PlantAI-rag/docs/analysis/V2_STATUS.md

V2提取器执行状态

时间: 2026-04-10 20:25 GMT+8

---

当前状态

✅ 已完成

1. 多智能体分析 - 完成

   • 发现问题: 证据准确率仅18%
   • 设计改进: 强制原文摘录
   • 实现方案: V2提取器

2. V2提取器开发 - 完成

   • extractor_v2_pro.py - 完整版
   • quick_validate.py - 快速验证版
   • RUN_V2_EXTRACTION.sh - 执行脚本

3. 测试启动 - 进行中

   • quick_validate.py 正在运行
   • extractor_v2_pro.py 准备执行

---

核心改进

V2 vs V1

改进项	V1	V2	预期提升
证据来源	LLM生成	原文摘录	18% → 95%
复合实体	未展开	自动展开	0% → 100%
验证流程	无	三级验证	0 → 100%
准确率	55%	>90%	1.6倍

关键Prompt改进

V1 (问题):

提取基因关系，提供证据

V2 (改进):

CRITICAL RULES:
1. EVIDENCE MUST BE EXACT TEXT from the sentence
2. For multiple genes, create SEPARATE relation for EACH gene
3. Use SPECIFIC gene names only, NO ranges

---

执行计划

步骤1: 快速验证 (进行中)

• 测试2个关键用例
• 验证复合基因展开
• 验证原文摘录
• 预计: 2-3分钟

步骤2: 完整提取 (待执行)

• 处理所有句子
• 提取所有关系
• 三级验证
• 预计: 30-60分钟

步骤3: 结果验证 (待执行)

• 附表对比
• 人工抽样
• 准确率计算
• 预计: 10-20分钟

---

监控方法

查看验证进度

tail -f /tmp/v2_validation.log

查看提取进度

tail -f /tmp/v2_extraction.log
python3 -c "import json; d=json.load(open('/tmp/extractor_v2_progress.json')); print(len(d))"

查看最终结果

ls -la /tmp/extractor_v2_result.json
python3 -c "import json; r=json.load(open('/tmp/extractor_v2_result.json')); print(r['metadata'])"

---

预期结果

数量预期

• 关系数: 200-300个
• 基因覆盖: 35-40个 (87.5-100%)
• 关系类型: 10-15种

质量预期

• 证据准确率: >95%
• 整体准确率: >90%
• 附表一致性: >90%

---

文件清单

代码

• extractor_v2_pro.py - V2完整提取器
• quick_validate.py - 快速验证
• RUN_V2_EXTRACTION.sh - 执行脚本

文档

• MULTI_AGENT_SUMMARY.md - 多智能体分析
• V2_STATUS.md - 本文件

输出

• /tmp/v2_validation.log - 验证日志
• /tmp/v2_extraction.log - 提取日志
• /tmp/extractor_v2_progress.json - 进度
• /tmp/extractor_v2_result.json - 最终结果

---

下一步

1. 等待验证完成 - 2-3分钟
2. 检查验证结果 - 确认改进有效
3. 执行完整提取 - 30-60分钟
4. 三级验证 - 10-20分钟
5. 输出最终报告

---

状态: V2提取器已启动，正在验证中
签名: 🧬🤖