ResearchStat AI 项目计划

文档版本：V2
更新日期：2026-08-06
当前状态：V1 发布准备完成
文档定位：V1 的项目边界、架构、模块规格、验收标准与开发路线

0. 项目定位

ResearchStat AI 是面向科研场景的 AI 原生统计分析与可复现性平台。它不复制 GraphPad Prism、SPSS 或 Origin 的内部实现，而是基于公开统计公式、标准统计定义和公开参考数据，建立一套可验证、可审计的统计分析工作流。

核心主张：

统计可信度优先于功能数量。
所有分析必须可复现。
所有统计结果必须绑定明确 Protocol。
AI 只负责规划，不负责数值计算。
不逆向工程商业软件，不模拟商业软件内部实现。

1. 项目边界

1.1 V1 包含

V1 的目标是建立可信统计分析核心，而非完整商业软件替代品。

范围	说明
AI 分析规划	自然语言输入，输出受 Protocol Registry 约束的分析计划
标准统计协议	YAML Protocol Registry，统一定义方法、假设、缺失值策略、效应量
Python/R 双引擎	同一 Protocol 可在两个引擎执行，并做交叉验证
审计系统	每次分析生成 `analysis_record.json`，记录输入、参数、版本、结果
Figure 生成	输出可编辑 SVG、PDF、TIFF
本地运行	默认本地处理，数据不上传；支持数据脱敏和临时文件清理
Docker 部署	提供可复现的容器运行环境

1.2 V1 不包含

不包含项	说明
完整 Prism 复制	不实现商业软件的 GUI、工作流或私有输出格式
SPSS GUI 复制	不复制 SPSS 窗口、菜单、Syntax 私有行为
商业软件逆向兼容	不读取或模拟商业软件内部实现
Prism/SPSS/SAS 控制	连接器延后到 V3
MCP 封装	在核心库、测试体系、审计系统和 Agent 层稳定前不做 MCP
Bayesian / mixed model	延后到 V1.5
默认云上传	敏感数据默认不离开本机

1.3 兼容性红线

所有统计方法必须有公开公式或公共文献依据。
所有参考答案必须来自 NIST StRD、R 官方数据集、公开教材案例或人工构造边界数据。
任何与商业软件输出的差异，只作为公开统计定义下的等价性讨论，不作为兼容性承诺。

2. 架构设计

2.1 分层架构

AI Layer
   |
   v
Protocol Layer
   |
   v
Execution Layer
   |
   v
Validation Layer
   |
   v
Audit Layer
   |
   v
Output Layer

2.2 各层职责

层	职责	V1 约束
AI Layer	理解自然语言，生成分析计划	只能从 Protocol Registry 中选择协议，不执行计算，不生成统计代码
Protocol Layer	加载、校验、解析 YAML 协议	协议必须通过 schema 校验；缺失字段拒绝执行
Execution Layer	调用 Python/R 引擎执行标准化分析	输入输出为标准化 JSON；记录引擎和库版本
Validation Layer	假设检查、参考数据校验、跨引擎差异校验	超出数值容差视为失败，不允许静默通过
Audit Layer	生成不可省略的分析记录	每次分析必须写 `analysis_record.json`
Output Layer	输出结构化结果和出版级图表	图表可复现，SVG 保留文字对象与矢量路径

2.3 数据流

用户上传数据
  -> 数据规范化和脱敏
  -> 数据集指纹
  -> AI 规划（受限协议选择）
  -> 人工确认计划
  -> Protocol 校验
  -> Python/R 引擎执行
  -> Validation 检查
  -> 结果、图表、审计记录

2.4 目标目录结构

ResearchStat-AI/
  PROJECT_PLAN.md
  pyproject.toml
  src/researchstat/
    protocols/        # Protocol 定义、加载、校验
    engines/          # Python/R 引擎适配器
    validation/       # 参考数据、容差、跨引擎验证
    audit/            # 审计记录
    privacy/          # 脱敏、临时文件清理
    figures/          # 图表渲染
    planner/          # AI 规划器
    api/              # 本地 API 与 CLI
  r_engine/           # R 脚本或 R 包
  tests/
    unit/
    reference/
    cross_engine/
    boundary/
  benchmarks/
  docker/
  examples/

2.5 技术选型

基础技术：

组件	选型	理由
语言	Python 3.12+	生态成熟，便于 Agent、API、审计集成
R 引擎	R 4.4+，优先 base `stats`	减少第三方包引入的版本漂移
Python 统计	`scipy`、`statsmodels`、`numpy`、`pandas`	覆盖 V1 方法，结果可复现
图表	Python：`matplotlib` + `seaborn` + `statannotations` + `SciencePlots`/`cnsplots`；R：`ggplot2` + `ggpubr`/`ggprism`	复用成熟开源渲染栈，不自研绘图引擎
配置	YAML + Pydantic	Protocol 人类可读，运行时强校验
API	FastAPI + CLI	本地集成边界，暂不做完整 GUI
测试	`pytest`、`hypothesis`	参考校验与边界测试
部署	Docker	固定 Python/R 版本，保证可复现环境

2.6 开源复用策略

优先复用成熟开源库，自研只负责协议、审计、验证、AI 规划和结果编排。
所有复用依赖必须记录许可证、版本和出处，并保存 NOTICE。
依赖许可证会影响整体分发方式时，必须经合规确认后再锁定。
允许借鉴公开主题和公开统计约定，禁止逆向商业软件内部实现。
每个候选依赖必须先通过测试再进入 V1 正式依赖。
详细调研结果维护在 docs/ECOSYSTEM.md。

2.7 竞品调研与差异化

已调研 AStats、cross-tool-statistical-verification、rmcp、AutoML Stat MCP、MedStat、JASP/jamovi，完整清单见 docs/RESEARCH_LESSONS.md。

V1 核心差异化：

AI Planner 只能从 Protocol Registry 选择协议，所有计划、修改和执行都进入审计。
Validation 由 Protocol 决定必须验证的统计量，不使用用户手工声明。
R 引擎使用子进程隔离，V1 只维护 V1 方法所需的小型 R 包清单。
本地默认、数据零上传、临时文件清理和权限控制。
MCP 只作为后期集成出口，不作为 V1 核心。

3. 开发路线

V1 可信统计分析核心
  -> V1.5 更多统计方法
  -> V2 公开统计协议兼容模式
  -> V3 商业软件连接器

3.1 V1

建立可信统计分析核心，覆盖：

Protocol Registry
Python/R 双引擎
参考数据与跨引擎验证
审计系统
专业软件级 Figure
AI 分析规划
数据隐私与 Docker 部署

V1 交付形态：本地 Python 库 + CLI + 本地 API。不提供完整 GUI，不提供 MCP 封装。

V1 还必须交付专业软件级作图能力，复用开源绘图栈而非自研渲染器。

3.2 V1.5

增加：

Bayesian 分析
mixed model
更多非参数与生存分析方法
更完整的 AI 规划能力

3.3 V2

增加：

GraphPad-style 公开协议工作流，基于公开统计定义，不复制商业软件
更完整的报告模板
可能引入 MCP 封装，前提是核心库、测试体系、审计系统和 Agent 层已稳定

3.4 V3

增加商业软件连接器：

Prism
SPSS
SAS

所有连接器只在用户授权环境中调用，不逆向工程商业软件内部实现。

3.5 人工 Review Gate

每个阶段完成时必须：

运行全部测试。
更新 PROJECT_PLAN.md 中的完成状态、测试结果、已知限制、下一步计划。
暂停，等待人工明确确认。
未经人工确认，禁止自动进入下一阶段。

4. 模块规格

4.1 Module 1: Statistical Protocol Registry

Protocol Registry 是 V1 的核心模块。每个协议必须唯一标识统计方法、假设、检验参数、缺失值策略和效应量。

示例协议：

id: one_way_anova_tukey_v1
version: 1
method: one_way_anova
assumptions:
  observations_independent: true
  normality_checked: true
  variance: equal_variance
posthoc: tukey_hsd
alpha: 0.05
missing_policy: complete_case
effect_size: eta_squared

V1 协议清单：

协议 ID	方法
`descriptive_v1`	连续变量描述统计
`independent_t_test_student_v1`	独立样本 t 检验，Student 假设
`independent_t_test_welch_v1`	独立样本 t 检验，Welch 假设
`paired_t_test_v1`	配对样本 t 检验
`one_way_anova_tukey_v1`	单因素 ANOVA + Tukey HSD
`two_way_anova_v1`	双因素 ANOVA，V1 默认 Type III SS
`mann_whitney_u_v1`	Mann-Whitney U 检验
`kruskal_wallis_dunn_v1`	Kruskal-Wallis + Dunn 事后检验
`pearson_correlation_v1`	Pearson 相关
`spearman_correlation_v1`	Spearman 相关
`linear_regression_v1`	简单/多元线性回归

协议校验规则：

协议必须通过 schema 校验。
每个结果必须绑定 protocol_id 和 protocol_version。
假设检查结果必须写入输出，不能静默忽略。
假设不满足时记录 warning，不自动切换到另一个协议。
缺失值策略在 V1 默认使用 complete_case，并记录删除行数。

4.2 Module 2: Statistical Execution Engine

V1 必须实现的方法：

类别	方法
Continuous	描述统计、独立样本 t 检验、配对 t 检验、单因素 ANOVA、双因素 ANOVA、Mann-Whitney、Kruskal-Wallis
Correlation	Pearson、Spearman
Regression	线性回归

引擎输入输出统一为标准化 JSON。结果字段包括：

方法标识
统计量
自由度
p 值
效应量
假设检查结果
warning
引擎与库版本

4.3 Module 3: Multi Engine

V1 只实现 Python 和 R 双引擎。

实现方式：

默认使用独立 R 子进程 + JSON 通信，避免 Python/R 内存状态耦合。
R 端使用 V1 方法所需的小型 package allowlist，不开放任意 R 包。
临时文件写入受限目录，执行后清理。
文件写入需要人工审批，禁止 R 进程访问项目目录之外的路径。
R 子进程默认无网络访问。
每个引擎记录精确版本号，例如 scipy 1.14.1、R 4.4.2。
同一 Protocol、同一输入，必须可在两个引擎执行。
Prism、SPSS、SAS 在 V1 只保留接口设计，不实现控制逻辑。
stdio/HTTP transport 只作为后续 MCP 封装的接口设计，不在 V1 实现。

4.4 Module 4: Validation Framework

参考数据来源

V1 必须覆盖：

NIST Statistical Reference Datasets（StRD）。
R 官方 datasets，例如 iris、mtcars、PlantGrowth、ToothGrowth、npk、sleep。
公开统计教材案例数据。
人工构造边界数据，例如单样本组、全相等值、极端离群值、缺失值、非平衡设计。

数值容差

指标类型	默认容差	判定
连续统计量	relative error < 1e-8	超过则失败
p 值	absolute difference < 1e-6	超过则失败
极小 p 值	低于 1e-8 时按相对误差与报告下限联合判定	需在测试记录中说明

Cross Engine Validation

每个方法必须输出 Python vs R 对照结果：

Protocol: one_way_anova_tukey_v1
Python: F=12.34, p=0.00321
R: F=12.34, p=0.00321
Difference: F rel=2.1e-10, p abs=3.0e-11
Status: PASS

Verification 报告

每个验证必须输出：

comparison table：逐统计量列出 Python、R、容差、状态。
verification log：记录验证时间、数据来源、引擎版本。
methodology statement：说明方法定义和验证依据。

差异分级：

error：超出容差，验证失败。
warning：统计量存在方法学差异但结果仍可解释。
info：合理的方法差异，例如极小数值精度差异，不判失败。

必须明确：Python/R 结果一致只证明实现无关性，不代表分析正确。分析正确性由 Protocol、参考数据和公开统计定义共同保证。

每个 Protocol 必须声明需要验证的统计量清单，不允许用户手工决定验证范围。

4.5 Module 5: Audit Trail

每次分析生成 analysis_record.json，必须包含：

{
  "analysis_id": "uuid",
  "timestamp": "ISO-8601",
  "user_input": "user prompt or plan confirmation",
  "dataset_hash": "sha256",
  "protocol_id": "one_way_anova_tukey_v1",
  "software_version": "researchstat-ai 0.1.0",
  "library_version": {
    "scipy": "1.14.1",
    "statsmodels": "0.14.2",
    "R": "4.4.2"
  },
  "parameters": {},
  "results": {},
  "warnings": []
}

审计要求：

dataset_hash 使用规范化 CSV 的 SHA-256。
user_input 记录用户描述，不记录原始敏感数据。
审计记录写入后不可静默覆盖，同一 analysis_id 只能追加版本。
所有错误必须记录结构化日志。

4.6 Module 6: Data Privacy

V1 隐私能力：

默认本地运行，无用户确认不上传数据。
可选字段级脱敏，脱敏后才进入 AI 规划。
临时文件使用后清理，不保留中间敏感副本。
本地文件权限控制，API Key 通过环境变量或本地配置提供。
未配置外部 LLM 时，AI 规划器降级为规则式协议匹配。
Project workspace 使用本地文件存储，默认不依赖外部数据库或云存储。

4.7 Module 7: Professional Figure Engine

输出格式：

SVG：可编辑，保留文字对象，保留矢量路径。
PDF：嵌入字体。
TIFF：满足出版最低 300 DPI，可配置更高分辨率。

V1 支持图形：

scatter
boxplot
violin
survival curve

V1 必须达到专业软件级作图能力，包括：

期刊级主题、字号、边距、面板间距。
色盲安全配色。
多面板布局与自动面板标签。
显著性标注：星号、p 值、校正 p 值。
误差条：SD、SEM、CI，且必须显式标注类型。
box/violin 上的个体点、散点抖动。
相关与回归图的拟合线和置信带。

图表的每个输出必须附带 figure_spec.json，记录数据来源、统计方法和渲染参数，确保图表可复现。图形质量通过 golden image 测试和 SVG 可编辑性测试把关，不能只靠人工目检。

4.8 Module 8: AI Statistical Planner

输入：自然语言，例如“比较三种药物对小鼠肿瘤大小影响”。

输出：

Experiment type: Animal study
Variable: continuous
Groups: 3 independent groups
Recommended protocol: one_way_anova_tukey_v1
Reason: ...

实现约束：

AI 只能从 Protocol Registry 中选择协议。
AI 不执行数值计算，不生成并运行任意统计代码。
输出必须经过 schema 校验，非法协议 ID 直接拒绝。
AI 规划结果进入人工确认流程后才可执行。
LLM 版本和调用参数写入审计记录。

V1 规划流程：

自然语言解析与意图识别。
数据结构推断：independent、repeated measures、nested、wide format。
假设预检：Shapiro-Wilk、Levene、样本量是否足够。
从 Registry 中选择候选 Protocol。
生成可解释推荐理由。
人工 Review：接受、覆盖、解释、修正假设。
人工确认后才进入执行。

人工反馈要求：

每次 override 记录为 (recommended, accepted, reason)。
偏好数据进入审计记录，未来可形成 DPO 训练数据。
支持生成 Methods 段落。
建立 15 个公开/合成数据集的 AI Planner benchmark。

5. 非功能需求

5.1 Performance

单用户、10000 行以内数据。
单次标准分析目标时间 < 10 秒。
建立 benchmark 套件，防止回归。

5.2 Reliability

所有错误必须记录日志。
任何统计失败必须有结构化结果，不允许静默 fallback。
跨引擎差异超出容差时，结果状态必须为失败。

5.3 Deployment

支持 Docker 部署。
使用 Docker Compose profiles 区分核心引擎、Figure、测试和示例服务。
Docker 镜像固定 Python、R、系统依赖版本。
容器内非 root 运行，运行时默认无网络。
提供健康检查和示例数据验证。
异步任务提供 SSE 进度通知，长任务不阻塞 CLI/API。
测试体系覆盖 unit、reference、cross-engine、edge、security、performance。

6. V1 Definition of Done

Protocol Registry 可加载、校验、查询全部 V1 协议。
Python 与 R 双引擎可执行全部 V1 方法。
所有参考数据集和边界测试通过，容差符合定义。
所有方法通过 Python vs R 交叉验证。
每次分析生成完整 analysis_record.json。
Figure 引擎输出 SVG、PDF、TIFF，SVG 文字对象可编辑。
AI 规划器只能返回 Registry 内有效协议。
10000 行数据标准分析时间 < 10 秒。
Docker 镜像可启动并通过验证流程。
PROJECT_PLAN.md 已更新完成状态、测试结果、已知限制和下一步计划。
通过人工 Review Gate。

7. 已知限制

当前为第一阶段工程规划，尚未进入实现：

具体依赖版本尚未锁定。
R 官方数据集与 NIST StRD 数据的许可和下载方式待确认后固化。
双因素 ANOVA 的非平衡设计处理方式需在实现阶段用参考数据验证。
AI 规划器的外部 LLM 调用默认关闭，避免未经同意的数据外发。
本计划不承诺与任何商业软件输出逐项一致。
开源依赖和许可证清单需要在进入 Figure Engine 阶段前最终复核并固化。

8. 下一步

第七阶段 P2 MCP 封装已完成并通过测试，发布准备文件已生成。V1 功能闭环与发布材料均已完成。

下一步：推送到远端仓库，创建 v1.0.0 标签，并生成 PyPI/Docker 发布流水线。

验收依据见 docs/V1_ACCEPTANCE.md。

竞品调研见 docs/RESEARCH_LESSONS.md，开源生态见 docs/ECOSYSTEM.md。

9. 阶段记录

Phase 1: 工程规划

状态：完成
日期：2026-08-06
交付物：本文件
测试：规划阶段无代码测试
人工确认：已确认，进入 Phase 2

Phase 2: Protocol Registry

状态：完成
日期：2026-08-06
交付物：
- pyproject.toml
- src/researchstat/protocols/schema.py
- src/researchstat/protocols/registry.py
- src/researchstat/protocols/data/v1.yaml
- tests/protocols/test_schema.py
- tests/protocols/test_registry.py
测试结果：15 passed in 1.13s，Python 3.14.3
验收结果：
- Registry 可加载 11 个 V1 协议。
- schema 可拒绝非法协议 ID、非法 alpha、非法 posthoc、方法字段冲突。
- Registry 支持按 method、posthoc、variance 查询，并拒绝重复协议 ID。
已知限制：
- 当前仅实现协议定义、加载、校验和查询，不包含统计执行。
- 协议字段以 V1 最小集为准，后续扩展方法需要同步扩展 schema。
- 尚未将协议与执行引擎、审计记录和 AI 规划器绑定。
下一步：Python 统计执行引擎 + Figure 渲染原型，等待人工确认。

Phase 2 Supplement: Open Source Ecosystem Study

状态：完成
日期：2026-08-06
交付物：docs/ECOSYSTEM.md
关键决策：
- 绘图不自研渲染器，Python 主路径采用 matplotlib、seaborn、statannotations、SciencePlots/cnsplots。
- R 路径采用 ggplot2、ggpubr/ggprism、patchwork、svglite，但 GPL 依赖需在分发前合规确认。
- V1 图形验收加入 golden image 测试、SVG 可编辑性测试和出版格式测试。
下一步：随 Phase 3 评审一并确认，再进入 Figure Engine 正式实现。

Phase 3: Python Statistical Execution Engine + Figure Prototype

状态：完成
日期：2026-08-06
交付物：
- src/researchstat/engine/models.py
- src/researchstat/engine/python_engine.py
- src/researchstat/figures/prototype.py
- tests/engine/test_python_engine.py
- tests/figures/test_prototype.py
- examples/demo.py
- requirements.lock
- examples/figures/prototype_figure.svg
- examples/figures/prototype_figure.pdf
- examples/figures/prototype_figure.tiff
测试结果：31 passed，Python 3.14.3，虚拟环境 .venv
验收结果：
- Python 引擎实现全部 V1 方法，并与 scipy/statsmodels 参考值一致。
- 每个结果绑定 protocol_id，记录引擎和库版本。
- 假设检查与 warning 已实现，complete_case 缺失策略生效。
- Figure 原型输出 SVG/PDF/TIFF 和 figure_spec.json。
- SVG 保留可编辑文字对象，TIFF 300 DPI。
已知限制：
- R 引擎尚未实现。
- Validation Framework 和跨引擎容差校验尚未实现。
- 双因素 ANOVA 使用 Type III SS，非平衡设计仅给出 warning。
- Dunn 事后检验默认使用 Holm 校正。
- Figure 当前为渲染原型，正式 Figure Engine 仍需实现数据绑定和完整主题系统。
下一步：R 统计执行引擎 + Validation Framework，等待人工确认。

Phase 4: R Engine + Validation Framework

状态：完成
日期：2026-08-06
交付物：
- r_engine/run_analysis.R
- src/researchstat/engine/r_engine.py
- src/researchstat/figures/engine.py
- src/researchstat/validation/cross_engine.py
- tests/validation/test_cross_engine.py
- tests/validation/test_reference_data.py
- tests/fixtures/validation/nist_norris.dat
- tests/fixtures/validation/r_datasets/
测试结果：52 passed，Python 3.14.3，R 4.6.1
验收结果：
- R 引擎实现全部 V1 方法。
- Python vs R 交叉验证全部通过，连续统计量容差 1e-8，p 值容差 1e-6。
- NIST StRD Norris 回归通过认证值校验。
- R 官方 datasets iris、mtcars、PlantGrowth、ToothGrowth、npk、sleep 已固化为参考数据。
- Figure 原型已提供正式渲染入口 render_figure。
已知限制：
- R 引擎依赖本机 Rscript，未安装 R 的机器会跳过 R 相关测试。
- Dunn 事后检验在 R 端为公开公式实现，使用 Holm 校正。
- Spearman 与 Mann-Whitney 的 p 值已统一为与 Python 相同的近似算法。
- NIST 参考数据目前覆盖线性回归，ANOVA 参考测试依赖 R 官方 datasets。
下一步：P0 收尾，等待人工确认。

Phase 4 Supplement: Competitive Research Lessons

状态：完成
日期：2026-08-06
交付物：docs/RESEARCH_LESSONS.md
关键决策：
- AI Planner 借鉴 AStats 的自然语言解析、数据结构推断、假设预检和人工反馈循环。
- Validation 借鉴 cross-tool verification 的逐统计量容差、comparison table、verification log、methodology statement 和 severity 分级。
- R 引擎借鉴 rmcp 的子进程隔离和 guardrail 思路，但 V1 只保留小型 package allowlist。
- 部署和工程结构借鉴 AutoML Stat MCP 的 workspace、Docker Compose profiles、SSE 和测试分层。
- 隐私和产品化借鉴 MedStat 的本地零上传与出版级输出方向。
下一步：进入 P0 收尾，等待人工确认。

Phase 5: P0 Completion

状态：完成
日期：2026-08-06
交付物：
- src/researchstat/audit/records.py
- src/researchstat/review/models.py
- src/researchstat/review/service.py
- src/researchstat/planner/models.py
- src/researchstat/planner/planner.py
- src/researchstat/planner/benchmark.py
- src/researchstat/workflow/runner.py
- tests/audit/test_audit.py
- tests/planner/test_planner.py
- tests/review/test_review.py
- tests/workflow/test_workflow.py
- examples/workflow_demo.py
测试结果：68 passed，Python 3.14.3
验收结果：
- 每次分析生成 analysis_record.json，包含 analysis_id、dataset_hash、协议、参数、结果、warnings、plan 和 human_review。
- Human Review 支持 accept 和 override，override 记录 (recommended, accepted, reason)。
- AI Planner 默认离线运行，只能返回 Registry 内协议，15 个 benchmark 场景全部通过。
- plan-review-execute-audit 完整工作流可运行并持久化审计记录。
已知限制：
- AI Planner 当前为确定性规则版本，外部 LLM 后端尚未接入。
- 数据结构推断依赖列名提示和基础类型判断，复杂 wide/nested 数据需要人工修正。
- audit 记录默认写入本地 JSON，尚未实现加密或数据库存储。
下一步：P1 Professional Figure Engine + 隐私 + Docker，等待人工确认。

Phase 6: P1 Figure Engine + Privacy + Docker

状态：完成
日期：2026-08-06
交付物：
- src/researchstat/figures/models.py
- src/researchstat/figures/renderers.py
- src/researchstat/figures/engine.py
- src/researchstat/privacy/masking.py
- docker/Dockerfile
- docker/docker-compose.yml
- .dockerignore
- benchmarks/run_performance.py
- tests/figures/test_engine.py
- tests/figures/test_golden.py
- tests/fixtures/figures/golden_scatter.json
- tests/privacy/test_masking.py
- tests/performance/test_performance.py
测试结果：79 passed，Python 3.14.3
验收结果：
- Figure Engine 可绑定 analysis_id 和 AnalysisResult，输出 SVG/PDF/TIFF 与 figure_spec.json。
- golden image 测试基于固定 SVG 哈希，消除时间戳和随机 salt 影响。
- 支持 scatter、boxplot、violin、survival 渲染。
- 隐私模块支持字段脱敏、标识符哈希和临时目录自动清理。
- Dockerfile 与 Docker Compose profiles 已提供。
- 10000 行 ANOVA 实测约 0.79s，满足 <10 秒目标。
已知限制：
- 本机未安装 Docker，镜像未实际构建验证。
- Figure Engine 当前为单面板渲染，多面板仍由 prototype 提供。
- golden SVG 哈希依赖固定 matplotlib 版本，依赖升级后需重新生成基线。
- MCP 尚未实现。
下一步：P2 MCP 封装 + V1 最终评审，等待人工确认。

Phase 7: P2 MCP Encapsulation

状态：完成
日期：2026-08-06
交付物：
- src/researchstat/mcp/security.py
- src/researchstat/mcp/service.py
- src/researchstat/mcp/server.py
- src/researchstat/mcp/cli.py
- tests/mcp/test_security.py
- tests/mcp/test_service.py
- tests/mcp/test_server.py
- docs/V1_ACCEPTANCE.md
测试结果：87 passed，Python 3.14.3
验收结果：
- MCP 暴露 list_protocols、plan_analysis、execute_analysis、render_figure 四个工具。
- 支持 stdio、sse、streamable-http 三种 transport。
- MCP 安全边界：CSV 大小/行数/列数限制、Protocol 白名单、工作区隔离。
- plan-review-execute-audit 工作流已封装为 MCP 工具。
已知限制：
- 尚未在第三方 MCP 客户端端到端联调。
- MCP 服务不持久化会话状态，每次调用独立执行。
下一步：等待 V1 最终人工验收，然后进入发布准备。

Phase 8: V1 Release Preparation

状态：完成
日期：2026-08-06
版本：1.0.0
交付物：
- README.md
- LICENSE
- NOTICE
- CHANGELOG.md
- .github/workflows/ci.yml
验收结果：
- README 覆盖安装、快速开始、MCP、测试和文档入口。
- LICENSE 使用 MIT。
- NOTICE 记录主要第三方依赖许可证。
- CHANGELOG 记录 1.0.0 变更。
- CI 包含 Python、R、测试和性能 benchmark。
已知限制：
- 当前目录不是 git 仓库，未创建 git 提交和标签。
- 无远端仓库，未推送。
- Docker 未在本机构建验证。
下一步：初始化 git、创建 v1.0.0 提交，并推送到远端。

Phase 9: Architecture Diagram

Status: completed
Date: 2026-08-07
Deliverables:
- docs/architecture/ResearchStat-AI-architecture.drawio (editable two-page draw.io source)
- docs/architecture/ResearchStat-AI-architecture.svg (GitHub preview)
- docs/architecture/README.md
- multilingual README links in English, Simplified Chinese, and Japanese
Verification:
- draw.io XML parsed successfully as standard XML
- diagram pages cover System Architecture and Analysis Workflow
- diagram reflects implemented V1 modules and local privacy boundary
Known limitations:
- @next-ai-drawio/mcp-server@latest could not start in this environment because its published dependency tree is missing ajv
- SVG preview was generated from the same approved layout; opening the .drawio source in diagrams.net remains the editable source of truth
Next step: human review of the architecture diagram before the next project phase

Architecture homepage placement

Status: completed
The root README now renders the SVG architecture diagram in the GitHub homepage content area.
The editable draw.io source remains linked directly below the preview.
Localized homepage previews added: English, Simplified Chinese, and Japanese SVG files are linked from their respective README files.
Draw.io MCP export completed: the Chinese homepage SVG is exported from the 系统架构（简体中文） page; the duplicate bottom Architecture section was removed from the root README.

FilesExpand file tree

PROJECT_PLAN.md

Latest commit

History