AIclinicalresearch/docs/03-业务模块/SSA-智能统计分析/04-开发计划/07-Phase2A-智能化核心开发计划.md

SSA-Pro Phase 2A：智能化核心开发计划

文档版本： v1.1
创建日期： 2026-02-20
最后更新： 2026-02-20（纳入架构审查反馈：暗礁预警 + Python/R 分工 + 执行时机）
目标： 以终为始，完成智能统计分析的核心能力
里程碑： 5 大核心组件跑通 + 7 个统计工具上线

---

1. 战略定位：为什么 Phase 2A 是 MVP 的核心？

┌─────────────────────────────────────────────────────────────────┐
│                    SSA-Pro 开发阶段定位                          │
├─────────────────────────────────────────────────────────────────┤
│                                                                  │
│  Phase 1 ✅ 已完成                                               │
│  ━━━━━━━━━━━━━━━━━━━━━━━━━━━                                     │
│  骨架搭建：前后端架构 + T检验端到端 + V11 UI                    │
│  验证目标：证明"能跑通"                                         │
│                                                                  │
│  Phase 2A ⭐ 当前阶段（本计划）                                  │
│  ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━                   │
│  智能化核心：5大组件 + 7个工具 + 多工具流程规划                 │
│  验证目标：证明"真正智能"                                       │
│                                                                  │
│  Phase 2B+ 后续阶段                                              │
│  ━━━━━━━━━━━━━━━━━━━━━━━━━━━                                     │
│  扩展完善：更多工具 + 咨询模式 + 配置中台                       │
│  性质：复制粘贴 + 修修补补                                      │
│                                                                  │
└─────────────────────────────────────────────────────────────────┘

核心观点：Phase 2A 完成后，智能化能力就完成了 85%+。后续工作主要是"量"的扩展，而非"质"的突破。

---

2. 以终为始：5 大核心组件

┌─────────────────────────────────────────────────────────────────┐
│                    理想的智能统计分析系统                        │
├─────────────────────────────────────────────────────────────────┤
│                                                                  │
│  ┌──────────────────────────────────────────────────────────┐   │
│  │ 1. 意图理解器 (Intent Parser)           ✅ 已有          │   │
│  │    - Query Rewriter：医学术语 → 统计术语                 │   │
│  │    - Planner：Goal/Y/X/Design 四维提取                   │   │
│  │    - 不确定时追问澄清                                    │   │
│  └──────────────────────────────────────────────────────────┘   │
│                              ↓                                   │
│  ┌──────────────────────────────────────────────────────────┐   │
│  │ 2. 数据诊断器 (Data Diagnostician)      🆕 Phase 2A     │   │
│  │                                                          │   │
│  │    ⏱️ 时机 A：用户上传数据时 → Python (Tool C)          │   │
│  │    - 数据概况（行数、列数、类型推断）                    │   │
│  │    - 缺失值分析（每列缺失数、缺失率）                    │   │
│  │    - 异常值检测（IQR 方法）                              │   │
│  │    - 基础描述统计（均值、中位数、标准差）                │   │
│  │    → 输出：DataProfile JSON（喂给 LLM 生成 SAP）         │   │
│  │                                                          │   │
│  │    ⏱️ 时机 B：执行核心计算前 → R Service (JIT 护栏)     │   │
│  │    - 正态性检验（Shapiro-Wilk，针对特定 Y 变量）         │   │
│  │    - 方差齐性检验（Levene，针对特定分组）                │   │
│  │    → 输出：StatisticalChecks JSON（决定方法选择）        │   │
│  │                                                          │   │
│  └──────────────────────────────────────────────────────────┘   │
│                              ↓                                   │
│  ┌──────────────────────────────────────────────────────────┐   │
│  │ 3. 路径规划器 (Pathway Planner)         🆕 Phase 2A     │   │
│  │    - LLM 理解用户意图 + 数据特征                         │   │
│  │    - 规划 2-7 步分析流程                                 │   │
│  │    - 选择合适的统计工具组合                              │   │
│  │    → 输出：多步骤执行计划 (workflow_steps[])             │   │
│  └──────────────────────────────────────────────────────────┘   │
│                              ↓                                   │
│  ┌──────────────────────────────────────────────────────────┐   │
│  │ 4. 流程执行器 (Workflow Executor)       🆕 Phase 2A     │   │
│  │    - 串联执行多个工具                                    │   │
│  │    - 结果在步骤间传递                                    │   │
│  │    - 护栏检查与自动降级                                  │   │
│  │    - 实时进度反馈（SSE 推送）                            │   │
│  │    → 输出：step_results[]                                │   │
│  └──────────────────────────────────────────────────────────┘   │
│                              ↓                                   │
│  ┌──────────────────────────────────────────────────────────┐   │
│  │ 5. 结论生成器 (Conclusion Generator)    ✅ 已有          │   │
│  │    - Critic Agent：多步骤结果整合                        │   │
│  │    - 论文级结论模板                                      │   │
│  │    - 方法学说明 + 局限性声明                             │   │
│  │    → 输出：综合分析报告                                  │   │
│  └──────────────────────────────────────────────────────────┘   │
│                                                                  │
└─────────────────────────────────────────────────────────────────┘

2.1 组件状态汇总

组件	状态	Phase 2A 任务
1. 意图理解器	✅ 已有	优化 Prompt，增强追问能力
2. 数据诊断器	🆕 待做	核心开发项
3. 路径规划器	🆕 待做	核心开发项
4. 流程执行器	🆕 待做	核心开发项
5. 结论生成器	✅ 已有	增强多步骤结果整合能力

---

3. 工具清单：7 个统计方法

3.1 工具总览

序号	工具代码	名称	类别	状态	典型场景
1	ST_T_TEST_IND	独立样本 T 检验	参数检验	✅ 已完成	两组连续变量比较
2	ST_MANN_WHITNEY	Mann-Whitney U 检验	非参数检验	🆕 待做	两组非正态/等级变量比较
3	ST_CHI_SQUARE	卡方检验	分类变量	🆕 待做	两个分类变量关联
4	ST_LOGISTIC_BINARY	二元 Logistic 回归	多因素分析	🆕 待做	二分类结局的危险因素
5	ST_T_TEST_PAIRED	配对 T 检验	参数检验	🆕 待做	前后对比/配对设计
6	ST_CORRELATION	Pearson/Spearman 相关	相关分析	🆕 待做	两个连续变量相关性
7	ST_DESCRIPTIVE	描述性统计	基础统计	🆕 待做	数据概况/基线表

3.2 工具选择逻辑（供 LLM 规划参考）

┌─────────────────────────────────────────────────────────────────┐
│                    工具选择决策树                                │
├─────────────────────────────────────────────────────────────────┤
│                                                                  │
│  研究目的是什么？                                                │
│  ├─ 描述数据 → ST_DESCRIPTIVE                                   │
│  ├─ 比较两组                                                     │
│  │   ├─ Y 是连续变量                                            │
│  │   │   ├─ 独立样本                                            │
│  │   │   │   ├─ 正态分布 → ST_T_TEST_IND                       │
│  │   │   │   └─ 非正态   → ST_MANN_WHITNEY                     │
│  │   │   └─ 配对样本 → ST_T_TEST_PAIRED                        │
│  │   └─ Y 是分类变量 → ST_CHI_SQUARE                           │
│  ├─ 分析相关性                                                   │
│  │   ├─ 正态分布 → ST_CORRELATION (Pearson)                    │
│  │   └─ 非正态   → ST_CORRELATION (Spearman)                   │
│  └─ 多因素分析                                                   │
│      └─ Y 是二分类 → ST_LOGISTIC_BINARY                        │
│                                                                  │
└─────────────────────────────────────────────────────────────────┘

3.3 各工具详细定义

3.3.1 ST_MANN_WHITNEY（Mann-Whitney U 检验）

属性	值
适用场景	两组独立样本比较，Y 为连续/等级变量，不满足正态性假设
输入参数	group_var（分组变量）, value_var（数值变量）
输出	U 统计量、Z 值、P 值、效应量 r、中位数对比
护栏	每组样本量 ≥ 5；分组变量必须是二分类
降级来源	T 检验正态性不满足时自动降级

3.3.2 ST_CHI_SQUARE（卡方检验）

属性	值
适用场景	两个分类变量的关联分析
输入参数	var1（分类变量1）, var2（分类变量2）
输出	χ² 统计量、自由度、P 值、Cramér's V
护栏	期望频数 < 5 的格子不超过 20%；否则提示使用 Fisher
自动降级	2×2 表且有格子 < 5 → Fisher 精确检验

3.3.3 ST_LOGISTIC_BINARY（二元 Logistic 回归）

属性	值
适用场景	二分类结局变量的多因素分析
输入参数	outcome_var（结局变量）, predictors（预测变量列表）, confounders（混杂因素，可选）
输出	OR、95% CI、P 值（每个变量）、模型拟合度（AIC、Hosmer-Lemeshow）
护栏	事件数 / 自变量数 ≥ 10（EPV 规则）；共线性检测（VIF < 5）
高级	支持单因素 → 多因素两步分析

3.3.4 ST_T_TEST_PAIRED（配对 T 检验）

属性	值
适用场景	配对设计，同一对象前后对比
输入参数	before_var（前测变量）, after_var（后测变量）
输出	差值均值、t 统计量、P 值、Cohen's d、95% CI
护栏	差值满足正态性；样本量 ≥ 10
降级	差值非正态 → Wilcoxon 符号秩检验

3.3.5 ST_CORRELATION（相关分析）

属性	值
适用场景	两个连续变量的相关性分析
输入参数	var_x, var_y, method（pearson/spearman/auto）
输出	相关系数 r、P 值、散点图
护栏	样本量 ≥ 10；检测异常值影响
自动选择	两变量均正态 → Pearson；否则 → Spearman

3.3.6 ST_DESCRIPTIVE（描述性统计）

属性	值
适用场景	数据概况、基线特征表
输入参数	variables（变量列表）, group_var（可选，分组）
输出	连续变量：均值±SD、中位数(IQR)；分类变量：n(%)
特殊	自动识别变量类型；支持分组对比

---

4. 数据流架构（含执行时机）

4.1 完整数据流

┌─────────────────────────────────────────────────────────────────┐
│                    完整数据流（含执行时机）                      │
├─────────────────────────────────────────────────────────────────┤
│                                                                  │
│  用户上传数据                                                    │
│      │                                                           │
│      ▼                                                           │
│  ┌─────────────────────────────────────┐                        │
│  │ ⏱️ 时机 A: Python (Tool C)          │                        │
│  │ → DataProfile JSON                  │                        │
│  │   - 列类型、缺失率、异常值          │                        │
│  │   - 唯一值、基础描述统计            │                        │
│  └──────────────────┬──────────────────┘                        │
│                     │ 喂给 LLM                                   │
│                     ▼                                            │
│  ┌─────────────────────────────────────┐                        │
│  │ 意图理解器 + 路径规划器 (LLM)       │                        │
│  │ → SAP: Group=Gender, Value=GLU      │                        │
│  │ → Workflow: [描述统计, T检验]       │                        │
│  └──────────────────┬──────────────────┘                        │
│                     │ 用户确认执行                               │
│                     ▼                                            │
│  ┌─────────────────────────────────────┐                        │
│  │ ⏱️ 时机 B: R Service (JIT 护栏)     │                        │
│  │ → 针对 GLU 做正态性检验             │                        │
│  │ → 针对 Gender 分组做方差齐性检验    │                        │
│  │ → StatisticalChecks JSON            │                        │
│  └──────────────────┬──────────────────┘                        │
│                     │ 根据结果决策                               │
│                     ▼                                            │
│  ┌─────────────────────────────────────┐                        │
│  │ 正态 + 方差齐 → T 检验              │                        │
│  │ 非正态       → Mann-Whitney         │                        │
│  │ 方差不齐     → Welch T 检验         │                        │
│  └──────────────────┬──────────────────┘                        │
│                     ▼                                            │
│  执行核心统计 → 生成结果 → 结论生成器                           │
│                                                                  │
└─────────────────────────────────────────────────────────────────┘

4.2 执行时机说明

时机	触发条件	执行层	目的
时机 A	用户上传数据	Python (Tool C)	让 LLM 知道"数据长什么样"
时机 B	用户确认执行前	R Service	JIT 护栏：检验统计假设是否满足

⚠️ 关键原则：上传时不知道 Y 是什么，不能对全表做正态性检验。只有 LLM 确定了 Group=X, Value=Y 后，才能在执行前做 JIT 护栏检验。

4.3 Python (Tool C) DataProfile 接口

// 新增接口：POST /api/dc/profile
interface DataProfileRequest {
  sessionId: string;  // Tool C 会话 ID
}

interface DataProfileResponse {
  columns: Array<{
    name: string;
    type: 'numeric' | 'categorical' | 'datetime' | 'text';
    missingCount: number;
    missingRate: number;
    uniqueCount: number;
    // 数值列
    mean?: number;
    median?: number;
    std?: number;
    min?: number;
    max?: number;
    outlierCount?: number;
    // 分类列
    topValues?: Array<{ value: string; count: number }>;
  }>;
  summary: {
    totalRows: number;
    totalColumns: number;
    numericColumns: number;
    categoricalColumns: number;
    overallMissingRate: number;
  };
}

4.4 R Service JIT 护栏接口

// 在执行核心工具前调用
interface JITGuardrailRequest {
  sessionId: string;
  toolCode: string;       // e.g., "ST_T_TEST_IND"
  params: {
    groupVar: string;     // e.g., "Gender"
    valueVar: string;     // e.g., "GLU"
  };
}

interface JITGuardrailResponse {
  checks: Array<{
    checkName: string;    // e.g., "正态性检验"
    passed: boolean;
    pValue: number;
    recommendation: string;
  }>;
  suggestedTool: string;  // 如果检验不通过，建议的替代工具
  canProceed: boolean;
}

---

5. 开发任务清单

5.0 前置任务：数据库 Schema 更新

重要：遵循 docs/04-开发规范/09-数据库开发规范.md，使用 Prisma Migrate

新增表设计（方案 2：清晰结构）

/// SSA 多步骤流程
model SsaWorkflow {
  id              String   @id @default(uuid())
  sessionId       String   @map("session_id")
  messageId       String?  @map("message_id")     /// 关联的计划消息
  status          String   @default("pending")    /// pending | running | completed | partial | error
  totalSteps      Int      @map("total_steps")
  completedSteps  Int      @default(0) @map("completed_steps")
  workflowPlan    Json     @map("workflow_plan")  /// 原始计划 JSON
  createdAt       DateTime @default(now()) @map("created_at")
  completedAt     DateTime? @map("completed_at")
  
  session         SsaSession @relation(fields: [sessionId], references: [id], onDelete: Cascade)
  steps           SsaWorkflowStep[]
  
  @@index([sessionId], map: "idx_ssa_workflow_session")
  @@map("ssa_workflows")
  @@schema("ssa_schema")
}

/// SSA 流程步骤
model SsaWorkflowStep {
  id              String   @id @default(uuid())
  workflowId      String   @map("workflow_id")
  stepOrder       Int      @map("step_order")
  toolCode        String   @map("tool_code")
  toolName        String   @map("tool_name")
  status          String   @default("pending")    /// pending | running | success | warning | error | skipped
  inputParams     Json?    @map("input_params")
  guardrailChecks Json?    @map("guardrail_checks")  /// JIT 护栏检验结果
  outputResult    Json?    @map("output_result")
  errorInfo       Json?    @map("error_info")
  executionMs     Int?     @map("execution_ms")
  startedAt       DateTime? @map("started_at")
  completedAt     DateTime? @map("completed_at")
  
  workflow        SsaWorkflow @relation(fields: [workflowId], references: [id], onDelete: Cascade)
  
  @@index([workflowId], map: "idx_ssa_workflow_step_workflow")
  @@map("ssa_workflow_steps")
  @@schema("ssa_schema")
}

SsaSession 扩展字段

model SsaSession {
  // ... 现有字段 ...
  
  // 🆕 新增字段
  dataProfile     Json?    @map("data_profile")   /// Python 生成的 DataProfile
  
  // 🆕 新增关系
  workflows       SsaWorkflow[]
}

迁移任务

任务	预估	优先级	依赖
🆕 备份开发数据库	0.5h	P0	-
🆕 修改 schema.prisma（新增表 + 字段）	1h	P0	备份
🆕 执行 prisma migrate dev --name add_ssa_workflow_tables	0.5h	P0	Schema
🆕 检查生成的迁移 SQL	0.5h	P0	迁移
🆕 本地测试	1h	P0	SQL
🆕 更新 Prisma Client 类型	0.5h	P0	测试

预估总工时：4h（约 0.5 天）

---

5.1 阶段一：R 工具扩展（6 个新工具）

任务	预估	优先级	依赖
实现 ST_MANN_WHITNEY（Mann-Whitney U 检验）	4h	P0	-
实现 ST_CHI_SQUARE（卡方检验）	4h	P0	-
实现 ST_LOGISTIC_BINARY（二元 Logistic 回归）	6h	P0	-
实现 ST_T_TEST_PAIRED（配对 T 检验）	3h	P1	-
实现 ST_CORRELATION（相关分析）	3h	P1	-
实现 ST_DESCRIPTIVE（描述性统计）	4h	P1	-
统一 run_analysis() 入口 + 护栏函数	4h	P0	以上全部

预估总工时：28h（约 4 天）

5.2 阶段二：数据诊断器（Python + R 分工）

5.2.1 时机 A：Python DataProfile（上传时）

任务	预估	优先级	依赖
🆕 扩展 Tool C Python：新增 /api/dc/profile 端点	4h	P0	-
🆕 实现 DataProfileService 后端服务（调用 Tool C）	3h	P0	Python 端点
🆕 实现前端 DataProfile 展示卡片	3h	P0	后端服务
🆕 集成到 SSA 上传数据流程	2h	P0	前端卡片

5.2.2 时机 B：R JIT 护栏（执行前）

任务	预估	优先级	依赖
🆕 实现 R 正态性检验函数（Shapiro-Wilk）	2h	P0	-
🆕 实现 R 方差齐性检验函数（Levene）	2h	P0	-
🆕 集成 JIT 护栏到 WorkflowExecutorService	2h	P0	R 函数
🆕 实现自动方法降级逻辑	2h	P0	JIT 护栏

预估总工时：20h（约 2.5 天）

5.3 阶段三：路径规划器（多工具流程规划）

任务	预估	优先级	依赖
设计 WorkflowPlan 数据结构	2h	P0	-
实现 WorkflowPlannerService（LLM 规划）	6h	P0	数据结构
设计规划 Prompt（工具选择逻辑）	4h	P0	7个工具定义
实现后端 /plan 接口返回多步骤计划	3h	P0	Planner
实现前端多步骤计划展示卡片	4h	P0	后端接口

预估总工时：19h（约 2.5 天）

5.4 阶段四：流程执行器（串联执行）

任务	预估	优先级	依赖
实现 WorkflowExecutorService	6h	P0	所有 R 工具
实现步骤间结果传递逻辑	3h	P0	Executor
实现 SSE 实时进度推送	3h	P0	Executor
实现后端 /execute 接口支持多步骤	3h	P0	SSE
实现前端多步骤进度展示	4h	P0	后端接口
实现执行中断/重试机制	2h	P1	基础执行

预估总工时：21h（约 3 天）

5.5 阶段五：结论生成器增强

任务	预估	优先级	依赖
增强 Critic Prompt（多步骤结果整合）	3h	P0	-
实现多步骤结果汇总逻辑	2h	P0	Executor
增强报告模板（方法学 + 局限性）	2h	P1	-

预估总工时：7h（约 1 天）

---

6. 开发计划时间表

Week 1：R 工具扩展
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
Day 1-2: ST_MANN_WHITNEY + ST_CHI_SQUARE
Day 3-4: ST_LOGISTIC_BINARY（复杂度最高）
Day 5:   ST_T_TEST_PAIRED + ST_CORRELATION + ST_DESCRIPTIVE

Week 2：核心组件开发
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
Day 1-2: 数据诊断器（ST_QUALITY_REPORT + DataQualityService）
Day 3-4: 路径规划器（WorkflowPlannerService + Prompt）
Day 5:   流程执行器（WorkflowExecutorService）

Week 3：联调与打磨
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
Day 1-2: 前端多步骤 UI + SSE 实时进度
Day 3:   结论生成器增强
Day 4-5: 端到端联调测试 + Bug 修复

总预估：3 周（15 个工作日）

---

7. 验收标准

7.1 功能验收

验收项	标准
工具覆盖	7 个工具全部可用
数据诊断	上传数据后自动生成质量核查报告
流程规划	LLM 能根据用户问题规划 2-7 步流程
串联执行	多步骤顺序执行，实时显示进度
结果整合	生成包含所有步骤结果的综合报告

7.2 场景验收（必须通过）

场景	预期流程
"比较两组血压"	描述统计 → T检验 → （非正态时）Mann-Whitney
"分析吸烟与肺癌的关系"	描述统计 → 卡方检验
"哪些因素影响糖尿病"	描述统计 → 单因素Logistic → 多因素Logistic
"治疗前后血压变化"	描述统计 → 配对T检验
"年龄与血压相关吗"	描述统计 → 相关分析

7.3 性能验收

指标	标准
数据诊断耗时	< 5 秒（200行数据）
流程规划耗时	< 3 秒（LLM 响应）
单步骤执行耗时	< 10 秒
完整流程耗时	< 60 秒（5 步骤）

---

8. 风险与应对

风险	影响	应对策略
LLM 规划不准确	工具选择错误	增加护栏校验 + 人工确认
R 工具开发延期	阻塞后续开发	可并行开发，先做简单工具
多步骤执行失败	流程中断	实现重试机制 + 部分结果保存
结果传递复杂	步骤间数据格式不匹配	定义统一的 StepResult 结构

---

9. 🚨 工程规范（架构审查暗礁预警）

来源： 架构审查报告，避免开发过程中踩坑

9.1 暗礁 1：R 脚本输出裁剪（防止 LLM Token 超载）

问题：R 脚本返回的 JSON 可能包含原始全量数据（如残差数组、原始数据点），导致 LLM Token 超载、响应极慢甚至报错。

强制规范：

# ❌ 错误示例：返回原始数据
result <- list(
  p_value = 0.032,
  residuals = residuals(model),  # 可能有几百个值！
  raw_data = df                   # 原始数据！
)

# ✅ 正确示例：只返回精简结果
result <- list(
  p_value = 0.032,
  t_statistic = 2.15,
  df = 48,
  ci_lower = 0.5,
  ci_upper = 2.3,
  effect_size = 0.62,
  # 图表只返回精简坐标点（最多 100 个点）
  plot_data = head(plot_points, 100)
)

检查清单：

• 禁止返回 residuals、fitted.values 等长数组
• 禁止返回原始数据 df 或 raw_data
• 图表坐标点限制在 100 个以内
• JSON 输出大小不超过 50KB

---

9.2 暗礁 3：容错管道（支持部分成功）

问题：多步骤执行时，一步失败导致整个流程崩溃，用户丢失已成功的结果。

强制规范：

// WorkflowExecutorService 必须实现容错管道
interface StepResult {
  step: number;
  toolCode: string;
  status: 'success' | 'warning' | 'error';
  result?: any;
  error?: {
    code: string;
    message: string;
    userHint: string;
  };
  executionMs: number;
}

// ✅ 正确实现：每步结果独立保存
async executeWorkflow(workflow: WorkflowStep[]): Promise<StepResult[]> {
  const results: StepResult[] = [];
  
  for (const step of workflow) {
    try {
      const result = await this.executeStep(step);
      results.push({ ...step, status: 'success', result });
    } catch (error) {
      // ⚠️ 关键：失败不中断，记录错误继续
      results.push({ 
        ...step, 
        status: 'error', 
        error: this.formatError(error) 
      });
      
      // 只有关键错误才中断
      if (this.isCriticalError(error)) break;
    }
  }
  
  return results;  // 返回部分成功的结果
}

前端展示：

✅ 描述性统计 (执行成功, 点击查看)
✅ 正态性检验 (执行成功, 点击查看)
❌ T检验 (执行失败: 方差为0, 点击查看原因)
⏸️ Mann-Whitney (已跳过)

---

9.3 SSE 消息格式规范

强制格式：

interface SSEMessage {
  type: 'step_start' | 'step_progress' | 'step_complete' | 'step_error' | 'workflow_complete';
  step: number;
  toolCode: string;
  toolName: string;
  status: 'running' | 'success' | 'error' | 'skipped';
  message: string;
  progress?: number;      // 0-100，可选
  result?: any;           // 步骤完成时的结果
  error?: {
    code: string;
    message: string;
    userHint: string;
  };
  timestamp: string;
}

示例消息序列：

{"type":"step_start","step":1,"toolCode":"ST_DESCRIPTIVE","toolName":"描述性统计","status":"running","message":"正在生成描述性统计...","timestamp":"2026-02-20T10:00:00Z"}

{"type":"step_complete","step":1,"toolCode":"ST_DESCRIPTIVE","toolName":"描述性统计","status":"success","message":"描述性统计完成","result":{...},"timestamp":"2026-02-20T10:00:02Z"}

{"type":"step_start","step":2,"toolCode":"ST_T_TEST_IND","toolName":"独立样本T检验","status":"running","message":"正在执行正态性检验（JIT护栏）...","timestamp":"2026-02-20T10:00:02Z"}

{"type":"step_progress","step":2,"toolCode":"ST_T_TEST_IND","toolName":"独立样本T检验","status":"running","message":"正态性检验通过，执行T检验...","progress":50,"timestamp":"2026-02-20T10:00:03Z"}

{"type":"step_complete","step":2,"toolCode":"ST_T_TEST_IND","toolName":"独立样本T检验","status":"success","message":"T检验完成","result":{...},"timestamp":"2026-02-20T10:00:05Z"}

{"type":"workflow_complete","status":"success","message":"分析流程执行完成，共2个步骤","timestamp":"2026-02-20T10:00:05Z"}

前端渲染效果：

┌─────────────────────────────────────────────────────────────────┐
│  执行日志                                                        │
├─────────────────────────────────────────────────────────────────┤
│  [10:00:00] ▶ 正在生成描述性统计...                             │
│  [10:00:02] ✅ 描述性统计完成                                    │
│  [10:00:02] ▶ 正在执行正态性检验（JIT护栏）...                  │
│  [10:00:03] ▶ 正态性检验通过，执行T检验...                      │
│  [10:00:05] ✅ T检验完成                                         │
│  [10:00:05] 🎉 分析流程执行完成，共2个步骤                       │
└─────────────────────────────────────────────────────────────────┘

---

10. Phase 2A 完成后的系统能力

┌─────────────────────────────────────────────────────────────────┐
│                Phase 2A 完成后的 SSA-Pro                        │
├─────────────────────────────────────────────────────────────────┤
│                                                                  │
│  ✅ 用户能做什么：                                               │
│  ────────────────────────────────────────────────────────────── │
│  • 上传数据，自动获得数据质量报告                               │
│  • 用自然语言描述分析需求                                       │
│  • 系统自动规划多步骤分析流程                                   │
│  • 一键执行，实时看到每步进度                                   │
│  • 获得包含完整方法学说明的论文级报告                           │
│                                                                  │
│  ✅ 系统具备的智能：                                             │
│  ────────────────────────────────────────────────────────────── │
│  • 理解医学术语，翻译为统计需求                                 │
│  • 根据数据特征自动调整方法（正态→非参数）                     │
│  • 规划完整分析路径，而非单一方法                               │
│  • 整合多步骤结果，生成综合结论                                 │
│                                                                  │
│  ✅ 后续扩展方向：                                               │
│  ────────────────────────────────────────────────────────────── │
│  • 增加更多统计方法（复制工具模板即可）                         │
│  • 增加咨询模式（无数据也能获得 SAP）                           │
│  • 增加配置中台（量产工具管理）                                 │
│  • Phase 3 靶向代码修改（架构已预埋）                           │
│                                                                  │
└─────────────────────────────────────────────────────────────────┘

---

11. 总结

Phase 2A 是 SSA-Pro MVP 的真正内核。

完成 Phase 2A 后：

• 5 大核心组件全部跑通
• 7 个统计方法可用
• 多工具流程规划能力上线
• 数据质量核查报告上线
• 智能化能力完成 85%+

后续工作（Phase 2B+）主要是：

• 扩展更多统计方法（复制粘贴）
• 增加咨询模式（锦上添花）
• 配置中台（量产效率）

这才是以终为始的 MVP 开发策略。