PlantAI-rag/docs/plans/INTEGRATION_PLAN.md

# v5集成到API - 完整执行计划

> 集成时间: 2026-03-31 02:08
> 状态: ✅ 已完成

---

## ✅ 已完成的工作

### 1. API路由集成

**文件**: `api/rag_routes.py`

**新增内容**:
```python
# 请求模型
class PhylogenyExtractionRequest(BaseModel):
    pdf_path: str
    doi: Optional[str] = None
    pmcid: Optional[str] = None
    auto_fetch_supplementary: bool = True

# 提取接口
@router.post("/rag/phylogeny/extract")
async def extract_phylogeny(request: PhylogenyExtractionRequest)

# 状态查询接口
@router.get("/rag/phylogeny/status/{pdf_name}")
async def get_phylogeny_status(pdf_name: str)
```

**功能**:
- ✅ 接收PDF路径、DOI、PMCID
- ✅ 调用v5提取器
- ✅ 自动获取补充材料
- ✅ 返回提取结果
- ✅ 查询提取状态

---

## 📋 下一步执行计划

### 步骤1: 测试API接口 (立即)

```bash
# 1. 启动API服务
cd /home/xia-lab/gene-family-mas-v2
conda activate gfpy312
python -m api.main

# 2. 测试提取接口
curl -X POST http://localhost:8000/rag/phylogeny/extract \
  -H "Content-Type: application/json" \
  -d '{
    "pdf_path": "/home/xia-lab/gene-family-mas-v2/paper/ceshi/番茄p450基因家族BMCgenomics2020.pdf",
    "doi": "10.1186/s12864-019-5483-x",
    "pmcid": "PMC6367802"
  }'

# 3. 测试状态查询
curl http://localhost:8000/rag/phylogeny/status/番茄p450基因家族BMCgenomics2020
```

### 步骤2: 前端集成 (明天)

**修改**: `frontend/main.py` 或 Vue前端

**新增功能**:
- 上传PDF文件
- 输入DOI/PMCID
- 显示提取进度
- 展示分组结果
- 可视化系统发育树

### 步骤3: 批量处理 (本周)

**脚本**: `scripts/batch_phylogeny_extract.py`

**功能**:
- 读取论文列表CSV
- 批量调用提取API
- 结果存入数据库
- 生成统计报告

### 步骤4: 扩展到更多期刊 (下周)

**优先级**:
1. Springer适配器 (2-3天)
2. Elsevier适配器 (2-3天)
3. Wiley适配器 (2-3天)

### 步骤5: 与RAG检索集成 (第2周)

**功能**:
- 提取结果存入Qdrant
- RAG回答时引用系统发育信息
- 支持系统发育相关问答

---

## 🎯 完整Pipeline架构

```
用户请求
    ↓
┌─────────────────────────────────────────┐
│           API Layer (FastAPI)           │
│  ┌─────────────┐    ┌─────────────────┐ │
│  │ /rag/chat   │    │ /rag/phylogeny  │ │
│  │   (原有)    │    │   /extract (v5) │ │
│  └──────┬──────┘    └────────┬────────┘ │
└─────────┼────────────────────┼──────────┘
          ↓                    ↓
┌─────────┴────────────────────┴──────────┐
│         Extraction Layer (v5)           │
│  ┌─────────────┐    ┌─────────────────┐ │
│  │ PDF Extract │    │ Universal       │ │
│  │ (基础信息)  │    │ Supplementary   │ │
│  └──────┬──────┘    │ Fetcher         │ │
│         ↓           └────────┬────────┘ │
│  ┌─────────────┐             ↓          │
│  │ Excel Parse │    ┌─────────────────┐ │
│  │ (分组详情)  │←───│ Europe PMC      │ │
│  └─────────────┘    │ Springer        │ │
│                     │ Crawler         │ │
└─────────────────────────────────────────┘
          ↓
┌─────────────────────────────────────────┐
│         Storage Layer                   │
│  ┌─────────────┐    ┌─────────────────┐ │
│  │ JSON Results│    │ Qdrant Vector   │ │
│  │ (文件系统)  │    │ Store (可选)    │ │
│  └─────────────┘    └─────────────────┘ │
└─────────────────────────────────────────┘
          ↓
┌─────────────────────────────────────────┐
│         Response Layer                  │
│  ┌─────────────┐    ┌─────────────────┐ │
│  │ 分组详情    │    │ Confidence      │ │
│  │ 基因列表    │    │ Score 100/100   │ │
│  └─────────────┘    └─────────────────┘ │
└─────────────────────────────────────────┘
```

---

## 📊 时间节点

| 阶段 | 任务 | 时间 | 负责人 |
|:---|:---|:---|:---|
| ✅ 已完成 | API集成 | 3月31日 | xialab的幸运星 |
| ⏳ 今天 | 接口测试 | 3月31日 | xialab的幸运星 |
| 📅 明天 | 前端集成 | 4月1日 | 待分配 |
| 📅 本周 | 批量处理 | 4月1-5日 | 待分配 |
| 📅 下周 | 多期刊扩展 | 4月8-12日 | 待分配 |
| 📅 第2周 | RAG集成 | 4月15-19日 | 待分配 |

---

## 🚀 立即执行命令

```bash
# 1. 进入项目目录
cd /home/xia-lab/gene-family-mas-v2

# 2. 激活环境
conda activate gfpy312

# 3. 启动API服务
python -m api.main

# 4. 测试接口 (新终端)
curl -X POST http://localhost:8000/rag/phylogeny/extract \
  -H "Content-Type: application/json" \
  -d '{
    "pdf_path": "/home/xia-lab/gene-family-mas-v2/paper/ceshi/番茄p450基因家族BMCgenomics2020.pdf",
    "doi": "10.1186/s12864-019-5483-x",
    "pmcid": "PMC6367802"
  }'
```

---

## 📁 相关文件

```
gene-family-mas-v2/
├── api/
│   └── rag_routes.py              # ✅ 已集成v5接口
├── extract_phylogeny_v5_universal.py  # v5提取器
├── universal_supplementary_fetcher.py # 通用获取器
├── INTEGRATION_PLAN.md            # 本计划文档
└── evaluation/auto_results/       # 提取结果目录
```

---

## 💡 关键决策

### 已完成
- ✅ v5集成到API
- ✅ 支持自动补充材料获取
- ✅ 支持状态查询

### 待决策
- [ ] 是否立即启动API测试？
- [ ] 是否明天开始前端集成？
- [ ] 是否本周开始批量处理？

---

*计划制定: 2026-03-31 02:08*
*集成完成: 2026-03-31 02:08*