HaHafeng
d4d33528c7
Summary: - Implement DC module Portal page with 3 tool cards - Create ToolCard component with decorative background and hover animations - Implement TaskList component with table layout and progress bars - Implement AssetLibrary component with tab switching and file cards - Complete database verification (4 tables confirmed) - Complete backend API verification (6 endpoints ready) - Optimize UI to match prototype design (V2.html) Frontend Components (~715 lines): - components/ToolCard.tsx - Tool cards with animations - components/TaskList.tsx - Recent tasks table view - components/AssetLibrary.tsx - Data asset library with tabs - hooks/useRecentTasks.ts - Task state management - hooks/useAssets.ts - Asset state management - pages/Portal.tsx - Main portal page - types/portal.ts - TypeScript type definitions Backend Verification: - Backend API: 1495 lines code verified - Database: dc_schema with 4 tables verified - API endpoints: 6 endpoints tested (templates API works) Documentation: - Database verification report - Backend API test report - Phase 1 completion summary - UI optimization report - Development task checklist - Development plan for Tool B Status: Phase 1 completed (100%), ready for browser testing Next: Phase 2 - Tool B Step 1 and 2 development
189 lines
7.8 KiB
Markdown
189 lines
7.8 KiB
Markdown
# **技术设计文档：工具 B \- 病历结构化机器人 (The AI Structurer)**
|
||
|
||
| 文档类型 | Technical Design Document (TDD) |
|
||
| :---- | :---- |
|
||
| **对应 PRD** | **PRD\_工具B\_病历结构化机器人\_V2.md** |
|
||
| **版本** | **V2.0** (架构升级：双模型交叉验证) |
|
||
| **状态** | Draft |
|
||
| **核心目标** | 构建一个高可信度的医疗文本结构化引擎，通过**双模型（DeepSeek & Qwen）并发提取**与**自动交叉验证**，解决 AI 幻觉问题。 |
|
||
|
||
## **1\. 总体架构设计 (Architecture Overview)**
|
||
|
||
系统架构从“单线性流水线”升级为 **“Y型并发流水线”**。数据进入后，分发给两个不同的 LLM 模型并行处理，结果汇聚到“冲突检测引擎”进行比对，最后输出到人工验证网格。
|
||
|
||
### **1.1 系统架构图**
|
||
|
||
graph TD
|
||
Client\[React 前端 (Grid & Drawer UI)\]
|
||
|
||
subgraph API\_Server \[Fastify API 服务\]
|
||
JobAPI\[任务与模版接口\]
|
||
VerifyAPI\[全景网格接口\]
|
||
end
|
||
|
||
subgraph Async\_Cluster \[后台 Worker 集群\]
|
||
BullMQ\[BullMQ 任务队列\]
|
||
Orchestrator\[任务编排器\]
|
||
PII\_Engine\[隐私脱敏引擎\]
|
||
|
||
subgraph Dual\_LLM\_Engine \[双盲提取引擎\]
|
||
ClientA\[DeepSeek 客户端\]
|
||
ClientB\[Qwen 客户端\]
|
||
end
|
||
|
||
CrossValidator\[交叉验证/冲突检测器\]
|
||
end
|
||
|
||
subgraph Storage \[数据存储\]
|
||
PG\[(PostgreSQL \- 业务数据)\]
|
||
VectorDB\[(pgvector \- 可选，用于语义比对)\]
|
||
Redis\[(Redis \- 队列)\]
|
||
end
|
||
|
||
Client \--1.上传&体检--\> JobAPI
|
||
JobAPI \--2.创建并发任务--\> BullMQ
|
||
BullMQ \--3.消费--\> Orchestrator
|
||
Orchestrator \--4.脱敏--\> PII\_Engine
|
||
PII\_Engine \--5.并行调用--\> ClientA & ClientB
|
||
ClientA & ClientB \--6.返回JSON--\> CrossValidator
|
||
CrossValidator \--7.计算一致性--\> PG
|
||
Client \--8.拉取网格数据--\> VerifyAPI
|
||
VerifyAPI \--9.人工裁决--\> PG
|
||
|
||
## **2\. 技术选型 (Tech Stack)**
|
||
|
||
| 层级 | 技术组件 | 选型理由 |
|
||
| :---- | :---- | :---- |
|
||
| **后端框架** | **Fastify 5.x** | 高性能异步 I/O，适合处理高并发模型调用。 |
|
||
| **模型接入** | **LangChain.js** | 统一封装 DeepSeek 和 Qwen 的调用接口，便于切换模型。 |
|
||
| **任务队列** | **BullMQ** | 核心组件。V2 需要利用 Flow 功能或手动编排来实现“等待两个模型都返回”的逻辑。 |
|
||
| **冲突检测** | **Lodash (基础) \+ Dice Coefficient (进阶)** | 用于比对两个 JSON 对象的字段差异。文本相似度可使用简单的 Dice 系数或 Levenshtein 距离，暂不需要重型向量库。 |
|
||
| **数据库** | **PostgreSQL 15** | 存储 JSONB 格式的双模型结果。 |
|
||
| **前端交互** | **React \+ TanStack Table** | V2 改为全景网格，数据量大时需要 TanStack Table (Headless) 配合虚拟滚动。 |
|
||
|
||
## **3\. 核心流程设计 (Core Logic)**
|
||
|
||
### **3.1 智能体检 (Health Check Logic)**
|
||
|
||
* **触发时机：** 用户在前端选择“文本列”的瞬间。
|
||
* **执行逻辑：**
|
||
1. 后端读取该列的前 100 行（不读全量）。
|
||
2. 计算统计指标：
|
||
* emptyRate: 空值 / 总行数。
|
||
* avgLength: 非空行的平均字符数。
|
||
3. **拦截策略：** 若 emptyRate \> 0.8 或 avgLength \< 10，返回 status: 'BAD'。
|
||
4. **Token 预估：** totalRows \* avgLength \* 1.5 (粗略估算)。
|
||
|
||
### **3.2 双盲提取与交叉验证 (Double-Blind & Validation)**
|
||
|
||
这是 V2 的心脏。
|
||
|
||
#### **A. 提示词工程 (Prompt Engineering)**
|
||
|
||
为了方便比对，必须强制两个模型输出**完全一致的 JSON 结构**。
|
||
|
||
* **System Prompt:** "You are a medical structural extraction assistant..."
|
||
* **Constraint:** "Output strictly in JSON format. Keys must be: \['tumor\_size', 'lymph\_node', ...\]."
|
||
* **Temperature:** 设为 0，追求最大确定性。
|
||
|
||
#### **B. 交叉验证算法 (The Judge)**
|
||
|
||
当 Model A (DeepSeek) 和 Model B (Qwen) 返回结果后，执行比对：
|
||
|
||
function validate(jsonA, jsonB) {
|
||
const conflicts \= \[\];
|
||
const keys \= Object.keys(jsonA);
|
||
|
||
for (const key of keys) {
|
||
const valA \= normalize(jsonA\[key\]); // 归一化：去除空格、转小写、半角化
|
||
const valB \= normalize(jsonB\[key\]);
|
||
|
||
// 1\. 精确匹配
|
||
if (valA \=== valB) continue;
|
||
|
||
// 2\. 数值归一化匹配 (如 "3cm" vs "3.0cm")
|
||
if (isNumber(valA) && isNumber(valB) && parse(valA) \=== parse(valB)) continue;
|
||
|
||
// 3\. (可选) 语义相似度匹配
|
||
// if (similarity(valA, valB) \> 0.95) continue;
|
||
|
||
conflicts.push(key);
|
||
}
|
||
|
||
return conflicts.length \=== 0 ? 'CLEAN' : 'CONFLICT';
|
||
}
|
||
|
||
## **4\. 数据库设计 (Database Schema)**
|
||
|
||
V2 需要存储两份 AI 结果以及用户的裁决结果。
|
||
|
||
### **Prisma Schema 更新**
|
||
|
||
// 任务表
|
||
model ExtractionJob {
|
||
id String @id @default(uuid())
|
||
// ...其他字段
|
||
diseaseType String // 疾病类型 (肺癌)
|
||
reportType String // 报告类型 (病理)
|
||
targetFields Json // 目标字段定义 \[{name: "肿瘤大小", desc: "..."}\]
|
||
}
|
||
|
||
// 单行记录表
|
||
model ExtractionItem {
|
||
id String @id @default(uuid())
|
||
jobId String
|
||
originalText String @db.Text
|
||
|
||
// V2 核心字段
|
||
resultA Json? // DeepSeek 结果 { "size": "3cm" }
|
||
resultB Json? // Qwen 结果 { "size": "3.0 cm" }
|
||
|
||
// 冲突检测结果
|
||
status ItemStatus // PENDING, CLEAN, CONFLICT, RESOLVED
|
||
conflictFields String\[\] // \["size"\] 记录哪些字段冲突了
|
||
|
||
// 最终采纳结果 (用户裁决后写入，或者一致时自动写入)
|
||
finalResult Json?
|
||
}
|
||
|
||
## **5\. 接口设计 (API Endpoints)**
|
||
|
||
### **5.1 模版与配置**
|
||
|
||
* GET /api/templates: 获取预设的疾病和报告模版列表。
|
||
* POST /api/jobs: 创建任务，Payload 中需包含 diseaseType 和 reportType，便于后端组装 Prompt。
|
||
|
||
### **5.2 网格验证 (Grid Verification)**
|
||
|
||
* GET /api/jobs/:id/rows: 分页获取验证数据。
|
||
* **Response:** 返回 originalText, resultA, resultB, conflictFields。
|
||
* POST /api/items/:id/resolve: 单行裁决。
|
||
* **Payload:** { field: "tumor\_size", chosenValue: "3cm" }。
|
||
* **Logic:** 更新 finalResult，如果该行所有冲突字段都已解决，将 status 更新为 RESOLVED。
|
||
|
||
## **6\. 前端详细设计 (Frontend)**
|
||
|
||
### **6.1 全景验证网格 (Verification Grid)**
|
||
|
||
* **组件选型：** 依然推荐 **TanStack Table** (逻辑层) \+ **UI 组件库** (渲染层)。
|
||
* **冲突单元格渲染：**
|
||
* 当 conflictFields.includes(column.id) 时，单元格渲染为**对比模式**。
|
||
* 显示两个小按钮：\[DS: 3cm\] 和 \[QW: 3.0cm\]。
|
||
* 用户点击任一按钮，触发 resolve API，前端乐观更新（Optimistic Update）为选中状态。
|
||
|
||
### **6.2 侧边栏原文 (Context Drawer)**
|
||
|
||
* **触发：** 点击表格行的空白处或“查看原文”图标。
|
||
* **功能：** 展示 originalText。
|
||
* **高亮优化：** 简单实现 String.indexOf 查找当前字段的值并标黄。
|
||
|
||
## **7\. 风险控制与性能优化**
|
||
|
||
| 潜在风险 | 解决方案 |
|
||
| :---- | :---- |
|
||
| **双倍 Token 成本** | 1\. 默认使用 DeepSeek (极低成本) \+ Qwen (低成本) 组合。 2\. 在“体检”阶段严格拦截无效数据。 |
|
||
| **处理速度慢** | 两个模型必须 **并发调用 (Promise.all)**，而不是串行。整体耗时取决于最慢的那个模型。 |
|
||
| **模型格式不听话** | Prompt 中增加 Few-Shot (少样本) 示例，明确展示 JSON 格式。如果 JSON 解析失败，自动重试 1 次。 |
|
||
| **前端网格卡顿** | 如果数据超过 1000 条，开启 Virtual Scrolling (虚拟滚动)。 |
|
||
|