AIclinicalresearch/docs/03-业务模块/SSA-智能统计分析/04-开发计划/02-R服务开发指南.md

SSA-Pro R 服务开发指南

文档版本： v1.3
创建日期： 2026-02-18
最后更新： 2026-02-18（纳入 V3.0 终极审查建议）
目标读者： R 统计工程师

---

1. 项目结构

r-statistics-service/
├── Dockerfile
├── renv.lock              # 📌 包版本锁定文件
├── .Rprofile              # renv 初始化
├── plumber.R              # Plumber 入口
├── tools/                 # 统计工具目录
│   ├── ST_T_TEST_IND.R
│   ├── ST_T_TEST_PAIRED.R
│   ├── ST_ANOVA_ONE.R
│   └── ...
├── templates/             # 📌 代码模板目录（glue）
│   ├── t_test.R.template
│   ├── anova.R.template
│   └── ...
├── utils/
│   ├── data_loader.R      # 🆕 混合数据协议加载器
│   ├── guardrails.R       # 护栏函数库
│   ├── code_generator.R   # 代码生成工具（使用 glue）
│   ├── result_formatter.R # 🆕 结果格式化（p_value_fmt）
│   └── error_codes.R      # 📌 错误码定义
├── metadata/              # 工具元数据
│   └── tools.yaml         # 所有工具定义
└── tests/
    ├── test_tools.R       # 单元测试
    └── fixtures/          # 🆕 标准测试数据集
        ├── normal_data.csv
        ├── skewed_data.csv
        └── missing_data.csv

---

2. Dockerfile 模板

FROM rocker/r-ver:4.3

LABEL maintainer="your-team@example.com"
LABEL version="1.0.0"
LABEL description="SSA-Pro R Statistics Service"

# 安装系统依赖
RUN apt-get update && apt-get install -y \
    libcurl4-openssl-dev \
    libssl-dev \
    libxml2-dev \
    && rm -rf /var/lib/apt/lists/*

# 📌 安装 renv（包管理工具）
RUN R -e "install.packages('renv', repos='https://cloud.r-project.org/')"

WORKDIR /app

# 📌 先复制 renv.lock，利用 Docker 缓存
COPY renv.lock renv.lock
COPY .Rprofile .Rprofile

# 📌 使用 renv 恢复依赖（版本锁定）
RUN R -e "renv::restore()"

# 复制应用代码
COPY . .

EXPOSE 8080

# 🆕 OSS 配置通过环境变量注入（开发/生产环境不同）
ENV OSS_ENDPOINT=""
ENV OSS_ACCESS_KEY_ID=""
ENV OSS_ACCESS_KEY_SECRET=""
ENV OSS_BUCKET=""

# 📌 启动前清理临时文件
CMD ["R", "-e", "unlink(list.files('/tmp', full.names=TRUE), recursive=TRUE); plumber::plumb('plumber.R')$run(host='0.0.0.0', port=8080)"]

2.2 环境变量配置（🆕 开发/生产差异）

# docker-compose.yml (本地开发)
services:
  ssa-r-service:
    build: .
    ports:
      - "8080:8080"
    environment:
      - OSS_ENDPOINT=oss-cn-beijing.aliyuncs.com          # 公网
      - OSS_ACCESS_KEY_ID=${OSS_ACCESS_KEY_ID}
      - OSS_ACCESS_KEY_SECRET=${OSS_ACCESS_KEY_SECRET}
      - OSS_BUCKET=ssa-data-bucket

# SAE 环境变量 (生产)
OSS_ENDPOINT: oss-cn-beijing-internal.aliyuncs.com       # 🆕 VPC 内网
OSS_ACCESS_KEY_ID: ******
OSS_ACCESS_KEY_SECRET: ******
OSS_BUCKET: ssa-data-bucket

重要：OSS Endpoint 绝不能硬编码，必须通过环境变量注入。本地开发用公网，SAE 生产用内网。

2.1 renv.lock 示例

{
  "R": {
    "Version": "4.3.0",
    "Repositories": [
      {
        "Name": "CRAN",
        "URL": "https://cloud.r-project.org"
      }
    ]
  },
  "Packages": {
    "plumber": { "Package": "plumber", "Version": "1.2.1", "Source": "Repository" },
    "jsonlite": { "Package": "jsonlite", "Version": "1.8.8", "Source": "Repository" },
    "ggplot2": { "Package": "ggplot2", "Version": "3.4.4", "Source": "Repository" },
    "glue": { "Package": "glue", "Version": "1.7.0", "Source": "Repository" },
    "styler": { "Package": "styler", "Version": "1.10.2", "Source": "Repository" },
    "dplyr": { "Package": "dplyr", "Version": "1.1.4", "Source": "Repository" },
    "tidyr": { "Package": "tidyr", "Version": "1.3.0", "Source": "Repository" },
    "base64enc": { "Package": "base64enc", "Version": "0.1-3", "Source": "Repository" },
    "yaml": { "Package": "yaml", "Version": "2.3.8", "Source": "Repository" },
    "car": { "Package": "car", "Version": "3.1-2", "Source": "Repository" }
  }
}

重要：每次添加新依赖后，执行 renv::snapshot() 更新 lock 文件。

---

3. Plumber 入口文件

# plumber.R
library(plumber)
library(jsonlite)

# 加载工具模块
tools_dir <- "tools"
tool_files <- list.files(tools_dir, pattern = "\\.R$", full.names = TRUE)
for (f in tool_files) source(f)

# 加载公共函数
source("utils/data_loader.R")     # 🆕 混合数据协议
source("utils/guardrails.R")
source("utils/code_generator.R")
source("utils/result_formatter.R") # 🆕 结果格式化

#* @apiTitle SSA-Pro R Statistics Service
#* @apiDescription 严谨型统计分析 R 引擎

#* 健康检查
#* @get /health
function() {
  list(
    status = "ok",
    timestamp = Sys.time(),
    version = "1.0.0"
  )
}

#* 执行统计工具
#* @post /api/v1/skills/<tool_code>
#* @param tool_code:str 工具代码
#* @serializer unboxedJSON
function(req, tool_code) {
  tryCatch({
    # 解析请求体
    input <- jsonlite::fromJSON(req$postBody, simplifyVector = FALSE)
    
    # 🆕 Debug 模式：保留临时文件用于排查
    debug_mode <- isTRUE(input$debug)
    
    # 动态调用工具函数
    func_name <- paste0("run_", tolower(tool_code))
    
    if (!exists(func_name, mode = "function")) {
      return(list(
        status = "error",
        message = paste("Unknown tool:", tool_code)
      ))
    }
    
    result <- do.call(func_name, list(input))
    
    # 🆕 Debug 模式：附加临时文件路径
    if (debug_mode && !is.null(result$tmp_files)) {
      result$debug_files <- result$tmp_files
      message("[DEBUG] 临时文件已保留: ", paste(result$tmp_files, collapse = ", "))
    }
    
    return(result)
    
  }, error = function(e) {
    # 🆕 使用友好错误映射
    return(map_r_error(e$message))
  })
}

---

4. 错误码定义

# utils/error_codes.R
# 📌 结构化错误码，便于 LLM 自愈

ERROR_CODES <- list(
  # 业务错误（可被 Planner 修复）
  E001_COLUMN_NOT_FOUND = list(
    code = "E001",
    type = "business",
    message_template = "列名 '{col}' 在数据中不存在",
    user_hint = "请检查变量名是否拼写正确"  # 🆕 用户友好提示
  ),
  E002_TYPE_MISMATCH = list(
    code = "E002",
    type = "business",
    message_template = "列 '{col}' 类型应为 {expected}，实际为 {actual}",
    user_hint = "该列包含非数值数据，请检查数据格式"
  ),
  E003_INSUFFICIENT_GROUPS = list(
    code = "E003",
    type = "business",
    message_template = "分组变量 '{col}' 应有 {expected} 个水平，实际有 {actual} 个",
    user_hint = "分组变量的取值个数不符合要求"
  ),
  E004_SAMPLE_TOO_SMALL = list(
    code = "E004",
    type = "business",
    message_template = "样本量 {n} 不足，至少需要 {min_required}",
    user_hint = "数据量太少，无法进行统计分析"
  ),
  
  # 🆕 统计计算错误（用户友好映射）
  E005_SINGULAR_MATRIX = list(
    code = "E005",
    type = "business",
    message_template = "矩阵计算异常: {details}",
    user_hint = "变量之间可能存在多重共线性，建议移除高度相关的变量"
  ),
  E006_CONVERGENCE_FAILED = list(
    code = "E006",
    type = "business",
    message_template = "模型未能收敛: {details}",
    user_hint = "算法未能找到稳定解，可能需要调整参数或检查数据"
  ),
  E007_VARIANCE_ZERO = list(
    code = "E007",
    type = "business",
    message_template = "变量 '{col}' 方差为零",
    user_hint = "该列的所有值都相同，无法进行比较"
  ),
  
  # 系统错误（需人工介入）
  E100_INTERNAL_ERROR = list(
    code = "E100",
    type = "system",
    message_template = "内部错误: {details}",
    user_hint = "系统繁忙，请稍后重试"
  ),
  E101_PACKAGE_MISSING = list(
    code = "E101",
    type = "system",
    message_template = "缺少依赖包: {package}",
    user_hint = "请联系管理员"
  )
)

# 🆕 R 原始错误到错误码的映射字典
R_ERROR_MAPPING <- list(
  "system is computationally singular" = "E005_SINGULAR_MATRIX",
  "did not converge" = "E006_CONVERGENCE_FAILED",
  "constant" = "E007_VARIANCE_ZERO"
)

# 构造错误响应（🆕 含用户友好提示）
make_error <- function(error_def, ...) {
  params <- list(...)
  msg <- error_def$message_template
  for (name in names(params)) {
    msg <- gsub(paste0("\\{", name, "\\}"), as.character(params[[name]]), msg)
  }
  return(list(
    status = "error",
    error_code = error_def$code,
    error_type = error_def$type,
    message = msg,
    user_hint = error_def$user_hint  # 🆕 前端可直接展示
  ))
}

# 🆕 尝试将 R 原始错误映射为友好错误码
map_r_error <- function(raw_error_msg) {
  for (pattern in names(R_ERROR_MAPPING)) {
    if (grepl(pattern, raw_error_msg, ignore.case = TRUE)) {
      error_key <- R_ERROR_MAPPING[[pattern]]
      return(make_error(ERROR_CODES[[error_key]], details = raw_error_msg))
    }
  }
  # 无法映射，返回通用内部错误
  return(make_error(ERROR_CODES$E100_INTERNAL_ERROR, details = raw_error_msg))
}

---

5. 🆕 混合数据协议加载器

核心问题：Node.js 发送的 Payload 可能是 inline JSON（小数据）或 OSS Key（大数据），R 服务必须统一处理。

# utils/data_loader.R
# 🆕 混合数据协议：自动识别 inline 数据 vs OSS key

library(httr)
library(jsonlite)

# 🆕 开发模式开关（本地无法访问 OSS 时启用）
DEV_MODE <- Sys.getenv("DEV_MODE", "false") == "true"

# 从环境变量获取 OSS 配置（开发/生产差异化）
get_oss_config <- function() {
  list(
    endpoint = Sys.getenv("OSS_ENDPOINT", ""),
    access_key_id = Sys.getenv("OSS_ACCESS_KEY_ID", ""),
    access_key_secret = Sys.getenv("OSS_ACCESS_KEY_SECRET", ""),
    bucket = Sys.getenv("OSS_BUCKET", ""),
    mock_data_dir = Sys.getenv("OSS_MOCK_DIR", "tests/fixtures")  # 🆕 Mock 目录
  )
}

# 统一数据加载入口
load_input_data <- function(input) {
  # 检查输入结构
  if (is.null(input$data_source)) {
    stop(make_error(ERROR_CODES$E100_INTERNAL_ERROR, 
                    details = "请求缺少 data_source 字段"))
  }
  
  source_type <- input$data_source$type  # "inline" | "oss"
  
  if (source_type == "inline") {
    # 📌 方式1：内联 JSON 数据（< 2MB）
    return(as.data.frame(input$data_source$data))
    
  } else if (source_type == "oss") {
    # 📌 方式2：从 OSS 下载（2MB - 20MB）
    return(load_from_oss(input$data_source$oss_key))
    
  } else {
    stop(make_error(ERROR_CODES$E100_INTERNAL_ERROR,
                    details = paste("未知的 data_source.type:", source_type)))
  }
}

# 从 OSS 下载数据（🆕 支持 DEV_MODE Mock）
load_from_oss <- function(oss_key) {
  config <- get_oss_config()
  
  # 🆕 开发模式：从本地 fixtures 读取 Mock 数据
  if (DEV_MODE) {
    mock_file <- file.path(config$mock_data_dir, basename(oss_key))
    if (file.exists(mock_file)) {
      message(glue("[DEV_MODE] 使用本地 Mock 文件: {mock_file}"))
      return(read.csv(mock_file, stringsAsFactors = FALSE))
    } else {
      # 回退到 normal_data.csv
      fallback <- file.path(config$mock_data_dir, "normal_data.csv")
      message(glue("[DEV_MODE] Mock 文件不存在，使用默认: {fallback}"))
      return(read.csv(fallback, stringsAsFactors = FALSE))
    }
  }
  
  if (config$endpoint == "") {
    stop(make_error(ERROR_CODES$E100_INTERNAL_ERROR,
                    details = "OSS_ENDPOINT 环境变量未配置"))
  }
  
  # 构造签名 URL（简化版，生产应使用 SDK）
  url <- sprintf("https://%s.%s/%s", 
                 config$bucket, config$endpoint, oss_key)
  
  # 下载到临时文件
  temp_file <- tempfile(fileext = ".csv")
  on.exit(unlink(temp_file))  # 确保清理
  
  tryCatch({
    response <- GET(url, 
                    add_headers(
                      Authorization = generate_oss_signature(config, "GET", oss_key)
                    ),
                    write_disk(temp_file, overwrite = TRUE))
    
    if (status_code(response) != 200) {
      stop(make_error(ERROR_CODES$E100_INTERNAL_ERROR,
                      details = paste("OSS 下载失败:", status_code(response))))
    }
    
    return(read.csv(temp_file, stringsAsFactors = FALSE))
    
  }, error = function(e) {
    stop(make_error(ERROR_CODES$E100_INTERNAL_ERROR,
                    details = paste("OSS 网络错误:", e$message)))
  })
}

# OSS 签名生成（简化版）
generate_oss_signature <- function(config, method, object_key) {
  # TODO: 完整 OSS V4 签名实现
  # MVP 阶段可使用阿里云 R SDK 或预签名 URL
  paste0("OSS ", config$access_key_id, ":", "SIGNATURE_PLACEHOLDER")
}

5.1 后端 Payload 格式规范

Node.js RClientService 发送给 R 的 Payload 格式：

// 小数据（< 2MB）：inline 模式
{
  "data_source": {
    "type": "inline",
    "data": [
      { "group": "A", "value": 10.5 },
      { "group": "B", "value": 12.3 }
    ]
  },
  "params": {
    "group_var": "group",
    "value_var": "value"
  }
}

// 大数据（2MB - 20MB）：OSS 模式
{
  "data_source": {
    "type": "oss",
    "oss_key": "sessions/abc123/data.csv"
  },
  "params": {
    "group_var": "group",
    "value_var": "value"
  }
}

---

6. 🆕 结果格式化工具

# utils/result_formatter.R
# 🆕 统计结果格式化，确保 p 值显示规范

# 格式化 p 值（符合 APA 规范）
format_p_value <- function(p) {
  if (is.na(p)) return(NA)
  
  if (p < 0.001) {
    return("< 0.001")
  } else {
    return(sprintf("%.3f", p))
  }
}

# 构建标准化结果（包含 p_value_fmt）
make_result <- function(p_value, statistic, method, ...) {
  list(
    p_value = p_value,
    p_value_fmt = format_p_value(p_value),  # 🆕 前端直接展示
    statistic = statistic,
    method = method,
    ...
  )
}

# 格式化置信区间
format_ci <- function(lower, upper, digits = 2) {
  sprintf("[%.${digits}f, %.${digits}f]", lower, upper)
}

# 格式化效应量
format_effect_size <- function(value, type = "d") {
  interpretation <- ""
  if (type == "d") {  # Cohen's d
    if (abs(value) < 0.2) interpretation <- "微小"
    else if (abs(value) < 0.5) interpretation <- "小"
    else if (abs(value) < 0.8) interpretation <- "中等"
    else interpretation <- "大"
  }
  list(
    value = round(value, 3),
    interpretation = interpretation
  )
}

---

7. 工具 Wrapper 标准模板（使用 glue）

5.1 代码模板文件

# templates/t_test.R.template
# SSA-Pro 自动生成代码
# 工具: {tool_name}
# 时间: {timestamp}
# ================================

# 🆕 自动安装依赖（用户本地运行时自动检测）
required_packages <- c("ggplot2", "car")
new_packages <- required_packages[!(required_packages %in% installed.packages()[,"Package"])]
if(length(new_packages)) {{
  message("正在安装缺失的依赖包: ", paste(new_packages, collapse = ", "))
  install.packages(new_packages, repos = "https://cloud.r-project.org")
}}

library(ggplot2)

# 数据准备
df <- read.csv("your_data.csv")
group_var <- "{group_var}"
value_var <- "{value_var}"

# 正态性检验
{normality_code}

# {method_name}
result <- {test_code}
print(result)

# 可视化
ggplot(df, aes(x = {group_var}, y = {value_var})) +
  geom_boxplot(fill = "#3b82f6", alpha = 0.6) +
  theme_minimal() +
  labs(title = "Distribution of {value_var} by {group_var}")

5.2 Wrapper 实现（使用 glue）

# tools/ST_T_TEST_IND.R
# 独立样本 T 检验

library(glue)
source("utils/error_codes.R")

run_st_t_test_ind <- function(input) {
  # ===== 初始化 =====
  logs <- c()
  log_add <- function(msg) { logs <<- c(logs, paste0("[", Sys.time(), "] ", msg)) }
  tmp_files <- c()  # 📌 追踪临时文件
  
  # 📌 确保退出时清理临时文件
  on.exit({
    if (length(tmp_files) > 0) {
      unlink(tmp_files)
    }
  }, add = TRUE)
  
  # ===== 🆕 数据加载（混合协议） =====
  log_add("开始加载输入数据")
  df <- tryCatch(
    load_input_data(input),  # 🆕 统一入口，自动处理 inline/OSS
    error = function(e) {
      log_add(paste("数据加载失败:", e$message))
      return(NULL)
    }
  )
  
  if (is.null(df)) {
    return(make_error(ERROR_CODES$E100_INTERNAL_ERROR, details = "数据加载失败"))
  }
  log_add(glue("数据加载成功: {nrow(df)} 行, {ncol(df)} 列"))
  
  p <- input$params
  guardrails_cfg <- input$guardrails
  
  group_var <- p$group_variable
  value_var <- p$value_variable
  
  # 📌 业务错误检查
  if (!(group_var %in% names(df))) {
    return(make_error(ERROR_CODES$E001_COLUMN_NOT_FOUND, col = group_var))
  }
  if (!(value_var %in% names(df))) {
    return(make_error(ERROR_CODES$E001_COLUMN_NOT_FOUND, col = value_var))
  }
  
  groups <- unique(df[[group_var]])
  if (length(groups) != 2) {
    return(make_error(ERROR_CODES$E003_INSUFFICIENT_GROUPS, 
                      col = group_var, expected = 2, actual = length(groups)))
  }
  
  # ===== 护栏检查 =====
  normality_code <- ""
  method_used <- "t.test"
  
  if (isTRUE(guardrails_cfg$check_normality)) {
    log_add("执行正态性检验")
    use_nonparam <- FALSE
    
    for (g in groups) {
      vals <- df[df[[group_var]] == g, value_var]
      if (length(vals) >= 3 && length(vals) <= 5000) {
        sw_test <- shapiro.test(vals)
        normality_code <- paste0(normality_code, 
          glue("shapiro.test(df[df${group_var} == '{g}', '{value_var}'])\n"))
        if (sw_test$p.value < 0.05) {
          use_nonparam <- TRUE
          log_add(glue("组[{g}] Shapiro-Wilk P = {round(sw_test$p.value, 4)} < 0.05, 拒绝正态性"))
        }
      }
    }
    
    if (use_nonparam && isTRUE(guardrails_cfg$auto_fix)) {
      log_add("触发降级: T-Test -> Wilcoxon")
      return(run_st_wilcoxon(input))
    }
  }
  
  # ===== 核心计算 =====
  log_add("执行 T 检验")
  g1_vals <- df[df[[group_var]] == groups[1], value_var]
  g2_vals <- df[df[[group_var]] == groups[2], value_var]
  
  result <- t.test(g1_vals, g2_vals, var.equal = FALSE)
  
  # ===== 生成图表 =====
  log_add("生成箱线图")
  plot_base64 <- generate_boxplot(df, group_var, value_var, tmp_files)
  
  # ===== 📌 使用 glue 生成代码 =====
  template <- readLines("templates/t_test.R.template", warn = FALSE)
  template_str <- paste(template, collapse = "\n")
  
  reproducible_code <- glue(template_str,
    tool_name = "独立样本 T 检验",
    timestamp = Sys.time(),
    group_var = group_var,
    value_var = value_var,
    normality_code = if (nchar(normality_code) > 0) normality_code else "# 未执行正态性检验",
    method_name = result$method,
    test_code = glue("t.test(df[df${group_var} == '{groups[1]}', '{value_var}'],
       df[df${group_var} == '{groups[2]}', '{value_var}'],
       var.equal = FALSE)")
  )
  
  # 📌 使用 styler 格式化代码（可选）
  # reproducible_code <- styler::style_text(reproducible_code)
  
  # ===== 返回结果 =====
  log_add("分析完成")
  
  return(list(
    status = "success",
    message = "分析完成",
    results = list(
      method = result$method,
      statistic = unbox(as.numeric(result$statistic)),
      p_value = unbox(as.numeric(result$p.value)),
      p_value_fmt = format_p_value(result$p.value),  # 🆕 格式化 p 值
      conf_int = as.numeric(result$conf.int),
      estimate = as.numeric(result$estimate),
      group_stats = list(
        list(group = groups[1], n = length(g1_vals), mean = mean(g1_vals), sd = sd(g1_vals)),
        list(group = groups[2], n = length(g2_vals), mean = mean(g2_vals), sd = sd(g2_vals))
      )
    ),
    plots = list(plot_base64),
    trace_log = logs,
    reproducible_code = as.character(reproducible_code)
  ))
}

# 📌 辅助函数（带临时文件追踪）
generate_boxplot <- function(df, group_var, value_var, tmp_files_ref) {
  library(ggplot2)
  library(base64enc)
  
  p <- ggplot(df, aes_string(x = group_var, y = value_var)) +
    geom_boxplot(fill = "#3b82f6", alpha = 0.6) +
    theme_minimal() +
    labs(title = paste("Distribution of", value_var, "by", group_var))
  
  tmp_file <- tempfile(fileext = ".png")
  tmp_files_ref <- c(tmp_files_ref, tmp_file)  # 追踪
  
  ggsave(tmp_file, p, width = 6, height = 4, dpi = 100)
  
  base64_str <- base64encode(tmp_file)
  unlink(tmp_file)  # 立即清理
  
  return(paste0("data:image/png;base64,", base64_str))
}

---

8. 护栏函数库

# utils/guardrails.R

# 🆕 大样本优化阈值
LARGE_SAMPLE_THRESHOLD <- 5000

# 正态性检验（🆕 大样本优化）
check_normality <- function(values, alpha = 0.05) {
  n <- length(values)
  
  # 样本量过小
  if (n < 3) {
    return(list(passed = TRUE, reason = "样本量过小，跳过正态性检验", skipped = TRUE))
  }
  
  # 🆕 大样本优化：N > 5000 时使用抽样检验
  if (n > LARGE_SAMPLE_THRESHOLD) {
    # 抽取 1000 个样本进行检验
    set.seed(42)  # 保证可重复性
    sampled_values <- sample(values, 1000)
    test <- shapiro.test(sampled_values)
    passed <- test$p.value >= alpha
    
    return(list(
      passed = passed,
      p_value = test$p.value,
      reason = glue("大样本(N={n})抽样检验，{if (passed) '满足正态性' else '不满足正态性'}"),
      sampled = TRUE,
      sample_size = 1000
    ))
  }
  
  # 常规检验
  test <- shapiro.test(values)
  passed <- test$p.value >= alpha
  
  return(list(
    passed = passed,
    p_value = test$p.value,
    reason = if (passed) "满足正态性" else "不满足正态性",
    sampled = FALSE
  ))
}

# 方差齐性检验 (Levene)
check_homogeneity <- function(df, group_var, value_var, alpha = 0.05) {
  library(car)
  
  formula <- as.formula(paste(value_var, "~", group_var))
  test <- leveneTest(formula, data = df)
  p_val <- test$`Pr(>F)`[1]
  passed <- p_val >= alpha
  
  return(list(
    passed = passed,
    p_value = p_val,
    reason = if (passed) "方差齐性满足" else "方差不齐性"
  ))
}

# 样本量检验
check_sample_size <- function(n, min_required = 30) {
  passed <- n >= min_required
  return(list(
    passed = passed,
    n = n,
    reason = if (passed) "样本量充足" else paste0("样本量不足, 需要至少 ", min_required)
  ))
}

---

9. API 请求/响应规范

9.1 🆕 请求格式（混合协议）

方式 1：Inline 数据（< 2MB）

{
  "data_source": {
    "type": "inline",
    "data": [
      {"Gender": "Male", "GLU": 5.8, "Age": 45},
      {"Gender": "Female", "GLU": 5.1, "Age": 38}
    ]
  },
  "params": {
    "group_variable": "Gender",
    "value_variable": "GLU"
  },
  "guardrails": {
    "check_normality": true,
    "auto_fix": true
  }
}

方式 2：OSS 数据（2MB - 20MB）

{
  "data_source": {
    "type": "oss",
    "oss_key": "sessions/abc123/data.csv"
  },
  "params": {
    "group_variable": "Gender",
    "value_variable": "GLU"
  },
  "guardrails": {
    "check_normality": true,
    "auto_fix": true
  }
}

9.2 成功响应（🆕 含 p_value_fmt）

{
  "status": "success",
  "message": "分析完成",
  "results": {
    "method": "Welch Two Sample t-test",
    "statistic": 2.345,
    "p_value": 0.021,
    "p_value_fmt": "0.021",
    "conf_int": [0.12, 1.28],
    "group_stats": [
      {"group": "Male", "n": 78, "mean": 5.8, "sd": 0.9},
      {"group": "Female", "n": 72, "mean": 5.1, "sd": 0.7}
    ]
  },
  "plots": ["data:image/png;base64,..."],
  "trace_log": [
    "[2026-02-18 10:30:01] 数据加载成功: 150 行, 5 列",
    "[2026-02-18 10:30:01] 执行正态性检验",
    "[2026-02-18 10:30:02] 执行 T 检验",
    "[2026-02-18 10:30:02] 分析完成"
  ],
  "reproducible_code": "# SSA-Pro 自动生成代码\n..."
}

p_value_fmt 说明：

• p >= 0.001: 保留 3 位小数，如 "0.021"
• p < 0.001: 显示 "< 0.001"
• 前端应直接使用 p_value_fmt 展示，避免重复格式化

7.3 错误响应（📌 含结构化错误码）

{
  "status": "error",
  "error_code": "E001",
  "error_type": "business",
  "message": "列名 'invalid_col' 在数据中不存在",
  "trace_log": [
    "[2026-02-18 10:30:01] 开始解析输入数据",
    "[2026-02-18 10:30:01] 错误: 列名 'invalid_col' 在数据中不存在"
  ]
}

错误类型说明：

• business：业务错误，Planner 可尝试自动修复参数后重试
• system：系统错误，需人工介入

---

8. MVP 10 个工具清单

序号	工具代码	文件名	主要函数	护栏
1	ST_T_TEST_IND	ST_T_TEST_IND.R	run_st_t_test_ind()	正态性
2	ST_T_TEST_PAIRED	ST_T_TEST_PAIRED.R	run_st_t_test_paired()	正态性
3	ST_ANOVA_ONE	ST_ANOVA_ONE.R	run_st_anova_one()	正态性+方差齐性
4	ST_CHI_SQUARE	ST_CHI_SQUARE.R	run_st_chi_square()	期望频数
5	ST_FISHER	ST_FISHER.R	run_st_fisher()	无
6	ST_WILCOXON	ST_WILCOXON.R	run_st_wilcoxon()	无
7	ST_MANN_WHITNEY	ST_MANN_WHITNEY.R	run_st_mann_whitney()	无
8	ST_CORRELATION	ST_CORRELATION.R	run_st_correlation()	正态性（决定Pearson/Spearman）
9	ST_LINEAR_REG	ST_LINEAR_REG.R	run_st_linear_reg()	残差正态性
10	ST_DESCRIPTIVE	ST_DESCRIPTIVE.R	run_st_descriptive()	无

---

9. 本地开发流程

8.1 构建镜像

cd r-statistics-service
docker build -t ssa-r-service:dev .

8.2 运行容器

docker run -d -p 8080:8080 --name ssa-r-dev ssa-r-service:dev

8.3 测试健康检查

curl http://localhost:8080/health

8.4 测试工具调用

curl -X POST http://localhost:8080/api/v1/skills/ST_T_TEST_IND \
  -H "Content-Type: application/json" \
  -d '{
    "data": [
      {"Gender": "Male", "GLU": 5.8},
      {"Gender": "Male", "GLU": 6.1},
      {"Gender": "Female", "GLU": 5.0},
      {"Gender": "Female", "GLU": 5.2}
    ],
    "params": {
      "group_variable": "Gender",
      "value_variable": "GLU"
    },
    "guardrails": {
      "check_normality": true,
      "auto_fix": true
    }
  }'

---

10. 工具元数据格式

# metadata/tools.yaml
tools:
  - code: ST_T_TEST_IND
    name: 独立样本 T 检验
    version: "1.0.0"
    category: 假设检验
    description: |
      用于比较两个独立组的均值是否存在显著差异。
      适用场景：比较男性vs女性的血糖水平、实验组vs对照组的疗效等。
    usage_context: |
      - 两组独立样本比较
      - 连续型数值变量
      - 样本量建议 >= 30
    params_schema:
      type: object
      required:
        - group_variable
        - value_variable
      properties:
        group_variable:
          type: string
          description: 分组变量名（应为分类变量，仅含两个水平）
        value_variable:
          type: string
          description: 检验变量名（应为数值型）
    guardrails:
      - check_normality
      - check_homogeneity

---

11. 常见问题

Q1: 护栏检查失败后如何处理？

如果 auto_fix = true，R 服务会自动降级到适当的非参数方法。如果 auto_fix = false，则返回警告但仍执行原方法。

Q2: 如何添加新工具？

1. 在 tools/ 目录创建 ST_NEW_TOOL.R
2. 实现 run_st_new_tool(input) 函数
3. 在 metadata/tools.yaml 添加元数据
4. 执行后端脚本导入到 pgvector

Q3: 图表生成失败怎么办？

检查 plots 字段是否为空数组。R 服务不会因图表失败而中断整个分析，但会在 trace_log 中记录错误。

Q4: 如何添加新的 R 包依赖？

1. 在 R 控制台执行 install.packages("new_package")
2. 执行 renv::snapshot() 更新 renv.lock
3. 提交 renv.lock 到版本控制
4. 重新构建 Docker 镜像

Q5: 临时文件清理策略是什么？

• 代码层面：使用 on.exit(unlink(tmp_files)) 确保函数退出时清理
• 容器层面：Docker 启动时清理 /tmp
• 运维层面：SAE 配置定时任务，每日清理 24 小时前的临时文件