LIMS：把AI融入实验室资料、查询与体系核查

实验室的日常工作同时面对结构化数据和大量文件：客户与人员清单、设备台账、标准物质证书、检测业务记录，以及体系文件和作业要求。仅把文件放进系统，还不足以让这些信息方便地用于查询和核查。

这个项目在已有LIMS（实验室信息管理系统）中融入AI能力，以煤与燃料检测业务为背景，围绕资料入库、业务查询、文件问答和体系核查准备连接工作流程。AI负责理解、抽取和起草，程序负责校验与取数，人员确认写入、规则和专业结论。

项目概况

项目要素	说明
行业	实验室检测，客户保持匿名
既有基础	基于Odoo 17的LIMS，已有委托、样品、检测、设备、人员与文件管理
改造范围	初始化资料导入、自然语言业务查询、知识库问答、体系核查辅助
主要使用者	系统管理员、实验室内部业务人员、体系管理人员；各功能权限不同
人工职责	修正导入数据、确认创建、审核文件依据与核查口径、作出最终判断

从文件到可核对的工作依据

1. 资料导入：先预览和校验，再创建记录

不同来源的资料往往列名、排版和表达方式不一致。导入功能让AI把内容映射到系统字段，先生成可编辑的暂存行，标出缺少必填项、重复数据或关联对象未匹配等问题。

现有导入对象覆盖客户、人员、设备、标准物质证书和体系条款。表格与文档解析、证书照片的图像识别分别处理，具体支持格式取决于导入类型，并不把任意文件都当成可直接导入的数据。

人员可以修改预览行、重新校验并勾选需要创建的内容。确认之后才写入业务记录；创建时再次查重，逐行记录新建、跳过或失败结果，便于继续处理异常。这一入口当前面向管理员。

2. 业务查询：用自然语言调用既有数据工具

内部人员可以询问委托、样品、检测任务、质控和报告等业务信息。模型将问题转为限定工具的调用，后端查询LIMS数据，再组织回答。

图表由后端从工具返回的结构化数据生成，减少数字经过模型转述的环节；查询结果还可导出为Excel、Word或PDF，供后续核对和整理。这里的“只读”是指业务查询工具不替用户修改业务记录，导出本身仍会生成临时记录。

**当前权限边界：**数据助手限制内部用户进入，但业务工具采用提权取数，不能据此宣称结果自动沿用每名用户的业务数据权限。向不同岗位开放的具体数据范围，仍需按实际使用要求进一步设计和验证。文件知识库的检索和读取则走当前用户的文件访问权限。

3. 知识问答：找到文件，还要说明依据是否齐全

体系文件、程序文件和方法资料可提取正文，并生成用于检索的文件卡片。用户既可以直接提问，也可以指定整个知识库，或用“@文件”点名参考资料。指定文件的正文会在长度上限内送入本轮问答；截断或无法读取时有相应提示。

关键设计包括：检索无命中时追加明确约束，要求说明缺少资料；回答后由程序比对识别到的标准号与本轮返回内容，对缺少出处的引用追加警示。这种检查针对文件编号和出处线索，不等于逐句核实回答的专业含义。

例如，询问某项检测操作的具体温度，而相应方法文件尚未入库时，合理的处理是指出缺少依据、建议补充文件；不能拿模型记忆中的数值代替实验室适用的文件要求。

4. 体系核查：AI起草，人确认后由程序执行

体系条款需要转成可执行的核查口径，例如检查哪些记录、按什么范围筛选、怎样判断缺项或到期。现有功能支持AI协助起草规则配置、列出歧义，并提供试跑和人工修改入口。

人员确认绑定后，核查要求与配置一同保存，后续评审按既定程序取数和比对，不在每次执行时重新让模型决定判定口径。超出现有规则表达能力的要求，仍需人工处理或另行开发。

另一个衔接点是条款与支撑文件：AI给出候选文件、推荐理由与引文线索，人员核对后才挂接。文件换版会通过附件校验值变化提示重新复核。系统提供的是核查事实和建议，最终评审及专业结论仍由负责人员作出。

当前证据能说明什么

能力	已核对的依据	尚不能据此认定
资料导入	文档与源码中的抽取、预览、校验及确认创建链路	所有客户历史资料均已迁移，或任意格式均能识别
查询与导出	工具白名单、后端取数、图表和导出代码	全体岗位的数据权限已完整隔离
知识问答	检索、指定文件、出处提示代码及12组问答实录	回答始终正确，或演示资料就是目前适用的全部版本
体系核查辅助	规则编译、确认绑定、程序核查及文件挂接代码	所有条款都能自动核查，或系统可代替专业评审

本轮为文档和源码核对，未运行Odoo、连接生产库或重新调用模型。项目盘点资料中也有部分配置仅在开发环境核对的说明，不能把功能存在等同于全部已投入生产。当前没有可公开核实的节省工时、收益或总体准确率，因此暂不列这些成效数字。

持续服务可以围绕什么展开

后续服务可围绕文件换版与重新复核、导入字段和校验规则维护、岗位数据范围、典型问题回归验证，以及模型配置和调用成本检查展开。这是基于现有实现提出的服务方向，具体范围、验收方式和频率仍需与客户约定。