PlantAI-rag/docs/reports/FINAL_TEST_REPORT.md

V12.1 Fixed 最终测试报告

日期: 2026-04-10 12:00 GMT+8
状态: 核心修复完成，待优化

---

执行结果

✅ 成功的部分

项目	结果	状态
API Key读取	修复成功	✅
章节提取	19个章节	✅
章节文本保存	完整保存	✅
基因提取	7个基因	✅
curl调用	工作正常	✅

⚠️ 需要优化的部分

项目	问题	状态
Results章节	只有11字符	⚠️
规则关系	0个	⚠️
LLM关系	返回NONE	⚠️

---

核心修复验证

1. API Key读取 ✅

修复内容:

# 修复前 (缩进错误)
with open(env_path) as f:
for line in f:  # ❌ 错误缩进

# 修复后 (正确缩进)
with open(env_path) as f:
    for line in f:  # ✅ 正确缩进

验证:

✅ 百炼API已配置: qwen3.6-plus
  Key: sk-REDACTED...

2. 章节文本保存 ✅

验证结果:

{
  "title": "1. Introduction",
  "level": 1,
  "char_count": 3515,
  "text_full": "1. Introduction\nSugar, which determines..."
}

3. curl调用 ✅

验证:

curl -X POST https://coding.dashscope.aliyuncs.com/v1/chat/completions \
  -H "Authorization: Bearer sk-REDACTED" \
  -d '{"model": "qwen3.6-plus", "messages": [{"role": "user", "content": "Hello"}]}'

响应: ✅ 成功

---

待优化项

1. Results章节过短

问题: Results章节只有11字符

原因: 章节边界识别将 "2. Results" 作为独立章节，但实际内容在子章节中

解决方案:

# 合并主章节和子章节
if level == 1 and i < len(matches) - 1:
    # 检查是否有子章节
    next_level = matches[i+1][1]
    if next_level > level:
        # 跳过主章节，只保留子章节
        continue

2. 规则关系为0

问题: 正则表达式未匹配到表达关系

原因: 文本中表达关系的描述方式多样

解决方案: 增加更多正则模式

patterns = [
    (r'(SlSUT\d+)\s+was\s+highly\s+expressed\s+in\s+([\w\s,]+)', 'highly_expressed_in'),
    (r'(SlSUT\d+)\s+showed\s+(?:high|low)\s+expression\s+in\s+([\w\s,]+)', 'expressed_in'),
    (r'(SlSUT\d+)\s+is\s+expressed\s+in\s+([\w\s,]+)', 'expressed_in'),
    (r'expression\s+of\s+(SlSUT\d+)\s+was\s+detected\s+in\s+([\w\s,]+)', 'expressed_in'),
    (r'(SlSUT\d+)\s+was\s+expressed\s+in\s+([\w\s,]+)', 'expressed_in'),
    (r'(SlSUT\d+)\s+genes?\s+(?:were|was)\s+expressed\s+in\s+([\w\s,]+)', 'expressed_in'),
]

3. LLM返回NONE

问题: LLM未提取到关系

原因:

1. Prompt可能需要优化
2. 文本中确实没有明确的表达关系描述

文本示例:

SlSut01 and SlSut08 showed more significant expression.
expression of SlSut01 and SlSut08 genes in the pulp and peel was higher

解决方案: 优化Prompt，明确指示提取基因-组织关系

---

测试结果数据

章节提取

章节	字符数	状态
1. Introduction	3,515	✅
2. Results	11	⚠️
2.1. Phylogeny...	748	✅
2.2. Chromosomal...	1,643	✅
2.3. Structure...	3,679	✅
2.4. Collinearity...	927	✅
2.5. Evolutionary...	3,076	✅
2.6. Expression...	1,837	✅
3. Discussion	4,589	✅

总计: 19个章节

基因提取

提取到的基因 (7个):

• SLSUT01, SLSUT05, SLSUT06, SLSUT07, SLSUT08, SLSUT1, SLSUT4

关系抽取

类型	数量	状态
规则关系	0	⚠️
LLM关系	0	⚠️

---

关键发现

1. 章节文本保存成功 ✅

核心修复目标达成：章节文本完整保存到 text_full 字段

2. 百炼API工作正常 ✅

curl调用成功，API响应正常

3. 需要更多关系模式 ⚠️

文本中的表达关系描述比较隐晦，需要更智能的提取方法

---

文件清单

• extract_v12_1_fixed.py - 修复版提取器
• extract_v12_1_curl.py - curl版提取器
• FINAL_TEST_REPORT.md - 本报告
• /tmp/v12_1_curl_result.json - 测试结果

---

结论

修复状态

功能	状态	备注
章节文本保存	✅	核心修复完成
API Key读取	✅	修复成功
curl调用	✅	工作正常
章节提取	⚠️	需要优化边界识别
规则关系	⚠️	需要更多模式
LLM关系	⚠️	需要优化Prompt

建议

1. 立即: 优化章节边界识别，合并主章节和子章节
2. 短期: 增加更多关系抽取模式
3. 长期: 优化LLM Prompt，提高关系抽取准确率

---

报告时间: 2026-04-10 12:10 GMT+8
签名: 🧬🤖