HaHafeng
371e1c069c
Implement the full QPER intelligent analysis pipeline: - Phase E+: Block-based standardization for all 7 R tools, DynamicReport renderer, Word export enhancement - Phase Q: LLM intent parsing with dynamic Zod validation against real column names, ClarificationCard component, DataProfile is_id_like tagging - Phase P: ConfigLoader with Zod schema validation and hot-reload API, DecisionTableService (4-dimension matching), FlowTemplateService with EPV protection, PlannedTrace audit output - Phase R: ReflectionService with statistical slot injection, sensitivity analysis conflict rules, ConclusionReport with section reveal animation, conclusion caching API, graceful R error classification End-to-end test: 40/40 passed across two complete analysis scenarios. Co-authored-by: Cursor <cursoragent@cursor.com>
102 lines
6.5 KiB
Markdown
102 lines
6.5 KiB
Markdown
# **架构与产品委员会综合评估报告：SSA-Pro 人机协同 (HITL) 交互增强与 Phase Q+ 演进规划**
|
||
|
||
**文档版本：** v2.0 (完整整合版)
|
||
|
||
**创建日期：** 2026-02-20
|
||
|
||
**核心裁决：** 🌟 **极度赞同 (Highly Recommended)**。引入“变量字典”与“变量筛选”两大专家协同功能，不仅填补了 AI 临床背景知识的短板，且通过划分为独立的 Phase Q+ 子阶段，完美平衡了“追求极致体验”与“保障核心交付”的矛盾。
|
||
|
||
## **第一部分：业务需求评估 (为什么要引入人机协同？)**
|
||
|
||
在纯自动化的 QPER 流程中，AI 缺乏临床先验知识。将选择权和定义权适度交还给医生，是对医学专业性的最大尊重。
|
||
|
||
### **💡 增强点一：用户主导的变量选择 (Variable Selection)**
|
||
|
||
* **业务痛点**：医院导出的原始数据往往包含上百列。如果任由 AI 自由发挥，极易把无关变量（如 Patient\_ID、病床号）纳入模型，导致多重共线性或过拟合。
|
||
* **协同价值**：医生最清楚哪些是核心指标，哪些是干扰项。
|
||
* **UX 设计建议 (穿梭框/卡片交互)**：
|
||
在 Q 层处理时，弹出“变量筛选控制台”。
|
||
**🤖 AI:** "我已解析您的数据（共 56 个变量）。为了提高准确度，请确认您本次研究关注的核心变量："
|
||
* **\[AI 智能预选\]** (AI 根据 Prompt 自动勾选最相关的 5 个变量)
|
||
* **\[展开全部列表微调\]** (用户可手动增删)
|
||
|
||
### **💡 增强点二：建立变量说明与数据字典 (Data Dictionary)**
|
||
|
||
* **业务痛点**：临床数据列名极不规范（如 grp 为 1 和 2，AI 根本不知道哪个是治疗组）。
|
||
* **协同价值 (AI-Assisted Codebook)**：
|
||
坚决避免让用户手动填写 100 列的表单。采用 **“AI 先猜，用户微调”** 模式：
|
||
1. Python DataProfiler 读取数据后，后台静默调用 LLM 猜测变量含义。
|
||
2. 弹出 **“变量数据字典确认表”** 给用户审阅：
|
||
* age \-\> AI猜: 患者年龄 \-\> 用户确认 ✅
|
||
* grp \-\> AI猜: 分组 (1, 2\) \-\> 用户补充 ✍️: 1=新药, 2=安慰剂
|
||
3. 这个经过用户确认的字典，将成为后续 Planner 和 Critic 的**黄金上下文 (Golden Context)**。
|
||
|
||
## **第二部分：架构演进决议 (为什么剥离为 Phase Q+ ?)**
|
||
|
||
虽然上述想法极佳，但在项目实施初期，如果将重度前端交互（表格编辑、状态回传）与核心后端 AI 逻辑耦合，会导致严重的**单点阻塞**。
|
||
|
||
因此，委员会决议：**将这两个人机交互检查点作为独立增强任务，归入 Phase Q+ 阶段。**
|
||
|
||
### **剥离的战略意义：**
|
||
|
||
1. **解耦后端AI与前端UI的依赖**：让后端可以先行打磨 LLM 从自然语言中提取 \[Goal, X, Y, Design\] 的核心纯逻辑（Phase Q）。
|
||
2. **确立 AI 的“智商基线 (Baseline)”**：只有先让 AI 在没有任何人类帮助的情况下硬跑，才能摸清意图识别的真实准确率；之后加上 Phase Q+ 的人工辅助，才能量化“人机协同的提升价值”。
|
||
|
||
## **第三部分：Phase Q+ 在状态机中的精确占位**
|
||
|
||
在未来的 Phase Q+ 中，这两个人机检查点将像“拦截器（Interceptor）”一样，无缝插入现有的 ExecutionStatus 状态机中。
|
||
|
||
stateDiagram-v2
|
||
\[\*\] \--\> UPLOADING: 上传文件
|
||
UPLOADING \--\> PROFILING: Python Tool C 探查
|
||
|
||
%% Phase Q+ 新增节点 1
|
||
PROFILING \--\> DICT\_EDITING: 🆕 (Phase Q+) 拦截
|
||
note right of DICT\_EDITING
|
||
展示数据字典表格
|
||
用户编辑含义/纠正类型
|
||
点击确认后放行
|
||
end note
|
||
|
||
DICT\_EDITING \--\> PENDING\_INTENT: 放行
|
||
PENDING\_INTENT \--\> PARSING\_INTENT: 用户输入自然语言
|
||
|
||
%% Phase Q+ 新增节点 2
|
||
PARSING\_INTENT \--\> VARIABLE\_CONFIRMING: 🆕 (Phase Q+) 拦截
|
||
note right of VARIABLE\_CONFIRMING
|
||
AI 已预选 X/Y 变量
|
||
展示变量穿梭框面板
|
||
用户微调纳入排除
|
||
end note
|
||
|
||
VARIABLE\_CONFIRMING \--\> PLANNING: 放行
|
||
PLANNING \--\> EXECUTING: E 层接管
|
||
|
||
* **架构向后兼容性**：在 Phase Q+ 开发完成前，系统状态将直接从 PROFILING \-\> PENDING\_INTENT，以及 PARSING\_INTENT \-\> PLANNING 自动流转，底层架构基建完全一致。
|
||
|
||
## **第四部分：研发实施路线图 (Revised Roadmap)**
|
||
|
||
基于这个决议，QPER 计划被拆解得更加平滑、颗粒度更细：
|
||
|
||
| 阶段 | 核心任务 | 性质 | 验证目标 |
|
||
| :---- | :---- | :---- | :---- |
|
||
| **Phase Q (主线)** | IntentParser (意图解析), DataProfiler (自动探查) | 后端 \+ AI 主导 | 证明 LLM 能盲猜出 Goal, X, Y 槽位。 |
|
||
| **Phase P (主线)** | Planner (决策表匹配) | 后端 \+ 规则主导 | 证明系统能基于槽位选对 100% 正确的统计工具。 |
|
||
| **Phase E (主线)** | Executor (R 服务执行) | 后端 \+ R 主导 | 证明 R 引擎能跑通、护栏能拦截。 |
|
||
| **Phase R (主线)** | Reflection (自动报错重试) | 后端 \+ AI 主导 | 证明系统具备遇到错误自动修改参数的能力。 |
|
||
| \--- | \--- | \--- | \--- |
|
||
| **Phase Q+ (增强)** | **变量字典面板、变量纳入确认卡片** | 前端体验主导 | **让 AI 从“可用”变为“好用”，注入临床背景知识。** |
|
||
| **Phase E+ (增强)** | Block-based 动态多区块渲染 | 前端体验主导 | 支持多图多表的完美富文本展示。 |
|
||
|
||
## **第五部分：给开发团队的当前实操建议**
|
||
|
||
为了在当前（无 Phase Q+ 的情况下）顺利推进核心 Phase Q 的开发，请后端团队采用以下\*\*“默认放行策略”\*\*：
|
||
|
||
1. **DataProfiler 接口契约保持不变**：
|
||
DataProfiler 依然需要输出一个标准的 DataProfile JSON。在目前的 Phase Q 阶段，这个 JSON 直接由后端传给 IntentParser；在未来的 Phase Q+ 阶段，这个 JSON 只是中间先发给前端修改，修改完再发给 IntentParser。
|
||
2. **IntentParser 的容错增强**：
|
||
因为当前没有人类帮 AI 筛选无关变量，Prompt 中必须加强指令：*“请自动忽略如 ID、姓名、病床号等明显的非分析变量。”*
|
||
|
||
### **结语**
|
||
|
||
不要试图让 AI 彻底取代临床医生的判断。最好的系统是用 AI 去做繁琐的计算，而把关键的\*\*“定义权”**和**“特征选择权”**通过优雅的 UI 还给医生。 请团队立刻将精力砸向**纯逻辑的 Q-P-E-R 主线闭环\*\*。当核心链路通畅的那一天，就是我们从容增加 Phase Q+ 人机协同面板的完美时机！ |