本项目是专为医院医保办公室设计的本地化终端（TUI）审方工具，用于高效处理门特（门诊特殊病）、慢病（门诊慢性病）处方申诉批次。我们不依赖网页系统、不上传患者数据、不绑定特定云服务，所有操作在本地完成。核心机制是「键盘快捷键流式分类 + LLM 实时辅助生成说明草稿」，支持优先级标记（1/2/3/4）、存疑标注、自动进度保存、国产大模型对接（DeepSeek、硅基流动等）、离线规则降级。交付形态为纯命令行程序，运行于 Windows/Linux/macOS，主要技术栈包括 Python 3.10+、Rich（TUI 渲染）、httpx（异步 API 调用）、Pydantic（数据校验）与自研规则模板引擎。
定位与能力范围
我们不做多角色协同，也不做全院处方事前拦截；本工具明确服务于医保办专职审核人员，在已完成申诉材料归集的前提下，聚焦「单人、单批次、高密度」的复核场景。典型工作流是：从HIS或医保平台导出CSV格式申诉清单 → 本地加载 → 键盘逐条快速判定 → 自动生成审核依据文字 → 导出结构化结果供归档或回传。它不替代临床药师的专业判断，而是把重复性高、模式性强的初筛动作标准化、可追溯、可回溯。边界清晰：不接入医院数据库、不修改原始数据、不生成电子签章、不对接医保接口，只输出审核状态标签与说明文本。
核心功能
工具围绕「减少鼠标移动、避免上下文切换、保障中断续审」三个真实痛点构建：
- 键盘驱动的流式处理
：全程无需鼠标，↑↓导航记录，1/2/3/4一键标记优先级（优先/次要/存疑/跳过），R键重置整批，Q键安全退出。每按一次即触发状态更新与侧边栏说明刷新；
- LLM 辅助说明生成
：右侧固定区域实时显示审核说明草稿，内容基于当前处方字段（患者姓名、药品名、剂量、科室、申诉理由）动态生成，非通用模板，而是带逻辑链的短句（如：“二甲双胍0.5g bid属常规起始剂量，内分泌科开具符合《中国2型糖尿病防治指南》推荐”）；
- 进度自动持久化
：每处理10条自动写入本地进度文件，意外断电或误关窗口后，下次执行
--resume即可从中断处继续，已标记记录不丢失； - 国产模型即插即用
：通过配置
OPENAI_BASE_URL和OPENAI_MODEL，可无缝切换至 DeepSeek（deepseek-chat）、通义千问（Qwen2.5-7B-Instruct）等国产API服务，不强依赖OpenAI； - 离线规则兜底
：当网络不可达或API调用失败时，自动回落至内置规则库（覆盖超剂量、适应证不符、频次异常等12类常见申诉类型），仍能生成合规、可读的说明文本；
- 大屏信息聚合视图
：顶部显示当前批次总量、已处理数、剩余数、预估耗时（基于历史处理速度动态估算），底部常驻快捷键提示，界面无冗余元素。
使用与配置
使用前只需三步：安装依赖、配置密钥、准备数据。
首先安装运行环境：
pip install -r requirements.txt然后复制配置模板并填入凭证：
cp config/.env.example config/.env编辑config/.env，至少填写以下两项（国产模型需额外设置 base_url）：
OPENAI_API_KEY=sk-xxx OPENAI_MODEL=gpt-4o-mini OPENAI_BASE_URL=https://api.deepseek.com/v1CSV数据需包含6个标准字段，顺序不限但表头必须匹配： | 字段名 | 含义 | 必填 | |--------|------|------| | case_id | 申诉编号（唯一标识） | 是 | | patient_name | 患者姓名 | 是 | | drug_name | 药品通用名 | 是 | | dosage | 用药剂量与频次（如“0.5g bid”） | 是 | | department | 开具科室 | 是 | | appeal_reason | 申诉理由（如“超剂量用药”） | 是 |
若原始数据字段名不同（如patient_id替代case_id），可修改config/field_mapping.json做字段映射，无需改代码。
启动方式灵活，常用命令如下：
# 基础运行 python main.py --file data/mock_appeals.csv # 中断后恢复 python main.py --file data/mock_appeals.csv --resume # 纯规则模式（禁用LLM） python main.py --file data/mock_appeals.csv --no-llm # 临时指定模型与密钥（覆盖.env） python main.py --file data/mock_appeals.csv --model qwen2.5-7b-instruct --api-key sk-xxx如无现成数据，可用内置脚本生成30条模拟申诉：
python scripts/generate_mock_data.py生成文件将落于data/mock_appeals.csv，可直接用于首次试用。
环境与运行
本工具对运行环境要求极低，仅需 Python 3.10 或更高版本，无 GPU 依赖，内存占用稳定在 80–120MB 区间。已在 ThinkPad X1 Carbon（i7-1165G7 / 16GB）、MacBook Pro M1（16GB）、Ubuntu 22.04（4核8G）三类设备实测通过。Windows 用户建议使用 Windows Terminal 或 PowerShell；Linux/macOS 用户推荐 iTerm2 或 Kitty，以获得最佳键盘响应体验。
所有依赖均声明于requirements.txt，不含闭源包或需手动编译组件。安装过程不修改系统路径、不注册服务、不创建桌面图标，卸载即删整个目录。运行时仅读取指定 CSV 文件与配置文件，不扫描硬盘、不访问剪贴板、不收集日志，符合医保数据本地化处理的基本合规前提。
数据与扩展
数据输入严格限定为 CSV，不支持 Excel、数据库直连或API拉取。我们坚持这一设计，是因为：第一，医保办日常接收的申诉材料本就是导出CSV；第二，格式可控，便于字段校验与错误定位；第三，规避因格式兼容性引发的解析歧义（如Excel日期自动转换、合并单元格丢失等）。
字段扩展通过config/field_mapping.json实现，该文件定义了外部字段到内部模型字段的映射关系。例如：
{ "case_id": ["case_id", "申诉编号", "MRN"], "patient_name": ["patient_name", "姓名"] }添加新别名即可适配不同来源的表头命名习惯。
说明文本输出支持两种形式：一是实时显示在TUI侧边栏供人工参考；二是批量导出为 CSV 报告（含case_id,review_status,review_notes,review_time四列），可直接导入OA或医保平台后台。导出逻辑封装在exporter.py，如需对接特定系统，可在此模块内扩展 JSON/XML 输出格式。
限制与说明
本工具不是万能审方引擎，有明确的能力边界与使用前提：
不处理影像、PDF、手写扫描件等非结构化申诉材料；
不验证药品说明书原文或最新版诊疗规范（说明文本仅为参考，最终结论须由审核员确认）；
不支持跨批次合并统计（如“本月共驳回XX例超剂量”需人工汇总）；
LLM生成内容不视为法律意见，仅作语义组织与表达辅助；
CSV编码仅支持 UTF-8（含BOM）、GBK、GB2312，其他编码需先转码；
单次加载上限建议≤500条，超量可能影响TUI响应流畅度（可分批处理）。
常见问题已有结构化应答，例如：
问题现象 | 解决方式 |
|---|---|
提示 “API key 未配置” | 编辑 |
LLM调用超时或报错 | 工具自动启用规则模板，无需干预；检查 |
CSV打开乱码 | 用记事本另存为UTF-8格式，或在Excel中选择“数据→从文本/CSV→选择UTF-8编码”导入后再另存 |
字段缺失报错 | 确认CSV含全部6个标准字段；或按说明文档修改 |
项目文档中已提供完整测试环境参数（ThinkPad X1 Carbon + Python 3.10），效率对比数据基于30条申诉记录实测：本工具平均6–10秒/条，Web系统平均30–50秒/条。差异主因在于页面加载、表单渲染、鼠标点击、弹窗确认等非审方动作的耗时。
项目地址：
https://github.com/nexorin9/medical-insurance-review-assistant
