AI 融入工作流，无需反复对话。
规格审查
在执行前发现缺失与不一致。
自主执行与质量检查
自主生成、执行、自我纠正代码与数据集，并完成质量检查。
专家审阅
在需要判断或审阅时介入。
完整交付包
获得结果、对应代码、完善后的规格及 Docker 镜像。
代码在我们的隔离 sandbox 中运行。临床数据绝不发送给 AI 服务提供商。
02 / 执行
执行持续，变更无碍。
恢复中断的工作，只更新受影响的部分，复用已验证结果，并查看历史执行状态。
02.1 / 恢复执行
继续执行，无需从头开始。
从保存的执行状态恢复，保留已完成的代码、结果及检查记录。
- 保留已完成的工作。
- 继续执行中断的任务。
保存的状态保留 LB.LBDTC、ADLB.ADT、ADSL.TRTSDT、ADLB.ABLFL 和 ADLB.AVAL，复用对应的代码、结果及检查记录。
ADLB.BASE 从最后有效状态恢复，已完成的上游推导保留，不再重新生成。
ADLB.BASE 恢复后继续生成该下游结果。已保存的输入和已完成的推导保持不变。
ADLB.BASE 恢复后继续生成该下游结果。已保存的输入和已完成的推导保持不变。
02.2 / 变更影响分析
只更新受影响的部分。
即使只修改一个变量的规则，或一个数据单元格，也能识别受影响的下游变量。只重新生成或执行受影响的工作，保留未受影响的已验证代码和结果。
- 重新生成或重跑受影响的工作。
- 复用已验证的代码和结果。
ADLB.ABLFL 示例修改：纳入治疗开始当日的实验室结果。这会改变 BASE 及下游 CHG / PCHG。源值和分析日期保持不变。
Selected baseline lab value: 120 → 118.
CHG = AVAL − BASE. 128 − 118 = 10.
PCHG = (AVAL − BASE) / BASE × 100. 10 / 118 × 100 ≈ 8.5%.
ADLB.AVAL 保持 128。ADLB.ADT 和 LB.LBDTC 没有变化。影响范围之外的代码、输入和已验证结果继续复用。
02.3 / 验证复用
复用未改变的已验证工作。
输入和依赖没有改变，就保留已验证的代码和结果。
- 复用已验证的代码。
- 保留同一个已验证结果。
ADLB.AVAL 示例任务：源输入和依赖指纹仍与已保存的验证状态一致。基线规则修改影响其他推导，因此该任务可以继续复用。
ADLB.AVAL 的输入与依赖没有改变，因此复用此前已验证的代码，该保留任务无需重新生成代码。
ADLB.AVAL 保持 128，并保留对应的验证证据。复用保留现有结果产物及其来源关系，无需生成新结果。
02.4 / 历史重放与追溯
历史重放与追溯
查看保存的执行状态，包括输入、代码、结果和质检。沿变量级依赖、推导规则和源数据追溯结果。
- 逐步重放已保存的执行过程。
- 检查每个结果背后的证据。
ADLB.CHG = 10。该执行状态对应 spec v3、代码 v19、AVAL 128、BASE 118 及 QC 证据，可以完整查看。
- 输入
- 代码
- 结果
- 检查
保存的输入：AVAL = 128、BASE = 118。Spec v3：治疗开始当天或之前。该结果属于 10 月 4 日 的执行状态。
使用该状态保存的输入，重放代码 v19。CHG = AVAL − BASE。基线选择规则为“治疗开始当天或之前”。
保存的检查确认 10 = 128 − 118，并根据 spec v3 检查基线选择。这些检查记录属于该历史执行状态。
03 — 人机协同
不盲目自主，也不层层审批。
未经约束的自主执行
可能依赖未经验证的假设。
持续审批
容易造成审批疲劳。
自主执行，专业判断。
AI 推进工作，专家在需要判断时介入。