HaHafeng
beb7f7f559
Core Components: - PDFStorageService with Dify/OSS adapters - LLM12FieldsService with Nougat-first + dual-model + 3-layer JSON parsing - PromptBuilder for dynamic prompt assembly - MedicalLogicValidator with 5 rules + fault tolerance - EvidenceChainValidator for citation integrity - ConflictDetectionService for dual-model comparison Prompt Engineering: - System Prompt (6601 chars, Section-Aware strategy) - User Prompt template (PICOS context injection) - JSON Schema (12 fields constraints) - Cochrane standards (not loaded in MVP) Key Innovations: - 3-layer JSON parsing (JSON.parse + json-repair + code block extraction) - Promise.allSettled for dual-model fault tolerance - safeGetFieldValue for robust field extraction - Mixed CN/EN token calculation Integration Tests: - integration-test.ts (full test) - quick-test.ts (quick test) - cached-result-test.ts (fault tolerance test) Documentation Updates: - Development record (Day 2-3 summary) - Quality assurance strategy (full-text screening) - Development plan (progress update) - Module status (v1.1 update) - Technical debt (10 new items) Test Results: - JSON parsing success rate: 100% - Medical logic validation: 5/5 passed - Dual-model parallel processing: OK - Cost per PDF: CNY 0.10 Files: 238 changed, 14383 insertions(+), 32 deletions(-) Docs: docs/03-涓氬姟妯″潡/ASL-AI鏅鸿兘鏂囩尞/05-寮€鍙戣褰?2025-11-22_Day2-Day3_LLM鏈嶅姟涓庨獙璇佺郴缁熷紑鍙?md
3.7 KiB
3.7 KiB
[AI对接] 通用能力快速上下文
阅读时间： 2-3分钟 | Token消耗： ~1500 tokens
层级： L1 | 前置阅读： 00-系统总体设计/[AI对接] 快速上下文.md
📋 通用能力层定位
通用能力层是跨业务模块共享的核心技术能力，是业务逻辑的基础。
核心原则：
- ✅ 可复用（多个业务模块共享）
- ✅ 业务相关（包含领域知识）
- ✅ 独立部署（可以独立为微服务）
- ✅ 高内聚（每个能力职责单一）
🎯 5个核心能力
1. LLM大模型网关 ⭐⭐⭐⭐⭐ 最高优先级
复用率： 71% (5个模块依赖)
依赖模块：
- AIA（AI智能问答）
- ASL（AI智能文献）
- PKB（个人知识库）
- DC（数据清洗）
- RVW（稿件审查）
核心价值：
商业模式的技术基础！
功能1：根据用户版本选择模型
- 专业版 → DeepSeek（¥1/百万）
- 高级版 → DeepSeek + Qwen3
- 旗舰版 → 全部模型
功能2：成本控制
- 统一监控所有LLM调用
- 超出配额自动限流
- 按版本计费
功能3：统一调用接口
- 屏蔽不同LLM API差异
- 流式/非流式统一处理
状态： ❌ 待实现
优先级： P0（必须在ASL模块开发前完成）
预计时间： 3-5天
2. 文档处理引擎 ⭐⭐⭐⭐⭐
复用率： 86% (6个模块依赖)
核心功能：
- PDF提取（Nougat + PyMuPDF）
- Docx提取（Mammoth）
- Txt提取（多编码）
- Excel处理
状态： ✅ 已实现（Python微服务）
位置： extraction_service/
3. RAG引擎 ⭐⭐⭐⭐
复用率： 43% (3个模块依赖)
核心功能：
- 向量化存储（Embedding）
- 语义检索（Semantic Search）
- RAG问答
- 智能引用（100%准确溯源）
状态： ✅ 已实现（基于Dify）
优化成果：
- 检索覆盖率从5%提升到40-50%（8-10倍）
4. 数据ETL引擎 ⭐⭐⭐
复用率： 29% (2个模块依赖)
依赖模块：
- DC（数据清洗）
- SSA（智能统计）
核心功能：
- Excel多表JOIN
- 数据清洗
- 数据转换
技术方案：
- 云端版：Polars（性能极高）
- 单机版：SQLite（内存友好）
状态： ⏳ 待实现
5. 医学NLP引擎 ⭐⭐
复用率： 14% (1个模块依赖)
依赖模块：
- DC（数据清洗 - 病例NER提取）
核心功能：
- 医学实体识别（疾病、药物、TNM分期）
- 医学术语标准化
技术方案：
- 云端版：LLM API（高准确率）
- 单机版：spaCy（隐私优先）
状态： ⏳ 待实现
📊 优先级排序
| 能力 | 复用率 | 优先级 | 状态 | 原因 |
|---|---|---|---|---|
| LLM网关 | 71% | P0 | ❌ | 5个模块依赖，商业模式基础 |
| 文档处理 | 86% | - | ✅ | 已实现，需要增强 |
| RAG引擎 | 43% | - | ✅ | 已实现，需要优化 |
| ETL引擎 | 29% | P2 | ⏳ | DC模块开发时再实现 |
| 医学NLP | 14% | P2 | ⏳ | DC模块开发时再实现 |
⚠️ 关键提醒
LLM网关必须优先实现！
- 5个模块依赖（71%）
- ASL模块开发的前置条件
- 商业模式的技术基础
预计时间： 3-5天
建议： ASL模块Week 1同步开发
🔗 快速导航
详细设计文档：
最后更新： 2025-11-06
维护人： 技术架构师