Files

HaHafeng 31d555f7bb docs: Update architecture docs with platform infrastructure details

- Add platform infrastructure chapter to frontend-backend architecture design
- Update system architecture document with 6 new infrastructure modules
- Update AI onboarding guide with infrastructure overview
- Link to backend/src/common/README.md for detailed usage guide

Key Updates:
- Storage service (LocalAdapter + OSSAdapter)
- Logging system (Winston + JSON format)
- Cache service (Memory + Redis)
- Async job queue (Memory + Database)
- Health check endpoints
- Monitoring metrics
- Database connection pool
- Environment config management

All modules support zero-code switching between local and cloud environments.

Related: #Platform-Infrastructure

2025-11-17 08:36:10 +08:00

6.4 KiB

Raw Permalink Blame History

[AI对接] 快速上下文

阅读时间： 2分钟
Token消耗： ~800 tokens
适用场景： 新AI首次对话，快速了解项目全貌
文档版本： v2.0
最后更新： 2025-11-06

一句话描述

壹证循AI科研平台：覆盖医学科研全流程的智能化平台，包含8个业务模块，支持4种部署模式（SaaS、独立产品、单机版、私有化）。

📊 核心信息卡片

项目状态

当前阶段： ✅ 平台基础设施完成，准备ASL模块开发
已完成：
- AIA(AI问答)、PKB(知识库)、RVW(审稿)核心功能
- ⭐ 平台基础设施（2025-11-17）：8个云原生模块
- Schema隔离、前后端模块化架构
下一步： ASL(AI智能文献)模块开发（使用平台基础设施）
技术栈： Node.js + React + PostgreSQL + Python微服务 + 云原生架构

8个业务模块（优先级排序）

模块	名称	状态	优先级	说明
ASL	AI智能文献	⏳ 下一步	P0	文献筛选、提取、分析
AIA	AI智能问答	✅ 已完成	-	12个智能体、多轮对话
PKB	个人知识库	✅ 已完成	-	RAG问答、智能引用
RVW	稿件审查	⚡ 独立系统	P1	稿约规范性+方法学评估
ADMIN	运营管理端	⏳ 规划中	P1	15个功能模块
DC	数据清洗	⏳ 规划中	P1	核心竞争力
SSA	智能统计	⏳ 规划中	P2	3条分析路径
ST	统计工具	⏳ 规划中	P2	100+小工具

关键架构决策

✅ 三层架构： 平台层 + 通用能力层 + 业务模块层
✅ Schema隔离： 已完成（10个Schema）
✅ 前后端模块化： Frontend-v2 + Backend分层架构
✅ 平台基础设施： ⭐ 2025-11-17 新增 - 云原生基础能力
✅ 4种部署模式： SaaS + 独立产品 + 单机版 + 私有化

⭐ 平台基础设施（2025-11-17 新增）

8个核心模块（全部完成）：

✅ 存储服务：本地/OSS零代码切换
✅ 数据库连接池：防止Serverless连接数超限
✅ 日志系统：Winston+JSON格式
✅ 缓存服务：内存/Redis切换
✅ 异步任务：避免超时
✅ 健康检查：SAE探测
✅ 监控指标：数据库/内存/API监控
✅ 环境配置：统一管理

设计原则： 适配器模式实现本地开发和云端部署零代码切换

使用示例：

import { storage, logger, cache, jobQueue } from '@/common'

// 零代码环境切换
await storage.upload('file.pdf', buffer)  // local/oss
await cache.set('key', value, 3600)       // memory/redis
const job = await jobQueue.push('task', data) // memory/database

详细文档：

📁 代码结构

AIclinicalresearch/
  ├── backend/            # Node.js + Fastify + Prisma
  ├── frontend/           # React + Vite + Ant Design
  ├── extraction_service/ # Python FastAPI微服务
  ├── docs/               # 📖 文档（你在这里）
  └── docker-compose.yml  # PostgreSQL + Redis

🔧 核心依赖

LLM模型：

DeepSeek-V3（主力，¥1/百万tokens）
Qwen3-72B（备用，¥5/百万tokens）
Qwen-Long（超长上下文，1M tokens）

数据库：

PostgreSQL 15（Docker部署）
Redis（缓存）
Dify（RAG向量数据库）

已实现能力：

✅ 文档处理引擎（Python微服务）
✅ RAG引擎（基于Dify）
❌ LLM网关（待实现，P0优先级）

🚀 快速跳转（根据任务选择）

开发任务

开发ASL模块： → 阅读 03-业务模块/ASL-AI智能文献/[AI对接] ASL快速上下文.md

实现LLM网关： → 阅读 02-通用能力层/01-LLM大模型网关/[AI对接] LLM网关快速上下文.md

开发运营管理端： → 阅读 03-业务模块/ADMIN-运营管理端/README.md

架构讨论

了解整体架构： → 阅读 00-系统总体设计/08-架构设计全景图.md

了解数据库架构： → 阅读 00-系统总体设计/03-数据库架构说明.md

了解模块独立部署： → 阅读 00-系统总体设计/06-模块独立部署与单机版方案.md

了解现有系统

了解已完成功能： → 阅读 00-项目概述/现有系统技术摸底报告.md

📖 常见任务快速指引

任务类型	需要阅读的文档（按顺序）	Token消耗	阅读时间
开发新模块	1. 本文档 2. 对应模块快速上下文 3. 模块PRD	~3K	5-8分钟
修改已有功能	1. 本文档 2. 现有系统摸底报告 3. 具体模块文档	~5K	10-15分钟
架构讨论	1. 本文档 2. 架构设计全景图 3. 分层设计文档	~4K	10分钟
数据库修改	1. 本文档 2. 数据库架构说明 3. 具体模块数据库设计	~3K	5-8分钟

⚠️ 关键提醒