AIclinicalresearch/docs/03-业务模块/ASL-AI智能文献/00-模块当前状态与开发指南.md

AI智能文献模块 - 当前状态与开发指南

文档版本： v1.0
创建日期： 2025-11-21
维护者： AI智能文献开发团队
最后更新： 2025-11-21
文档目的： 反映模块真实状态，帮助新开发人员快速上手

---

📋 文档说明

本文档是AI智能文献（ASL）模块的真实状态快照，记录实际的代码结构、已实现功能、技术栈和开发规范。

与其他文档的关系：

• 本文档（00-模块当前状态）：What is（真实状态）
• 开发计划文档：What to do（计划）
• 开发记录文档：What done（历史）
• 技术设计文档：How to do（设计）

---

🎯 模块概述

核心功能

AI智能文献模块是一个基于大语言模型（LLM）的文献筛选系统，用于帮助研究人员根据PICOS标准自动筛选文献。

当前状态

• 开发阶段：✅ MVP已完成
• 主要功能：标题摘要初筛（Title & Abstract Screening）
• 模型支持：DeepSeek-V3 + Qwen-Max 双模型筛选
• 部署状态：✅ 本地开发环境运行正常

关键里程碑

• ✅ 2025-11-18：Prompt v1.0.0-MVP完成，准确率60%
• ✅ 2025-11-18：LLM集成与测试框架完成
• ✅ 2025-11-19：前端MVP（设置与启动、审核工作台）完成
• ✅ 2025-11-21：真实LLM集成完成（替换Mock数据）
• ✅ 2025-11-21：用户体验优化（进度显示、列表排序）
• ✅ 2025-11-21：Week 4完成（结果展示与导出功能）
  • 统计概览与PRISMA排除分析
  • 初筛结果页面（混合方案）
  • Excel批量导出（云原生）

---

🏗️ 技术架构

技术栈

前端

框架: React 18 + TypeScript 5
路由: React Router DOM v6
状态管理: @tanstack/react-query (React Query v5)
UI组件: Ant Design v5
样式: TailwindCSS v3
构建工具: Vite v5

后端

框架: Fastify v4 (Node.js 22)
数据库: PostgreSQL 16 + Prisma 5
LLM SDK: 自研 LLMFactory (统一适配层)
模型: DeepSeek-V3, Qwen-Max, GPT-4o, Claude-4.5
日志: Winston

基础设施

数据库: PostgreSQL 16 with Schema isolation
Schema: asl_schema (独立隔离)
用户表: platform_schema.users (共享)

---

📂 真实代码结构

前端代码结构

frontend-v2/src/modules/asl/
├── api/
│   └── index.ts                    # API客户端（所有后端调用）
├── components/
│   ├── ASLLayout.tsx               # 左侧导航布局
│   ├── JudgmentBadge.tsx           # PICOS判断Badge
│   ├── ConclusionTag.tsx           # 结论Tag（纳入/排除）
│   └── DetailReviewDrawer.tsx      # 详情+复核统一Drawer
├── hooks/
│   ├── useScreeningTask.ts         # 任务进度轮询Hook
│   └── useScreeningResults.ts      # 筛选结果查询Hook
├── pages/
│   ├── TitleScreeningSettings.tsx  # 设置与启动页面
│   ├── ScreeningWorkbench.tsx      # 审核工作台页面
│   └── ScreeningResults.tsx        # 初筛结果页面（占位）
├── types/
│   └── index.ts                    # TypeScript类型定义
├── utils/
│   ├── excelUtils.ts               # Excel导入/导出工具
│   └── tableTransform.ts           # 表格数据转换（双行）
└── index.tsx                       # 模块入口（路由配置）

后端代码结构

backend/src/modules/asl/
├── controllers/
│   ├── projectController.ts        # 项目管理API
│   ├── literatureController.ts     # 文献管理API
│   └── screeningController.ts      # 筛选相关API
├── services/
│   ├── screeningService.ts         # 筛选任务服务（核心）
│   └── llmScreeningService.ts      # LLM调用服务
├── schemas/
│   └── screening.schema.ts         # Prompt生成与JSON Schema
├── types/
│   └── index.ts                    # TypeScript类型定义
└── routes/
    └── index.ts                    # 路由注册

backend/prisma/
└── schema.prisma                   # 数据库Schema定义

backend/prompts/asl/screening/
├── v1.0.0-mvp.txt                  # 标准Prompt（当前使用）
├── v1.1.0-lenient.txt              # 宽松模式
└── v1.1.0-strict.txt               # 严格模式

backend/scripts/
└── test-llm-screening.ts           # LLM测试脚本

---

🔌 API端点（真实）

基础URL

开发环境: http://localhost:3001/api/v1/asl

项目管理

POST   /projects                     # 创建项目
GET    /projects                     # 获取项目列表
GET    /projects/:projectId          # 获取项目详情

文献管理

POST   /literatures/import           # 导入文献（JSON格式）
POST   /literatures/import/excel     # 导入Excel文献
GET    /projects/:projectId/literatures  # 获取文献列表
DELETE /literatures/:literatureId    # 删除文献

筛选相关

GET    /projects/:projectId/screening-task      # 获取任务进度
GET    /projects/:projectId/screening-results   # 获取筛选结果
GET    /screening-results/:resultId             # 获取结果详情
POST   /screening-results/:resultId/review      # 提交人工复核

关键参数说明

创建项目

{
  projectName: string;
  picoCriteria: {
    P: string;  // 人群
    I: string;  // 干预
    C: string;  // 对照
    O: string;  // 结局
    S: string;  // 研究设计
  };
  inclusionCriteria: string;
  exclusionCriteria: string;
  screeningConfig?: {
    models: ['DeepSeek-V3', 'Qwen-Max'];
    style: 'standard' | 'lenient' | 'strict';
  };
}

获取筛选结果

Query参数:
- page: 页码（默认1）
- pageSize: 每页数量（默认50）
- filter: all | conflict | included | excluded | reviewed

---

🗄️ 数据库结构（真实）

Schema: asl_schema

1. screening_projects（筛选项目）

主键: id (UUID)
外键: user_id → platform_schema.users(id)
关键字段:
  - project_name: 项目名称
  - pico_criteria: JSONB（格式：{P, I, C, O, S}）
  - inclusion_criteria: TEXT
  - exclusion_criteria: TEXT
  - screening_config: JSONB（格式：{models, style}）
  - status: 'draft' | 'screening' | 'completed'
索引: user_id, status

2. literatures（文献）

主键: id (UUID)
外键: project_id → screening_projects(id) CASCADE
关键字段:
  - title: TEXT（必需）
  - abstract: TEXT（必需）
  - authors, journal, publication_year, pmid, doi
索引: project_id, pmid, doi
唯一约束: (project_id, pmid), (project_id, doi)

3. screening_results（筛选结果）

主键: id (UUID)
外键: 
  - project_id → screening_projects(id) CASCADE
  - literature_id → literatures(id) CASCADE
关键字段:
  DeepSeek结果:
    - ds_*_judgment: 'match' | 'partial' | 'mismatch'
    - ds_*_evidence: TEXT（P/I/C/S的证据）
    - ds_conclusion: 'include' | 'exclude' | 'uncertain'
    - ds_confidence: FLOAT(0-1)
    - ds_reason: TEXT
  Qwen结果: 同上（qwen_*）
  冲突检测:
    - conflict_status: 'none' | 'conflict' | 'resolved'
    - conflict_fields: JSONB
  人工复核:
    - final_decision: 'include' | 'exclude' | NULL
    - final_decision_by: 用户ID
    - final_decision_at: TIMESTAMP
    - exclusion_reason: TEXT
索引: project_id, literature_id, conflict_status, final_decision
唯一约束: (project_id, literature_id)

4. screening_tasks（筛选任务）

主键: id (UUID)
外键: project_id → screening_projects(id) CASCADE
关键字段:
  - task_type: 'title_abstract' | 'full_text'
  - status: 'pending' | 'running' | 'completed' | 'failed'
  - total_items: INT
  - processed_items: INT
  - success_items: INT
  - conflict_items: INT
  - failed_items: INT
  - started_at, completed_at: TIMESTAMP
索引: project_id, status

---

🤖 LLM集成（真实实现）

LLM调用流程

前端: 点击"开始AI初筛"
  ↓
后端: literatureController.importLiteratures()
  ↓
后端: screeningService.startScreeningTask()
  ↓
后端: screeningService.processLiteraturesInBackground()
  ↓ (for each literature)
后端: llmScreeningService.dualModelScreening()
  ↓
后端: LLMFactory.getAdapter(model).chat()
  ↓
真实API: DeepSeek API / Qwen API
  ↓
后端: JSON解析 + Schema验证
  ↓
后端: 保存到 screening_results 表
  ↓
后端: 更新 screening_tasks 进度
  ↓
前端: useScreeningTask 轮询（1秒/次）
  ↓
前端: 显示进度条和结果

字段映射关系

PICOS字段

// 前端/数据库格式
picoCriteria: { P, I, C, O, S }

// LLM服务兼容格式
picoCriteria: { 
  P || population, 
  I || intervention, 
  C || comparison, 
  O || outcome, 
  S || studyDesign 
}

// 映射位置: screeningService.ts (Line 82-92)

模型名称

// 前端展示名 → API名称
const MODEL_NAME_MAP = {
  'DeepSeek-V3': 'deepseek-chat',
  'Qwen-Max': 'qwen-max',
  'GPT-4o': 'gpt-4o',
  'Claude-4.5': 'claude-sonnet-4.5',
};

// 映射位置: screeningService.ts (Line 97-110)

LLM配置

模型参数

{
  temperature: 0,      // 固定，确保结果一致性
  top_p: 1.0,
  max_tokens: 2048,
}

Prompt版本

当前使用: v1.0.0-mvp.txt
位置: backend/prompts/asl/screening/v1.0.0-mvp.txt
准确率: 60%（首次测试）
一致率: 70-100%

处理性能

单篇文献耗时: 10-20秒（DeepSeek + Qwen并行）
5篇文献: 约50-100秒
199篇文献: 约33-66分钟（串行处理）
进度更新: 每1条更新数据库
前端轮询: 1秒/次

---

✅ 已完成功能

1. 标题摘要初筛 - 设置与启动 ⭐

功能清单

• ✅ PICOS标准录入（P/I/C/O/S两栏布局）
• ✅ 纳入/排除标准录入（侧边对称布局）
• ✅ Excel模板下载（包含字段说明）
• ✅ Excel文件上传
• ✅ Excel解析（内存中，支持中英文表头）
• ✅ 文献去重（DOI优先，标题辅助）
• ✅ 文献预览表格（固定列宽，Tooltip显示全文）
• ✅ 启动AI初筛按钮
• ✅ 自动跳转到审核工作台

关键代码

// 文件: frontend-v2/src/modules/asl/pages/TitleScreeningSettings.tsx
// 核心功能: PICOS表单 + Excel上传 + 文献预览 + 提交

// Excel处理
import { downloadExcelTemplate, processExcelFile } from '../utils/excelUtils';

// API调用
const projectResponse = await aslApi.createProject({ ... });
const importResponse = await aslApi.importLiteratures({ ... });
navigate('/literature/screening/title/workbench', { state: { projectId } });

2. 标题摘要初筛 - 审核工作台 ⭐

功能清单

• ✅ 任务进度显示（轮询，1秒/次）
• ✅ 进度条实时更新（平滑增长）
• ✅ 模型处理数量显示（DeepSeek + Qwen）
• ✅ 双行表格（DeepSeek上行，Qwen下行）
• ✅ PICOS判断Badge（匹配/部分/不匹配）
• ✅ 结论Tag（纳入/排除/不确定）
• ✅ 冲突文献高亮（红色背景）
• ✅ 点击标题展开证据（双模型对比）
• ✅ 统一复核Drawer（左侧详情+右侧复核）
• ✅ 人工复核提交
• ✅ 筛选Tab（全部/冲突/已纳入/已排除/已复核）
• ✅ 分页（后端分页，20条/页）

关键代码

// 文件: frontend-v2/src/modules/asl/pages/ScreeningWorkbench.tsx
// 核心功能: 双行表格 + 进度轮询 + 展开行 + 复核Drawer

// 轮询进度
const { task, progress, isRunning } = useScreeningTask({ projectId, pollingInterval: 1000 });

// 查询结果
const { results } = useScreeningResults({ projectId, page, pageSize, filter });

// 双行转换
const tableData = transformToDoubleRows(results);

// 展开行
expandable={{
  expandedRowRender: (record) => { /* 双模型证据对比 */ },
  expandedRowKeys,
  onExpandedRowsChange: (keys) => setExpandedRowKeys([...keys]),
}}

3. 后端LLM集成 ⭐

功能清单

• ✅ 双模型并行筛选（DeepSeek + Qwen）
• ✅ JSON结构化输出（带Schema验证）
• ✅ 冲突检测（结论不一致）
• ✅ 串行处理（避免API限流）
• ✅ 进度实时更新（每1条）
• ✅ 错误处理与重试
• ✅ 字段映射（PICOS, 模型名）
• ✅ 文献验证（标题+摘要必需）
• ✅ 详细日志输出

关键代码

// 文件: backend/src/modules/asl/services/screeningService.ts
// 核心功能: 任务管理 + 字段映射 + LLM调用

// 字段映射
const picoCriteria = {
  P: rawPicoCriteria?.P || rawPicoCriteria?.population || '',
  I: rawPicoCriteria?.I || rawPicoCriteria?.intervention || '',
  // ... C, O, S
};

const MODEL_NAME_MAP = {
  'DeepSeek-V3': 'deepseek-chat',
  'Qwen-Max': 'qwen-max',
  // ...
};

// LLM调用
const screeningResult = await llmScreeningService.dualModelScreening(
  literature.id,
  literature.title,
  literature.abstract,
  picoCriteria,
  inclusionCriteria,
  exclusionCriteria,
  [models[0], models[1]],
  screeningConfig?.style || 'standard'
);

4. LLM服务层 ⭐

功能清单

• ✅ 统一LLM适配器（LLMFactory）
• ✅ 支持4个模型（DeepSeek, Qwen, GPT, Claude）
• ✅ Prompt生成（基于模板）
• ✅ JSON解析（容错，支持中文引号）
• ✅ Schema验证（AJV）
• ✅ 双模型并行调用
• ✅ 批量筛选（并发控制）

关键代码

// 文件: backend/src/modules/asl/services/llmScreeningService.ts
// 核心功能: LLM调用 + JSON解析 + Schema验证

async dualModelScreening(...) {
  const [result1, result2] = await Promise.all([
    this.screenWithModel(model1, ...),
    this.screenWithModel(model2, ...),
  ]);
  
  // 冲突检测（只检测conclusion）
  const hasConflict = result1.conclusion !== result2.conclusion;
  
  // 最终决策
  let finalDecision = hasConflict ? 'pending' : result1.conclusion;
  
  return { deepseek: result1, qwen: result2, hasConflict, finalDecision };
}

5. 标题摘要初筛 - 初筛结果 ⭐ Week 4 新增

功能清单

• ✅ 统计概览卡片（总数、已纳入、已排除、待复核）
• ✅ 待复核提示（当有冲突时显示）
• ✅ PRISMA排除原因统计（柱状图展示）
• ✅ 结果列表Tab（全部/已纳入/已排除/待复核）
• ✅ 混合方案表格（AI共识 + 人工最终决策）
• ✅ 点击标题展开详细判断（双模型证据对比）
• ✅ 批量选择与导出（3种导出方式）
• ✅ Excel导出（前端生成，云原生）

混合方案设计

核心特点：

• 明确区分AI决策和人工决策
• 排除原因逻辑清晰（纳入不显示原因）
• 状态标签准确（4种状态）
• 无逻辑矛盾

表格列设计：

列名	宽度	说明
#	50px	序号
文献标题	300px	可点击展开
AI共识	100px	DS+QW是否一致
排除原因	140px	智能显示
人工最终决策	120px	标注推翻AI/与AI一致
状态	90px	4种状态
操作	70px	展开/收起

总宽度：870px（无需横向滚动）

关键代码

// 文件: frontend-v2/src/modules/asl/pages/ScreeningResults.tsx
// 核心功能: 统计展示 + 混合方案表格 + Excel导出

// 统计数据获取（云原生：后端聚合）
const { data: statsData } = useQuery({
  queryKey: ['projectStatistics', projectId],
  queryFn: () => aslApi.getProjectStatistics(projectId),
});

// Excel导出（云原生：前端生成，零文件落盘）
exportScreeningResults(data.items, {
  filter,
  projectName: `项目${projectId.slice(0, 8)}`,
});

6. 统计API ⭐ Week 4 新增

功能清单

• ✅ 后端聚合统计（Prisma并行查询）
• ✅ 统计总数、已纳入、已排除、待复核、冲突、已复核
• ✅ 分析排除原因（从AI判断中提取）
• ✅ 计算各类百分比
• ✅ 云原生：后端聚合，减少网络传输

关键代码

// 文件: backend/src/modules/asl/controllers/screeningController.ts
// 核心功能: 统计聚合 + 排除原因分析

// ⭐ 云原生：使用Prisma聚合查询（并行执行）
const [total, included, excluded, pending, conflict, reviewed] = 
  await Promise.all([
    prisma.aslScreeningResult.count({ where: { projectId } }),
    prisma.aslScreeningResult.count({ where: { projectId, finalDecision: 'include' } }),
    // ... 更多并行查询
  ]);

// 返回统计数据（从MB级降到KB级）
return {
  total, included, excluded, pending, conflict, reviewed,
  exclusionReasons,
  includedRate, excludedRate, pendingRate,
};

---

⚠️ 已知问题与限制

1. 功能限制

• ⚠️ 仅实现标题摘要初筛（全文复筛未开发）
• ⚠️ 串行处理，处理时间较长（199篇约30-60分钟）
• ⚠️ 无任务暂停/取消功能
• ⚠️ 无断点续传（中断后需重新开始）
• ⚠️ 准确率60%（需要Prompt优化）

2. 技术债务

• ⚠️ 浏览器警告：setTimeout handler took >50ms（性能优化）
• ⚠️ 前端轮询（建议改为WebSocket）
• ⚠️ 缺少单元测试（E2E测试）
• ⚠️ Excel后端导出优化（当数据量>5000条时）

3. 用户体验

• ⚠️ 无估计剩余时间
• ⚠️ 无当前处理文献标题显示
• ⚠️ 批量修改决策功能未实现

4. 生产环境未就绪

• ⚠️ 使用默认测试用户（无真实认证）
• ⚠️ 无消息队列（异步任务）
• ⚠️ 无错误重试机制
• ⚠️ 无成本控制（API调用）
• ⚠️ 无监控和告警

详细技术债务清单：技术债务清单

---

🚀 快速上手指南

环境要求

Node.js: v22.18.0+
PostgreSQL: 16+
npm: 10+

1. 初始化数据库

cd backend
npm install
npx prisma generate
npx prisma migrate dev

2. 配置环境变量

创建 backend/.env:

# 数据库
DATABASE_URL="postgresql://user:password@localhost:5432/dbname?schema=asl_schema"

# LLM API密钥
DEEPSEEK_API_KEY=sk-xxxxxxxxxxxxxx
QWEN_API_KEY=sk-xxxxxxxxxxxxxx

# 可选
GPT_API_KEY=sk-xxxxxxxxxxxxxx
CLAUDE_API_KEY=sk-xxxxxxxxxxxxxx

3. 启动后端

cd backend
npm run dev

应该看到：

✅ Fastify server listening on http://0.0.0.0:3001
✅ Database connected
✅ ASL module routes registered at /api/v1/asl

4. 启动前端

cd frontend-v2
npm install
npm run dev

应该看到：

VITE v5.x.x  ready in xxx ms
➜  Local:   http://localhost:3000

5. 测试流程

1. 访问 http://localhost:3001
2. 点击顶部 "AI智能文献"
3. 自动跳转到 "设置与启动"
4. 填写PICOS标准（复制测试数据）
5. 下载Excel模板（或使用现有）
6. 上传Excel（建议先测试5篇）
7. 点击 "开始AI初筛"
8. 等待10-100秒（取决于文献数）
9. 查看 "审核工作台"
10. 点击标题展开查看证据
11. 点击"复核"提交人工决策

6. 查看后端日志

🚀 开始真实LLM筛选:
  任务ID: xxx
  文献数: 5
  模型（映射后）: [ 'deepseek-chat', 'qwen-max' ]
  PICOS-P: 2型糖尿病患者...

✅ 文献 1/5 处理成功
  DS: include / Qwen: exclude
  冲突: 是

---

🧪 测试指南

1. LLM质量测试

cd backend

# 方式1: 使用测试脚本
npm run test:llm

# 方式2: 直接运行
npx ts-node scripts/test-llm-screening.ts

测试数据：

• 位置：backend/scripts/test-samples/asl-test-literatures.json
• 数量：10篇（6篇应排除，3篇应纳入，1篇边界）
• PICOS：SGLT2抑制剂系统综述

预期输出：

准确率: 60%
一致率: 70-100%
JSON验证率: 100%
平均耗时: 10-15秒/篇

2. API测试

# 创建项目
curl -X POST http://localhost:3001/api/v1/asl/projects \
  -H "Content-Type: application/json" \
  -d '{
    "projectName": "测试项目",
    "picoCriteria": {"P":"成人","I":"药物A","C":"安慰剂","O":"结局","S":"RCT"},
    "inclusionCriteria": "英文",
    "exclusionCriteria": "综述"
  }'

# 获取项目列表
curl http://localhost:3001/api/v1/asl/projects

3. 前端E2E测试

手动测试清单：

• PICOS表单提交
• Excel模板下载
• Excel文件上传（正常）
• Excel文件上传（错误格式）
• 文献预览显示
• 去重逻辑（相同DOI）
• 启动AI初筛
• 进度条更新
• 自动跳转
• 表格显示
• 列排序
• 筛选Tab切换
• 展开行
• 复核Drawer
• 提交复核

4. 数据库验证

-- 查看最新项目
SELECT * FROM asl_schema.screening_projects 
ORDER BY created_at DESC LIMIT 1;

-- 查看筛选任务
SELECT * FROM asl_schema.screening_tasks 
WHERE project_id = 'xxx';

-- 查看筛选结果
SELECT 
  id, 
  ds_conclusion, 
  qwen_conclusion, 
  conflict_status,
  SUBSTRING(ds_p_evidence, 1, 50) as ds_evidence
FROM asl_schema.screening_results 
WHERE project_id = 'xxx'
LIMIT 5;

---

📚 开发规范

1. 代码风格

TypeScript

// 使用接口而非类型别名（对外API）
export interface ScreeningResult { ... }

// 严格类型检查
const picoCriteria: PicoCriteria = { ... };

// 使用可选链和空值合并
const models = config?.models ?? ['deepseek-chat', 'qwen-max'];

React

// 使用函数组件
export function ScreeningWorkbench() { ... }

// 自定义Hook命名以use开头
export function useScreeningTask() { ... }

// Props接口命名以Props结尾
interface ScreeningWorkbenchProps { ... }

2. 命名约定

文件名: PascalCase (组件) 或 camelCase (工具)
  ✅ ScreeningWorkbench.tsx
  ✅ excelUtils.ts

组件名: PascalCase
  ✅ function DetailReviewDrawer()

变量/函数: camelCase
  ✅ const screeningResult = ...
  ✅ function processLiteratures()

常量: UPPER_SNAKE_CASE
  ✅ const MODEL_NAME_MAP = ...

类型/接口: PascalCase
  ✅ interface ScreeningResult

3. 注释规范

/**
 * 筛选任务轮询Hook
 * 
 * @param projectId - 项目ID
 * @param pollingInterval - 轮询间隔（毫秒），默认1000
 * @returns 任务状态和进度信息
 */
export function useScreeningTask() { ... }

// 🔧 修复：字段名映射（前端格式 → LLM格式）
const picoCriteria = { ... };

// ⚠️ 注意：双模型是并行处理
await Promise.all([...]);

4. 错误处理

// 后端
try {
  const result = await llmScreeningService.dualModelScreening(...);
} catch (error) {
  logger.error('Failed to process literature', {
    literatureId: literature.id,
    error: error instanceof Error ? error.message : 'Unknown error',
    stack: error instanceof Error ? error.stack : undefined,
  });
  // 输出到控制台
  console.error('\n❌ 文献处理失败:', error);
}

// 前端
try {
  await aslApi.createProject(...);
} catch (error) {
  message.error(`操作失败: ${(error as Error).message}`);
}

5. Git提交规范

遵循 Git提交规范：

feat: 添加审核工作台进度显示优化
fix: 修复列表显示顺序反向问题
refactor: 重构字段映射逻辑
docs: 更新模块状态文档
test: 添加LLM筛选质量测试
chore: 更新依赖版本

---

🔗 相关文档

核心文档

1. 本文档（00-模块当前状态）：模块真实状态快照
2. 数据库设计：数据表结构
3. API设计规范：接口定义
4. 开发计划：功能清单与计划

开发记录

• 2025-11-21 真实LLM集成
• 2025-11-21 字段映射修复
• 2025-11-21 用户体验优化
• 2025-11-19 Week2-Day2完成
• 2025-11-18 Prompt设计与测试

测试文档

• 测试数据：PICOS示例、Excel模板

---

💡 开发建议

对新开发人员

1. 先了解业务：阅读 开发计划
2. 再看代码：按照本文档的代码结构阅读
3. 动手测试：跑一遍完整流程
4. 查看日志：理解后端处理逻辑
5. 阅读Prompt：理解LLM如何工作

对AI助手

1. 优先阅读本文档：了解真实状态
2. 参考开发记录：了解历史问题和解决方案
3. 查看测试数据：了解实际使用场景
4. 检查字段映射：注意前后端格式差异
5. 理解限制：不要承诺未实现的功能

常见陷阱

1. ❌ PICOS格式混淆：前端用P/I/C/O/S，不是population/intervention
2. ❌ 模型名称错误：前端用DeepSeek-V3，API用deepseek-chat
3. ❌ 结果查询时机：任务未完成时查询结果为空
4. ❌ 轮询间隔过长：用户体验差
5. ❌ 文献缺少摘要：LLM调用会失败

---

📊 性能指标（实测）

处理速度

单篇文献: 10-20秒（DeepSeek + Qwen并行）
5篇文献: 50-100秒
20篇文献: 200-400秒（3-7分钟）
199篇文献: 2000-4000秒（33-66分钟）

准确率（v1.0.0-MVP）

准确率: 60%
一致率: 70-100%
JSON验证率: 100%
需人工复核率: 20-30%（冲突）

前端性能

轮询间隔: 1秒
数据更新延迟: <1秒
表格渲染: <100ms（20条记录）
Drawer打开: <50ms

数据库性能

项目创建: <50ms
文献导入（199篇）: <500ms
筛选结果查询（分页）: <100ms
进度更新: <50ms

---

🎯 下一步开发计划

短期（Week 3-4）

1. ⏳ Prompt优化（提升准确率到85%+）
2. ⏳ 添加任务暂停/取消功能
3. ⏳ 实现并发处理（3-5个并发）
4. ⏳ 添加估计剩余时间显示

中期（Month 2）

1. ⏳ 全文复筛功能
2. ⏳ 用户自定义边界情况
3. ⏳ WebSocket实时推送
4. ⏳ 数据导出（Excel/PDF）

长期（Month 3+）

1. ⏳ 多用户支持（真实认证）
2. ⏳ 消息队列（Bull/RabbitMQ）
3. ⏳ 分布式处理
4. ⏳ 成本控制和监控

---

文档维护者：AI智能文献开发团队
更新周期：每个重要功能完成后更新
反馈方式：提交Issue或Pull Request

---

最后更新：2025-11-21（Week 4完成）
文档状态：✅ 反映真实状态
下次更新时机：Prompt优化完成 或 并发处理实现

本次更新内容：

• ✅ 新增"初筛结果页面"功能清单
• ✅ 新增"统计API"功能清单
• ✅ 更新关键里程碑（Week 4完成）
• ✅ 更新技术债务说明