outlierCount?: number; // 分类列 topValues?: Array<{ value: string; count: number }>; }>; summary: { totalRows: number; totalColumns: number; numericColumns: number; categoricalColumns: number; overallMissingRate: number; }; } ``` ### 4.4 R Service JIT 护栏接口 ```typescript // 在执行核心工具前调用 interface JITGuardrailRequest { sessionId: string; toolCode: string; // e.g., "ST_T_TEST_IND" params: { groupVar: string; // e.g., "Gender" valueVar: string; // e.g., "GLU" }; } interface JITGuardrailResponse { checks: Array<{ checkName: string; // e.g., "正态性检验" passed: boolean; pValue: number; recommendation: string; }>; suggestedTool: string; // 如果检验不通过，建议的替代工具 canProceed: boolean; } ``` --- ## 5. 开发任务清单 ### 5.0 前置任务：数据库 Schema 更新 > **重要**：遵循 `docs/04-开发规范/09-数据库开发规范.md`，使用 Prisma Migrate #### 新增表设计（方案 2：清晰结构） ```prisma /// SSA 多步骤流程 model SsaWorkflow { id String @id @default(uuid()) sessionId String @map("session_id") messageId String? @map("message_id") /// 关联的计划消息 status String @default("pending") /// pending | running | completed | partial | error totalSteps Int @map("total_steps") completedSteps Int @default(0) @map("completed_steps") workflowPlan Json @map("workflow_plan") /// 原始计划 JSON createdAt DateTime @default(now()) @map("created_at") completedAt DateTime? @map("completed_at") session SsaSession @relation(fields: [sessionId], references: [id], onDelete: Cascade) steps SsaWorkflowStep[] @@index([sessionId], map: "idx_ssa_workflow_session") @@map("ssa_workflows") @@schema("ssa_schema") } /// SSA 流程步骤 model SsaWorkflowStep { id String @id @default(uuid()) workflowId String @map("workflow_id") stepOrder Int @map("step_order") toolCode String @map("tool_code") toolName String @map("tool_name") status String @default("pending") /// pending | running | success | warning | error | skipped inputParams Json? @map("input_params") guardrailChecks Json? @map("guardrail_checks") /// JIT 护栏检验结果 outputResult Json? @map("output_result") errorInfo Json? @map("error_info") executionMs Int? @map("execution_ms") startedAt DateTime? @map("started_at") completedAt DateTime? @map("completed_at") workflow SsaWorkflow @relation(fields: [workflowId], references: [id], onDelete: Cascade) @@index([workflowId], map: "idx_ssa_workflow_step_workflow") @@map("ssa_workflow_steps") @@schema("ssa_schema") } ``` #### SsaSession 扩展字段 ```prisma model SsaSession { // ... 现有字段 ... // 🆕 新增字段 dataProfile Json? @map("data_profile") /// Python 生成的 DataProfile // 🆕 新增关系 workflows SsaWorkflow[] } ``` #### 迁移任务 | 任务 | 预估 | 优先级 | 依赖 | |------|------|--------|------| | 🆕 备份开发数据库 | 0.5h | P0 | - | | 🆕 修改 schema.prisma（新增表 + 字段） | 1h | P0 | 备份 | | 🆕 执行 `prisma migrate dev --name add_ssa_workflow_tables` | 0.5h | P0 | Schema | | 🆕 检查生成的迁移 SQL | 0.5h | P0 | 迁移 | | 🆕 本地测试 | 1h | P0 | SQL | | 🆕 更新 Prisma Client 类型 | 0.5h | P0 | 测试 | **预估总工时：4h（约 0.5 天）** --- ### 5.1 阶段一：R 工具扩展（6 个新工具） | 任务 | 预估 | 优先级 | 依赖 | |------|------|--------|------| | 实现 ST_MANN_WHITNEY（Mann-Whitney U 检验） | 4h | P0 | - | | 实现 ST_CHI_SQUARE（卡方检验） | 4h | P0 | - | | 实现 ST_LOGISTIC_BINARY（二元 Logistic 回归） | 6h | P0 | - | | 实现 ST_T_TEST_PAIRED（配对 T 检验） | 3h | P1 | - | | 实现 ST_CORRELATION（相关分析） | 3h | P1 | - | | 实现 ST_DESCRIPTIVE（描述性统计） | 4h | P1 | - | | 统一 run_analysis() 入口 + 护栏函数 | 4h | P0 | 以上全部 | **预估总工时：28h（约 4 天）** ### 5.2 阶段二：数据诊断器（Python + R 分工） #### 5.2.1 时机 A：Python DataProfile（上传时） | 任务 | 预估 | 优先级 | 依赖 | |------|------|--------|------| | 🆕 扩展 Tool C Python：新增 `/api/dc/profile` 端点 | 4h | P0 | - | | 🆕 实现 DataProfileService 后端服务（调用 Tool C） | 3h | P0 | Python 端点 | | 🆕 实现前端 DataProfile 展示卡片 | 3h | P0 | 后端服务 | | 🆕 集成到 SSA 上传数据流程 | 2h | P0 | 前端卡片 | #### 5.2.2 时机 B：R JIT 护栏（执行前） | 任务 | 预估 | 优先级 | 依赖 | |------|------|--------|------| | 🆕 实现 R 正态性检验函数（Shapiro-Wilk） | 2h | P0 | - | | 🆕 实现 R 方差齐性检验函数（Levene） | 2h | P0 | - | | 🆕 集成 JIT 护栏到 WorkflowExecutorService | 2h | P0 | R 函数 | | 🆕 实现自动方法降级逻辑 | 2h | P0 | JIT 护栏 | **预估总工时：20h（约 2.5 天）** ### 5.3 阶段三：路径规划器（多工具流程规划） | 任务 | 预估 | 优先级 | 依赖 | |------|------|--------|------| | 设计 WorkflowPlan 数据结构 | 2h | P0 | - | | 实现 WorkflowPlannerService（LLM 规划） | 6h | P0 | 数据结构 | | 设计规划 Prompt（工具选择逻辑） | 4h | P0 | 7个工具定义 | | 实现后端 /plan 接口返回多步骤计划 | 3h | P0 | Planner | | 实现前端多步骤计划展示卡片 | 4h | P0 | 后端接口 | **预估总工时：19h（约 2.5 天）** ### 5.4 阶段四：流程执行器（串联执行） | 任务 | 预估 | 优先级 | 依赖 | |------|------|--------|------| | 实现 WorkflowExecutorService | 6h | P0 | 所有 R 工具 | | 实现步骤间结果传递逻辑 | 3h | P0 | Executor | | 实现 SSE 实时进度推送 | 3h | P0 | Executor | | 实现后端 /execute 接口支持多步骤 | 3h | P0 | SSE | | 实现前端多步骤进度展示 | 4h | P0 | 后端接口 | | 实现执行中断/重试机制 | 2h | P1 | 基础执行 | **预估总工时：21h（约 3 天）** ### 5.5 阶段五：结论生成器增强 | 任务 | 预估 | 优先级 | 依赖 | |------|------|--------|------| | 增强 Critic Prompt（多步骤结果整合） | 3h | P0 | - | | 实现多步骤结果汇总逻辑 | 2h | P0 | Executor | | 增强报告模板（方法学 + 局限性） | 2h | P1 | - | **预估总工时：7h（约 1 天）** --- ## 6. 开发计划时间表 ``` Week 1：R 工具扩展 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ Day 1-2: ST_MANN_WHITNEY + ST_CHI_SQUARE Day 3-4: ST_LOGISTIC_BINARY（复杂度最高） Day 5: ST_T_TEST_PAIRED + ST_CORRELATION + ST_DESCRIPTIVE Week 2：核心组件开发 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ Day 1-2: 数据诊断器（ST_QUALITY_REPORT + DataQualityService） Day 3-4: 路径规划器（WorkflowPlannerService + Prompt） Day 5: 流程执行器（WorkflowExecutorService） Week 3：联调与打磨 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ Day 1-2: 前端多步骤 UI + SSE 实时进度 Day 3: 结论生成器增强 Day 4-5: 端到端联调测试 + Bug 修复 ``` **总预估：3 周（15 个工作日）** --- ## 7. 验收标准 ### 7.1 功能验收 | 验收项 | 标准 | |--------|------| | 工具覆盖 | 7 个工具全部可用 | | 数据诊断 | 上传数据后自动生成质量核查报告 | | 流程规划 | LLM 能根据用户问题规划 2-7 步流程 | | 串联执行 | 多步骤顺序执行，实时显示进度 | | 结果整合 | 生成包含所有步骤结果的综合报告 | ### 7.2 场景验收（必须通过） | 场景 | 预期流程 | |------|---------| | "比较两组血压" | 描述统计 → T检验 → （非正态时）Mann-Whitney | | "分析吸烟与肺癌的关系" | 描述统计 → 卡方检验 | | "哪些因素影响糖尿病" | 描述统计 → 单因素Logistic → 多因素Logistic | | "治疗前后血压变化" | 描述统计 → 配对T检验 | | "年龄与血压相关吗" | 描述统计 → 相关分析 | ### 7.3 性能验收 | 指标 | 标准 | |------|------| | 数据诊断耗时 | < 5 秒（200行数据） | | 流程规划耗时 | < 3 秒（LLM 响应） | | 单步骤执行耗时 | < 10 秒 | | 完整流程耗时 | < 60 秒（5 步骤） | --- ## 8. 风险与应对 | 风险 | 影响 | 应对策略 | |------|------|---------| | LLM 规划不准确 | 工具选择错误 | 增加护栏校验 + 人工确认 | | R 工具开发延期 | 阻塞后续开发 | 可并行开发，先做简单工具 | | 多步骤执行失败 | 流程中断 | 实现重试机制 + 部分结果保存 | | 结果传递复杂 | 步骤间数据格式不匹配 | 定义统一的 StepResult 结构 | --- ## 9. 🚨 工程规范（架构审查暗礁预警） > **来源：** 架构审查报告，避免开发过程中踩坑 ### 9.1 暗礁 1：R 脚本输出裁剪（防止 LLM Token 超载） **问题**：R 脚本返回的 JSON 可能包含原始全量数据（如残差数组、原始数据点），导致 LLM Token 超载、响应极慢甚至报错。 **强制规范**： ```r # ❌ 错误示例：返回原始数据 result <- list( p_value = 0.032, residuals = residuals(model), # 可能有几百个值！ raw_data = df # 原始数据！ ) # ✅ 正确示例：只返回精简结果 result <- list( p_value = 0.032, t_statistic = 2.15, df = 48, ci_lower = 0.5, ci_upper = 2.3, effect_size = 0.62, # 图表只返回精简坐标点（最多 100 个点） plot_data = head(plot_points, 100) ) ``` **检查清单**： - [ ] 禁止返回 `residuals`、`fitted.values` 等长数组 - [ ] 禁止返回原始数据 `df` 或 `raw_data` - [ ] 图表坐标点限制在 100 个以内 - [ ] JSON 输出大小不超过 50KB --- ### 9.2 暗礁 3：容错管道（支持部分成功） **问题**：多步骤执行时，一步失败导致整个流程崩溃，用户丢失已成功的结果。 **强制规范**： ```typescript // WorkflowExecutorService 必须实现容错管道 interface StepResult { step: number; toolCode: string; status: 'success' | 'warning' | 'error'; result?: any; error?: { code: string; message: string; userHint: string; }; executionMs: number; } // ✅ 正确实现：每步结果独立保存 async executeWorkflow(workflow: WorkflowStep[]): Promise { const results: StepResult[] = []; for (const step of workflow) { try { const result = await this.executeStep(step); results.push({ ...step, status: 'success', result }); } catch (error) { // ⚠️ 关键：失败不中断，记录错误继续 results.push({ ...step, status: 'error', error: this.formatError(error) }); // 只有关键错误才中断 if (this.isCriticalError(error)) break; } } return results; // 返回部分成功的结果 } ``` **前端展示**： ``` ✅ 描述性统计 (执行成功, 点击查看) ✅ 正态性检验 (执行成功, 点击查看) ❌ T检验 (执行失败: 方差为0, 点击查看原因) ⏸️ Mann-Whitney (已跳过) ``` --- ### 9.3 SSE 消息格式规范 **强制格式**： ```typescript interface SSEMessage { type: 'step_start' | 'step_progress' | 'step_complete' | 'step_error' | 'workflow_complete'; step: number; toolCode: string; toolName: string; status: 'running' | 'success' | 'error' | 'skipped'; message: string; progress?: number; // 0-100，可选 result?: any; // 步骤完成时的结果 error?: { code: string; message: string; userHint: string; }; timestamp: string; } ``` **示例消息序列**： ```json {"type":"step_start","step":1,"toolCode":"ST_DESCRIPTIVE","toolName":"描述性统计","status":"running","message":"正在生成描述性统计...","timestamp":"2026-02-20T10:00:00Z"} {"type":"step_complete","step":1,"toolCode":"ST_DESCRIPTIVE","toolName":"描述性统计","status":"success","message":"描述性统计完成","result":{...},"timestamp":"2026-02-20T10:00:02Z"} {"type":"step_start","step":2,"toolCode":"ST_T_TEST_IND","toolName":"独立样本T检验","status":"running","message":"正在执行正态性检验（JIT护栏）...","timestamp":"2026-02-20T10:00:02Z"} {"type":"step_progress","step":2,"toolCode":"ST_T_TEST_IND","toolName":"独立样本T检验","status":"running","message":"正态性检验通过，执行T检验...","progress":50,"timestamp":"2026-02-20T10:00:03Z"} {"type":"step_complete","step":2,"toolCode":"ST_T_TEST_IND","toolName":"独立样本T检验","status":"success","message":"T检验完成","result":{...},"timestamp":"2026-02-20T10:00:05Z"} {"type":"workflow_complete","status":"success","message":"分析流程执行完成，共2个步骤","timestamp":"2026-02-20T10:00:05Z"} ``` **前端渲染效果**： ``` ┌─────────────────────────────────────────────────────────────────┐ │ 执行日志 │ ├─────────────────────────────────────────────────────────────────┤ │ [10:00:00] ▶ 正在生成描述性统计... │ │ [10:00:02] ✅ 描述性统计完成 │ │ [10:00:02] ▶ 正在执行正态性检验（JIT护栏）... │ │ [10:00:03] ▶ 正态性检验通过，执行T检验... │ │ [10:00:05] ✅ T检验完成 │ │ [10:00:05] 🎉 分析流程执行完成，共2个步骤 │ └─────────────────────────────────────────────────────────────────┘ ``` --- ## 10. Phase 2A 完成后的系统能力 ``` ┌─────────────────────────────────────────────────────────────────┐ │ Phase 2A 完成后的 SSA-Pro │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ ✅ 用户能做什么： │ │ ────────────────────────────────────────────────────────────── │ │ • 上传数据，自动获得数据质量报告 │ │ • 用自然语言描述分析需求 │ │ • 系统自动规划多步骤分析流程 │ │ • 一键执行，实时看到每步进度 │ │ • 获得包含完整方法学说明的论文级报告 │ │ │ │ ✅ 系统具备的智能： │ │ ────────────────────────────────────────────────────────────── │ │ • 理解医学术语，翻译为统计需求 │ │ • 根据数据特征自动调整方法（正态→非参数） │ │ • 规划完整分析路径，而非单一方法 │ │ • 整合多步骤结果，生成综合结论 │ │ │ │ ✅ 后续扩展方向： │ │ ────────────────────────────────────────────────────────────── │ │ • 增加更多统计方法（复制工具模板即可） │ │ • 增加咨询模式（无数据也能获得 SAP） │ │ • 增加配置中台（量产工具管理） │ │ • Phase 3 靶向代码修改（架构已预埋） │ │ │ └─────────────────────────────────────────────────────────────────┘ ``` --- ## 11. 总结 **Phase 2A 是 SSA-Pro MVP 的真正内核。** 完成 Phase 2A 后： - 5 大核心组件全部跑通 - 7 个统计方法可用 - 多工具流程规划能力上线 - 数据质量核查报告上线 - **智能化能力完成 85%+** 后续工作（Phase 2B+）主要是： - 扩展更多统计方法（复制粘贴） - 增加咨询模式（锦上添花） - 配置中台（量产效率） **这才是以终为始的 MVP 开发策略。**