# SSA智能统计分析模块 - 当前状态与开发指南

> **文档版本：** v1.0  
> **创建日期：** 2026-02-18  
> **最后更新：** 2026-02-18  
> **维护者：** 开发团队  
> **当前状态：** 📋 **MVP 开发计划 v1.3 完成，准予启动开发**  
> **文档目的：** 快速了解SSA模块状态，为新AI助手提供上下文
> 
> **🎉 里程碑（2026-02-18）：**
> - ✅ **PRD 完成**：SSA-Pro 严谨型智能统计分析模块需求定义
> - ✅ **架构设计 V4 完成**：Brain-Hand 双层架构 + 统计护栏 + HITL 人机协同
> - ✅ **MVP 开发计划 v1.3 完成**：通过 3 轮团队评审，准予启动开发
> - ✅ **5 份开发文档完成**：总览、任务清单、R服务指南、后端指南、前端指南

---

## 📊 模块概览

### 基本信息

| 项目 | 信息 |
|------|------|
| **模块名称** | SSA - 智能统计分析 (Smart Statistical Analysis) |
| **模块定位** | AI驱动的"白盒"统计分析系统 |
| **商业价值** | ⭐⭐⭐⭐⭐ 极高 |
| **独立性** | ⭐⭐⭐⭐ 高（可独立使用，也可与其他模块协同） |
| **目标用户** | 临床研究人员、生物统计师 |
| **开发状态** | 📋 **MVP 开发计划完成，准备启动开发** |

### 核心目标

> 打造一个 **"白盒"、"严谨"、"可交付"** 的智能统计分析系统。
> 
> **核心差异化**：
> 1. **白盒**：用户完全理解 AI 做了什么，为什么这样做
> 2. **严谨**：统计护栏自动检测前提条件，违规时自动降级
> 3. **可交付**：生成可在本地运行的 R 代码，支持审计复现

### 功能规格

#### 核心AI能力（规划中）

1. **智能规划（Planner）**
   - RAG 工具检索：根据用户意图召回最适合的统计方法
   - 参数映射：将自然语言映射为统计参数
   - 统计分析计划（SAP）生成

2. **统计护栏（Guardrails）**
   - 正态性检验（Shapiro-Wilk）
   - 方差齐性检验（Levene）
   - 样本量检验
   - 大样本优化（N > 5000 抽样检验）

3. **人机协同（HITL）**
   - Plan Card：用户确认/修改分析计划
   - Execution Trace：实时展示执行路径
   - Result Card：结构化结果 + AI 解读

4. **代码交付**
   - 生成可复现的 R 代码
   - 自动注入依赖安装脚本
   - APA 格式化输出（p_value_fmt）

#### MVP 工具清单（10个）

| 工具代码 | 工具名称 | 适用场景 |
|---------|---------|---------|
| ST_T_TEST_IND | 独立样本T检验 | 两组连续变量比较 |
| ST_T_TEST_PAIRED | 配对样本T检验 | 配对设计 |
| ST_WILCOXON | Wilcoxon秩和检验 | T检验的非参数替代 |
| ST_ANOVA_ONE | 单因素方差分析 | 多组连续变量比较 |
| ST_CHI_SQUARE | 卡方检验 | 分类变量关联 |
| ST_FISHER | Fisher精确检验 | 小样本分类变量 |
| ST_CORRELATION | Pearson/Spearman相关 | 连续变量相关性 |
| ST_REGRESSION_LINEAR | 线性回归 | 预测建模 |
| ST_REGRESSION_LOGISTIC | Logistic回归 | 二分类预测 |
| ST_DESCRIBE | 描述性统计 | 数据概览 |

---

## 🏗️ 架构设计

### Brain-Hand 双层架构

```
┌─────────────────────────────────────────────────────────┐
│                  用户界面 (Frontend)                     │
│  DataUploader | PlanCard | ExecutionTrace | ResultCard  │
└─────────────────────────────────────────────────────────┘
                          ↓
┌─────────────────────────────────────────────────────────┐
│              Brain Layer (Node.js)                       │
│  ┌─────────────────────────────────────────────────────┐│
│  │ DataParserService: 数据解析 → Schema 提取           ││
│  │ ToolRetrievalService: RAG 工具检索                  ││
│  │ PlannerService: LLM 规划 + 参数映射                 ││
│  │ RClientService: R 服务调用（混合数据协议）          ││
│  │ CriticService: 结果解读（流式）                     ││
│  └─────────────────────────────────────────────────────┘│
│  📌 只看 Schema（无真实数据）                           │
└─────────────────────────────────────────────────────────┘
                          ↓
┌─────────────────────────────────────────────────────────┐
│              Hand Layer (R Docker)                       │
│  ┌─────────────────────────────────────────────────────┐│
│  │ data_loader.R: 混合数据协议（inline/OSS）          ││
│  │ guardrails.R: 统计护栏（正态/方差齐性/样本量）     ││
│  │ tools/*.R: 统计工具 Wrapper（glue 模板）           ││
│  │ result_formatter.R: 结果格式化（p_value_fmt）      ││
│  │ error_codes.R: 结构化错误码                        ││
│  └─────────────────────────────────────────────────────┘│
│  📌 操作真实数据 + 生成可复现代码                       │
└─────────────────────────────────────────────────────────┘
```

### 关键技术决策

| 决策点 | 方案 | 理由 |
|--------|------|------|
| **R 服务部署** | SAE Docker（固定 2 实例） | 避免冷启动延迟 |
| **数据传输** | 混合协议（<2MB inline, 2-20MB OSS） | 平衡性能与内存 |
| **代码生成** | glue 模板 | 可维护性好于 paste0 |
| **LLM 输出** | jsonrepair + Zod | 容错 JSON 解析 |
| **隐私保护** | Schema 脱敏 + 分类变量稀有值隐藏 | 防止 LLM 泄露数据 |

---

## 📋 开发进度

| Phase | 任务 | 状态 | 计划日期 |
|-------|------|------|---------|
| Phase 0 | 需求分析与架构设计 | ✅ 已完成 | 2026-02-18 |
| Phase 0 | MVP 开发计划 v1.0 → v1.3 | ✅ 已完成 | 2026-02-18 |
| Phase 1 | 骨架搭建（T检验端到端） | 📋 待开始 | - |
| Phase 2 | 智能与交互（RAG + HITL） | 📋 待开始 | - |
| Phase 3 | 打磨与调试 | 📋 待开始 | - |
| **总计** | - | **设计 100%，开发 0%** | - |

### 开发计划文档

| 文档 | 路径 | 说明 |
|------|------|------|
| **MVP总览** | `04-开发计划/00-MVP开发计划总览.md` | 范围、架构、里程碑 |
| **任务清单** | `04-开发计划/01-任务清单与进度追踪.md` | 可追踪的 TODO 列表 |
| **R服务指南** | `04-开发计划/02-R服务开发指南.md` | R 统计工程师专用 |
| **后端指南** | `04-开发计划/03-后端开发指南.md` | Node.js 工程师专用 |
| **前端指南** | `04-开发计划/04-前端开发指南.md` | 前端工程师专用 |

### 评审记录

| 版本 | 评审报告 | 结论 | 日期 |
|------|---------|------|------|
| v1.0 | `06-开发记录/SSA-Pro 方案深度审查与风险评估报告.md` | 需修订 | 2026-02-18 |
| v1.1 | `06-开发记录/SSA-Pro 方案深度审查与风险评估报告 V2.0.md` | 需修订 | 2026-02-18 |
| v1.2 | `06-开发记录/SSA-Pro V1.2 终极审查与发令报告V3.0.md` | 🟢 通过 | 2026-02-18 |

---

## 🔧 技术依赖

### 复用的平台能力

| 能力 | 位置 | 用途 |
|------|------|------|
| **LLM网关** | `@/common/llm/LLMFactory` | Planner + Critic |
| **RAG引擎** | `@/common/rag` | 工具检索 |
| **存储** | `@/common/storage` | OSS 数据传输 |
| **日志** | `@/common/logging` | 结构化日志 |
| **流式响应** | `@/common/streaming` | Critic 流式输出 |

### LLM模型

| 模型 | 用途 | 说明 |
|------|------|------|
| DeepSeek-V3 | Planner + Query Rewriter | 性价比高 |
| Qwen3-rerank | 工具重排序 | 中文理解好 |
| GPT-5-Pro | Critic 结果解读 | 深度推理 |

### R 依赖

| 包 | 版本 | 用途 |
|-----|------|------|
| plumber | 1.2.1 | Web API 框架 |
| jsonlite | 1.8.8 | JSON 处理 |
| ggplot2 | 3.4.4 | 可视化 |
| glue | 1.7.0 | 模板代码生成 |
| car | 3.1-2 | Levene 检验 |
| httr | 1.4.7 | OSS 下载 |

---

## 📚 相关文档

### 需求文档

- [PRD SSA-Pro 严谨型智能统计分析模块](./00-系统设计/PRD%20SSA-Pro%20严谨型智能统计分析模块.md)

### 设计文档

- [SSA-Pro 严谨型智能统计分析架构设计方案V4](./00-系统设计/SSA-Pro%20严谨型智能统计分析架构设计方案V4.md) ⬅️ **核心架构文档**
- [SSA-Pro (V4.1) 统计技能中心架构规范](./00-系统设计/SSA-Pro%20(V4.1)%20统计技能中心架构规范.md)

### 原型文件

- [智能统计分析V2.html](./03-UI设计/智能统计分析V2.html) - 可直接浏览器打开

### 参考文档

- [云原生开发规范](../../04-开发规范/08-云原生开发规范.md)
- [系统架构分层设计](../../00-系统总体设计/01-系统架构分层设计.md)

---

## 🎯 快速开始

### 目录结构

```
docs/03-业务模块/SSA-智能统计分析/
├── 00-系统设计/           # PRD + 架构设计
├── 01-需求分析/           # 用户故事、用例
├── 02-技术设计/           # 详细技术方案
├── 03-UI设计/             # 原型图
├── 04-开发计划/           # MVP 开发文档（5份）
├── 05-测试用例/           # 测试方案
└── 06-开发记录/           # 评审报告、开发日志
```

### 开发环境准备

1. **R 服务环境**
   ```bash
   cd r-statistics-service
   docker build -t ssa-r-service .
   docker run -p 8080:8080 -e DEV_MODE=true ssa-r-service
   ```

2. **后端开发**
   ```bash
   cd backend
   npm run dev
   ```

3. **前端开发**
   ```bash
   cd frontend-v2
   npm run dev
   ```

### API 接口预览

```http
### 创建会话
POST http://localhost:3001/api/v1/ssa/sessions
Content-Type: multipart/form-data
# file: 数据文件

### 生成分析计划
POST http://localhost:3001/api/v1/ssa/sessions/{sessionId}/plan
Content-Type: application/json
{"query": "比较两组GLU是否有显著差异"}

### 执行分析
POST http://localhost:3001/api/v1/ssa/sessions/{sessionId}/execute
Content-Type: application/json
{"plan": {...}, "debug": false}

### 获取结果
GET http://localhost:3001/api/v1/ssa/sessions/{sessionId}/result
```

---

## ⚠️ 注意事项

### 对新AI助手

1. ✅ **设计文档已完成**：开发前请先阅读架构设计V4
2. ✅ **开发计划v1.3已审批**：遵循5份开发文档进行开发
3. ⚠️ **Brain-Hand 隔离**：Node.js 只看 Schema，R 操作真实数据
4. ⚠️ **混合数据协议**：< 2MB inline，2-20MB OSS
5. ⚠️ **代码模板同步**：修改 Wrapper 逻辑时必须同步更新 templates/

### 风险与应对

| 风险 | 概率 | 应对策略 |
|------|------|---------|
| R 工具封装进度慢 | 高 | 先做 5 个核心工具，glue 模板化开发 |
| LLM 输出 JSON 格式错误 | 中 | jsonrepair + Zod 强校验 |
| R 服务并发阻塞 | 中 | SAE 固定 2 实例 |
| Node.js xlsx 内存刺客 | 中 | SAE 内存上限 2GB+ |
| R 服务 Segfault 崩溃 | 低 | Liveness Probe + 502/504 友好提示 |
| 本地开发 OSS 不通 | 中 | DEV_MODE 读取本地 fixtures |
| 用户代码缺依赖 | 高 | 模板头部自动安装脚本 |

---

## 🚀 未来规划

### MVP 阶段（当前）

- [ ] Phase 1：骨架搭建（T检验端到端跑通）
- [ ] Phase 2：智能与交互（RAG + HITL + 10工具）
- [ ] Phase 3：打磨与调试（性能优化 + Bug修复）

### V2.0 阶段（规划中）

- [ ] 更多统计方法（Meta分析、生存分析、倾向性评分）
- [ ] 自定义工具上传
- [ ] 批量分析
- [ ] 报告导出（Word/PDF）

---

**文档版本：** v1.0  
**最后更新：** 2026-02-18  
**当前状态：** 📋 MVP 开发计划 v1.3 完成，准予启动开发  
**下一步：** Phase 1 骨架搭建