cfc/docs/参考资料/AGENTS.md

参考资料 — 报告样本 & 知识库 & 处理脚本

肠道菌群健康检测报告（JSON/PDF/文本）及其衍生知识库，供精准营养推荐系统使用。

WHERE TO LOOK

Task	Location	Notes
原始报告 JSON（个人数据）	./*.json	5份真实报告（某人/侯/547982403/儿童示例/朱评估报告）+ 556168709-mi
原始报告 PDF	./*.pdf	对应 JSON 的原始检测报告
原始报告文本提取	./*-原始文本.txt	PDF 的纯文本提取版本
个体化食物推荐表	./*-个体化食物推荐表.csv	每份报告对应的个性化饮食建议
菌群营养知识库	./知识库/菌群营养知识库.*	菌-疾病关联 + 食材营养 + 营养素状态 + 核心菌群分类
通用知识库	./知识库/知识库.*	标准参考数据（不含个人检测结果）
报告指标知识库	./知识库/报告指标知识库.*	疾病风险评估指标说明 + 分级标准
北京菌群报告	./北京菌群/	肠道菌群移植（FMT）的移植前/后检测报告
DAN报告处理	./dan_reports/	8类测评报告（A1/B2/B3/B4/B5/B6/C1）PDF → CSV 处理流水线
字段拆分清单	./字段拆分清单.md	个人数据 vs 知识库的字段归属定义
交叉验证脚本	./cross_validate.py	报告数据交叉验证工具

DIRECTORY MAP

参考资料/
├── 501999942-某人.json                # 报告1: 某人-菌群检测数据
├── 501999942-某人.pdf                 # 报告1 原始PDF
├── 501999942-某人-原始文本.txt         # 报告1 文本提取
├── 501999942-某人-个体化食物推荐表.csv # 报告1 饮食推荐
├── 530010234-侯.json                  # 报告2: 侯-菌群检测数据
├── 530010234-侯.pdf
├── 530010234-侯-原始文本.txt
├── 530010234-侯-个体化食物推荐表.csv
├── 547982403.json                     # 报告3
├── 547982403.pdf
├── 547982403-原始文本.txt
├── 547982403-个体化食物推荐表.csv
├── 儿童示例.json                      # 报告4: 儿童样本
├── 儿童示例.pdf
├── 儿童示例-原始文本.txt
├── 儿童示例-个体化食物推荐表.csv
├── 朱评估报告.json                    # 报告5: 朱评估报告
├── 朱评估报告.pdf
├── 朱评估报告-原始文本.txt
├── 朱评估报告-个体化食物推荐表.csv
├── 556168709-mi.json                  # 额外报告: mi格式数据
├── 556168709-mi.pdf
│
├── 北京菌群/                          # ⭐ 新格式: 肠道菌群移植报告
│   ├── 移植前--肠道菌群检测--2025-200-89746.pdf   # FMT移植前报告
│   └── 移植后复测--肠道菌群检测--2026-200-96904.pdf # FMT移植后复测报告
│
├── 知识库/                            # 知识库（公共参考数据）
│   ├── 菌群营养知识库.md               # 菌群营养知识库（含菌-疾病关联226种食材）
│   ├── 菌群营养知识库.json             # 同上 JSON 版
│   ├── 知识库.md                      # 通用标准参考知识库
│   ├── 知识库.json
│   ├── 报告指标知识库.md               # 疾病风险评估指标说明
│   └── 报告指标知识库.json
│
├── dan_reports/                       # 测评报告处理流水线（另见 AGENTS.md）
│   ├── AGENTS.md                      # 详细处理流程文档
│   ├── process_all_pdfs.py            # PDF分类重命名
│   ├── extract_all_types.py           # 核心提取器（8类型）
│   ├── type_detector.py               # 类型指纹检测
│   ├── merge_all_types.py             # 学生记录合并
│   ├── ...                            # 其他处理脚本
│   └── *.pdf                          # A1/B2/B3/B4/B5/B6/C1测评报告PDF
│
├── cross_validate.py                  # 数据交叉验证
├── extract_all.py                     # 批量提取工具
├── extract_full_report_v5.py          # 完整报告提取 v5
└── 字段拆分清单.md                     # 字段归属定义文档

报告数据结构

个人 JSON 格式（5份标准报告）

区块	内容	关键字段
基本信息	身份与基础指标	姓名/编号/年龄/性别/肠道预测年龄/肠型
平衡指标	菌群总体评估	菌群平衡/多样性/有益菌/有害菌/核心菌属
健康评分	四大维度分数	健康总分/菌群健康/慢病控制/营养均衡
疾病风险	18项疾病风险评估	病名/数值(0-1)/状态(低/注意/高) + 解读
营养素	营养素状态评估	营养素名称/状态(正常/偏高/偏低)
菌种列表	检出菌种详情	菌种名称/相对丰度/正常范围/状态(↑正常↓)
指标对比	多样性/有益菌/有害菌对比	实测值 vs 正常范围
食物推荐	个性化饮食建议	食材-推荐指数-来源报告数

北京菌群报告（新格式，FMT肠道菌群移植报告）

特征	说明
格式	PDF 原生（需 PDF 解析提取）
特点	肠道菌群移植（FMT）治疗前后的对比检测
文件	移植前 + 移植后复测 成对出现
用途	分析 FMT 治疗效果，与标准菌群报告做指标对比

知识库 JSON 结构（知识库/）

文件	内容
菌群营养知识库.json	菌-疾病关联（便秘/失眠/抑郁/肥胖/腹胀/过敏）+ 226种食材营养 + 营养素参考 + 核心菌群功能分类
知识库.json	标准营养成分参考值（不含推荐指数和报告来源计数）
报告指标知识库.json	18项疾病风险评估指标的标准范围 + 状态分级阈值

CONVENTIONS

• 数据分类: 个人数据（因人而异）存在 *.json，公共参考数据存在 知识库/*.json
• 命名规则: {编号}-{姓名}.json / {编号}-{姓名}-{数据类别}.{ext}
• 知识库版本: 菌群营养知识库 含平均推荐指数/来源报告数；知识库 为纯净参考值
• 北京菌群 pdf 文件: 移植前（pre-FMT）/移植后复测（post-FMT）成对命名
• 5源合一: 菌群营养知识库 基于 501999942, 530010234, 547982403, 儿童示例, 朱评估报告 五份报告提取

字段归属原则

归属	内容	位置
个人数据 ✅	姓名/编号/年龄/性别/检测数值/评分/菌种丰度	*.json
知识库 ✅	分级标准/正常范围/指标说明/食材营养成分	知识库/*.json
需补充 ⚠️	肠道年龄计算逻辑/菌群健康分级标准	待补充到知识库

详见 ./字段拆分清单.md

疾病风险分析覆盖

现有知识库（菌群营养知识库）已建立以下菌-疾病关联网络：

疾病	关联菌种数	知识库位置
便秘	28种	菌群营养知识库 第二节
失眠	20种	菌群营养知识库 第二节
抑郁	25种	菌群营养知识库 第二节
肥胖	14种	菌群营养知识库 第二节
腹胀	18种	菌群营养知识库 第二节
过敏	14种	菌群营养知识库 第二节

NOTES

• 报告来源于多家检测机构，数据格式可能略有差异
• JSON 由 extract_full_report_v5.py 从 PDF 提取生成
• extract_all.py 为批量处理脚本
• cross_validate.py 用于多份报告间的交叉验证
• 556168709-mi.json 为 mi 格式数据（与标准 JSON 结构不同）
• DAN 报告处理流程详见 dan_reports/AGENTS.md
• 北京菌群报告为 PDF 原生格式，尚未提取为 JSON（需新增提取逻辑）
• 字段拆分清单记录了完整的个人/知识库字段归属方案