AIclinicalresearch/docs/03-业务模块/ASL-AI智能文献/05-开发记录/2025-11-21-字段映射问题修复.md

字段映射问题修复报告

日期: 2025-11-21
问题: 真实LLM筛选失败（成功：0/20）
原因: 字段名不匹配
状态: ✅ 已修复

---

🔍 问题诊断

症状

任务状态: completed
进度: 20/20
成功: 0 ❌
筛选结果数: 0

表现：

• 任务瞬间完成（1秒）
• 所有文献处理失败
• 没有保存任何筛选结果

---

🎯 根本原因

问题1: PICOS字段名不匹配

前端/数据库格式 (TitleScreeningSettings.tsx):

picoCriteria: {
  P: '2型糖尿病患者...',
  I: 'SGLT2抑制剂...',
  C: '安慰剂或常规治疗...',
  O: '心血管结局...',
  S: 'RCT'
}

LLM服务期望格式 (llmScreeningService.ts):

// 实际上支持两种格式，但优先使用短格式
picoCriteria: {
  P: '...',  // ✅
  I: '...',  // ✅
  C: '...',  // ✅
  O: '...',  // ✅
  S: '...'   // ✅
}

诊断：前端使用 P/I/C/O/S 格式，但 screeningService.ts 直接传递了数据库的原始格式，未做映射。

---

问题2: 模型名格式不匹配

前端格式 (TitleScreeningSettings.tsx):

models: ['DeepSeek-V3', 'Qwen-Max']

LLM服务期望格式 (llmScreeningService.ts):

models: ['deepseek-chat', 'qwen-max']

原因：前端使用展示名称，后端需要API名称。

---

问题3: 缺少字段验证

文献可能缺少 title 或 abstract，导致LLM调用失败。

---

✅ 修复方案

修复1: 添加PICOS字段映射

文件: backend/src/modules/asl/services/screeningService.ts

// 🔧 修复：字段名映射（数据库格式 → LLM服务格式）
const rawPicoCriteria = project.picoCriteria as any;
const picoCriteria = {
  P: rawPicoCriteria?.P || rawPicoCriteria?.population || '',
  I: rawPicoCriteria?.I || rawPicoCriteria?.intervention || '',
  C: rawPicoCriteria?.C || rawPicoCriteria?.comparison || '',
  O: rawPicoCriteria?.O || rawPicoCriteria?.outcome || '',
  S: rawPicoCriteria?.S || rawPicoCriteria?.studyDesign || '',
};

优势：

• ✅ 兼容两种格式（P/I/C/O/S 或 population/intervention/...）
• ✅ 防御性编程，避免undefined

---

修复2: 添加模型名映射

// 🔧 修复：模型名映射（前端格式 → API格式）
const MODEL_NAME_MAP: Record<string, string> = {
  'DeepSeek-V3': 'deepseek-chat',
  'Qwen-Max': 'qwen-max',
  'GPT-4o': 'gpt-4o',
  'Claude-4.5': 'claude-sonnet-4.5',
  'deepseek-chat': 'deepseek-chat',  // 兼容直接使用API名
  'qwen-max': 'qwen-max',
  // ... 更多映射
};

const rawModels = screeningConfig?.models || ['deepseek-chat', 'qwen-max'];
const models = rawModels.map((m: string) => MODEL_NAME_MAP[m] || m);

映射表：

前端展示名	API名称
DeepSeek-V3	deepseek-chat
Qwen-Max	qwen-max
GPT-4o	gpt-4o
Claude-4.5	claude-sonnet-4.5

---

修复3: 添加文献验证

// 🔧 验证：必须有标题和摘要
if (!literature.title || !literature.abstract) {
  logger.warn('Skipping literature without title or abstract', {
    literatureId: literature.id,
    hasTitle: !!literature.title,
    hasAbstract: !!literature.abstract,
  });
  console.log(`⚠️  跳过文献 ${processedCount + 1}: 缺少标题或摘要`);
  processedCount++;
  continue;
}

---

修复4: 增强调试日志

console.log('\n🚀 开始真实LLM筛选:');
console.log('  任务ID:', taskId);
console.log('  项目ID:', projectId);
console.log('  文献数:', literatures.length);
console.log('  模型（映射后）:', models);  // ⭐ 显示映射后的值
console.log('  PICOS-P:', picoCriteria.P?.substring(0, 50) || '(空)');
console.log('  PICOS-I:', picoCriteria.I?.substring(0, 50) || '(空)');
console.log('  PICOS-C:', picoCriteria.C?.substring(0, 50) || '(空)');
console.log('  纳入标准:', inclusionCriteria?.substring(0, 50) || '(空)');
console.log('  排除标准:', exclusionCriteria?.substring(0, 50) || '(空)');

---

🧪 测试步骤

1. 重启后端（必须！）

# 停止当前后端（Ctrl+C）
cd D:\MyCursor\AIclinicalresearch\backend
npm run dev

2. 测试（小规模）

1. 访问前端
2. 填写PICOS
3. 上传5篇文献（先测试小规模）
4. 点击"开始AI初筛"

3. 查看后端控制台

应该看到：

🚀 开始真实LLM筛选:
  任务ID: xxx
  文献数: 5
  模型（映射后）: [ 'deepseek-chat', 'qwen-max' ]
  PICOS-P: 2型糖尿病患者...
  PICOS-I: SGLT2抑制剂...
  PICOS-C: 安慰剂...
  纳入标准: 成人2型糖尿病...
  排除标准: 综述、系统评价...

[等待10-20秒]

✅ 文献 1/5 处理成功
  DS: include / Qwen: include
  冲突: 否

[等待10-20秒]

✅ 文献 2/5 处理成功
  DS: exclude / Qwen: exclude
  冲突: 否
...

---

📊 预期效果

修复前

• ⏱️ 1秒完成20篇
• ❌ 成功：0
• ❌ 筛选结果数：0

修复后

• ⏱️ 50-100秒完成5篇（每篇10-20秒）
• ✅ 成功：5
• ✅ 筛选结果数：5
• ✅ 证据包含真实的AI分析
• ✅ 证据不包含"模拟证据"

---

🔧 修改文件

• ✅ backend/src/modules/asl/services/screeningService.ts
  • 添加PICOS字段映射
  • 添加模型名映射
  • 添加文献验证
  • 增强调试日志

---

💡 经验教训

1. 前后端数据格式一致性

• 前端使用的展示格式 ≠ 后端API格式
• 需要在集成层做映射

2. 防御性编程

• 使用 || 提供默认值
• 验证必需字段
• 兼容多种格式

3. 调试日志的重要性

• 显示映射后的值（不是原始值）
• 输出所有关键参数
• 帮助快速定位问题

---

🎯 后续优化

短期

1. ✅ 字段映射（已完成）
2. ✅ 模型名映射（已完成）
3. ✅ 验证必需字段（已完成）

中期

1. 统一前后端数据格式（使用 TypeScript 接口）
2. 添加数据格式验证中间件
3. 改进错误提示

长期

1. 使用 tRPC 或 GraphQL 确保类型安全
2. 自动化测试覆盖
3. Schema验证

---

报告人: AI Assistant
日期: 2025-11-21
版本: v1.0.0