AIclinicalresearch/docs/03-业务模块/RVW-稿件审查系统/04-开发计划/RVW V2.0 产品升级开发计划.md

RVW V2.0 产品升级开发计划

文档版本： v1.2
创建日期： 2026-02-17
最后更新： 2026-02-17
维护者： 开发团队
项目代号： "数据侦探" + "柔性架构"
目标周期： 4周（含缓冲）
优先级： P0
审查状态： ✅ 已通过终审，纳入专家建议 (v1.2)

---

📋 目录

1. 项目概述
2. 升级目标与范围
3. 技术架构设计
4. 功能需求详述
5. 分阶段实施计划
6. 验收标准
7. 风险管理
8. 后续迭代规划
9. 附录

---

1. 项目概述

1.1 背景

当前 RVW 模块（V1.0/V3.2）是一个基于 LLM 的"文档阅读器"，能较好地完成稿约规范性（11项标准）和方法学评估（20个检查点）。然而，在面对中文核心期刊（对政治安全和数据造假零容忍）和高水平英文期刊（对学术深度的要求）时，系统存在以下痛点：

痛点	影响	紧迫度
数据验证能力缺失	无法识别表格中的数据造假（P值捏造、合计错误）	🔴 高
架构僵化	无法针对不同期刊配置不同的审稿流程	🟡 中
PDF解析瓶颈	复杂表格在PDF中识别率低，导致计算不可行	🔴 高

1.2 升级策略

采用 "垂直切片 (Vertical Slice)" 策略，不追求大而全，集中兵力攻克核心技术壁垒：

• 以"数据侦探"功能为矛 —— 刺穿技术壁垒，实现Word表格的审计级验证
• 以"Skills架构"为盾 —— 构建系统底座，支持能力原子化和配置驱动

1.3 核心指标

指标	当前	目标
表格数据提取准确率	~70%（PDF）	≥98%（Word）
算术错误检出率	0%	≥95%
P值逻辑错误检出率	0%	≥80%
上传到出报告时间	~2分钟	≤3分钟（含数据验证）

---

2. 升级目标与范围

2.1 MVP 范围定义（V2.0）

维度	✅ MVP 包含	❌ MVP 不包含
文件格式	Word (.docx) 仅支持	.doc、PDF、图片扫描件
文件限制	≤ 20MB，单表 ≤ 500 行	超大文件、超长表格
表格类型	三线表 (Standard Tables)	跨页断裂表、极复杂嵌套表
验证深度	L1 (算术) + L2 (基础统计) + 🆕 L2.5 (一致性取证)	L3 (复杂回归逻辑)、L4 (跨表一致性)
统计方法	T检验、卡方检验、🆕 回归一致性（SE 三角验证）、SD>Mean 检查	ANOVA、配对检验、生存分析、非参数检验
Skill 数量	DataForensicsSkill + EditorialSkill	政治审查、竞品对标
配置方式	硬编码默认Profile	动态Profile管理UI
前端交互	静态报告（新增数据验证Tab）	交互式Chat、在线修改表格

⚠️ 格式限制说明：MVP 阶段仅支持 .docx 格式。若用户上传 .doc 文件，前端提示"请使用 Word 另存为 .docx 格式后重新上传"。此决策基于 LibreOffice 容器化复杂度高、收益低的评估，V2.1 将评估 Pandoc 等替代方案。

2.2 与 V1.0 的关系

能力	V1.0	V2.0
稿约规范性评估（11项）	✅ 保留	✅ 封装为 EditorialSkill
方法学评估（20个检查点）	✅ 保留	✅ 封装为 MethodologySkill
数据表格验证	❌ 无	✅ 新增 DataForensicsSkill
Skills 架构	❌ 无	✅ 新增
Word 导出	✅ 保留	✅ 保留

---

3. 技术架构设计

3.1 总体架构

┌─────────────────────────────────────────────────────────────────┐
│                      输入层 (Input Layer)                        │
│   稿件 (Word/PDF)  +  期刊配置 (Journal Profile)                 │
└─────────────────────────────────────────────────────────────────┘
                                ↓
┌─────────────────────────────────────────────────────────────────┐
│              Layer 1: 护栏中间件 (Middleware Guardrails)          │
│   🛡️ Pre-Hook: 格式校验、敏感词扫描（V2.1 政治审查）              │
│   🛡️ Post-Hook: 幻觉检测（V2.1）                                 │
└─────────────────────────────────────────────────────────────────┘
                                ↓
┌─────────────────────────────────────────────────────────────────┐
│              Layer 2: 审稿编排引擎 (The Core)                     │
│   ┌─────────────┐  ┌─────────────┐  ┌─────────────┐            │
│   │ Skills      │  │ Skill       │  │ Shared      │            │
│   │ Registry    │  │ Router      │  │ Context     │            │
│   │ 技能注册表   │  │ 动态路由     │  │ 共享上下文   │            │
│   └─────────────┘  └─────────────┘  └─────────────┘            │
└─────────────────────────────────────────────────────────────────┘
                                ↓
┌─────────────────────────────────────────────────────────────────┐
│              Layer 3: 原子能力库 (Skills Library)                 │
│                                                                  │
│   ┌──────────────────┐  ┌──────────────────┐                   │
│   │ 🐍 DataForensics │  │ 📋 Editorial     │                   │
│   │    Skill         │  │    Skill         │                   │
│   │  (Python计算)    │  │  (稿约规范性)    │                   │
│   └──────────────────┘  └──────────────────┘                   │
│                                                                  │
│   ┌──────────────────┐  ┌──────────────────┐                   │
│   │ 🔬 Methodology   │  │ 🧠 MedicalLogic  │  ← V2.1           │
│   │    Skill         │  │    Skill         │                   │
│   │  (方法学评估)    │  │  (常识校验)      │                   │
│   └──────────────────┘  └──────────────────┘                   │
└─────────────────────────────────────────────────────────────────┘
                                ↓
┌─────────────────────────────────────────────────────────────────┐
│                      输出层 (Output Layer)                       │
│   📊 SOP 引擎（静态审稿报告）  ←  V2.0 MVP                       │
│   💬 ReAct 引擎（交互式对话）  ←  V2.2 规划                      │
└─────────────────────────────────────────────────────────────────┘

3.2 数据流图

┌─────────────────────────────────────────────────────────────────────────┐
│                           用户上传 .docx                                 │
└─────────────────────────────────────────────────────────────────────────┘
                                    │
                                    ▼
┌─────────────────────────────────────────────────────────────────────────┐
│  Node.js Backend (reviewService)                                         │
│  ┌──────────────────────────────────────────────────────────────┐       │
│  │ 1. 调用 Python 提取文本 (ExtractionClient, HTTP 120s)         │       │
│  │ 2. 推送到 pg-boss 队列 (rvw_review_task)                      │       │
│  └──────────────────────────────────────────────────────────────┘       │
└─────────────────────────────────────────────────────────────────────────┘
                                    │
                          pg-boss 异步调度
                                    ▼
┌─────────────────────────────────────────────────────────────────────────┐
│  reviewWorker (异步执行)                                                 │
│  ┌──────────────────────────────────────────────────────────────┐       │
│  │ 3. DataForensicsSkill → 调用 Python API (HTTP 60s)           │       │
│  │ 4. EditorialSkill → 调用 LLM                                  │       │
│  │ 5. MethodologySkill → 调用 LLM                                │       │
│  │ 6. 汇总结果 → 存储到 ReviewTask.contextData                   │       │
│  └──────────────────────────────────────────────────────────────┘       │
└─────────────────────────────────────────────────────────────────────────┘
                                    │
                                    ▼
┌─────────────────────────────────────────────────────────────────────────┐
│  Python Service (extraction_service)                                     │
│  ┌──────────────────────────────────────────────────────────────┐       │
│  │ 现有: /api/extract/docx (文本提取, mammoth/python-docx)       │       │
│  │ 🆕 新增: /api/v1/forensics/analyze_docx                       │       │
│  │    - python-docx 表格提取                                     │       │
│  │    - pandas 数据处理                                          │       │
│  │    - scipy 统计验证 (🆕 需新增依赖)                            │       │
│  │    - 返回 HTML 片段 + R1C1 坐标                               │       │
│  └──────────────────────────────────────────────────────────────┘       │
└─────────────────────────────────────────────────────────────────────────┘

通信机制说明：

通信路径	方式	超时	说明
reviewService → pg-boss	异步队列	-	✅ 已有，任务调度
ExtractionClient → Python	HTTP 同步	60-120s	✅ 已有，文本提取
DataForensicsSkill → Python	HTTP 同步	60s	🆕 新增，表格验证

📋 架构复用：V2.0 复用现有 pg-boss 异步架构，DataForensicsSkill 作为 reviewWorker 中的一个步骤执行，与 EditorialSkill/MethodologySkill 平级。

3.3 Skill 接口标准

// backend/src/modules/rvw/skills/core/types.ts

interface SkillContext {
  taskId: string;
  documentContent: string;      // Markdown 格式的文档内容
  documentPath?: string;        // 原始文件路径（用于Python处理）
  tables?: TableData[];         // 提取的表格数据
  methods?: string[];           // 检测到的统计方法
  previousResults?: SkillResult[]; // 前置Skill的结果
}

interface SkillResult {
  skillId: string;
  status: 'success' | 'warning' | 'error' | 'timeout';  // 新增 timeout 状态
  score?: number;               // 0-100 评分
  issues: Issue[];              // 发现的问题列表
  data?: any;                   // 结构化数据
  executionTime: number;        // 执行耗时(ms)
  timedOut?: boolean;           // 是否超时
}

interface Issue {
  severity: 'ERROR' | 'WARNING' | 'INFO';
  type: string;                 // 问题类型代码
  message: string;              // 人类可读描述
  location?: {                  // 问题位置
    tableId?: string;
    cellRef?: string;           // R1C1 坐标格式，如 "R3C4"
    paragraph?: number;
  };
  evidence?: any;               // 证据数据
}

interface Skill {
  id: string;
  name: string;
  description: string;
  timeout: number;              // 🆕 超时时间(ms)，默认 30000
  run(context: SkillContext, config?: any): Promise<SkillResult>;
}

// 🆕 Skill 执行配置
interface SkillExecutionConfig {
  defaultTimeout: number;       // 默认 30000ms (30s)
  maxRetries: number;           // 默认 0（不重试）
  continueOnError: boolean;     // 单个 Skill 失败是否继续，默认 true
}

📋 R1C1 坐标系统：所有单元格位置使用 R1C1 格式（如 R3C4 表示第3行第4列），确保前后端定位一致。前端根据此坐标直接高亮对应 <td> 元素。

3.4 Profile 配置结构

// MVP 阶段：硬编码默认配置
// V2.1 阶段：迁移到数据库

interface JournalProfile {
  id: string;
  name: string;                 // 如 "中华医学超声杂志"
  skills: string[];             // 要执行的Skill列表
  strictness: 'STRICT' | 'STANDARD' | 'LENIENT';
  config?: {
    dataForensics?: {
      checkLevel: 'L1' | 'L1_L2' | 'L1_L2_L3';
      tolerancePercent: number; // 容错百分比，默认 0.1
    };
    editorial?: {
      // 稿约规范性配置
    };
  };
}

// MVP 默认 Profile
const DEFAULT_PROFILE: JournalProfile = {
  id: 'default',
  name: '通用期刊',
  skills: ['DataForensicsSkill', 'EditorialSkill'],
  strictness: 'STANDARD',
  config: {
    dataForensics: {
      checkLevel: 'L1_L2',
      tolerancePercent: 0.1
    }
  }
};

---

4. 功能需求详述

4.1 数据侦探 (DataForensicsSkill)

4.1.1 Word 表格精准提取

需求ID	需求描述	优先级
FR-1.1	识别 Word 文档中的所有表格对象	P0
FR-1.2	处理合并单元格（Forward Fill 策略）	P0
FR-1.3	关联表格 Caption（向前回溯提取 "Table X. xxx"）	P0
FR-1.4	文件格式校验（仅接受 .docx，≤20MB）	P0
FR-1.5	单表行数限制（≤500行，超出跳过并警告）	P1

⚠️ FR-1.4 变更说明：原计划通过 LibreOffice 支持 .doc 格式，经评估 Docker 容器化复杂度过高（需 headless 模式、字体配置、进程池管理），决定 MVP 阶段仅支持 .docx。.doc 支持推迟到 V2.1 评估 Pandoc 等替代方案。

合并单元格处理示例：

原始表格：
| Group A        | Group B |
|-------|--------|---------|
| Male  | Female |         |
|  50   |   45   |   60    |

Forward Fill 后：
| Group A | Group A | Group B |
|---------|---------|---------|
| Male    | Female  |         |
|   50    |   45    |   60    |

4.1.2 L1 算术自洽性验证

需求ID	需求描述	优先级
FR-2.1	识别 n (%) 格式，验证 n/N 是否等于 %	P0
FR-2.2	识别 Total 列，验证是否等于其他列之和	P0
FR-2.3	容错范围：±0.1%（可配置）	P0

验证逻辑示例：

# 输入: "45 (50.0%)"，Total N = 90
# 计算: 45 / 90 = 0.5 = 50.0% ✅ 通过

# 输入: "45 (60.0%)"，Total N = 90
# 计算: 45 / 90 = 0.5 = 50.0% ≠ 60.0% ❌ 错误

4.1.3 L2 统计学复核

需求ID	需求描述	支持状态
FR-3.1	独立样本 T 检验 P 值逆向验证	✅ MVP
FR-3.2	卡方检验 P 值逆向验证	✅ MVP
FR-3.3	CI 与 P 值逻辑一致性检查	✅ MVP
FR-3.4	ANOVA 多组比较	❌ V2.1
FR-3.5	配对 T 检验 / McNemar	❌ V2.1
FR-3.6	生存分析 (Log-rank, Cox)	❌ V2.2
FR-3.7	非参数检验 (Mann-Whitney, Wilcoxon)	❌ V2.1
FR-3.8	回归分析 (Logistic, Cox, Linear)	❌ V2.2

CI 与 P 值逻辑检查（黄金法则）：

对于 OR/HR/RR 数据：
- 若 95% CI 跨越 1.0（如 0.8-1.2）→ P 值必须 ≥ 0.05
- 若 95% CI 不跨越 1.0（如 1.1-1.5）→ P 值必须 < 0.05

违反此规则 = 数据逻辑矛盾，高度疑似造假

4.1.4 方法学定位（确定性规则优先）

采用正则匹配优先，LLM兜底的策略，减少幻觉风险：

# 确定性规则
METHOD_PATTERNS = {
    "t-test": r"(t[\s-]?test|student.*test|independent.*sample|独立样本)",
    "chi-square": r"(chi[\s-]?square|χ2|卡方|pearson.*chi)",
    "anova": r"(anova|analysis\s+of\s+variance|方差分析)",
    "logistic": r"(logistic\s+regression|逻辑回归|二元回归)",
    "cox": r"(cox\s+regression|cox\s+proportional|生存分析|比例风险)",
    "mann-whitney": r"(mann[\s-]?whitney|wilcoxon|秩和检验)",
}

def extract_methods(text: str) -> list:
    """优先使用正则匹配，仅在无结果时调用LLM"""
    found = []
    for method, pattern in METHOD_PATTERNS.items():
        if re.search(pattern, text, re.IGNORECASE):
            found.append(method)
    
    # 如果正则无结果，可选调用LLM（V2.1增强）
    if not found:
        found = llm_extract_methods(text)  # 兜底
    
    return found

4.2 Skills 架构

4.2.1 Skill 注册与发现

需求ID	需求描述	优先级
FR-4.1	实现 SkillRegistry 注册表	P0
FR-4.2	支持 Skill 按 ID 获取	P0
FR-4.3	支持 Skill 列表查询	P1

4.2.2 Skill 编排执行

需求ID	需求描述	优先级
FR-5.1	根据 Profile 依次执行 Skills	P0
FR-5.2	前置 Skill 结果传递给后续 Skill	P0
FR-5.3	单个 Skill 失败不影响其他 Skill	P0
FR-5.4	执行结果汇总存储到 contextData	P0
FR-5.5	🆕 Skill 执行超时熔断（30s）	P0
FR-5.6	🆕 DataForensics 失败时降级执行	P0

4.2.3 🆕 超时熔断机制

// backend/src/modules/rvw/skills/core/executor.ts

async function executeWithTimeout(skill: Skill, context: SkillContext): Promise<SkillResult> {
  const timeout = skill.timeout || 30000; // 默认 30s
  
  try {
    const result = await Promise.race([
      skill.run(context),
      new Promise<never>((_, reject) => 
        setTimeout(() => reject(new Error('Skill execution timeout')), timeout)
      )
    ]);
    return result;
  } catch (error) {
    if (error.message === 'Skill execution timeout') {
      logger.warn({ skillId: skill.id, timeout }, 'Skill execution timed out');
      return {
        skillId: skill.id,
        status: 'timeout',
        issues: [{
          severity: 'WARNING',
          type: 'SKILL_TIMEOUT',
          message: `${skill.name} 执行超时，已跳过`
        }],
        executionTime: timeout,
        timedOut: true
      };
    }
    throw error;
  }
}

4.2.4 🆕 Fallback 降级机制

当 DataForensicsSkill（Word 表格提取）失败时，系统不应完全中断，而是降级运行：

正常流程：
  DataForensicsSkill ✅ → EditorialSkill → MethodologySkill → 完整报告

Fallback 流程（提取失败时）：
  DataForensicsSkill ❌ → EditorialSkill → MethodologySkill → 部分报告
                         ↑
                     记录失败原因，报告中显示：
                     "数据验证功能暂不可用：[具体原因]
                      建议：请检查 Word 文件格式或联系管理员"

前端展示：

• 数据验证 Tab 显示警告状态（黄色）
• 清晰说明失败原因
• 不影响其他审稿结果的展示

4.3 前端展示

4.3.1 数据验证报告

需求ID	需求描述	优先级
FR-6.1	TaskDetail 新增"数据验证"Tab	P0
FR-6.2	🆕 直接渲染后端返回的 HTML 片段	P0
FR-6.3	错误列表展示（按严重程度排序）	P0
FR-6.4	🆕 根据 R1C1 坐标高亮单元格	P1
FR-6.5	错误类型图标和颜色区分	P1
FR-6.6	🆕 提取失败时的降级展示	P0

4.3.2 🆕 后端渲染一致性保障

为确保前端表格显示与后端数据提取 100% 一致，采用"后端渲染"策略：

// 后端返回的表格数据结构
interface TableRenderData {
  id: string;                    // 表格ID
  caption: string;               // 表格标题
  html: string;                  // 🆕 预渲染的 HTML 片段
  data: string[][];              // 原始二维数组（备用）
  issues: Issue[];               // 问题列表，含 R1C1 坐标
}

// 前端高亮实现
function highlightCell(tableId: string, cellRef: string) {
  // cellRef 格式: "R3C4" -> 第3行第4列
  const [, row, col] = cellRef.match(/R(\d+)C(\d+)/);
  const cell = document.querySelector(
    `#${tableId} td[data-coord="R${row}C${col}"]`
  );
  cell?.classList.add('highlight-error');
}

HTML 片段示例：

<table id="tbl_0" class="forensics-table">
  <caption>Table 1. Baseline Characteristics</caption>
  <tr>
    <td data-coord="R1C1">Variable</td>
    <td data-coord="R1C2">Group A</td>
    <td data-coord="R1C3">Group B</td>
  </tr>
  <tr>
    <td data-coord="R2C1">Age</td>
    <td data-coord="R2C2">45.2 ± 12.3</td>
    <td data-coord="R2C3" class="has-issue">48 (60.0%)</td>  <!-- 错误单元格 -->
  </tr>
</table>

4.3.3 🆕 问题严重程度分级（终审建议）

为避免"狼来了"效应，系统对发现的问题进行严格分级：

级别	图标	标准	示例
🔴 Error	❌	数据确定性错误，几乎不可能是舍入/格式问题	算术加和不等、P 值严重矛盾（算出 <0.001，报告 >0.05）、SD > Mean（正值指标）
🟡 Warning	⚠️	疑似问题，可能是舍入误差或格式差异	P 值轻微偏差（±0.01）、Table 1 P 值分布过于完美、无法验证仅提示
🔵 Info	ℹ️	提示信息，非错误	未检测到统计方法、跳过大表格

前端展示规则：

• Error: 红色高亮 + 置顶展示 + 必须关注
• Warning: 黄色高亮 + 建议审阅
• Info: 灰色 + 可折叠

容错阈值配置（终审建议）：

# 舍入误差容错
P_VALUE_TOLERANCE = 0.01        # P值允许 ±0.01 差异
P_VALUE_RELATIVE_TOL = 0.05     # 或相对误差 ±5%
CI_TOLERANCE_PERCENT = 0.02     # CI 端点允许 ±2% 相对误差

# 只有超出容错阈值才报 Error，否则报 Warning

---

5. 分阶段实施计划

5.1 总体时间线

Week 1          Week 2          Week 3          Week 4
├─────────────┼─────────────┼─────────────┼─────────────┤
│ Python 核心 │ Node.js架构 │ 前端 + 联调 │ 测试 + 上线 │
│ L1 算术验证 │ Skills封装  │ 报告UI开发  │ Bug修复     │
│ 表格提取    │ L2统计补充  │ 全链路测试  │ 文档更新    │
└─────────────┴─────────────┴─────────────┴─────────────┘

5.2 Week 1: Python 核心能力（Day 1-5）

目标：输入 .docx 文件，Python API 能返回"第几张表第几行算错了" + HTML 预渲染片段

Day	任务	产出物	负责人
Day 1	环境准备	依赖配置完成	Python
	- 更新 python-extraction 镜像	requirements.txt 更新
	- 引入 python-docx, pandas, scipy
	- 文件大小/格式校验逻辑
Day 2	表格提取器开发	DocxTableExtractor 类	Python
	- 解析 Word DOM 结构
	- 处理合并单元格（Forward Fill）
	- 关联表格 Caption
	- 🆕 生成 HTML 片段（含 data-coord 属性）
Day 3	L1 算术验证器 + 🆕 L2.5 一致性取证	ArithmeticValidator + ConsistencyValidator 类	Python
	- n (%) 格式解析
	- Sum/Total 校验
	- 容错逻辑（±0.1%）
	- 🆕 返回 R1C1 坐标定位
	- 🆕 SE 三角验证（回归系数/OR/HR 一致性）
	- 🆕 SD > Mean 检查（正值指标启发式规则）
	- 🆕 CI 字符串清洗器（处理多种分隔符格式）
Day 4	API 封装	/api/v1/forensics/analyze_docx	Python
	- 请求/响应格式定义
	- 🆕 返回 HTML + JSON 双格式
	- 错误处理（含降级提示）
	- 日志记录
Day 5	单元测试 + 联调	测试用例通过	Python
	- 准备 5 个测试稿件(.docx)
	- 验证提取准确率
	- 🆕 验证 HTML 渲染一致性
	- 修复发现的问题

关键交付物：

• extraction_service/forensics/extractor.py - 表格提取器（含 HTML 生成）
• extraction_service/forensics/validator.py - 算术验证器
• extraction_service/forensics/consistency.py - 🆕 一致性取证验证器（SE 三角、SD>Mean）
• extraction_service/forensics/api.py - API 路由
• POST /api/v1/forensics/analyze_docx 接口可用

依赖变更（requirements.txt / requirements-prod.txt）：

# 现有依赖（已满足）
python-docx==1.1.0          # ✅ Docx 读取
pandas>=2.0.0               # ✅ 表格处理

# 新增依赖
+ scipy>=1.11.0             # 🆕 T检验、卡方检验逆向计算

📋 v1.1 变更：移除 LibreOffice 配置，Day 1 更加轻量化。新增 HTML 片段生成，确保前后端渲染一致性。

5.3 Week 2: Node.js 架构 + L2 统计（Day 6-10）

目标：后端通过 Skills 模式执行审稿，不再硬编码逻辑

Day	任务	产出物	负责人
Day 6	L2 统计验证器	StatValidator 类	Python
	- T 检验逆向计算
	- 卡方检验逆向计算
	- CI vs P 值逻辑检查
Day 7	Skill 接口定义	types.ts, registry.ts	Node.js
	- 定义 Skill 接口
	- 实现 SkillRegistry
	- 实现 SkillExecutor
Day 8	DataForensicsSkill	DataForensicsSkill.ts	Node.js
	- 调用 Python API
	- 结果转换为 SkillResult
	- 错误处理
Day 9	EditorialSkill 封装	EditorialSkill.ts	Node.js
	- 封装现有 editorialService
	- 适配 Skill 接口
Day 10	ReviewService 改造	reviewService.ts 更新	Node.js
	- 引入 Profile 配置
	- 使用 SkillExecutor 执行
	- 存储 contextData

关键交付物：

• backend/src/modules/rvw/skills/core/ - 核心框架
• backend/src/modules/rvw/skills/library/ - Skill 实现
• ReviewService 支持 Skills 模式

5.4 Week 3: 前端开发 + 联调（Day 11-15）

目标：用户能看到专业的"数据体检报告"

Day	任务	产出物	负责人
Day 11	数据验证 Tab	DataForensicsTab.tsx	Frontend
	- Tab 切换逻辑
	- 数据获取 Hook
Day 12	表格渲染组件	ForensicsTable.tsx	Frontend
	- 表格 HTML 渲染
	- 单元格高亮支持
Day 13	错误列表组件	IssueList.tsx	Frontend
	- 按严重程度排序
	- 点击定位功能
	- 错误类型图标
Day 14	全链路联调	E2E 测试通过	全员
	- 上传 → Python → Node → 前端
	- 修复集成问题
Day 15	UI 优化	样式完善	Frontend
	- 响应式适配
	- 加载状态
	- 空状态处理

关键交付物：

• frontend-v2/src/modules/rvw/components/DataForensicsTab.tsx
• frontend-v2/src/modules/rvw/components/ForensicsTable.tsx
• frontend-v2/src/modules/rvw/components/IssueList.tsx

5.5 Week 4: 测试与上线（Day 16-20）

目标：稳定发布，文档完善

Day	任务	产出物	负责人
Day 16	功能测试	测试报告	QA
	- 正常流程测试
	- 边界情况测试
	- 错误处理测试
Day 17	性能测试	性能报告	QA
	- 100 页 Word 文档测试
	- 并发上传测试
Day 18	Bug 修复	Bug 清零	开发
	- 修复测试发现的问题
Day 19	文档更新	更新完成	全员
	- 更新模块状态文档
	- API 文档补充
	- 用户使用指南
Day 20	上线部署	生产环境可用	DevOps
	- 更新 Docker 镜像
	- SAE 部署
	- 监控配置

---

6. 验收标准

6.1 功能验收

验收项	标准	验证方法
表格提取准确率	≥98%（三线表）	10份标准稿件测试
L1 算术检测	能检出 Sum 错误（如 50+50=90）	构造错误稿件测试
L2 P值检测	能检出 P 值逻辑错误	构造矛盾稿件测试
CI vs P 逻辑	能检出 CI 与 P 值矛盾	构造矛盾稿件测试
Skills 架构	代码中无硬编码审稿逻辑	代码审查
前端展示	错误高亮清晰可见	UI 走查

6.2 性能验收

验收项	标准	验证方法
处理时间	单文档 ≤ 60秒（100页内）	计时测试
并发处理	支持 5 个文档同时处理	压力测试
稳定性	连续 20 个文档无崩溃	稳定性测试

6.3 代码验收

验收项	标准
TypeScript 类型	无 any 类型滥用
错误处理	所有 async 函数有 try-catch
日志规范	使用 logger 服务
云原生规范	符合项目开发规范

6.4 🆕 非功能性需求 (NFRs)

需求	指标	验证方法
文件大小限制	上传文件 ≤ 20MB	前端校验 + 后端拦截
表格行数限制	单表 ≤ 500 行	后端校验，超出跳过并警告
Python 服务并发	支持 10 个并发请求	压力测试
Skill 执行超时	单个 Skill ≤ 30s	熔断机制
HTTP 调用超时	Node.js → Python ≤ 60s	配置校验
格式兼容性	仅 .docx，.doc 前端提示转换	功能测试

📋 并发说明：移除 LibreOffice 后，Python 服务为纯 CPU 计算，无进程池管理开销，并发能力提升。建议初始配置 10 并发，根据生产环境压测调整。

---

7. 风险管理

7.1 技术风险

风险	可能性	影响	缓解措施
合并单元格处理复杂度超预期	🟡 中	🔴 高	Day 2 重点攻关，预留 Day 5 缓冲
P 值逆向计算精度不够	🟡 中	🟡 中	设置合理阈值（差异 > 0.05 才报错）
🆕 用户上传 .doc 文件被拒	🟡 中	🟡 中	前端清晰提示，提供转换指导
🆕 HTML 渲染在不同浏览器表现不一致	🟢 低	🟡 中	使用标准 HTML table 标签，避免复杂 CSS
Python 镜像体积过大	🟡 中	🟢 低	优化依赖，使用多阶段构建

📋 v1.1 变更：移除 LibreOffice 相关风险（容器化、性能），新增 .doc 拒绝和浏览器兼容性风险。整体风险等级降低。

7.2 进度风险

风险	可能性	影响	缓解措施
Week 1 延期	🟡 中	🔴 高	Week 4 有缓冲天数
联调发现重大问题	🟡 中	🟡 中	Day 14 提前联调
测试人力不足	🟢 低	🟡 中	开发自测覆盖基础用例

7.3 应急预案

• 如果 Week 1 严重延期：砍掉 L2 统计验证，仅保留 L1 算术验证
• 如果前端来不及：直接使用后端 HTML 片段，简化高亮交互
• 如果 Skills 架构复杂度过高：MVP 阶段暂不封装，直接调用
• 🆕 如果 DataForensics 频繁失败：启用降级模式，优先保证 EditorialSkill 正常运行

---

8. 后续迭代规划

8.1 V2.1 迭代（预计 4 周）

主题：扩展统计验证能力 + 护栏中间件 + 格式兼容

功能	描述	优先级
ANOVA 验证	多组比较 P 值验证	P0
配对检验	Paired T-test, McNemar	P0
非参数检验	Mann-Whitney, Wilcoxon	P0
🆕 .doc 格式支持	评估 Pandoc 替代方案	P1
方法学章节定位	自动提取"统计分析"段落	P1
政治护栏	敏感词扫描（Pre-Hook）	P1
Profile 管理 UI	期刊配置界面	P2

8.2 V2.2 迭代（预计 6 周）

主题：复杂统计 + 交互式对话

功能	描述	优先级
生存分析验证	Log-rank, Cox 回归	P0
回归分析验证	Logistic, Linear, Cox	P0
跨表一致性检查	多表数据交叉验证	P1
ReAct 对话引擎	交互式审稿问答	P1
MedicalLogicSkill	医学常识校验（pgvector）	P2
BenchmarkSkill	竞品对标（联动 ASL）	P2

8.3 V2.3 迭代（预计 4 周）

主题：高级功能 + 独立产品

功能	描述	优先级
PDF 支持	基于视觉模型的表格识别	P1
图片查重	图片相似度检测	P2
独立产品打包	独立部署版本	P2
审稿人管理	多审稿人协作	P3

---

9. 附录

9.1 Python API 接口规范

Endpoint: POST /api/v1/forensics/analyze_docx

Request:

{
  "file_url": "oss://.../manuscript.docx",
  "config": {
    "check_level": "L1_L2",
    "tolerance_percent": 0.1,
    "max_table_rows": 500
  }
}

Response（成功）:

{
  "success": true,
  "methods_found": ["t-test", "chi-square"],
  "tables": [
    {
      "id": "tbl_0",
      "caption": "Table 1. Baseline Characteristics",
      "type": "BASELINE",
      "row_count": 10,
      "col_count": 5,
      "html": "<table id=\"tbl_0\" class=\"forensics-table\"><caption>Table 1...</caption><tr><td data-coord=\"R1C1\">Variable</td>...</tr></table>",
      "issues": [
        {
          "severity": "ERROR",
          "type": "ARITHMETIC_ERROR",
          "cell_ref": "R3C4",
          "message": "计算百分比 (48.0%) 与报告值 (50.0%) 不符",
          "evidence": {
            "calculated": 48.0,
            "reported": 50.0,
            "n": 24,
            "N": 50
          }
        }
      ],
      "data": [
        ["Variable", "Group A", "Group B", "P-value"],
        ["Age", "45.2 ± 12.3", "44.8 ± 11.9", "0.82"]
      ]
    }
  ],
  "execution_time_ms": 1234
}

Response（失败/降级）:

{
  "success": false,
  "error": {
    "code": "EXTRACTION_FAILED",
    "message": "Word 文档结构异常，无法提取表格",
    "details": "表格嵌套过深，超出解析能力"
  },
  "fallback_available": true,
  "execution_time_ms": 234
}

📋 v1.1 新增：

• 响应中增加 html 字段，包含预渲染的 HTML 片段
• 单元格包含 data-coord 属性用于前端高亮定位
• 新增失败响应格式，支持前端降级展示

9.2 数据库变更

// prisma/schema.prisma 变更

model ReviewTask {
  // ... 现有字段 ...
  
  // V2.0 新增
  contextData     Json?     // Skills 执行结果汇总
  profileId       String?   // 使用的 Profile ID
  skillsExecuted  String[]  // 已执行的 Skill 列表
}

9.3 目录结构

backend/src/modules/rvw/
├── routes/index.ts
├── controllers/reviewController.ts
├── services/
│   ├── reviewService.ts          # 主服务（改造）
│   ├── editorialService.ts       # 保留
│   └── methodologyService.ts     # 保留
├── skills/                       # 🆕 新增
│   ├── core/
│   │   ├── types.ts              # 接口定义
│   │   ├── registry.ts           # 注册表
│   │   └── executor.ts           # 执行器
│   ├── library/
│   │   ├── DataForensicsSkill.ts # 数据侦探
│   │   ├── EditorialSkill.ts     # 稿约规范性
│   │   └── MethodologySkill.ts   # 方法学评估
│   └── profiles/
│       └── default.ts            # 默认配置
├── workers/reviewWorker.ts
└── types/index.ts

extraction_service/                   # Python 微服务（现有）
├── main.py                           # FastAPI 入口
├── extractors/                       # 现有提取器
│   ├── pdf_extractor.py
│   ├── docx_extractor.py
│   └── ...
├── forensics/                        # 🆕 新增模块
│   ├── __init__.py
│   ├── extractor.py                  # Word 表格提取
│   ├── html_renderer.py              # HTML 片段生成（含 data-coord）
│   ├── validator.py                  # 算术/统计验证
│   └── api.py                        # FastAPI 路由
├── requirements.txt                  # 开发依赖（+ scipy）
└── requirements-prod.txt             # 生产依赖（+ scipy）

frontend-v2/src/modules/rvw/
├── pages/Dashboard.tsx
├── components/
│   ├── TaskDetail.tsx            # 修改（新增 Tab）
│   ├── DataForensicsTab.tsx      # 🆕 新增
│   ├── ForensicsTable.tsx        # 🆕 新增
│   ├── IssueList.tsx             # 🆕 新增
│   └── ...
└── types/index.ts                # 更新类型

9.4 测试数据准备清单

MVP 开发前需准备以下测试稿件（全部为 .docx 格式）：

#	稿件类型	用途	状态
1	标准三线表稿件（正确）	基准测试	⬜ 待准备
2	含算术错误的稿件	L1 验证测试	⬜ 待准备
3	含 P 值错误的稿件	L2 验证测试	⬜ 待准备
4	含 CI vs P 矛盾的稿件	逻辑检查测试	⬜ 待准备
5	复杂合并单元格稿件	边界测试	⬜ 待准备
6	100 页长稿件	性能测试	⬜ 待准备
7	🆕 超大表格稿件（>500行）	限制测试	⬜ 待准备
8	🆕 损坏/异常 Word 文件	降级测试	⬜ 待准备

📋 v1.1 变更：移除 .doc 格式测试，新增超大表格和异常文件测试用例。

9.5 Python 依赖变更清单

现有依赖（已满足，无需修改）：

依赖	版本	用途	状态
python-docx	1.1.0	Word 文档解析、表格提取	✅ 已有
pandas	≥2.0.0	DataFrame 处理、数据清洗	✅ 已有
pdfplumber	0.10.3	备用 PDF 处理	✅ 已有
fastapi	0.104.1	API 框架	✅ 已有
loguru	0.7.2	日志	✅ 已有

需新增依赖：

依赖	版本	用途	大小
scipy	≥1.11.0	T检验、卡方检验统计计算	~30MB

requirements.txt 变更：

# 在 pandas 行后添加
pandas>=2.0.0               # 表格处理
+ scipy>=1.11.0             # 统计验证（T检验、卡方检验）

📋 依赖说明：scipy 是 numpy 生态的标准统计库，与现有 pandas 兼容良好，不会引入冲突。

9.6 相关文档索引

文档	路径	说明
PRD	00-系统设计/RVW V2.0 MVP 产品需求文档 (PRD).md	产品需求
架构方案	00-系统设计/RVW V2.0 架构升级方案：基于 Skills 的柔性审稿引擎.md	技术架构
技术设计	00-系统设计/RVW V2.0 数据侦探：Word 优先架构技术设计文档.md	详细设计
实施计划	00-系统设计/RVW V2.0 融合实施作战计划：架构与功能的统一.md	原始计划
V1.0 状态	00-模块当前状态与开发指南.md	当前状态

---

文档版本： v1.1.1
创建日期： 2026-02-17
下次更新： Week 1 结束后更新进度
状态： 📋 待启动（团队审查通过，代码一致性已校验）

---

📝 变更记录

日期	版本	变更内容	作者
2026-02-17	v1.0	初始版本，整合 PRD + 架构 + 技术设计 + 审查建议	开发团队
2026-02-17	v1.1	根据团队深度审查报告更新	开发团队
		✅ 移除 LibreOffice，仅支持 .docx 格式
		✅ 新增 Python 返回 HTML 片段 + R1C1 坐标
		✅ 新增 Skill 执行 30s 超时熔断机制
		✅ 新增 DataForensics 失败降级机制
		✅ 新增 NFRs（文件≤20MB，单表≤500行，并发10）
		✅ 明确 Node.js ↔ Python HTTP 60s 超时
		✅ 更新测试用例清单
2026-02-17	v1.1.1	根据实际代码校验更新	开发团队
		✅ 修正数据流图：复用现有 pg-boss 异步架构
		✅ 明确 ExtractionClient 已有 HTTP 通信机制
		✅ 新增 scipy 依赖说明（统计验证必需）
		✅ 补充 Python 依赖变更清单（附录 9.5）