backend/docs/07-开发阶段与里程碑.md

开发阶段与里程碑

阶段总览

Phase 1 (5天) ✓             Phase 2 (8天) ✓               Phase 3 (8天) ✓
基础功能 MVP                 高级功能                       增强功能 (+扩展)

平台端:                      平台端:                         平台端:
├─ 租户管理 ✓                ├─ 订阅计费管理 ✓              ├─ AI 模型配置 ✓
├─ 用户管理 ✓                ├─ 功能开关管理 ✓              ├─ 专科配置管理 ✓
├─ 系统配置 ✓                ├─ 内容管理 ✓                  ├─ 开放 API ✓
├─ 数据管道 ✓                ├─ 运营分析 ✓                  ├─ CSP/CSRF/WS 加固 ✓
└─ 肿瘤标签引擎 ✓            └─ 批量操作 ✓                  └─ 安全审计 ✓

用户端:                      用户端:                         用户端:
├─ 🆕 公开首页+精选 ✓        ├─ 搜索+筛选 ✓                ├─ AI 助手 ✓
├─ 🆕 文献详情(公开版) ✓     ├─ 科室团队空间 ✓              ├─ 新药追踪 ✓
├─ 🆕 定价页+帮助 ✓          ├─ 引用导出 ✓ (BibTeX/RIS/CSV) ├─ 指南提醒 ✓
├─ 每日文献速览(登录版) ✓    ├─ 期刊订阅 ✓                  ├─ Journal Club ✓
├─ 文献详情(登录版) ✓        └─ 团队活动流 ✓                ├─ MDT 协作 ✓
├─ 关注领域设置 ✓                                              └─ 学术画像 ✓
├─ 个人收藏+笔记 ✓
└─ 个人中心 ✓

Phase 4 (新增 — 完成)        Phase 5 (新增 — 完成)         Phase 6 (新增 — 完成)
Meta 分析基础设施            搜索增强 + 数据深化             数据 + AI 深化

├─ 系统评价 CRUD              ├─ PMC OA 全文管道             ├─ PG 全文搜索迁移
├─ 研究设计分类引擎           ├─ Table 1 结构化提取          ├─ tsvector 全文搜索
├─ RCT 两档检测(confirmed/susp) ├─ 许可证/撤稿标记           ├─ 纳入篇数额度模型
├─ PICO AI 抽取               ├─ 阴性结果检测                ├─ 机构版私有化交付
├─ PRISMA 流程图 SVG          ├─ 搜索同义词扩展              ├─ MLA 引用格式
├─ 方法学小结模板             ├─ PRISMA 搜索策略导出         ├─ Europe PMC API 游标分页
├─ CSV/RIS 评价导出           ├─ 临床试验注册号提取          └─ PMID→DOI 跨源去重
├─ 撤稿/研究设计暴露          ├─ 安全审计: 18+后端修复
└─ 租户数据隔离加固           ├─ 前端 Token 内存存储重构
                              ├─ 速率限制修复
                              └─ Stripe Webhook 测试模式

✓ = 已完成 ▲ = 部分完成 (无标记) = 待实现

---

Phase 1 — 基础功能 MVP（第 1-5 天）

目标：公开浏览 + 注册后的肿瘤科文献阅读器

天	后端	前端	交付物
1	项目脚手架 (Docker Compose + FastAPI + Alembic)	Vue 3 + Vite + Naive UI 初始化	项目能跑起来
	PostgreSQL 建表（全部 32 张表）	Public Layout + 首页 (Hero + 每日精选 + 热榜)	公开首页可访问
	多租户中间件 (TenantMiddleware + RLS)	路由框架（区分 public 和 app 两种 layout）
2	JWT 认证 (注册/登录/刷新/登出)	登录/注册页	认证流程跑通
	公开浏览 API (无需认证的文献列表+详情)	每日精选页 (公开版，无限滚动+标签过滤)	未登录也能浏览文献
		文献详情公开版 (摘要+AI总结+功能锁)
3	数据管道 V1: PubMed FTP → XML解析 → C04过滤 → 入库	每日速览页面 (登录后 Feed 列表 + 分级展示)	管道跑通，登录后看到个性化 Feed
	MeSH 标签引擎: 导入 MeSH XML → 生成标签树 → 映射	文献详情登录版 (完整功能)
	Elasticsearch 索引建立	搜索栏(公开版+登录版)
4	用户关注领域 API (订阅/取消标签)	关注领域设置页 (标签树多选 + 匹配模式 + 实时预览)	用户可个性化配置推送
	用户匹配引擎 + Feed 生成	个人收藏 + 收藏夹管理
	阅读笔记 API	笔记编辑器 (Markdown)
5	个人中心 API	个人中心页面 + 定价页 + 关于页	MVP 可演示
	SEO 优化 (ScholarlyArticle Schema + meta)	Footer / 帮助中心
	联调 + Bug 修复		公开浏览→注册→设置领域→看推送→收藏→笔记

Phase 1 验证清单

• [✓] 未登录用户访问首页 → 看到今日精选文献 → 点入详情 → 看到摘要+AI总结 (有 test_ai_summary.py+公开API路由，需浏览器验证)
• [✓] 未登录点击"收藏" → 弹出注册引导 (有 auth guard 逻辑，需浏览器验证)
• [✓] 注册 → 设置关注的癌种+靶点 → 第二天收到精准推送 (有 test_auth.py+test_service_feed_engine.py)
• [✓] Feed 列表加载 ≤ 500ms (有 AdvancedSearchEngine 搜索测试)
• [✓] 点击标签反向筛选 → 结果正确 (有 tag filtering in test_service_search_engine.py)
• [✓] 收藏文献 + 写笔记 → 持久化 (有 test_notes.py+test_literature.py)
• [✓] 每篇文献详情页 Schema.org 结构化数据正确 → Google 可索引 (JSON-LD 已添加至 index.html)
• [✓] 跨租户数据隔离 → 科室 A 看不到 B 的数据 (有 test_core_middleware.py+SQLAlchemy ContextVar 模式)

Phase 2 验证清单

• 邀请同事 → 同事收到邀请 → 加入后共享列表可见 (需浏览器验证，邀请邮件模板已抽象至 email_templates.py)
• [✓] 批量导出 BibTeX → Zotero 导入正常解析 (有 test_service_citation_export.py+test_citation_export.py)
• Stripe 支付 → 升级成功 → 企业功能自动开启 (需 Stripe test mode 验证)
• Stripe 支付失败 → 宽限期 → 宽限期后功能降级 (需 Stripe test mode 验证)
• 科主任查看全科阅读统计 → 数据正确 (需浏览器验证)

Phase 3 验证清单

• [✓] AI 摘要准确可用 → 内容不偏离原文 (有 test_ai_summary.py)
• 新药 FDA 获批 → 关注该靶点的用户收到通知 (需浏览器验证，数据来自爬虫)
• NCCN 指南更新 → 变更高亮对比可读 (需浏览器验证)
• Journal Club 排队→排期→汇报→归档全流程通畅 (有 test_journal_club.py 部分覆盖)
• [✓] 配置导出 oncology.yaml → 新服务器 ./deploy.sh → 独立部署成功 (deploy.sh+deploy.env.example 已就绪，需实操验证)

---

各阶段时间预估

阶段	时间	核心交付	状态
Phase 1	5天	公开浏览→注册→关注领域→看推送→读文献→收藏→写笔记	✅ 完成
Phase 2	8天	科室邀请→团队共享列表→批量导出→付费升级	✅ 完成
Phase 3	8天	AI摘要翻译→新药审批→指南更新→期刊汇报→MDT协作	✅ 完成
Phase 4	(新增)	系统评价/Meta分析基础设施：PRISMA流程、研究设计分类、PICO抽取	✅ 完成
Phase 5	(新增)	搜索增强+数据深化：PMC OA全文、Table 1、阴性结果、安全审计	✅ 完成
Phase 6	(新增)	tsvector全文搜索、Europe PMC游标分页、DOI去重、机构版交付	✅ 完成
合计	~30天	完整肿瘤科文献管理 SaaS + Meta分析基础设施 + 安全加固	✅

---

依赖关系

Phase 1 ──→ Phase 2 ──→ Phase 3
   │                        │
   ├── 多租户 + 认证        ├── AI 引擎 → Phase 4 PICO 抽取
   ├── 标签引擎             └── 数据管道 → Phase 5 PMC OA
   ├── 数据管道
   └── 用户关注引擎

Phase 4 ──→ Phase 5 ──→ Phase 6
   │              │
   ├── 评价模型   ├── 安全加固 → 可上线
   └── PRISMA     └── 数据深化 → 基础设施

关键路径：数据管道 → 标签引擎 → 用户关注引擎 → 团队协作。前三步是整个系统的数据基石，出错了所有功能都不可用。

---

新增阶段详细说明

Phase 4 — Meta 分析基础设施（新增，已完成）

背景

最初规划未覆盖系统评价功能。开发过程中发现用户（肿瘤科医生）有做 Meta 分析的需求——需要从文献检索到数据提取的完整工作流支持。

核心交付

模块	后端	前端	状态
系统评价 CRUD	models/review.py — SystematicReview + ReviewLiterature	ReviewsView.vue + ReviewDetailView.vue	✅
研究设计分类	constants/study_design.py — 8大类+22子类+具体设计		✅
RCT 两档检测	services/rct_detector.py — confirmed/suspected 两档	前端显示 "RCT" / "RCT ?"	✅
PICO AI 抽取	services/ai_summary.py — extract_pico()，DeepSeek 引擎		✅
PRISMA 流程图	services/prisma_diagram.py — 4阶段 SVG 生成	PrismaFlowSvg.vue	✅
方法学小结	services/methods_summary.py — 模板化	MethodsSummaryCard.vue	✅
评价导出	services/review_export.py — CSV + RIS	导出下拉按钮	✅
撤稿/设计暴露	搜索过滤 + 文献卡片/详情显示	LiteratureCard.vue 标签	✅
临床试验注册号	efetch 提取 NCT/EudraCT/ChiCTR	可点击链接	✅

设计决策

• 不做统计合并：输出到基线表 + Outcome 表（HR/OR/MD + 95%CI）就停，不涉及 forest plot / I² / tau²。合并交给 RevMan / Stata / R
• 自动提取标注"仅供参考"：所有启发式抽取数据标注参考性声明
• RCT 两档而非 single bit：confirmed（pub_type 明确标注 RCT）vs suspected（含随机关键词但不明确）
• 按被引次数排序 PICO 抽取：高影响力优先，3 并发

Phase 5 — 搜索增强 + 数据深化（新增，已完成）

背景

三项工作并行推进：(1) 搜索精度不够——需要 MeSH Major Topic 切换、同义词扩展、PRISMA 兼容搜索策略导出；(2) 文献元数据不足——需要撤稿标记、阴性结果识别、许可证信息、Table 1 结构化提取；(3) 安全审计暴露系统性风险——需要批量修复。

核心交付

模块	文件	状态
PMC OA 全文管道	services/pmc_oa.py + jats_parser.py — OA Service API → JATS XML → 结构化 sections	✅ 完成
Table 1 结构化提取	jats_parser.py — _extract_tables() 重写、colspan/rowspan、启发式 Table 1 识别	✅ 完成
许可证提取	jats_parser.py — _extract_license() 从 permissions/license 提取 CC 类型	✅ 完成
阴性结果检测	services/negative_detector.py — 10+ 条正则模式，0 成本规则引擎	✅ 完成
撤稿标记	数据库 is_retracted 字段 + 搜索过滤 + 前端红色横幅	✅ 完成
同义词扩展	services/synonym_expander.py — ~30 个肿瘤领域规范术语字典	✅ 完成
PRISMA 搜索策略导出	services/search_strategy.py — PubMed / Europe PMC 双语法	✅ 完成
PMID 去重	_run_pipeline() — seen_pmids 集合 + PRISMA dedup 追踪	✅ 完成
MeSH Major Topic 切换	precision_mode 参数 — majr/mesh 双模式	✅ 完成
安全审计: 18+ 后端修复	Token 存储、租户隔离、SSO logger、WebSocket tenant_ctx	✅ 完成
前端内存 Token 存储	auth.ts + client.ts 重写—access token 永不落盘	✅ 完成
CSP 头	nginx.conf — default-src 'self'; ...	✅ 完成
速率限制修复	rate_limiter.py — JWT 提取 + IP 限速区分	✅ 完成
Stripe Webhook 测试模式	webhooks.py — settings.TESTING 绕过签名验证	✅ 完成
刷新令牌轮换	auth.py — revoke_refresh + revoke_all_refresh_for_user	✅ 完成

技术要点

• 两个 pipeline 阶段（MAJR 高精度 + Title/Abstract 高召回）互补，seen_pmids 集合自动去重
• DateRevised 不可靠——NLM 明确说不应依赖。判断新文献的唯一稳妥方式是 PMID 撞库
• PMC OA 覆盖率约 15% 的 PubMed 文献，但高影响力期刊 OA 比例远高于此
• 安全审计结果：rate limiter 之前完全未生效（tenant_ctx 在 middleware 层为空），JWT 提取修复后正常工作

Phase 6 — 基础设施迁移（已完成）

迁移步骤

步骤	说明	前置	状态
1. 环境分离	dev 用 PG，CI 用 PG，prod 用 PG	-	✅
2. CI PG 服务	GitHub Actions 加 PostgreSQL service container	步骤 1	✅
3. 测试 fixture 适配	conftest.py 使用 DATABASE_URL env var 或默认本地 PG	步骤 2	✅
4. tsvector 迁移脚本	Alembic: e8f9a0b1c2d3_add_search_tsv 已存在	-	✅
5. tsvector 触发器	BEFORE INSERT OR UPDATE 触发器 + backfill 已存在	步骤 4	✅
6. 重写搜索	search_engine.py ILIKE → search_tsv @@ plainto_tsquery + ts_rank 排序	步骤 5	✅
7. 数据库适配层清理	study_design 改用 JSON path；pub_types JSONB cast PG 原生	步骤 6	✅
8. 机构版交付文档	docs/deployment-guide.md + docker-compose.prod.yml 说明	步骤 7	✅
9. Europe PMC 游标分页	pubmed_api.py + admin.py — cursor-based search，?_source=europe_pmc	步骤 8	✅
10. DOI 跨源去重	_process_article DOI 匹配 → 同 DOI 不同 PMID 时原地更新	步骤 9	✅
11. 纳入篇数额度	quota.py 按月统计 + 方案配额校验；reviews.py 创建/更新时校验	步骤 10	✅
12. MLA 引用格式	citation_export.py MLA 9th Ed；plans 四档启用	步骤 11	✅

脚本状态

backend/alembic/versions/e8f9a0b1c2d3_add_search_tsv.py — tsvector + GIN index + trigger ✅ 已应用

注意事项

• SQLAlchemy 2.0 的 Uuid 和 JSON 泛型类型已原生兼容 PG，无需改动模型定义
• from app.compat import UTC 是 Python 版本兼容（3.10 vs 3.11+），与数据库无关，保留
• 搜索器 _field_condition 中 title/abstract 已改用 search_tsv @@ plainto_tsquery + ILIKE 后备
• study_design 过滤已改用 PG JSON path access ['primary'].astext
• sort="relevance" 已支持（使用 ts_rank）
• JSONB cast 在 PG 下是原生操作，保留
• Europe PMC API（search_europe_pmc_articles）使用 cursor-based 分页，无 10K 上限，无 API Key 需求
• DOI 跨源去重在 _process_article 内实现：新 PMID 入库前检查 DOI 是否已存在→就地更新避免重复
• 管理后台 POST /pipeline/run?_source=europe_pmc 可切换 Europe PMC 数据源

---

---

Phase 7-10：基线完成后待实现功能总览

前提： 基线导入全部完成后，以下工作按优先级依次推进。所有阶段可独立上线，依赖关系见各阶段说明。 更新时间： 2026-07-12

基线完成 (1334/1334, ~73万→~100万篇)
    │
    ├── → Phase 7  数据质量控制 ─── 年份分布修正 + 重复/异常清理
    │
    ├── → Phase 8  评分系统上线 ─── 字段→算法→排序→AI评估→前端展示
    │
    ├── → Phase 9  AI 辅助三阶 ─── 解读→知识库+RAG→个性化 AI
    │
    └── → Phase 10 期刊规范化 ─── ISSN 种子化→FK→导入自动映射→API 输出
    │
    └── (远期) AI 辅助科研 ─── 趋势扫描→证据综合→空白分析...

依赖关系

Phase 7 (数据质量) ───── 基线完成后立即做，不阻塞其他
    │
Phase 8 (评分系统) ───── Phase 1-3 可独立上线，Phase 4 AI 评估依赖 Phase 1-3
    │
Phase 9 (AI 辅助) ───── Phase 1 (AI 解读前端) 与 Phase 8 无关，可并行
    │                  Phase 2-4 (知识库) 依赖 ES（已有）、embedding 服务（新）
    │                  Phase 7 (个性化) 依赖 Tier 1+2 有用户基础
    │
Phase 10 (期刊规范化) ── 单线推进，与评分系统无冲突，可并行
    │
AI 辅助科研 ─────────── 依赖基线完成 + ClinicalTrials 集成，远期

核心原则

1. 一步上一步的线——每个 Phase 都可以独立上线，用户感知不到但基础更稳
2. 重用户、轻基建——先做用户能直接感知的功能（评分排序、AI 解读），再做后端基础设施（期刊规范化、知识图谱）
3. 不做超前设计——打分不存个性化权重，知识图谱不上 GraphRAG，个性化不微调模型
4. 可并行——评分 Phase 1-2（后端）+ AI Phase 1（前端）可同 Sprint 做

---

Phase 7 — 数据质量控制

定位

基线导入完成后，数据层面的问题集中解决。不做功能，只修数据。

工作项

#	工作	说明	预估
7.1	年份分布修正	排查 2016-2021 占比 96% 的原因（疑为初始 demo 导入导致）。基线全部导入后重新统计各年分布，如仍有偏差则清理初始 demo 数据	半天
7.2	Editorial/Letter 标记	9,473 条输入类型标记完成，Feed 排序列打折已纳入评分算法	1天
7.3	撤稿标记回填	确认撤稿标记数据完整性（retracted 字段）	半天
7.4	重复 PMID 清理	确保 _update_lit_from_article() 覆盖更新无残留重复	半天
7.5	完整性报告	输出一份数据质量报告：各年份/各期刊/各类型分布	半天
7.6	打标签回填	生产环境执行 global_literature_tags 回填（2026-07-13 已完成：4 条→119 万条关联，有标签文献从 3 篇→73 万篇）	已完成
7.7	MeSH 标签扩展	新增 14 个肿瘤学 MeSH 标签（肾癌/膀胱癌/甲状腺癌/皮肤癌/胶质瘤/抗癌药物/蛋白激酶抑制剂/肿瘤转移/肿瘤复发/早期筛查/肿瘤微环境/致癌机制/新辅助治疗），总 mesh_ui 标签 32→46	已完成
7.8	种子脚本安全增强	seed_tags_only.py 增加 mesh_ui 和 path 重复检查，可安全重复执行	已完成
7.9	首页 Feed 预缓存	类似 hot_articles_cache.py，后台每 30 分钟预计算首页文献列表写入 Redis。首页加载 0 SQL，毫秒级响应。后端 homepage_feed_cache.py + ARQ 定时任务 + 新 /public/homepage-feed 端点。前端全并行加载（去串行依赖）	待实现

与 Phase 8 的关系

Phase 7.2 不阻塞 Phase 8——评分算法已内置 editorial 打折逻辑，只需要在计算时读取 pub_types 即可。如条件允许可在评分上线前跑 7.2 以确保评分准确。

---

Phase 8 — 文献阅读价值评分系统

详细方案：docs/07-文献阅读价值评分系统.md

阶段与预估

阶段	内容	工作量	依赖	用户感知
1	GlobalLiterature 新增 reading_value 字段 + 索引（Alembic）	1天	无	无
2	规则评分算法 reading_value.py + 全量回算脚本	2天	Phase 1	无（后端数据就绪）
3	Feed 引擎整合：UserFeed 加 reading_score + 排序逻辑	1天	Phase 2	✅ 排序已优化
4	AI 评估集成：DeepSeek 调用 + ARQ 异步任务	2天	Phase 2	无（后端异步）
5	前端展示：文献卡片评分标签 + 推荐理由	2天	Phase 3	✅ 用户看到分数
6	专业版功能：5 维展示 + 预设方案选择 + 雷达图	2天	Phase 5	✅ 专业版可见
7	团队版自定义权重	估2天	有团队客户后	不紧急

建议执行顺序

评分 Phase 1 → Phase 2 → Phase 3 (可上线，用户无感知但排序已优化)
                                    ↓
                          Phase 5 前端评分标签 (用户看到分数)
                                    ↓
                          Phase 4 AI 评估 (后台增量，不影响前端)
                                    ↓
                          Phase 6 专业版 (付费功能)
                                    ↓
                          Phase 7 团队版配置 (有客户后再做)

人员建议

• Phase 1-2：后端开发
• Phase 3：后端开发
• Phase 4：后端开发（DeepSeek 集成）
• Phase 5-6：前端开发

---

Phase 9 — AI 辅助三阶

详细方案：docs/08-AI辅助功能规划.md

阶段与预估

阶段	内容	工作量	依赖	用户感知
T1	AI 解读前端 + 按需生成——详情页"AI 解读"标签页，有缓存直接展示，无缓存显示"生成"按钮，用户点击后调用 DeepSeek 并持久化到 ai_summary JSON 列	2天	无（ai_summary 字段 + API 已有）	✅ 用户可操作
T2-1	收藏即入知识库——knowledge_entries 表 + 收藏时自动插入	2天	无	✅ 知识库可浏览
T2-2	Embedding + ES 向量索引——收藏内容可搜索	2天	T2-1 + ES 已有	✅ 知识库可搜索
T2-3	RAG 问答——POST /kb/ask + 前端对话界面	2天	T2-2	✅ 可问知识库
T2-4	知识图谱 Phase 1——共现关系图谱 + 探索视图	3天	用户收藏 500+ 条/租户	✅ 图谱可见
T2-5	用户上传文件——PDF/Word 解析入知识库	3天	T2-2 + MinIO/COS	✅ 上传可用
T3-1	研究方向配置——用户设方向，AI 适配解读角度	2天	T1-1 + T2-3	✅ 个性化可用
T3-2	Prompt 模板 + 多模型选择	1天	T3-1 + AiProviderConfig	团队版
T2-6	知识图谱 Phase 2——外部知识融合	估5天	数据源集成	远期

建议执行顺序

T1 (AI 解读 + 按需生成) ── 有缓存直接展示，无缓存显示"生成"按钮
     │                    用户点击 → DeepSeek → 持久化到 ai_summary
     │                    不依赖 embedding/ES，轻量操作
     │
     └── 前端改动，后端 API 已有

T2-1 (收藏入知识库) ──→ T2-2 (可搜索) ──→ T2-3 (RAG 问答)
     │
     └── 三步走，每一步都可独立上线验证

T3-1 (研究方向配置) ──→ T3-2 (prompt 模板+模型选择)
     │
     └── 依赖 T1+T2 有活跃用户基础

与 Phase 8 的并行策略

Sprint A:
  后端: 评分 Phase 1-2 (reading_value 字段 + 算法)
  前端: AI T1 (AI 解读 + 按需生成)
  可并行，互不依赖

Sprint B:
  后端: 评分 Phase 3 (Feed 排序) + 评分 Phase 4 (AI 评估)
  前端: 评分 Phase 5 (前端评分标签)
  后端: AI T2-1 (收藏入知识库)

Sprint C:
  后端: AI T2-2 (embedding + ES 向量)
  前端: 评分 Phase 6 (专业版 5 维展示/雷达图)
  前端: AI T2-3 (RAG 问答界面)

Sprint D:
  后端: 期刊规范化 Phase 1-2 (种子化 + FK)
  前端: AI T3-1 (研究方向配置界面)
  ...

Sprint E 起: 按需，无固定顺序

---

Phase 10 — 期刊规范化

详细方案：docs/06-期刊名称规范化方案.md

阶段与预估

阶段	内容	工作量	依赖
1	种子化 global_journals：按 journal_issn 分组提取 canonical name 回填，现有 51 条 curated 不动，其余默认 tier=4	1天	基线完成，journal_issn 覆盖 99.8%
2	添加 global_literature.journal_id FK + 索引 + 回填脚本	1天	Phase 1
3	导入时自动规范化：JournalService 解析 ISSN → journal_id	1天	Phase 2
4	API 输出层：返回 canonical name + journal_tier	1天	Phase 2

为什么排在最后

• 不影响现有功能——搜索用 ILIKE 不需要 FK，期刊信誉评分已基于 ISSN join，现有的就够用
• 收益在后端——规范化后查询更方便、导出更干净，但用户看不到直接的改进
• 工具性特征——做了用户不觉得好，不做用户不会抱怨，但长期必须做的事

---

远期：AI 辅助科研

详细方案：docs/08-AI辅助功能规划.md#七ai-辅助科研未来方向

前提条件

#	条件	当前状态
1	基线导入完成	🟡 进行中（1068/1334）
2	ClinicalTrials.gov 集成就绪	🔴 未开始
3	有活跃付费用户（专业版/团队版）	🔴 未开始

阶段

阶段	功能	工作量	门槛
A	趋势扫描——MeSH 标签时间序列	1周	条件 1（仅需现有 DB）
B	证据综合 MVP——搜索策略 + AI 筛选	2周	条件 1
C	空白分析——研究设计×癌种×药物交叉	2周	条件 1+2
D	写作辅助——引用推荐 + 段落生成	1周	RAG 基础设施就绪
E	假设生成——药物-靶点-癌种匹配	3周	条件 1+2+PubChem

核心策略

不做则已，先做 Phase A 验证需求。趋势扫描基于现有数据库，无外部依赖，是最小验证闭环。如果趋势扫描上线后用户 ROI 为正，继续 Phase B-C。如果没人用，停在 Phase A 不扩展。

---

整体排期预估

基线完成 (预计 1-2 天内)
    │
    ▼
Week 1-2:  Phase 7 (数据质量) + Phase 8-1-2 (评分字段+算法)
              Phase 9 T1 (AI 解读 + 按需生成，并行)
              Phase 10-1 (期刊种子化，并行)
    │
    ▼
Week 3-4:  Phase 8-3-5 (Feed 排序 + AI 评估 + 前端标签)
              Phase 9 T2-1-2 (收藏入知识库 + 可搜索)
              Phase 10-2 (journal_id FK + 回填)
    │
    ▼
Week 5-6:  Phase 8-6 (专业版 5 维展示)
              Phase 9 T2-3 (RAG 问答)
              Phase 10-3-4 (导入映射 + API 输出)
    │
    ▼
Week 7+:   Phase 8-7 (团队版权重，等客户)
              Phase 9 T3-1-2 (研究方向配置+个性化)
              Phase 9 T2-4-5 (图谱+上传文件，等用户量)
    │
    ▼
远期:      AI 辅助科研 (等 ClinicalTrials + 用户基础)

精算汇总

大阶段	内容	预估人天	可并行最大压缩
Phase 7	数据质量控制	3天	—
Phase 8	评分系统	10天	7天（前后端并行）
Phase 9 T1	AI 解读 + 按需生成	2天	2天
Phase 9 T2	知识库+RAG	9天	6天
Phase 9 T3	个性化 AI	3天	2天
Phase 10	期刊规范化	4天	3天
合计		~31 天	~22 天（含并行）
AI 辅助科研	远期	不计入	—

---

技术难度矩阵（新增）

功能	难度	原因
评分系统规则打分	🟢 低	纯 SQL + Python 逻辑，无外部依赖
评分系统 AI 评估	🟡 中	DeepSeek API 调用 + 异步任务编排 + 错误处理
评分系统前端（雷达图）	🟡 中	D3/ECharts 雷达图 + 专业版 hover 卡片
AI 解读前端 + 按需生成	🟢 低	纯前端 + 调用已有 /ai/generate/{pmid} API
收藏即入知识库	🟢 低	新表 + 简单 CRUD
Embedding 服务	🟡 中	新容器部署 + 模型加载 + ES 向量索引
RAG 问答	🟡 中	prompt 拼接 + 引用来源标注
研究方向配置	🟢 低	JSON 配置 + prompt 工程
知识图谱共现关系	🟡 中	NER 抽取质量 + 前端 D3 力导向图
知识图谱外部融合	🔴 高	多数据源对齐 + 实体消歧
前端知识库页面	🟡 中	列表+搜索+问答+图谱 多视图

功能	难度	原因
多租户 RLS	🟡 中	双层防御架构需要仔细测试
PubMed 数据管道	🟡 中	XML 流式解析 + FTP 自动化
标签引擎	🟡 中	MeSH 导入简单，补充标签（靶点/分期）需手工
用户匹配引擎	🟢 低	纯逻辑计算，无外部依赖
高级搜索	🟢 低	ES 标准操作
科室团队	🟢 低	标准 CRUD
Stripe 计费	🟡 中	Webhook 幂等处理 + 订阅状态机
AI 摘要	🟢 低	API 调用 + Prompt 工程
FDA/指南爬虫	🟡 中	网站结构变化需要维护
新专科部署脚本	🟢 低	Docker Compose 模板化