AIclinicalresearch/docs/03-业务模块/ASL-AI智能文献/04-开发计划/08a-工具3-M1-骨架管线冲刺清单.md

M1：骨架管线 — The Skeleton Pipeline

所属： 工具 3 全文智能提取工作台 V2.0
架构总纲： 08-工具3-全文智能提取工作台V2.0开发计划.md
代码手册： 08d-工具3-代码模式与技术规范.md（所有代码模式均在此手册中，开发时按需查阅）
建议时间： Week 1（5-6 天）
核心目标： 证明 "API 散装派发 → Worker 单兵提取 → Aggregator 收口 → 前端轮询到 completed" 这条管线是通的。
异步模式指南： 散装派发与轮询收口任务模式指南.md（Level 2 Cookbook）

---

Demo 形态

用户在前端点击按钮，系统后台静默跑完流程，前端 useTaskStatus 轮询到 status = completed，数据库能查到 JSON 提取结果。前端只需一个极简列表。

关键妥协：M1 不接 MinerU，不做审核抽屉，不做 SSE 日志流。

---

任务清单

M1-1：Prisma 数据模型 + Migration + Seed（1 天）

做什么：

• 新增 AslExtractionTemplate、AslProjectTemplate、AslExtractionTask、AslExtractionResult 四张表
• 运行 npx prisma migrate dev --name add_extraction_template_engine
• Seed 脚本注入 3 套系统内置模板（RCT / Cohort / QC）

验收标准：

• npx prisma migrate deploy 成功
• npx prisma db seed 后数据库有 3 套模板记录
• AslExtractionTask 含 pkbKnowledgeBaseId + idempotencyKey @unique 字段（无 successCount/failedCount）
• AslExtractionResult 含 snapshotStorageKey + snapshotFilename 快照字段
• AslExtractionResult 含 pkbDocumentId 字段、status 含 pending | extracting | completed | error
• AslExtractionResult 含 @@index([taskId, status]) 复合索引（Aggregator 性能保障）

📖 Schema 详情见架构总纲 Task 1.1

---

M1-2：模板 API + 提取任务 API — 仅基座模板（1.5 天）

做什么：

• TemplateController.ts：GET 模板列表、GET 模板详情、POST 克隆到项目
• ExtractionController.ts：
  • POST 创建任务（含 DB 幂等 idempotencyKey @unique + P2002）
  • GET 任务状态（groupBy 聚合 Result 状态，驱动 React Query 轮询）
  • GET 结果列表
• 🚀 创建任务 = API 层散装派发（无 Manager）：锁定模板 → PKB 快照冻结 → createMany Result → jobQueue.insert N 个 asl_extract_single Job

不做什么：

• 不做自定义字段 CRUD API（M3）
• 不做 SSE 端点（M2）
• 不做 Excel 导出（M2）

验收标准：

• POST /api/v1/asl/extraction/tasks 创建任务并散装派发 N 个 Job
• 重复 idempotencyKey 请求返回已有 taskId（幂等验证）
• GET /api/v1/asl/extraction/tasks/:taskId 返回 groupBy 聚合进度（completedCount / errorCount / pendingCount / extractingCount）
• GET /api/v1/asl/extraction/tasks/:taskId/results 返回提取结果列表

📖 端点完整列表见架构总纲 Task 1.3 + Task 2.4
📖 API 散装派发代码见 08d §4.2

---

M1-3：PKB ACL 防腐层 + 散装 Worker + Aggregator（2 天）⚠️ 本里程碑最关键

做什么（按顺序）：

Step A — PKB 侧 ACL（0.5 天）：

• PkbExportService.ts（PKB 模块维护）：listKnowledgeBases()、listPdfDocuments()、getDocumentForExtraction() 返回 DTO
• 通过依赖注入暴露给 ASL

Step B — ASL 侧桥接（0.5 天）：

• PkbBridgeService.ts：调用 PkbExportService，代理所有 PKB 数据访问

Step C — ExtractionSingleWorker（0.5 天）⚠️ 核心战役：

• ExtractionSingleWorker.ts 完整逻辑：
  1. 幽灵重试守卫：updateMany({ where: { status: 'pending' }, data: { status: 'extracting' } })
  2. 纯文本降级提取：从 PKB 读 extractedText + 写死 RCT Schema → 调用 DeepSeek
  3. 只更新自己的 Result：prisma.aslExtractionResult.update({ status: 'completed', extractedData })
  4. 绝不碰 Task 表（无 $transaction、无 increment、无 Last Child Wins）
  5. 错误分级路由：致命错误 → 标 error + return；临时错误 → 回退 pending + throw

Step D — ExtractionAggregator（0.5 天）：

• ExtractionAggregator.ts：pg-boss schedule 每 2 分钟执行
• 一人兼两职：僵尸清理（extracting > 30min → error）+ 收口（pending === 0 && extracting === 0 → completed）
• 使用 groupBy 一次查询统计所有状态

Worker + Aggregator 注册（遵守队列命名规范）：

jobQueue.work('asl_extract_single', { teamConcurrency: 10 }, handler)
await jobQueue.schedule('asl_extraction_aggregator', '*/2 * * * *')
await jobQueue.work('asl_extraction_aggregator', aggregatorHandler)

M1 阶段简化：Worker 内部串行调 LLM（不接 MinerU，M2 再接）。

验收标准：

• PkbExportService 能返回知识库列表和文档详情（DTO）
• API 创建任务后 AslExtractionResult.snapshotStorageKey 和 snapshotFilename 已填充（PKB 快照验证）
• 手动删除 PKB 文档记录后，Worker 仍能通过 snapshotStorageKey 从 OSS 获取 PDF（一致性验证）
• API 为 N 篇文献散装派发 N 个 asl_extract_single Job
• Worker 幽灵守卫正确：并发重试不会双倍处理（lock.count === 0 跳过）
• Worker 只写 Result 行，Task 表零更新（确认无行锁争用）
• Aggregator 每 2 分钟轮询：pending === 0 && extracting === 0 → Task completed
• Aggregator 僵尸清理：手动将 Result 卡在 extracting 超 30 分钟 → 被标为 error
• 致命错误（PKB 文档不存在）→ 该篇标 error + 不重试 + 不阻塞其他篇
• 临时错误（429）→ 回退 pending + pg-boss 指数退避重试
• 临时错误回退后重试成功：模拟 429 → 重试 → 幽灵守卫通过 → 提取成功
• 空文献边界：documentIds = [] → API 直接拒绝（400 Bad Request）

📖 散装架构图、Worker 代码模式见架构总纲 Task 2.3
📖 ACL 防腐层设计见架构总纲 Task 3.3b
📖 Worker / Aggregator 代码见 08d §4.3 / §4.6
📖 散装模式指南见 散装派发与轮询收口任务模式指南.md

---

M1-4：前端极简 Step 1 — 选模板 + 选 PKB 文献（1 天）

做什么：

• ExtractionSetup.tsx：左栏模板下拉（只读，默认 RCT）+ 右栏 PKB 知识库下拉 + 文献 Checkbox 列表
• PkbKnowledgeBaseSelector.tsx：调用 PKB API 加载知识库和文献
• 底部 "确认并开始提取" 按钮 → 调用 POST /api/v1/asl/extraction/tasks

不做什么：

• 不做自定义字段 UI（M3）
• 不做基座字段标签云展示（M2 附带做）

验收标准：

• 能选择 PKB 知识库并展示 PDF 文档列表
• 能勾选文献并提交创建任务
• 空知识库时显示引导提示 + PKB 跳转链接

---

M1-5：前端极简 Step 2 + Step 3 — 轮询进度 + 极简列表（1 天）

做什么：

• ExtractionProgress.tsx：useTaskStatus 轮询（3s）驱动进度条 + 检测 completed 跳转
• ExtractionWorkbench.tsx：极简表格展示提取结果（Study ID、状态）
• ExtractionPage.tsx：状态驱动路由（pending→Step1 / processing→Step2 / completed→Step3）
• 路由注册（前端 + 后端）

不做什么：

• 不做 SSE 日志终端（M2）
• 不做审核抽屉（M2）
• 不做 Excel 导出按钮（M2）

验收标准：

• 进度条从 0% 推进到 100%（React Query 轮询驱动）
• status = completed 后自动跳转到 Step 3
• Step 3 能看到提取结果列表（状态列展示 completed/error）
• 关闭浏览器重新打开 → 恢复到正确步骤（断点恢复）

---

M1 研发红线（全员必须背诵）

#	红线	违反后果
1	队列名用下划线（asl_extract_single），禁止点号	pg-boss 路由截断
2	Worker 绝不碰 Task 表，只写自己的 Result 行	行锁争用 / 死锁
3	Worker 用 updateMany({ status: 'pending' }) 幽灵守卫，禁止 findUnique → if	并发穿透，LLM 费用白烧
4	临时错误 throw 前必须 update({ status: 'pending' }) 回退	重试被幽灵守卫误跳过
5	teamConcurrency: 10，禁止无限拉取 Job	Node.js OOM
6	Job Payload 仅传 ID（< 200 bytes），禁止塞 PDF 正文	pg-boss 阻塞
7	ACL 防腐层：ASL 不 import PKB 内部类型	模块耦合蔓延
8	API 层快照 snapshotStorageKey + snapshotFilename，Worker 禁止运行时回查 PKB	PKB 删文档 → 批量崩溃
9	API 创建任务用 idempotencyKey @unique + P2002，禁止 Read-then-Write	并发穿透创建重复任务

---

M1 结束时的状态

✅ Prisma 表 + 3 套 Seed 模板（含 idempotencyKey @unique）
✅ PKB ACL 防腐层 → PkbExportService + PkbBridgeService
✅ 散装派发全链路：API 散装 → N × Worker → Aggregator 收口 → completed
✅ 幽灵守卫 + 错误分级路由 + Aggregator 僵尸清理 — 所有并发 Bug 已验证
✅ API 层 DB 幂等 + PKB 快照冻结
✅ 前端三步走：选模板/选文献 → 轮询进度（groupBy 聚合）→ 极简结果列表
❌ 无 MinerU（纯文本降级）
❌ 无 SSE 日志流
❌ 无审核抽屉
❌ 无自定义字段
❌ 无 Excel 导出

M1 的核心价值： 散装架构天然消除了 Fan-out 的行锁争用、Last Child Wins 终点丢失等分布式 Bug。Worker 逻辑极简（只写自己），Aggregator 定时收口，第一周就能稳定跑通全链路。