知识库 v3.0 + 数据提取重构设计方案

目标：数据与模板分离，个人JSON只存纯数据，知识库存标准内容和解释

一、知识库结构变更

1.1 现有章节扩展：指标调整建议

在现有的每个指标的 说明 字段旁，新增两个字段：

{
  "名称": "碳水化合物",
  "说明": "主要能量来源",
  "偏高影响": "碳水化合物偏高可能提示…",
  "偏低影响": "碳水化合物偏低可能导致能量不足…",
  "调整建议": "建议增加全谷物和杂豆摄入…"
}

涉及章节：疾病风险评估(20) + 主要营养评估(5) + 氨基酸评估(15) + 维生素评估(10) + 微量元素评估(2) + 抗生素风险评估(9) + 肠道屏障及代谢物(11) + 短链脂肪酸(4) + 神经递质及激素(11) = ~87 项指标

1.2 新增章节：菌属功能库

{
  "菌属功能库": {
    "说明": "所有菌属的功能说明、高低影响、调整方向",
    "菌属": [
      {
        "学名": "Clostridium",
        "中文名": "梭菌属",
        "分组": "核心菌属",
        "功能说明": "产丁酸，参与胆汁酸代谢",
        "偏高影响": "多导致人体炎症，致病，导致菌群失衡；肥胖人群丰度较高",
        "偏低影响": "",
        "调整方向": ""
      }
    ]
  }
}

学名 为主键（个人JSON用学名匹配）
中文名 用于展示
分组 对应：核心菌属 / 益生菌 / 有害菌属 / 其它重要菌属 / 病原菌属
功能说明 / 偏高影响 / 偏低影响 / 调整方向

数据来源：从 501999942-某人.json 和 530010234-侯.json 等 5 份报告的菌属 说明 字段提取 + 领域知识补齐乱码。

1.3 新增章节：食物库

{
  "食物库": {
    "说明": "224种食物的基础营养数据",
    "数据": [
      {
        "名称": "大麦",
        "分类": "主食",
        "能量KJ": "1481",
        "蛋白g": "12",
        "脂肪g": "2",
        "碳水化合物g": "73",
        "总膳食纤维g": "17"
      }
    ]
  }
}

直接从现有 personal JSON 的 个体化食物推荐表.数据 搬运。注意：个人JSON中的 推荐指数 是个人计算结果，不进知识库。

二、个人JSON输出结构变更（提取脚本重构）

2.1 删除的字段

字段	原因
`正常范围`（各项指标中的字符串）	知识库有结构化 min/max
`解读`（大部分为空）	改为知识库模板动态拼接
菌属的 `说明`	移入知识库 `菌属功能库`

2.2 统一的字段命名

当前混乱的命名	统一为
`数值` / `评估值` / `丰度` / `丰度%`	`数值`
`状态` / `健康状况`	`状态`（保留，方便前端）
`致病菌`（主要消化道致病菌）	`名称`
`名称: "梭菌属 Clostridium"`	`名称: "Clostridium"`（提取学名部分）

2.3 保留的输出结构示例

{
  "报告概述": {
    "姓名": "某人", "年龄": "53岁", "性别": "男",
    "肠道预测年龄": "55.52岁", "肠型": "普雷沃氏菌型",
    "健康总分": 57, "菌群健康": 76, ...
  },
  "疾病风险评估": [
    {"名称": "炎症性肠炎", "数值": 0.24, "状态": "低风险"},
    ...
  ],
  "菌群检出详细列表": {
    "核心菌属": [
      {"名称": "Clostridium", "数值": 0.2787}
    ],
    "菌纲构成": [
      {"名称": "Bacteroidia", "数值": 76.721}
    ]
  },
  "个体化食物推荐表": [
    {"名称": "大麦", "推荐指数": 17},
    ...
  ]
}

2.4 名称一致性清洗

提取脚本中新增名称清洗逻辑：

"梭菌属 Clostridium" → "Clostridium"
"5.1543-18.1656"（数据污染）→ 跳过或修正
"心脑血管疾病风险" → "心脑血管疾病"（与知识库匹配）
去重：自动去重因PDF格式导致的重复条目

三、匹配关系设计

3.1 匹配规则

前端（或后端拼接层）按以下规则匹配：

指标类数据：个人 JSON 的 名称 ↔ 知识库各章节 指标[].名称
- 例如：{"名称":"碳水化合物"} → 知识库 主要营养评估.指标[名称="碳水化合物"]
菌属数据：个人 JSON 的 名称(学名) ↔ 知识库 菌属功能库.菌属[].学名
- 例如：{"名称":"Clostridium"} → 知识库 菌属功能库.菌属[学名="Clostridium"]
食物数据：个人 JSON 的 名称 + 推荐指数 ↔ 知识库 食物库.数据[].名称
- 例如：{"名称":"大麦","推荐指数":17} → 知识库 食物库.数据[名称="大麦"] + 推荐指数
状态判定：个人 JSON 的 数值 + 知识库的 标准范围/状态分级 → 可验证或重新计算 状态

3.2 前端展示流程

个人JSON.json（数值）       知识库.json（解释）
     │                            │
     └──────────┬─────────────────┘
                │ 按名称匹配
                ▼
      动态拼接渲染
     ┌─────────────────────┐
     │ 指标名称（知识库）    │
     │ 数值（个人）          │
     │ 状态（个人或动态计算） │
     │ 说明（知识库）        │
     │ 调整建议（知识库）    │
     └─────────────────────┘

四、实施步骤

知识库补充：在 报告指标知识库.json 中增加调整建议、菌属功能库、食物库
提取脚本重构：修改 extract_full_report_v5.py 的输出结构
验证：用 5 份测试 PDF 重新提取，验证名称匹配率和数据正确性
同步更新：同步 schema.sql（如有表结构变化）
提交：git commit -m "feat: knowledge base v3 with flora library, food library, adjustment tips; refactor extraction script"

2026-07-19-knowledge-base-v3-data-refactor.md 5.9 KB История Исходник

知识库 v3.0 + 数据提取重构 设计方案