# **PRD: SSA-Pro 严谨型智能统计分析模块 (V1.0)**

**文档状态：** v1.0 (Final)

**创建日期：** 2026-02-18

**关联架构：** [SSA-Pro\_智能统计分析架构设计方案\_V4.md](https://www.google.com/search?q=../09-SSA-Pro_%E6%99%BA%E8%83%BD%E7%BB%9F%E8%AE%A1%E5%88%86%E6%9E%90%E6%9E%B6%E6%9E%84%E8%AE%BE%E8%AE%A1%E6%96%B9%E6%A1%88_V4.md)

**关联规范：** [SSA-Pro\_Skills架构规范\_V4.1.md](https://www.google.com/search?q=../16-SSA-Pro_Skills%E6%9E%B6%E6%9E%84%E8%A7%84%E8%8C%83_V4.1.md)

## **1\. 研发背景与业务价值**

### **1.1 背景 (Why Now?)**

目前平台的 **AIA (问答)** 和 **DC (清洗)** 模块已趋于成熟，但在**核心统计分析**环节仍存在断层：

1. **用户痛点**：临床医生普遍缺乏统计学能力，SPSS/SAS 操作复杂，且容易误用统计方法（如数据不符合正态分布却强行用 T 检验）。  
2. **竞品缺陷**：通用的 AI（如 ChatGPT）虽然能写代码，但经常产生“幻觉”，生成的代码在本地无法运行，且存在严重的数据隐私泄露风险。  
3. **资产闲置**：公司内部积累了 100+ 高质量的 R 语言统计脚本，目前处于“沉睡”状态，未能转化为 SaaS 服务能力。

### **1.2 产品目标 (Product Goal)**

构建一个 **“白盒化、严谨型、可交付”** 的智能统计分析 Agent (SSA-Pro)。

* **白盒化**：分析过程透明，用户可见（执行路径、护栏检查）。  
* **严谨型**：强制执行统计假设检验（Guardrails），防止学术谬误。  
* **可交付**：不仅提供结果，还提供**可复现的 R 源代码**，支持本地二次运行。

## **2\. 核心能力与功能列表**

### **2.1 核心流程 (The Core Loop)**

交互模式采用 **"Retrieve-Plan-Confirm-Execute"** 闭环：

| 步骤 | 功能模块 | 关键动作 | 交付物 |
| :---- | :---- | :---- | :---- |
| **1** | **智能规划 (Planner)** | 意图识别 \+ RAG 检索 \+ 参数映射 | **分析预习卡片 (Plan Card)** |
| **2** | **人机确认 (HITL)** | 用户检查参数，点击确认 | 用户授权指令 |
| **3** | **透明执行 (Execution)** | 混合数据传输 \+ 统计护栏 \+ 核心计算 | **执行路径树 (Execution Trace)** |
| **4** | **资产交付 (Delivery)** | 结果解释 \+ 代码生成 \+ 报告导出 | **分析结果包 (Result \+ Code)** |

### **2.2 功能详细说明**

#### **F1. 智能工具检索 (Tool RAG)**

* **需求**：系统需从 100+ 工具中，根据用户自然语言（如“看两组差异”）精准推荐最合适的工具。  
* **技术支撑**：基于 pgvector 的语义检索 \+ pg\_bigm 关键词匹配。  
* **输入**：用户 Query \+ 数据 Schema（列名/类型）。  
* **输出**：Top-5 候选工具的 JSON Schema。

#### **F2. 统计分析计划生成 (SAP Generation)**

* **需求**：AI 不直接跑代码，而是先像人类统计师一样，写一份 SAP（统计分析计划）。  
* **内容包含**：分析目标、变量映射（X/Y）、前置假设条件（如正态性）、降级策略。  
* **表现形式**：前端渲染为 **"待确认卡片"**，用户可修改参数。

#### **F3. 统计护栏与自动降级 (Guardrails)**

* **需求**：在执行核心检验前，必须强制检查数据质量与统计假设。  
* **逻辑示例**（以 T 检验为例）：  
  1. 检查样本量是否 \> 3。  
  2. 执行 Shapiro-Wilk 正态性检验。  
  3. **决策点**：若 P \< 0.05（非正态），自动切换为 **Wilcoxon 秩和检验**，并在前端亮黄灯提示。  
* **价值**：这是本产品区别于 ChatGPT 的核心护城河。

#### **F4. 混合数据传输 (Hybrid Data Protocol)**

* **需求**：支持不同大小的数据集高效传输，规避 HTTP JSON 瓶颈。  
* **策略**：  
  * **\< 1MB**：直接嵌入 API 请求体（Inline JSON）。  
  * **1MB \- 20MB**：前端先传 OSS，仅向 R 服务传递 OSS File Key，R 服务内网下载。

#### **F5. 代码资产交付 (Reproducible Code)**

* **需求**：用户下载的 R 代码必须能在其本地 RStudio 中直接运行。  
* **实现**：R Wrapper 动态拼接代码字符串，数据读取路径替换为占位符 read.csv("your\_data.csv")。

## **3\. 技术路线与架构 (Technical Specifications)**

### **3.1 总体架构：Brain-Hand 模型**

本模块严格遵循公司 **V4.1 架构标准**：

* **Brain (Node.js)**：负责认知、规划、检索、Prompt 组装。**绝不处理真实数据内容**，只看 Schema。  
* **Hand (R Docker)**：负责执行、计算、绘图。**运行在隔离容器中**，处理真实数据。

### **3.2 关键技术栈**

* **后端**：Node.js (Fastify) \+ Prisma  
* **统计引擎**：Docker \+ R 4.3 \+ Plumber (API 服务)  
* **向量库**：RDS PostgreSQL \+ pgvector  
* **大模型**：DeepSeek-V3 (Planner/Critic)  
* **前端**：React 19 \+ Ant Design X

### **3.3 数据库设计摘要 (Schema)**

需在 capability\_schema 中建立全局统一的技能注册表：

\-- 核心表：统计技能注册表  
CREATE TABLE capability\_schema.global\_skills (  
    skill\_code VARCHAR(50) PRIMARY KEY, \-- e.g. ST\_T\_TEST  
    provider VARCHAR(50),               \-- 'SSA-R-SERVICE'  
    input\_schema JSONB,                 \-- OpenAI Function Schema  
    embedding vector(1024)              \-- 用于 RAG 检索  
);

## **4\. 数据隐私与安全 (Safety & Privacy)**

### **4.1 数据隔离原则**

* **原则**：**LLM 永远不可见真实患者数据。**  
* **实现**：前端提取 Header 发送给 LLM 做规划；前端将 CSV 发送给 R 服务做计算。两者物理隔离。

### **4.2 R 容器安全**

* **网络阻断**：生产环境 SAE 容器配置 Egress Deny，禁止 R 脚本主动发起外网请求。  
* **只读文件系统**：R 脚本目录设为 Read-Only，防止代码篡改。

## **5\. 开发里程碑 (Roadmap)**

### **Phase 1: 骨架搭建 (Week 1-2)**

* **目标**：跑通 T 检验的 "Hello World"。  
* **产出**：  
  * R Docker 基础镜像 (含 Plumber)。  
  * 第 1 个标准化 Wrapper (T-Test)。  
  * Node.js \-\> R 的同步 API 调通。

### **Phase 2: 交互 MVP (Week 3-5)**

* **目标**：用户可用，体验完整。  
* **产出**：  
  * 集成 RAG 检索，AI 能听懂“做个差异分析”。  
  * 前端“确认卡片”与“执行树”组件上线。  
  * 上线 Top 10 高频统计工具。

### **Phase 3: 量产与 Skills 化 (Week 6-8)**

* **目标**：工具丰富，能力开放。  
* **产出**：  
  * 覆盖 50+ 常用工具。  
  * 完成 **Global Skill Registry** 注册，允许 IIT Manager 模块调用 SSA 能力。

## **6\. 验收标准 (Acceptance Criteria)**

1. **准确性**：对于非正态数据，系统**必须**自动降级为非参数检验，并给出提示。  
2. **性能**：20MB 数据文件的 T 检验，端到端耗时（含网络传输）不超过 **5秒**。  
3. **复现性**：下载的 R 代码包，在干净的本地 R 环境中安装依赖后，**必须**能跑通并产出相同结果。  
4. **隐私**：审计日志中**严禁**出现具体的患者隐私数据（Row Data）。

## **7\. 附录：工具列表 (MVP Top 10\)**

1. 独立样本 T 检验 (Independent T-Test)  
2. 配对样本 T 检验 (Paired T-Test)  
3. 单因素方差分析 (One-way ANOVA)  
4. 卡方检验 (Chi-square Test)  
5. Fisher 精确检验  
6. Mann-Whitney U 检验 (Wilcoxon Rank Sum)  
7. Pearson/Spearman 相关性分析  
8. 单因素线性回归 (Simple Linear Regression)  
9. 生存分析 (Kaplan-Meier Curve)  
10. Cox 比例风险回归 (Cox Regression)