AIclinicalresearch/docs/08-项目管理/下一阶段行动计划-V2.0-模块化架构优先.md

下一阶段行动计划 V2.0 - 模块化架构优先

计划周期： 2025-11-07 至 2025-12-13（5周）
核心目标： 建立可独立部署的模块化架构 + 完成ASL核心功能
制定时间： 2025-11-07
版本： V2.0（架构优先版）

---

🎯 战略调整说明

为什么要调整？

原计划（V1.0）： 快速启动ASL开发，暂缓Schema隔离

新计划（V2.0）： 先打好架构基础，再开发业务功能

核心变化

项目	V1.0	V2.0	原因
Schema隔离	❌ 暂缓	✅ 必做	独立部署的前提
模块独立性	📋 计划中	⭐ 最高优先级	90%独立部署需求
开发重点	ASL单模块	ASL+DC+RVW三模块	统一架构标准
时间分配	1周基础+3周开发	2周基础+3周开发	架构投入增加

---

📊 整体规划 - 五周五阶段

Week 1-2（架构基础）        Week 3-4（核心功能）        Week 5（测试优化）
Schema隔离+模块化架构  →  ASL标题摘要初筛+全文复筛  →  多模块联调+测试

阶段	时间	核心任务	交付成果	优先级
阶段1	Week 1	Schema隔离方案	8个Schema设计+迁移计划	P0 ⭐⭐⭐
阶段2	Week 2	模块化架构实施	代码分层+独立部署能力	P0 ⭐⭐⭐
阶段3	Week 3	ASL标题摘要初筛	双模型筛选功能	P0 ⭐⭐
阶段4	Week 4	ASL全文复筛	PDF全文分析功能	P0 ⭐⭐
阶段5	Week 5	多模块联调测试	三模块协同工作	P1 ⭐

---

🏗️ 核心架构设计

三大独立模块

┌─────────────────────────────────────────────────────────┐
│              云端统一平台                                  │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐              │
│  │   ASL    │  │    DC    │  │   RVW    │              │
│  │AI智能文献│  │ 数据清洗 │  │ 审稿系统 │              │
│  └──────────┘  └──────────┘  └──────────┘              │
│       ↓              ↓              ↓                    │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐              │
│  │asl_schema│  │dc_schema │  │rvw_schema│              │
│  └──────────┘  └──────────┘  └──────────┘              │
└─────────────────────────────────────────────────────────┘
                        ↓
            每个模块都可以独立部署 90%

模块独立性设计原则

独立的（90%）：

• ✅ 独立的数据库Schema
• ✅ 独立的API路由（/api/asl/, /api/dc/, /api/rvw/*）
• ✅ 独立的前端页面
• ✅ 独立的部署包
• ✅ 独立的配置文件

共享的（10%）：

• 🔗 用户认证（platform_schema.users）
• 🔗 LLM网关（common层）
• 🔗 基础UI组件
• 🔗 部署基础设施

---

🚀 阶段1：Schema隔离方案（Week 1）

时间： 2025-11-07 至 2025-11-13（7天）
目标： 完成8个Schema设计和数据库迁移

核心目标

为什么这是Week 1的重中之重？

1. Schema隔离是独立部署的前提条件
2. 影响后续所有代码的数据访问方式
3. 越早做，后续改动成本越低
4. 为三大模块（ASL、DC、RVW）建立清晰边界

---

Day 1-2：Schema设计

8个Schema划分方案

Schema名称	用途	核心表	优先级
platform_schema	平台基础	users, roles, permissions	P0 ⭐
aia_schema	AI问答	projects, conversations, messages	P1
asl_schema	AI智能文献	literature_projects, literature_items, screening_results	P0 ⭐⭐⭐
dc_schema	数据清洗	cleaning_projects, datasets, cleaning_rules	P0 ⭐⭐
rvw_schema	审稿系统	manuscripts, reviews,评估标准	P0 ⭐⭐
pkb_schema	知识库	knowledge_bases, documents	P1
admin_schema	运营管理	system_logs, statistics	P2
common_schema	通用数据	llm_usage, feature_flags	P1

重点关注三大模块

ASL（AI智能文献）Schema：

-- asl_schema
CREATE SCHEMA asl_schema;

-- 文献项目表
CREATE TABLE asl_schema.literature_projects (
    id UUID PRIMARY KEY,
    user_id UUID REFERENCES platform_schema.users(id),
    name VARCHAR(200) NOT NULL,
    description TEXT,
    status VARCHAR(50),
    created_at TIMESTAMP,
    updated_at TIMESTAMP
);

-- PICO配置表
CREATE TABLE asl_schema.pico_configs (
    id UUID PRIMARY KEY,
    project_id UUID REFERENCES asl_schema.literature_projects(id) ON DELETE CASCADE,
    population TEXT NOT NULL,
    intervention TEXT NOT NULL,
    comparison TEXT NOT NULL,
    outcome TEXT NOT NULL,
    study_design TEXT NOT NULL
);

-- 文献条目表
CREATE TABLE asl_schema.literature_items (
    id UUID PRIMARY KEY,
    project_id UUID REFERENCES asl_schema.literature_projects(id) ON DELETE CASCADE,
    title TEXT NOT NULL,
    abstract TEXT,
    authors TEXT,
    journal VARCHAR(200),
    year INTEGER,
    doi VARCHAR(200),
    -- 筛选结果
    screening_status VARCHAR(50) DEFAULT 'pending',
    final_decision VARCHAR(50),
    ai_model1_decision VARCHAR(50),
    ai_model2_decision VARCHAR(50),
    ai_reason TEXT,
    -- 全文
    fulltext_path TEXT,
    fulltext_extracted TEXT,
    created_at TIMESTAMP,
    updated_at TIMESTAMP
);

DC（数据清洗）Schema：

-- dc_schema
CREATE SCHEMA dc_schema;

CREATE TABLE dc_schema.cleaning_projects (
    id UUID PRIMARY KEY,
    user_id UUID REFERENCES platform_schema.users(id),
    name VARCHAR(200) NOT NULL,
    dataset_type VARCHAR(100),
    status VARCHAR(50),
    created_at TIMESTAMP
);

CREATE TABLE dc_schema.datasets (
    id UUID PRIMARY KEY,
    project_id UUID REFERENCES dc_schema.cleaning_projects(id) ON DELETE CASCADE,
    file_name VARCHAR(500),
    file_path TEXT,
    row_count INTEGER,
    column_count INTEGER,
    created_at TIMESTAMP
);

CREATE TABLE dc_schema.cleaning_rules (
    id UUID PRIMARY KEY,
    project_id UUID REFERENCES dc_schema.cleaning_projects(id) ON DELETE CASCADE,
    rule_type VARCHAR(100),
    rule_config JSONB,
    apply_order INTEGER
);

RVW（审稿系统）Schema：

-- rvw_schema
CREATE SCHEMA rvw_schema;

CREATE TABLE rvw_schema.manuscripts (
    id UUID PRIMARY KEY,
    user_id UUID REFERENCES platform_schema.users(id),
    title TEXT NOT NULL,
    abstract TEXT,
    fulltext_path TEXT,
    journal_target VARCHAR(200),
    status VARCHAR(50),
    created_at TIMESTAMP
);

CREATE TABLE rvw_schema.reviews (
    id UUID PRIMARY KEY,
    manuscript_id UUID REFERENCES rvw_schema.manuscripts(id) ON DELETE CASCADE,
    review_type VARCHAR(100), -- methodology, journal_requirements
    score DECIMAL(5,2),
    comments TEXT,
    suggestions TEXT,
    created_at TIMESTAMP
);

CREATE TABLE rvw_schema.evaluation_criteria (
    id UUID PRIMARY KEY,
    type VARCHAR(100), -- methodology, journal
    criteria_name VARCHAR(200),
    criteria_content TEXT
);

Day 1任务清单

• 绘制完整的Schema关系图
• 设计8个Schema的表结构
• 重点：详细设计ASL、DC、RVW三个Schema
• 设计跨Schema的外键引用规则
• 编写Schema设计文档

输出文档：

• 09-架构实施/01-Schema隔离详细设计.md

---

Day 2：数据迁移计划

现有表分类：

现有表	迁移到	优先级
users, roles	platform_schema	P0
projects, conversations, messages	aia_schema	P1
knowledge_bases, documents	pkb_schema	P1
（新建）literature_*	asl_schema	P0
（新建）cleaning_*	dc_schema	P0
（新建）manuscripts, reviews	rvw_schema	P0

迁移策略：

1. 阶段性迁移

   • Phase 1：创建所有Schema（5分钟）
   • Phase 2：迁移platform核心表（30分钟）
   • Phase 3：迁移AIA和PKB表（1小时）
   • Phase 4：创建ASL/DC/RVW新表（30分钟）

2. 零停机迁移

   • 使用数据库视图作为过渡
   • 逐步切换应用代码
   • 保留旧表作为备份

Day 2任务清单：

• 编写SQL迁移脚本
• 设计数据验证方案
• 准备回滚方案
• 在测试环境验证

输出文档：

• 09-架构实施/02-数据库迁移计划.md
• 09-架构实施/migration-scripts/

---

Day 3-4：执行Schema迁移

Day 3：测试环境迁移

上午：准备工作

• 备份测试数据库
• 创建8个Schema
• 运行迁移脚本（Platform + AIA + PKB）

下午：验证和测试

• 数据完整性验证
• 现有功能测试（AI问答、知识库）
• 修复发现的问题

Day 4：生产环境迁移 + 新Schema创建

上午：生产环境迁移

• 备份生产数据库
• 执行Schema迁移
• 数据验证

下午：创建ASL/DC/RVW Schema

• 创建asl_schema及所有表
• 创建dc_schema及所有表
• 创建rvw_schema及所有表
• 创建必要的索引

验收标准：

• 8个Schema全部创建完成
• 现有功能正常运行
• 三大模块Schema准备就绪

---

Day 5：Prisma Schema更新

核心任务：

• 更新Prisma Schema配置（支持多Schema）
• 为ASL、DC、RVW创建Prisma模型
• 生成Prisma Client
• 更新现有代码的数据库查询

Prisma多Schema配置示例：

// schema.prisma
generator client {
  provider        = "prisma-client-js"
  previewFeatures = ["multiSchema"]
}

datasource db {
  provider = "postgresql"
  url      = env("DATABASE_URL")
  schemas  = ["platform_schema", "aia_schema", "asl_schema", "dc_schema", "rvw_schema", "pkb_schema", "admin_schema", "common_schema"]
}

// Platform Schema
model User {
  id        String   @id @default(uuid())
  email     String   @unique
  password  String
  role      String
  createdAt DateTime @default(now())
  
  @@map("users")
  @@schema("platform_schema")
}

// ASL Schema
model LiteratureProject {
  id          String   @id @default(uuid())
  userId      String
  name        String
  description String?
  status      String   @default("active")
  createdAt   DateTime @default(now())
  updatedAt   DateTime @updatedAt
  
  picoConfig  PICOConfig?
  items       LiteratureItem[]
  
  @@map("literature_projects")
  @@schema("asl_schema")
}

model PICOConfig {
  id           String @id @default(uuid())
  projectId    String @unique
  population   String
  intervention String
  comparison   String
  outcome      String
  studyDesign  String
  
  project      LiteratureProject @relation(fields: [projectId], references: [id], onDelete: Cascade)
  
  @@map("pico_configs")
  @@schema("asl_schema")
}

// ... 其他模型

验收标准：

• Prisma Schema支持8个Schema
• 生成的Client可以正确访问所有Schema
• 类型定义完整

---

Week 1 总结

交付成果：

1. ✅ 8个Schema设计完成
2. ✅ 数据库迁移完成
3. ✅ Prisma Schema更新完成
4. ✅ ASL、DC、RVW三大模块数据库就绪

验收标准：

• 所有现有功能正常运行
• 数据库完整性100%
• Prisma Client正常工作
• 三大模块可以开始开发

---

🔧 阶段2：模块化架构实施（Week 2）

时间： 2025-11-14 至 2025-11-20（7天）
目标： 建立清晰的代码分层 + 实现模块独立部署能力

核心目标

建立三层架构 + 模块独立性

backend/
├── platform/        # 平台基础层
│   ├── auth/       # 认证授权（共享）
│   ├── permission/ # 权限管理
│   └── storage/    # 存储服务
│
├── common/         # 通用能力层
│   ├── llm/        # LLM网关 ⭐ 核心
│   ├── document/   # 文档处理
│   └── utils/      # 工具函数
│
├── modules/        # 业务模块层（独立）
│   ├── asl/        # AI智能文献 ⭐⭐⭐
│   │   ├── api/
│   │   ├── services/
│   │   ├── types/
│   │   └── standalone.config.ts  # 独立部署配置
│   │
│   ├── dc/         # 数据清洗 ⭐⭐
│   │   └── standalone.config.ts
│   │
│   ├── rvw/        # 审稿系统 ⭐⭐
│   │   └── standalone.config.ts
│   │
│   ├── aia/        # AI问答
│   └── pkb/        # 知识库
│
└── shared/         # 共享代码
    ├── types/
    └── interfaces/

---

Day 1-2：代码重构 + LLM网关

Day 1：目录重构

任务：

• 创建三层目录结构
• 迁移现有代码到对应目录
• 为ASL、DC、RVW创建模块骨架
• 更新import路径

ASL模块目录结构：

modules/asl/
├── api/
│   ├── projects.ts        # 项目管理API
│   ├── screening.ts       # 筛选API
│   └── exports.ts         # 导出API
├── services/
│   ├── project.service.ts
│   ├── screening.service.ts
│   └── llm.service.ts     # 封装LLM网关调用
├── types/
│   └── index.ts
├── config/
│   └── standalone.config.ts  # 独立部署配置
└── index.ts               # 模块入口

Day 2：LLM网关实现 ⭐ 核心

为什么LLM网关如此重要？

• ASL的标题摘要初筛完全依赖它
• DC的智能清洗建议需要它
• RVW的审稿评估需要它
• 统一管理所有AI调用

实现任务：

• 实现BaseLLMAdapter抽象类
• 实现DeepSeekAdapter
• 实现QwenAdapter
• 实现LLMGateway主服务
• Feature Flag集成
• 配额检查

核心代码：

// common/llm/LLMGateway.ts
export class LLMGateway {
  async call(
    userId: string,
    model: string,
    messages: Message[],
    options?: LLMOptions
  ): Promise<LLMResponse> {
    // 1. Feature Flag检查
    // 2. 配额检查
    // 3. 调用适配器
    // 4. 记录使用量
  }
}

验收标准：

• 可以调用DeepSeek和Qwen3
• Feature Flag正常工作
• 配额检查正常

---

Day 3-5：模块独立部署能力

Day 3：独立部署配置

为每个模块创建独立配置：

// modules/asl/config/standalone.config.ts
export const ASLStandaloneConfig = {
  moduleName: 'ASL',
  moduleId: 'asl',
  version: '1.0.0',
  
  // 独立部署模式
  standalone: {
    enabled: process.env.ASL_STANDALONE === 'true',
    port: process.env.ASL_PORT || 3001,
    apiPrefix: '/api/asl',
  },
  
  // 依赖的共享服务
  dependencies: {
    auth: {
      required: true,
      endpoint: process.env.AUTH_SERVICE_URL || 'http://localhost:3000/api/auth',
    },
    llm: {
      required: true,
      endpoint: process.env.LLM_SERVICE_URL || 'http://localhost:3000/api/llm',
    },
  },
  
  // 数据库配置
  database: {
    schema: 'asl_schema',
    url: process.env.ASL_DATABASE_URL || process.env.DATABASE_URL,
  },
};

任务清单：

• 为ASL创建standalone.config.ts
• 为DC创建standalone.config.ts
• 为RVW创建standalone.config.ts
• 创建模块启动脚本

Day 4：API路由隔离

统一API路由规范：

/api/asl/*    - AI智能文献
/api/dc/*     - 数据清洗
/api/rvw/*    - 审稿系统
/api/aia/*    - AI问答
/api/pkb/*    - 知识库

任务：

• 重构API路由，按模块划分
• 实现路由级别的权限检查
• 为每个模块创建独立的API文档

Day 5：Docker化 + 独立部署测试

为每个模块创建Dockerfile：

# modules/asl/Dockerfile
FROM node:18-alpine

WORKDIR /app

# 只复制ASL模块需要的文件
COPY package*.json ./
COPY tsconfig.json ./
COPY platform/ ./platform/
COPY common/ ./common/
COPY modules/asl/ ./modules/asl/
COPY shared/ ./shared/

RUN npm install
RUN npm run build

ENV ASL_STANDALONE=true
ENV ASL_PORT=3001

EXPOSE 3001

CMD ["node", "dist/modules/asl/index.js"]

任务：

• 为ASL创建Dockerfile
• 为DC创建Dockerfile
• 为RVW创建Dockerfile
• 创建docker-compose配置
• 测试独立部署

docker-compose.yml示例：

version: '3.8'

services:
  # 统一部署模式
  platform:
    build: .
    ports:
      - "3000:3000"
    environment:
      - DATABASE_URL=postgresql://...
  
  # 独立部署模式
  asl-standalone:
    build:
      context: .
      dockerfile: modules/asl/Dockerfile
    ports:
      - "3001:3001"
    environment:
      - ASL_STANDALONE=true
      - ASL_DATABASE_URL=postgresql://...
      - AUTH_SERVICE_URL=http://platform:3000/api/auth

---

Week 2 总结

交付成果：

1. ✅ 三层代码架构建立完成
2. ✅ LLM网关实现完成
3. ✅ ASL、DC、RVW三模块支持独立部署
4. ✅ Docker化完成

验收标准：

• 代码结构清晰，依赖关系正确
• LLM网关可以正常调用
• 三大模块可以独立启动和运行
• Docker镜像可以正常构建

---

🎯 阶段3-4：ASL核心功能开发（Week 3-4）

时间： 2025-11-21 至 2025-12-04（2周）
目标： 完成ASL标题摘要初筛 + 全文复筛

详细内容参考原计划，核心任务：

• Week 3：项目管理 + CSV导入 + 标题摘要初筛
• Week 4：全文复筛 + PDF处理

---

🔗 阶段5：多模块联调（Week 5）

时间： 2025-12-05 至 2025-12-13（9天）
目标： 验证三大模块的协同工作能力

核心测试场景

场景1：用户跨模块使用

• 用户登录 → 使用ASL筛选文献 → 使用DC清洗数据 → 使用RVW审稿

场景2：数据共享测试

• ASL筛选出的文献 → 导出到DC进行数据提取
• DC清洗的数据 → 用于RVW的稿件准备

场景3：独立部署测试

• ASL独立部署 → 调用平台认证服务 → 正常工作
• DC独立部署 → 调用LLM网关 → 正常工作

任务清单：

• 端到端测试
• 性能测试
• 独立部署验证
• 文档完善

---

📊 关键决策记录

决策001：Schema隔离必须执行 ✅

决策： Week 1必须完成Schema隔离

理由：

1. 独立部署的前提条件
2. 模块边界清晰
3. 数据库级别的隔离
4. 支持未来独立销售

影响： Week 1全部用于架构改造

---

决策002：三大模块优先 ✅

决策： 重点投入ASL、DC、RVW三大模块

理由：

1. 90%独立部署需求
2. 核心差异化产品
3. 统一架构标准

优先级： ASL > DC = RVW

---

决策003：LLM网关Week 2实现 ✅

决策： LLM网关在Week 2实现，不是Week 1

理由：

1. Week 1专注Schema隔离
2. LLM网关需要Schema完成后才能正确配置
3. Week 2有充足时间实现

---

📈 进度跟踪

关键指标

指标	目标	Week 1	Week 2	Week 3-4	Week 5
Schema隔离	100%	100%	-	-	-
模块化架构	100%	0%	100%	-	-
LLM网关	100%	0%	100%	-	-
ASL功能	100%	0%	0%	100%	-
独立部署	100%	0%	80%	80%	100%

---

🎯 成功标准

技术标准

• 8个Schema全部创建并正常工作
• 三大模块（ASL、DC、RVW）可以独立部署
• LLM网关稳定可靠
• ASL核心功能完整
• 模块间可以协同工作

业务标准

• ASL可以完成文献筛选全流程
• 筛选准确率 > 85%
• 支持独立部署并对外销售
• 用户体验流畅

---

🔄 风险管理

风险1：Schema迁移复杂度高

风险等级： 高
缓解措施：

• 在测试环境充分验证
• 准备完善的回滚方案
• 分阶段迁移，降低风险

风险2：模块独立部署调试困难

风险等级： 中
缓解措施：

• 先实现统一部署，再实现独立部署
• 充分的日志和监控
• 详细的部署文档

风险3：时间延长到5周

风险等级： 中
缓解措施：

• 架构投入是必要的
• 长期来看节省时间
• Week 3-4可以并行多人开发

---

📚 相关文档

• 里程碑4 - 架构改造
• Schema隔离方案
• 模块独立部署方案
• ASL快速上下文

---

制定人： AI助手
审核人： 待审核
批准人： 待批准
最后更新： 2025-11-07
版本： V2.0