AIclinicalresearch/docs/03-业务模块/ASL-AI智能文献/04-开发计划/07-Deep Research V2.0 开发计划.md

Deep Research V2.0 开发计划

文档版本： v1.0
创建日期： 2026-02-22
维护者： 开发团队
前置文档： PRD V4.1 / 原型图 V4.2 / 技术设计 V4.1
预计工期： 5 天
核心理念： 单页瀑布流 + 自然语言需求扩写 + 异步执行 + 务实结果展示

---

1. 升级概述

1.1 V1.x → V2.0 变化总结

维度	V1.x (当前)	V2.0 (目标)
交互模式	单输入框 → 直接搜索	四步瀑布流 Landing → 配置 → HITL 确认 → 终端 → 结果
需求理解	用户原文直传 unifuncs	内置 LLM 需求扩写 + 用户人工核验修改
API 协议	OpenAI 兼容（SSE 流式）	Unifuncs 异步模式（create_task + query_task 轮询）
执行展示	混合文字流（打字机效果）	暗黑终端 + 分类结构化日志（每 3-5s 弹出一条）
结果展示	PubMed 链接列表	综合报告（Markdown）+ 文献清单表格 + Word 导出
可靠性	离开页面任务丢失	pg-boss 队列，离开页面任务继续，回来可恢复

1.2 设计决策记录

决策	选择	理由
SSE vs 异步	异步模式	Deep Research 任务 3-10 分钟，SSE 连接不稳定；异步模式用户可离开回来，可靠性远高于 SSE
异步下的实时性	Worker 5s 轮询 + 前端 3s 轮询	用户每 3-5s 看到一条新日志，对分钟级 Agent 任务来说体验自然，比逐字流更适合终端 UI
结果展示复杂度	报告 + 表格，不做图表看板	研究人员要的是内容本身（综合报告 + 文献清单），图表是锦上添花非刚需，MVP 不做
Word 导出	复用 Pandoc	Protocol Agent 已验证 Pandoc → Word 方案，零额外依赖

---

2. 系统数据流

┌──────────────────────────────────────────────────────────────────────┐
│ Step 1-2: 需求扩写（同步，本系统内部）                                  │
│                                                                      │
│  前端 Landing/Setup ──POST──→ Node.js ──LLMFactory──→ DeepSeek-V3   │
│                     original_query    "需求扩写Prompt"                │
│                                                                      │
│  返回：taskId + generatedRequirement（结构化自然语言检索指令书）        │
│  前端展示指令书，用户可编辑修改                                        │
└──────────────────────────────────────────────────────────────────────┘
                                    ↓ 用户确认
┌──────────────────────────────────────────────────────────────────────┐
│ Step 3: 异步执行（pg-boss + Unifuncs 异步 API）                       │
│                                                                      │
│  前端 ──PUT──→ Node.js ──pg-boss push──→ Worker                     │
│       confirmed_requirement                                          │
│                                                                      │
│  Worker:                                                             │
│    1. POST unifuncs/v1/create_task（传入 confirmed_requirement）      │
│    2. 每 5s GET unifuncs/v1/query_task                               │
│    3. 解析 reasoning_content → 增量日志写 DB (execution_logs)         │
│    4. 完成后解析 content → synthesis_report + result_list            │
│                                                                      │
│  前端每 3s GET /tasks/:id → 渲染 execution_logs 到暗黑终端            │
└──────────────────────────────────────────────────────────────────────┘
                                    ↓ status === 'completed'
┌──────────────────────────────────────────────────────────────────────┐
│ Step 4: 结果展示（读 DB 渲染）                                        │
│                                                                      │
│  终端折叠 → 白底结果区展开                                            │
│  ├── ✅ 完成横幅（一行 + 导出 Word 按钮）                              │
│  ├── 📄 AI 综合报告（synthesis_report → Markdown 渲染）               │
│  └── 📋 文献清单表格（result_list → Ant Design Table）                │
└──────────────────────────────────────────────────────────────────────┘

---

3. 数据库 Schema 变更

在现有 AslResearchTask 基础上新增 6 个字段，不删除任何现有字段（向后兼容）。

model AslResearchTask {
  // ── 现有字段（保留不动）──────────────────────────
  id               String   @id @default(uuid())
  projectId        String   @map("project_id")
  userId           String   @map("user_id")
  query            String                           // 原始粗略输入（Step 1）
  filters          Json?                            // 高级筛选配置
  externalTaskId   String?  @map("external_task_id") // unifuncs task_id
  status           String   @default("pending")
  errorMessage     String?  @map("error_message")
  resultCount      Int?     @map("result_count")
  rawResult        String?  @map("raw_result") @db.Text
  reasoningContent String?  @map("reasoning_content") @db.Text
  literatures      Json?
  tokenUsage       Json?    @map("token_usage")
  searchCount      Int?     @map("search_count")
  readCount        Int?     @map("read_count")
  iterations       Int?
  createdAt        DateTime @default(now()) @map("created_at")
  updatedAt        DateTime @updatedAt @map("updated_at")
  completedAt      DateTime? @map("completed_at")

  // ── V2.0 新增字段 ──────────────────────────────
  targetSources         Json?    @map("target_sources")          // 选中的数据源 ["pubmed.ncbi.nlm.nih.gov", ...]
  confirmedRequirement  String?  @map("confirmed_requirement") @db.Text  // 用户核验后的自然语言检索指令书
  aiIntentSummary       Json?    @map("ai_intent_summary")       // AI提炼的结构化摘要（左侧卡片用）
  executionLogs         Json?    @map("execution_logs")          // 终端日志数组 [{type, title, text, timestamp}]
  synthesisReport       String?  @map("synthesis_report") @db.Text // AI综合报告（Markdown）
  resultList            Json?    @map("result_list")             // 结构化文献元数据列表

  // ── 索引（保留现有）────────────────────────────
  @@index([projectId], map: "idx_research_tasks_project_id")
  @@index([userId], map: "idx_research_tasks_user_id")
  @@index([status], map: "idx_research_tasks_status")
  @@index([createdAt], map: "idx_research_tasks_created_at")
  @@map("research_tasks")
  @@schema("asl_schema")
}

Status 枚举扩展：

状态	含义	触发时机
draft	需求已扩写，等待用户确认	POST /generate-requirement
pending	用户已确认，等待 Worker 拾取	PUT /tasks/:id/execute
running	Worker 已创建 unifuncs 任务，轮询中	Worker 内部
completed	unifuncs 完成，结果已解析入库	Worker 内部
failed	执行失败	Worker 内部

迁移命令：

npx prisma migrate dev --name add_deep_research_v2_fields

---

4. API 契约

4.1 需求扩写（同步）

POST /api/v1/asl/research/generate-requirement

// 请求
{ 
  originalQuery: string,       // "他汀预防心血管疾病，要能下载PDF的"
  targetSources: string[],     // ["pubmed.ncbi.nlm.nih.gov", "bmjopen.bmj.com"]
  filters: {
    yearRange?: string,        // "2010至今" | "过去5年" | "不限"
    targetCount?: string,      // "~100篇" | "全面检索"
    requireOpenAccess?: boolean // true
  }
}

// 响应
{
  success: true,
  data: {
    taskId: "uuid",                     // 已创建DB记录（status=draft）
    generatedRequirement: "请帮我执行一次深度的医学文献检索...",  // LLM扩写结果
    intentSummary: {                    // 结构化摘要
      objective: "为Meta分析构建测试语料库",
      intervention: "他汀类药物 (Statins)",
      condition: "心血管疾病 (CVD)",
      literatureStandard: "高质量临床研究，PDF全文可下载"
    }
  }
}

实现要点：

• 调用 LLMFactory.getAdapter('deepseek-v3') 进行需求扩写
• System Prompt 要求 LLM 输出结构化自然语言指令（非布尔检索式）
• 同时创建 DB 记录，status = draft

4.2 启动执行（进入异步队列）

PUT /api/v1/asl/research/tasks/:id/execute

// 请求
{
  confirmedRequirement: string  // 用户核验修改后的最终指令书
}

// 响应
{ success: true }

实现要点：

• 更新 DB 的 confirmed_requirement 和 target_sources
• jobQueue.push('asl_deep_research_v2', { taskId }) 推入 pg-boss
• status 更新为 pending

4.3 任务状态与日志轮询

GET /api/v1/asl/research/tasks/:id

// 响应
{
  success: true,
  data: {
    taskId: "uuid",
    status: "running",                  // draft/pending/running/completed/failed
    executionLogs: [                    // 终端日志（增量）
      { type: "think", title: "任务理解", text: "已收到检索需求...", ts: "..." },
      { type: "action", title: "Search", text: "executing search across PubMed...", ts: "..." },
      { type: "done", title: "搜索轮次完成", text: "", ts: "..." },
    ],
    progress: { current: 60, total: 100 },
    // 仅 completed 时有：
    synthesisReport: "## 研究背景\n他汀类药物...",
    resultList: [
      { title: "...", authors: "...", journal: "...", year: 2010, type: "Meta-analysis", pmid: "...", doi: "...", pdfStatus: "OA" },
    ],
    resultCount: 103,
    errorMessage: null
  }
}

4.4 Word 导出

GET /api/v1/asl/research/tasks/:id/export-word

• 读取 DB 的 synthesis_report（Markdown）和 result_list（JSON）
• 拼接为完整 Markdown（报告 + 文献清单表格）
• 调用 Pandoc 转 Word
• 返回 .docx 文件流

4.5 路由汇总

方法	路径	说明	新增/改造
POST	/research/generate-requirement	需求扩写	新增
PUT	/research/tasks/:id/execute	启动执行	新增
GET	/research/tasks/:id	状态+日志+结果	改造
GET	/research/tasks/:id/export-word	Word 导出	新增
POST	/research/stream	V1 SSE（保留兼容）	不动
POST	/research/tasks	V1 异步创建（保留）	不动

---

5. 后台 Worker 逻辑

5.1 核心流程（伪代码）

// backend/src/modules/asl/workers/deepResearchV2Worker.ts

export async function processDeepResearchV2(job: Job) {
  const { taskId } = job.data;
  const task = await prisma.aslResearchTask.findUnique({ where: { id: taskId } });

  // 1. 调用 Unifuncs 创建异步任务
  const unifuncsPayload = {
    model: "s2",
    messages: [{
      role: "user",
      content: `请根据以下详细检索需求执行深度研究：\n${task.confirmedRequirement}`
    }],
    introduction: buildIntroduction(),
    max_depth: 25,
    domain_scope: task.targetSources || ["https://pubmed.ncbi.nlm.nih.gov/"],
    domain_blacklist: ["wanfang.com", "cnki.net"],
    output_prompt: buildOutputPrompt(),
    reference_style: "link",
    generate_summary: true,
  };

  const createRes = await unifuncsClient.createTask(unifuncsPayload);
  const unifuncsTaskId = createRes.data.task_id;

  await prisma.aslResearchTask.update({
    where: { id: taskId },
    data: { externalTaskId: unifuncsTaskId, status: 'running' }
  });

  // 2. 轮询 Unifuncs 直到完成
  let previousReasoning = '';
  const MAX_POLLS = 180;  // 最多 15 分钟（180 × 5s）

  for (let i = 0; i < MAX_POLLS; i++) {
    await sleep(5000);
    const queryRes = await unifuncsClient.queryTask(unifuncsTaskId);
    const data = queryRes.data;

    // 解析增量日志
    const currentReasoning = data.result?.reasoning_content || '';
    if (currentReasoning.length > previousReasoning.length) {
      const increment = currentReasoning.slice(previousReasoning.length);
      const newLogs = parseReasoningToLogs(increment);
      await appendExecutionLogs(taskId, newLogs);
      previousReasoning = currentReasoning;
    }

    // 同步进度
    if (data.progress) {
      // progress 信息可通过 executionLogs 的最后一条体现
    }

    // 检查完成
    if (data.status === 'completed') {
      const content = data.result?.content || '';
      const report = extractSection(content, 'REPORT_SECTION');
      const jsonList = extractSection(content, 'JSON_LIST_SECTION');
      const parsedList = safeParseJsonList(jsonList);

      await prisma.aslResearchTask.update({
        where: { id: taskId },
        data: {
          status: 'completed',
          rawResult: content,
          reasoningContent: currentReasoning,
          synthesisReport: report || content,
          resultList: parsedList,
          resultCount: parsedList?.length || 0,
          tokenUsage: data.statistics?.token_usage,
          searchCount: data.statistics?.search_count,
          readCount: data.statistics?.read_count,
          iterations: data.statistics?.iterations,
          completedAt: new Date(),
        }
      });
      return;
    }

    if (data.status === 'failed') {
      throw new Error(data.result?.content || 'Unifuncs 任务失败');
    }
  }

  throw new Error('任务超时（15分钟）');
}

5.2 日志解析逻辑

function parseReasoningToLogs(increment: string): LogEntry[] {
  const logs: LogEntry[] = [];
  const lines = increment.split('\n').filter(l => l.trim());

  for (const line of lines) {
    if (line.includes('搜索') || line.includes('search') || line.includes('Search')) {
      logs.push({ type: 'action', title: 'Search', text: line.trim(), ts: new Date().toISOString() });
    } else if (line.includes('阅读') || line.includes('read') || line.includes('Read')) {
      logs.push({ type: 'action', title: 'Read', text: line.trim(), ts: new Date().toISOString() });
    } else if (line.includes('完成') || line.includes('成功') || line.includes('OK')) {
      logs.push({ type: 'done', title: '阶段完成', text: line.trim(), ts: new Date().toISOString() });
    } else if (line.includes('汇总') || line.includes('总结') || line.includes('发现')) {
      logs.push({ type: 'summary', title: '阶段总结', text: line.trim(), ts: new Date().toISOString() });
    } else if (line.trim().length > 10) {
      logs.push({ type: 'think', title: 'Thinking', text: line.trim(), ts: new Date().toISOString() });
    }
  }
  return logs;
}

5.3 output_prompt 设计

function buildOutputPrompt(): string {
  return `请严格按照以下格式输出结果：

<REPORT_SECTION>
[此处撰写深度综合研究报告，使用 Markdown 格式，包括：
- 研究背景与目的
- 核心发现与共识
- 分歧点与研究空白
- 参考文献列表（带编号和PubMed链接）]
</REPORT_SECTION>

<JSON_LIST_SECTION>
[此处输出文献元数据的严格 JSON 数组，每条包含：
{"title":"...", "authors":"...", "journal":"...", "year":2024, "type":"RCT|Meta-analysis|Cohort|SR", "pmid":"...", "doi":"...", "pdfStatus":"OA|Restricted", "url":"https://pubmed.ncbi.nlm.nih.gov/..."}]
</JSON_LIST_SECTION>`;
}

---

6. 前端组件设计

6.1 页面结构

frontend-v2/src/modules/asl/pages/
└── DeepResearchPage.tsx            # V2.0 主页面（替代 ResearchSearch.tsx）

frontend-v2/src/modules/asl/components/
├── deep-research/
│   ├── LandingView.tsx             # Landing 大搜索框
│   ├── SetupPanel.tsx              # Step 1: 配置面板
│   ├── StrategyConfirm.tsx         # Step 2: HITL 策略确认（左右分栏）
│   ├── AgentTerminal.tsx           # Step 3: 暗黑执行终端
│   └── ResultsView.tsx             # Step 4: 结果展示（报告+表格）

6.2 状态管理

// 页面级状态（useState 即可，无需 Zustand）
interface DeepResearchState {
  currentStep: 'landing' | 'setup' | 'strategy' | 'terminal' | 'results';
  taskId: string | null;
  originalQuery: string;
  generatedRequirement: string;
  intentSummary: IntentSummary | null;
  isGenerating: boolean;  // 需求扩写中
}

6.3 各组件核心逻辑

LandingView（Landing 大搜索框）

• 居中大输入框 + "开始研究"按钮 + 推荐预置词
• 点击后携带输入值，平滑过渡到 SetupPanel
• 参考原型图 V4.2 的 #landing-view 部分

SetupPanel（Step 1: 配置）

• 继承 Landing 输入值到 textarea
• 数据源 Checkbox（PubMed/PMC, BMJ Open, Cochrane）
• 高级过滤（年份下拉、目标数量、OA 强制）
• 点击"解析并生成检索需求书" → POST /generate-requirement
• Loading 后平滑展开 Step 2

StrategyConfirm（Step 2: HITL 确认）

• 左侧 1/3：AI 意图提炼卡片（只读，来自 intentSummary）
• 右侧 2/3：可编辑 textarea（内容为 generatedRequirement）
• 提示文案："您可以像写邮件一样在这里补充任何大白话要求"
• 点击"确认需求，启动 Deep Research" → PUT /execute

AgentTerminal（Step 3: 暗黑终端）

• 暗色背景（bg-slate-900），固定高度 550px，内部滚动
• 顶部状态栏：红/黄/绿圆点 + "Running" 脉冲指示灯
• 日志渲染：
  • think → 紫色 + 🧠 图标
  • action → 蓝色 + 💻 图标
  • done → 绿色 + ✅ 图标
  • summary → 黄色 + 📋 图标
• 轮询逻辑：useQuery + refetchInterval: 3000（running 时启用）
• 新日志出现时 auto-scroll 到底部
• 完成后状态灯变灰 "Finished"，终端可折叠

ResultsView（Step 4: 结果）

• 白色背景，与终端形成视觉分界
• 完成横幅（一行）：文献数 + 耗时 + "导出 Word" 按钮
• AI 综合报告区：react-markdown 渲染 synthesisReport，可折叠，默认展开
• 文献清单表格：Ant Design Table
  • 列：标题（可点击跳转 PubMed）、期刊、年份、类型 Tag、PDF 状态
  • 支持简单搜索过滤
  • 分页（前端分页即可，数据量 ~100 条）

6.4 轮询 Hook

// hooks/useDeepResearchTask.ts
function useDeepResearchTask(taskId: string | null) {
  return useQuery({
    queryKey: ['deep-research-task', taskId],
    queryFn: () => apiClient.get(`/api/v1/asl/research/tasks/${taskId}`),
    enabled: !!taskId,
    refetchInterval: (query) => {
      const status = query.state.data?.data?.status;
      return (status === 'pending' || status === 'running') ? 3000 : false;
    },
  });
}

---

7. 复用清单（不重复造轮子）

能力	来源	用法
LLM 调用	common/llm/LLMFactory	DeepSeek-V3 需求扩写
pg-boss 队列	common/jobs/jobQueue	Worker 注册与任务推送
日志服务	common/logging/logger	全程结构化日志
认证中间件	common/auth/authenticate	所有 API 路由
Prisma 全局实例	config/database	数据库操作
Word 导出	Pandoc（Python 微服务）	复用 Protocol Agent 验证的方案
前端 API Client	common/api/axios	带认证的请求
前端布局	ASLLayout.tsx	左侧导航

---

8. 分阶段开发计划

Phase 1: 数据库 + 需求扩写（Day 1）

目标： 用户输入粗略想法 → AI 扩写为结构化指令书 → 用户可编辑修改

任务	文件	说明
Schema 迁移	prisma/schema.prisma	新增 6 个字段，prisma migrate dev
需求扩写 Prompt	services/requirementExpansionService.ts	新建服务，调用 DeepSeek-V3 扩写
扩写 API	controllers/researchController.ts	新增 POST /generate-requirement
启动 API	controllers/researchController.ts	新增 PUT /tasks/:id/execute
状态 API 改造	controllers/researchController.ts	改造 GET /tasks/:id，返回新字段
路由注册	routes/index.ts	注册新端点

验收标准：

• POST /generate-requirement 返回扩写后的指令书
• PUT /tasks/:id/execute 成功推入 pg-boss 队列
• GET /tasks/:id 返回含新字段的完整数据

Phase 2: Worker 改造 — Unifuncs 异步模式（Day 2）

目标： Worker 使用 create_task + query_task 轮询，增量日志写入 DB

任务	文件	说明
Unifuncs 异步客户端	services/unifuncsAsyncClient.ts	新建，封装 create_task / query_task
V2 Worker	workers/deepResearchV2Worker.ts	新建，轮询 + 日志解析 + 结果切割
日志解析器	utils/reasoningParser.ts	新建，reasoning_content → 结构化日志
结果解析器	utils/resultParser.ts	新建，XML 标签切割报告与 JSON 列表
Worker 注册	workers/researchWorker.ts	注册新 Worker asl_deep_research_v2

验收标准：

• Worker 成功调用 unifuncs create_task
• 轮询期间 execution_logs 持续增量更新
• 完成后 synthesis_report 和 result_list 正确入库
• 超时保护（15 分钟）和错误处理正常

Phase 3: 前端 — Landing + 配置 + HITL 确认（Day 3）

目标： 完成 Step 1-2 的前端交互，瀑布流渐进展开

任务	文件	说明
主页面骨架	pages/DeepResearchPage.tsx	新建，管理瀑布流状态
Landing 组件	components/deep-research/LandingView.tsx	大搜索框 + 推荐预置词
配置面板	components/deep-research/SetupPanel.tsx	数据源 + 高级过滤 + 生成按钮
HITL 确认	components/deep-research/StrategyConfirm.tsx	左右分栏 + 可编辑 textarea
API 函数	api/index.ts	新增 generateRequirement / executeTask
路由注册	pages/index.tsx	新增 V2 路由

验收标准：

• Landing 输入 → Step 1 配置面板流畅过渡
• 点击"生成需求书" → Loading → Step 2 展开
• Step 2 左侧摘要卡片正确展示，右侧 textarea 可编辑
• 点击"启动 Deep Research" → 进入 Step 3

Phase 4: 前端 — 终端 + 结果展示（Day 4）

目标： 完成 Step 3-4，终端实时日志 + 结果报告/表格

任务	文件	说明
暗黑终端	components/deep-research/AgentTerminal.tsx	日志渲染 + auto-scroll + 状态灯
结果视图	components/deep-research/ResultsView.tsx	横幅 + 报告 + 文献表格
轮询 Hook	hooks/useDeepResearchTask.ts	3s 轮询，running 时启用
终端样式	CSS / Tailwind	暗色主题 + 日志类型着色

验收标准：

• 终端日志按类型着色，新日志 auto-scroll
• 完成后终端折叠，结果区展开
• 综合报告 Markdown 渲染正确
• 文献清单表格展示（标题可点击跳转 PubMed）
• 全流程端到端联调通过

Phase 5: Word 导出 + 收尾（Day 5）

目标： Word 导出功能 + 全流程打磨 + 测试

任务	文件	说明
Word 导出 API	controllers/researchController.ts	GET /tasks/:id/export-word
Markdown 拼接	services/wordExportService.ts	报告 + 文献表格 → 完整 Markdown
Pandoc 调用	复用 Python 微服务	Markdown → .docx
前端导出按钮	ResultsView.tsx	下载 Word 文件
全流程测试	手动 + 脚本	端到端验证
文档更新	模块状态文档	更新 ASL 模块当前状态

验收标准：

• 点击"导出 Word" → 下载包含报告和文献清单的 .docx
• 全流程：Landing → 配置 → 扩写 → 确认 → 执行 → 日志 → 结果 → 导出
• 离开页面回来，能恢复查看正在执行/已完成的任务
• 错误情况处理（unifuncs 超时、API 报错、网络中断）

---

9. 验收标准总览

功能验收

• Landing 引导：用户输入粗略想法 → 进入配置
• 需求扩写：AI 自动扩写为结构化自然语言指令书
• HITL 核验：用户可直接编辑修改指令书
• 异步执行：pg-boss 队列，离开页面任务不中断
• 终端日志：每 3-5s 弹出一条结构化日志
• 综合报告：Markdown 渲染，内容来自 Unifuncs 输出
• 文献清单：表格展示，标题可跳转 PubMed
• Word 导出：一键导出报告 + 文献清单

非功能验收

• V1.x SSE 端点保留不动（向后兼容）
• 所有 API 经过 authenticate 中间件
• 日志使用 logger（非 console.log）
• 无硬编码配置（API Key 来自环境变量）
• 数据库变更通过 Prisma migrate（非 db push）

---

10. 风险与应对

风险	概率	影响	应对措施
Unifuncs 异步模式下 reasoning_content 不增量更新	低	终端日志为空	降级方案：只显示 progress.message
output_prompt XML 标签分割不可靠	中	报告和列表无法分离	降级方案：整体作为报告展示，文献从 PubMed 链接提取
Unifuncs 长任务超时	低	任务失败	MAX_POLLS=180（15分钟），超时标记 failed，用户可重试
Pandoc Word 导出在 SAE 不可用	低	导出失败	降级方案：导出为 Markdown 文件

---

文档维护者： 开发团队
最后更新： 2026-02-22
文档状态： ✅ 方案确认，待开发启动