Develop/AIclinicalresearch
2
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
1f5bf2cd6529b8ee3176e9444d85cfcdaf3c6692
AIclinicalresearch/docs/00-项目概述/技术架构总览.md
HaHafeng 66255368b7 feat(admin): Add user management and upgrade to module permission system 
Features - User Management (Phase 4.1):
- Database: Add user_modules table for fine-grained module permissions
- Database: Add 4 user permissions (view/create/edit/delete) to role_permissions
- Backend: UserService (780 lines) - CRUD with tenant isolation
- Backend: UserController + UserRoutes (648 lines) - 13 API endpoints
- Backend: Batch import users from Excel
- Frontend: UserListPage (412 lines) - list/filter/search/pagination
- Frontend: UserFormPage (341 lines) - create/edit with module config
- Frontend: UserDetailPage (393 lines) - details/tenant/module management
- Frontend: 3 modal components (592 lines) - import/assign/configure
- API: GET/POST/PUT/DELETE /api/admin/users/* endpoints

Architecture Upgrade - Module Permission System:
- Backend: Add getUserModules() method in auth.service
- Backend: Login API returns modules array in user object
- Frontend: AuthContext adds hasModule() method
- Frontend: Navigation filters modules based on user.modules
- Frontend: RouteGuard checks requiredModule instead of requiredVersion
- Frontend: Remove deprecated version-based permission system
- UX: Only show accessible modules in navigation (clean UI)
- UX: Smart redirect after login (avoid 403 for regular users)

Fixes:
- Fix UTF-8 encoding corruption in ~100 docs files
- Fix pageSize type conversion in userService (String to Number)
- Fix authUser undefined error in TopNavigation
- Fix login redirect logic with role-based access check
- Update Git commit guidelines v1.2 with UTF-8 safety rules

Database Changes:
- CREATE TABLE user_modules (user_id, tenant_id, module_code, is_enabled)
- ADD UNIQUE CONSTRAINT (user_id, tenant_id, module_code)
- INSERT 4 permissions + role assignments
- UPDATE PUBLIC tenant with 8 module subscriptions

Technical:
- Backend: 5 new files (~2400 lines)
- Frontend: 10 new files (~2500 lines)
- Docs: 1 development record + 2 status updates + 1 guideline update
- Total: ~4900 lines of code

Status: User management 100% complete, module permission system operational
2026-01-16 13:42:10 +08:00

423 lines
12 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# AI科研助手 - 技术架构总览
> **最后更新：2025-10-10**
> **方案版本：v2.0（最终优化版）**
> **文档说明：** 本文档是技术架构的快速参考指南，适合新人快速了解整体技术方案
---
## 📊 核心数据一览
| 指标 | 数值 |
|------|------|
| **开发周期** | 2.5个月（10周） |
| **开发成本** | ¥49,300 |
| **技术难度** | ⭐⭐⭐（中等） |
| **月度成本** | ¥16,520（1000用户） |
| **团队规模** | 2人（1全栈 + 1前端） |
---
## 🎯 关键需求澄清
### 知识库规模（重要变更）
| 项目 | 限制 |
|------|------|
| 知识库数量 | 3个/用户 |
| 文件数量 | 50个/知识库 |
| 文件格式 | PDF、DOCX |
| 单用户最大 | 150个文件 |
**影响：** 技术难度从⭐⭐⭐⭐⭐降至⭐⭐⭐，Dify完全满足需求！
---
## 🏗️ 技术架构（一图看懂）
```
┌─────────────────────────────────────────┐
│ 前端（React + Vite） │
│ - 项目管理（自研） │
│ - 智能体选择（自研） │
│ - 聊天界面（参考LobeChat）⭐ │
│ - 知识库管理（自研） │
└─────────────────────────────────────────┘
↓ REST API
┌─────────────────────────────────────────┐
│ 业务层 (Node.js/TypeScript) │
│ - 对话逻辑（自研）⭐ │
│ - 项目/课题管理 │
│ - 智能体路由（配置化）⭐ │
│ - 简化运营后台⭐ │
└─────────────────────────────────────────┘
↓ ↓
┌──────────────────┐ ┌─────────────────┐
│ Dify │ │ LLM API │
│ （仅RAG）⭐ │ │ - DeepSeek-V3⭐│
│ - 知识库检索 │ │ - Qwen3 ⭐ │
│ - Qdrant(内置)⭐ │ │ │
└──────────────────┘ └─────────────────┘
```
---
## 🔑 核心决策
### 1. 聊天功能实现方式
| 方案 | 选择 | 原因 |
|------|------|------|
| **前端UI** | 参考LobeChat组件 ✅ | 成熟稳定，节省9.5天 |
| **对话逻辑** | 自研（调用LLM API）✅ | 业务可控，核心只要4步 |
| Dify对话功能 | ❌ 不用 | 不适合12个智能体管理 |
| LobeChat整体 | ❌ 不用 | 缺少项目管理功能 |
### 2. RAG系统
| 功能 | 方案 |
|------|------|
| **知识库管理** | Dify ✅ |
| **文档解析** | Dify内置 ✅ |
| **向量数据库** | Dify内置Qdrant ✅ |
| **检索** | Dify API ✅ |
| 自建RAG | ❌ 不需要 |
### 3. 运营后台
| 功能 | 状态 | 实现方式 |
|------|------|---------|
| 用户管理 | ✅ 保留 | 简化版 |
| 数据统计 | ✅ 保留 | 基础仪表盘 |
| 模型管理 | ❌ 删除 | `config/models.yaml` |
| 智能体管理 | ❌ 删除 | `config/agents.yaml` |
| Prompt配置 | ❌ 删除 | `prompts/*.txt` |
### 4. 大模型选择
| 优先级 | 模型 | 价格 | 用途 |
|--------|------|------|------|
| **主力** | DeepSeek-V3 | ¥1/百万tokens | 90%的请求 |
| **备用** | Qwen3-72B | ¥4/百万tokens | 需要更强中文理解时 |
| 可选 | Gemini 2.0 | ¥2.7/百万tokens | 国际用户 |
---
## 💰 成本明细
### 开发成本
| 项目 | 金额 |
|------|------|
| 人力（4人月） | ¥48,000 |
| 服务器（开发环境） | ¥1,250 |
| LLM API（测试） | ¥50 |
| **总计** | **¥49,300** |
### 月度运营成本（1000用户）
| 项目 | 金额 |
|------|------|
| 基础设施（服务器） | ¥1,200 |
| LLM API（DeepSeek-V3） | ¥180 |
| 对象存储（知识库） | ¥140 |
| 人力（1人运维） | ¥15,000 |
| **总计** | **¥16,520/月** |
### 知识库存储详情
```
单用户：150个文件 × 5MB = 750MB
1000用户：750GB总存储
对象存储（阿里云OSS）：
- 存储费：¥90/月
- 流量费：¥50/月
- 总计：¥140/月
```
---
## 📅 开发计划（10周）
| 阶段 | 时间 | 主要任务 |
|------|------|---------|
| **阶段1** | 1.5周 | 基础搭建 + 复用LobeChat组件 |
| **阶段2** | 3.5周 | 核心功能（12个智能体 + 对话） |
| **阶段3** | 2周 | 高级功能（RAG + 文档生成） |
| **阶段4** | 1周 | 简化运营后台 |
| **阶段5** | 2周 | 测试优化 |
### 阶段1：基础搭建（1.5周）
- [ ] 前端框架（React + Vite + TailwindCSS）
- [ ] **复用LobeChat聊天UI组件** ⭐
- [ ] 后端框架（Fastify + Prisma + PostgreSQL）
- [ ] Dify部署（Docker）
- [ ] DeepSeek-V3 + Qwen3接入
### 阶段2：核心功能（3.5周）
- [ ] 用户认证（JWT）
- [ ] 项目/课题CRUD
- [ ] 12个智能体配置（`agents.yaml`）
- [ ] 对话系统（上下文组装 + 流式输出）
- [ ] 知识库集成（Dify API）
### 阶段3：高级功能（2周）
- [ ] 多模型切换（DeepSeek/Qwen）
- [ ] 历史记录管理
- [ ] 固定到项目背景功能
- [ ] 文档生成（CRF、研究方案）
### 阶段4：简化运营后台（1周）
- [ ] 用户列表与管理
- [ ] 基础数据统计
- [ ] 对话记录查看
### 阶段5：测试优化（2周）
- [ ] 功能测试
- [ ] 性能优化
- [ ] DeepSeek-V3效果调优
---
## 🛠️ 技术栈
### 前端
```
- React 18 + TypeScript
- Vite（构建工具）
- TailwindCSS（UI框架）
- Zustand（状态管理）
- LobeChat组件（聊天UI）⭐
- react-markdown（Markdown渲染）
```
### 后端
```
- Node.js + Fastify + TypeScript
- Prisma（ORM）
- PostgreSQL（数据库）
- Redis（缓存）
```
### 第三方服务
```
- Dify（RAG知识库）⭐
- DeepSeek-V3（主力LLM）⭐
- Qwen3（备用LLM）⭐
- 阿里云OSS（对象存储）
```
---
## ✅ 核心优势
### 1. 开发效率高
- ✅ 复用LobeChat聊天UI：节省9.5天
- ✅ 使用Dify RAG：节省40天
- ✅ 配置化智能体：节省5天
- ✅ 总节省：**约54.5天**
### 2. 成本可控
- ✅ 开发成本：¥49,300（vs 纯手写¥80k+）
- ✅ 月度LLM成本：¥180（vs GPT-4 ¥2,500）
- ✅ 知识库存储：¥140/月（适度规模）
### 3. 技术风险低
- ✅ Dify：50k+ Stars，生产级稳定
- ✅ LobeChat：40k+ Stars，成熟方案
- ✅ DeepSeek-V3：性价比极高
### 4. 架构灵活
- ✅ 业务逻辑完全可控
- ✅ 可随时替换RAG引擎
- ✅ 可随时增减LLM模型
---
## 📋 核心文件结构
```
项目根目录/
├── frontend/ # 前端
│ ├── src/
│ │ ├── components/
│ │ │ ├── chat/ # 聊天组件（参考LobeChat）⭐
│ │ │ │ ├── ChatMessage.tsx
│ │ │ │ ├── ChatInput.tsx
│ │ │ │ └── StreamRenderer.tsx
│ │ │ ├── project/ # 项目管理
│ │ │ └── kb/ # 知识库管理
│ │ ├── pages/
│ │ └── services/
│ └── package.json
│
├── backend/ # 后端
│ ├── src/
│ │ ├── services/
│ │ │ ├── chat.service.ts # 对话服务 ⭐
│ │ │ ├── kb.service.ts # 知识库服务
│ │ │ └── project.service.ts
│ │ ├── adapters/
│ │ │ └── llm-factory.ts # LLM适配器 ⭐
│ │ ├── clients/
│ │ │ └── dify.ts # Dify客户端
│ │ └── config/
│ │ └── agent-loader.ts # 智能体配置加载 ⭐
│ ├── config/
│ │ ├── agents.yaml # 智能体配置 ⭐
│ │ └── models.yaml # 模型配置 ⭐
│ ├── prompts/ # Prompt文件 ⭐
│ │ ├── picos_system.txt
│ │ ├── topic_evaluation_system.txt
│ │ └── ...（共12个智能体）
│ └── package.json
│
└── docker-compose.yml # Dify部署
```
---
## 🚀 快速启动
### 1. 准备工作
**申请API Key：**
- [ ] DeepSeek API Key (https://platform.deepseek.com)
- [ ] 阿里云DashScope Key (https://dashscope.aliyun.com)
- [ ] 阿里云OSS (https://oss.console.aliyun.com)
**准备服务器：**
- [ ] 云服务器 4核8G（开发环境）
- [ ] PostgreSQL 数据库
- [ ] Redis 缓存
### 2. 部署Dify
```bash
# 克隆Dify
git clone https://github.com/langgenius/dify.git
cd dify/docker
# 启动
docker-compose up -d
# 访问 http://localhost:3000
# 创建账号并获取API Key
```
### 3. 后端开发
```bash
cd backend
npm install
# 配置环境变量
cp .env.example .env
# 填入：
# - DATABASE_URL
# - REDIS_URL
# - DEEPSEEK_API_KEY
# - DASHSCOPE_API_KEY
# - DIFY_API_KEY
# 运行数据库迁移
npx prisma migrate dev
# 启动开发服务器
npm run dev
```
### 4. 前端开发
```bash
cd frontend
npm install
# 配置API地址
# .env.local
VITE_API_URL=http://localhost:3001
# 启动开发服务器
npm run dev
```
---
## 📚 相关文档
### 设计文档
- [产品需求文档(PRD)](./产品需求文档(PRD).md) - 完整的产品需求
- [数据库设计文档](../01-设计文档/数据库设计文档.md) - 数据库表结构
- [API设计规范](../01-设计文档/API设计规范.md) - 所有API定义
- [代码规范](../02-开发规范/代码规范.md) - 代码风格规范
- [核心业务规则](../03-业务规则/核心业务规则总览.md) - 业务逻辑规则
### 开发计划
- [开发里程碑](../04-开发计划/开发里程碑.md) - 详细的10周开发计划
### 参考文档
- **技术架构选型对比方案.md** - 完整技术方案（在项目根目录）
- **对话系统实现方案对比.md** - 对话功能详细说明（在项目根目录）
- **知识库需求调整说明.md** - 知识库实现方案（在项目根目录）
---
## 🎯 关键决策清单
**在开始开发前，请确认：**
- [ ] **聊天实现方式：** 参考LobeChat + 自研对话逻辑 ✅
- [ ] **RAG系统：** 使用Dify（无需自建）✅
- [ ] **向量数据库：** Dify内置Qdrant（无需关心）✅
- [ ] **运营后台：** 简化版（配置文件管理）✅
- [ ] **主力LLM：** DeepSeek-V3 ✅
- [ ] **备用LLM：** Qwen3 ✅
- [ ] **知识库限制：** 3个/用户，50个文件/库 ✅
- [ ] **开发周期：** 2.5个月 ✅
- [ ] **团队规模：** 2人 ✅
---
## 💡 常见问题 FAQ
### Q1: 为什么不直接用Dify的对话功能？
**A:** Dify对话功能需要为每个智能体创建独立应用，12个智能体管理复杂，且缺少项目管理功能。我们只用Dify做RAG检索。
### Q2: 对话功能自己实现会很复杂吗？
**A:** 不复杂！核心只要4步：接收消息 → 组装上下文 → 调用LLM → 返回流式结果。参考LobeChat的实现，约需4天。
### Q3: 150个文件/用户，Dify够用吗？
**A:** 完全够用！Dify单个知识库支持上万个文档片段，我们的需求远低于上限。
### Q4: 为什么选择DeepSeek-V3？
**A:** 性价比极高（¥1/百万tokens），性能接近GPT-4，年度可节省¥27,840。
### Q5: 2.5个月真的能完成吗？
**A:** 可以！通过复用LobeChat组件、使用Dify RAG、配置化智能体，我们节省了约54天开发时间。
---
## 🎉 总结
**这是一个经过充分优化、成本可控、技术可行的方案：**
✅ **开发周期：** 2.5个月
✅ **开发成本：** ¥49,300
✅ **月度成本：** ¥16,520（1000用户）
✅ **技术难度：** ⭐⭐⭐（中等）
✅ **风险等级：** 低（使用成熟组件和服务）
**立即可以开始！** 🚀
---
**文档版本：v2.0**
**最后更新：2025-10-10**
**文档位置：** `docs/00-项目概述/技术架构总览.md`
**作者：** AI技术顾问
Reference in New Issue View Git Blame Copy Permalink