ARCHITECTURE DESIGN DOCUMENT v1.0

EasyAI

OIE · OpenIntegrationEngine 的 AI 大脑

为开源医疗集成引擎注入智能，实现通道的自动化设计、数据类型智选、
连接器配置生成、过滤器与转换器的 AI 辅助编码

ServicePlugin ChannelPlugin REST API LLM Gateway

01 / PROBLEM SPACE

传统通道开发的痛点

Mirth Connect / OIE 是医疗信息集成的核心引擎，但通道开发依然高度依赖人工经验。每个通道涉及数据类型选择、连接器配置、过滤器编写、转换器脚本等大量手工操作。

8+

种数据类型需要人工判断选择

HL7v2 / HL7v3 / FHIR / XML / JSON / DICOM / EDI / Delimited

20+

种连接器类型需要手动配置参数

TCP / HTTP / MLLP / File / DB / JMS / DICOM / WS ...

N × M

过滤器与转换器的组合爆炸

JavaScript / Mapper / MessageBuilder / XSLT / RuleBuilder

~2h

平均每条复杂通道的手工配置耗时

含调试与测试，不含需求分析

02 / PLUGIN ARCHITECTURE

EasyAI 插件四层架构

遵循 OIE/Mirth Connect 标准 Extension 架构，EasyAI 由 Shared、Server、Client、Distribution 四个 Maven 模块组成，同时引入独立的 AI Gateway 层对接大模型服务。

easyai-client

Swing Administrator UI Extension

EasyAiPanel.java

AI 侧边面板 — 嵌入通道编辑器右侧，展示 AI 建议、对话窗口和一键应用按钮

AiChatWidget.java

智能对话组件 — 用户用自然语言描述需求，AI 返回通道配置建议

AiSuggestionRenderer.java

建议渲染器 — 将 AI 返回的 JSON Diff 可视化为可审批的配置变更卡片

easyai-shared

JAX-RS Interfaces & Shared Models

EasyAiServletInterface

REST API 契约接口
/api/extensions/easyai/*

AiSuggestion.java

AI 建议模型 — 包含推荐配置、置信度、理由说明

ChannelIntent.java

通道意图模型 — 用户的自然语言需求的结构化表示

AiCodeGenRequest.java

代码生成请求 — 含上下文、目标类型和约束条件

easyai-server

ServicePlugin + ChannelPlugin + REST Servlet

EasyAiServicePlugin.java

核心服务插件 — 实现 ServicePlugin 接口，管理 AI 引擎生命周期、配置和 LLM 连接池

EasyAiChannelPlugin.java

通道钩子 — 实现 ChannelPlugin，在通道保存/部署时自动执行 AI 验证与优化建议

EasyAiServlet.java

REST 服务端实现 — 处理来自 Client 的所有 AI 请求，extends MirthServlet

DataTypeAdvisor

数据类型智选引擎

ConnectorConfigurator

连接器配置生成器

FilterTransformerGen

过滤器/转换器生成器

TemplateUpgrader

模板智能升级器

ai-gateway (内嵌)

LLM Abstraction Layer — 可插拔的多模型适配

LlmProvider (SPI)

统一的 LLM 提供者接口，支持 OpenAI / Claude / 本地模型热切换

PromptTemplateEngine

Prompt 模板引擎 — 按场景加载预构建的专家级提示词模板

ContextBuilder

上下文构建器 — 从当前通道状态提取精简上下文送入 LLM

ResponseParser

响应解析器 — 将 LLM 输出解析为类型安全的 AiSuggestion 对象

plugin.xml — Extension Manifest

<!-- EasyAI Plugin Manifest for OIE -->
<pluginMetaData path="easyai">
  <name>EasyAI - Intelligent Channel Assistant</name>
  <author>OIE Community</author>
  <pluginVersion>1.0.0</pluginVersion>
  <mirthVersion>4.5.0,4.6.0</mirthVersion>
  <description>AI-powered channel design assistant</description>
  <extensionType>SERVER_PLUGIN</extensionType>

  <serverClasses>
    <string>com.oie.plugins.easyai.server.EasyAiServicePlugin</string>
    <string>com.oie.plugins.easyai.server.EasyAiChannelPlugin</string>
  </serverClasses>

  <clientClasses>
    <string>com.oie.plugins.easyai.client.EasyAiClientPlugin</string>
  </clientClasses>

  <apiProvider type="SERVLET_INTERFACE"
    name="com.oie.plugins.easyai.shared.EasyAiServletInterface"/>

  <library type="SERVER" path="lib/ai-gateway.jar"/>
  <library type="SERVER" path="lib/okhttp-4.12.jar"/>
  <library type="SERVER" path="lib/jackson-databind.jar"/>
</pluginMetaData>
      

03 / CORE AI MODULES

六大智能模块

EasyAI 的核心能力被拆分为六个独立的 AI 模块，每个模块负责通道开发生命周期中的一个关键阶段。模块之间松耦合，可独立使用也可链式编排。

1

DataType Advisor — 数据类型智选引擎

用户提供样本消息或描述业务场景，AI 自动识别最优数据类型并推荐序列化/反序列化参数。

INPUT

// 用户粘贴样本消息片段
MSH|^~\&|HIS|HOSP|LIS|LAB|202603..
PID|1||12345^^^MRN||张三^^^^^||...
OBR|1|ORD001||CBC^全血计数^L|||...
// 或自然语言: "接收HIS发来的检验申请"
              

OUTPUT → AiSuggestion

{
  "dataType": "HL7V2",
  "version": "2.4",
  "messageType": "ORM^O01",
  "confidence": 0.96,
  "serializerProps": {
    "handleRepetitions": true,
    "convertLFtoCR": true,
    "stripNamespaces": false
  },
  "reasoning": "检测到HL7v2管道分隔格式..."
}
              

2

Connector Configurator — 连接器自动配置

根据用户描述的数据流向（源系统 → 目标系统），AI 推荐最佳的 Source/Destination 连接器类型、传输协议、端口配置、认证方式，并生成完整的 ConnectorProperties。

Source 端推荐

根据 "HIS通过MLLP发送" → 自动选择 TCP Listener + MLLP Mode，配置端口、TLS、ACK模板

Destination 端推荐

根据 "写入FHIR服务器" → 选择 HTTP Sender，配置 Base URL、Content-Type、OAuth2 Bearer

多目标编排

支持一次生成多个 Destination：DB归档 + HTTP转发 + File备份，自动设置 waitForPrevious 顺序

3

Filter Generator — 过滤器智能生成

用自然语言描述过滤条件，AI 自动生成对应的 Filter Rule 链。支持 JavaScript Rule、Rule Builder 和 External Script 三种输出模式。

// 用户输入: "只处理门诊患者(PV1-2=O)的检验申请，排除取消的订单(ORC-1=CA)"
// AI 生成 → JavaScript Filter Rule:

var patientClass = msg['PV1']['PV1.2']['PV1.2.1'].toString();
var orderControl = msg['ORC']['ORC.1']['ORC.1.1'].toString();

if (patientClass === 'O' && orderControl !== 'CA') {
    return true;  // 接受消息
} else {
    return false; // 过滤掉
}
          

4

Transformer Generator — 转换器自动编码

核心模块。支持四种转换器步骤的自动生成：JavaScript Step、Mapper Step、Message Builder Step、XSLT Step。用户描述数据映射关系，AI 生成完整的 Transformer 步骤链。

场景: HL7v2 → FHIR Bundle

// AI 生成的 Transformer Step (JavaScript)
// Step 1: 构建 FHIR Patient Resource
var patient = {};
patient.resourceType = "Patient";
patient.identifier = [{
  system: "urn:oid:1.2.156.xxxxx",
  value: msg['PID']['PID.3']['PID.3.1']
    .toString()
}];
patient.name = [{
  family: msg['PID']['PID.5']['PID.5.1']
    .toString(),
  given: [msg['PID']['PID.5']['PID.5.2']
    .toString()]
}];

// Step 2: 映射到 channelMap
channelMap.put('fhirPatient',
  JSON.stringify(patient));
              

场景: Mapper 步骤批量生成

// AI 分析源消息结构后
// 自动生成 Mapper Step 定义:

[
  {
    "variable": "patientId",
    "mapping": "msg['PID']['PID.3']['PID.3.1']",
    "defaultValue": ""
  },
  {
    "variable": "patientName",
    "mapping": "msg['PID']['PID.5']['PID.5.1']",
    "defaultValue": "UNKNOWN"
  },
  {
    "variable": "orderDateTime",
    "mapping": "msg['OBR']['OBR.7']['OBR.7.1']",
    "defaultValue": ""
  }
]
              

5

Response Transformer — 响应转换器自动生成

根据 Source 端期望的响应格式和 Destination 的实际返回，自动生成 Response Transformer。支持 ACK 消息构建、HTTP 响应解析、错误码映射等常见场景。

HL7 ACK 生成

根据原始 MSH 段自动构建 ACK^A01 应答消息，映射 MSA 段错误码

HTTP→HL7 响应转换

将 FHIR REST API 的 HTTP 201/4xx 响应映射为 HL7 AA/AE/AR 应答

错误处理策略

AI 根据业务场景推荐重试策略、错误队列路由和告警触发逻辑

6

Template Upgrader — 模板智能升级

将从社区下载的通道模板（Channel Template XML）导入后，AI 自动分析并执行：版本适配（旧版API迁移）、安全加固（TLS配置、凭证外置）、性能优化（批处理、线程调优）、本地化适配（中文医疗标准字段映射）。

版本迁移安全加固性能调优国标适配代码质量文档生成

04 / AI WORKFLOW

端到端智能工作流

用户从"一句话描述"开始，EasyAI 按流水线依次调用各模块，最终输出完整的可部署通道配置。每一步都支持人工审批与修改，保证 Human-in-the-Loop 控制。

1

需求输入 — Natural Language Intent

用户在 AI Chat 面板中输入自然语言描述。EasyAI 的 IntentParser 解析出结构化的 ChannelIntent 对象。

用户输入:
"我需要一个通道，接收HIS通过MLLP发来的HL7检验申请(ORM^O01)，过滤掉取消的订单，把患者信息和检验项目转换成FHIR格式，POST到LIS的FHIR服务器，同时把原始消息归档到PostgreSQL。"

2

意图解构 — Intent Decomposition

{
  "channelName": "HIS-to-LIS-ORM",
  "source": { "protocol": "MLLP", "system": "HIS", "dataType": "HL7V2", "messageType": "ORM^O01" },
  "filters": [{ "condition": "排除 ORC-1 == CA", "action": "REJECT" }],
  "transformations": [{ "from": "HL7V2", "to": "FHIR", "resources": ["Patient", "ServiceRequest"] }],
  "destinations": [
    { "name": "LIS-FHIR", "protocol": "HTTP", "method": "POST", "target": "LIS FHIR Server" },
    { "name": "DB-Archive", "protocol": "JDBC", "target": "PostgreSQL" }
  ]
}
            

3

AI 编排生成 — Orchestrated Generation

服务端 ChannelOrchestrator 按依赖顺序调用各 AI 模块:

DataType
Advisor

→

Connector
Config

→

Filter &
Transformer

→

Response
Transformer

→

Channel XML
Assembly

→

Validation
& Review

4

人工审批 — Human-in-the-Loop Review

AI 生成的完整通道配置以 Diff 视图 展示在 EasyAI Panel 中。用户可以逐项审批：接受、修改或拒绝每一个配置建议。确认后，EasyAI 通过 OIE Server API 将通道配置写入引擎。支持 "解释为什么" 按钮，AI 阐释每个决策的依据。

5

部署与学习 — Deploy & Feedback Loop

通道部署后，EasyAI 的 ChannelPlugin 钩子持续监控运行状态。如果出现消息处理错误，AI 主动分析错误日志并推送优化建议。用户的每次修改都作为反馈数据存入本地知识库，持续优化后续推荐质量。

05 / REST API DESIGN

API 接口设计

EasyAI 通过标准 JAX-RS Servlet Interface 暴露 REST API，路径前缀为 /api/extensions/easyai/。所有接口遵循 OIE 权限模型。

POST /api/extensions/easyai/chat

自然语言对话接口 — 支持流式响应(SSE)，用于交互式通道设计

// Request Body
{ "sessionId": "uuid", "message": "接收HIS的HL7检验申请...", "channelId": "可选-当前通道ID" }
// Response (SSE stream)
data: { "type": "thinking", "content": "分析消息类型..." }
data: { "type": "suggestion", "payload": { /* AiSuggestion */ } }
data: { "type": "done" }
        

POST /api/extensions/easyai/analyze/datatype

分析样本消息，返回推荐的数据类型与序列化参数

POST /api/extensions/easyai/generate/filter

根据自然语言条件生成 Filter Rule 链（JavaScript / RuleBuilder）

POST /api/extensions/easyai/generate/transformer

生成 Transformer 步骤链 — 支持指定输出步骤类型(JS/Mapper/MessageBuilder/XSLT)

POST /api/extensions/easyai/generate/channel

一键生成完整通道 XML — 从 ChannelIntent 直接编排全部模块输出完整配置

POST /api/extensions/easyai/upgrade/template

上传通道模板 XML，AI 分析后返回优化建议和升级后的通道配置

POST /api/extensions/easyai/explain

解释已有通道的某个组件 — 用于学习和排错（"这段 transformer 脚本在做什么？"）

GET PUT /api/extensions/easyai/config

获取/更新 EasyAI 配置 — LLM Provider、API Key、模型选择、Prompt 模板路径等

EasyAiServletInterface.java — JAX-RS 契约

@Path("/extensions/easyai")
@Api("EasyAI Services")
@Consumes(MediaType.APPLICATION_JSON)
@Produces(MediaType.APPLICATION_JSON)
public interface EasyAiServletInterface extends BaseServletInterface {

    @POST @Path("/chat")
    @Produces(MediaType.SERVER_SENT_EVENTS)
    @MirthOperation(name = "aiChat", display = "AI Chat")
    EventOutput chat(AiChatRequest request) throws ClientException;

    @POST @Path("/analyze/datatype")
    AiSuggestion<DataTypeRecommendation> analyzeDataType(SampleMessage sample);

    @POST @Path("/generate/filter")
    AiSuggestion<Filter> generateFilter(AiCodeGenRequest request);

    @POST @Path("/generate/transformer")
    AiSuggestion<Transformer> generateTransformer(AiCodeGenRequest request);

    @POST @Path("/generate/channel")
    AiSuggestion<Channel> generateChannel(ChannelIntent intent);

    @POST @Path("/upgrade/template")
    AiSuggestion<ChannelUpgradeReport> upgradeTemplate(ChannelTemplate template);

    @POST @Path("/explain")
    AiExplanation explain(ExplainRequest request);

    @GET @Path("/config")
    EasyAiConfig getConfig();

    @PUT @Path("/config")
    void updateConfig(EasyAiConfig config);
}
      

06 / TECHNICAL DETAILS

技术栈与 Prompt 工程

Server Side

Java 17+ (与 OIE 4.x 保持一致)

JAX-RS 2.1 (Jersey) — REST API 层

OkHttp 4.x — LLM HTTP Client (支持 SSE)

Jackson — JSON 序列化/反序列化

Caffeine Cache — LLM 响应缓存

SPI (ServiceLoader) — LLM Provider 插拔

Client Side (Swing)

Swing + FlatLaf — 现代化暗色主题 UI

RSyntaxTextArea — 代码预览与 Diff 高亮

JEditorPane (HTML) — Markdown 渲染

SwingWorker — 异步 AI 调用不阻塞 UI

DashboardPanelPlugin — 嵌入式面板注入

Prompt 模板体系

EasyAI 的核心竞争力在于领域专精的 Prompt 模板。每个 AI 模块配备专用的 System Prompt，内嵌 OIE/Mirth Connect 的领域知识（数据类型规范、连接器参数 schema、HL7/FHIR 标准）。

transformer-gen-system-prompt.md — 示例

# System Prompt: Mirth Connect Transformer Generator

You are an expert Mirth Connect integration engineer.
Your task is to generate Transformer Steps for OIE channels.

## Context
- Source data type: {{source_datatype}} (with serializer props: {{source_props}})
- Destination data type: {{dest_datatype}}
- Available variables in scope: {{channel_maps}}
- Current channel context: {{channel_xml_snippet}}

## Rules
1. Use msg['SEGMENT']['SEGMENT.FIELD']['SEGMENT.FIELD.COMPONENT'] syntax for HL7v2
2. Use msg.xpath() for XML/HL7v3 data types
3. Always null-check with .toString() before string operations
4. Store intermediate results in channelMap.put(key, value)
5. For FHIR output, generate valid FHIR R4 JSON resources
6. Output MUST be a JSON array of TransformerStep objects:
   {{ transformer_step_schema }}

## Output Format
Return ONLY valid JSON. No markdown fences. No explanation outside JSON.
      

LlmProvider.java — 可插拔模型适配接口

/**
 * SPI interface for pluggable LLM backends.
 * Implementations loaded via ServiceLoader.
 */
public interface LlmProvider {

    String getName();  // "openai", "claude", "ollama", "azure-openai"

    /** Synchronous completion */
    LlmResponse complete(LlmRequest request) throws LlmException;

    /** Streaming completion via callback */
    void streamComplete(LlmRequest request, StreamCallback callback) throws LlmException;

    /** Test connectivity and model availability */
    boolean healthCheck();

    /** Configuration schema for the admin UI */
    Map<String, ConfigField> getConfigSchema();
}

// Built-in implementations:
// - OpenAiProvider     (GPT-4o, GPT-4.1)
// - ClaudeProvider     (Claude 3.5/4)
// - OllamaProvider     (本地部署, Llama/Qwen/DeepSeek)
// - AzureOpenAiProvider(企业级合规部署)
      

07 / IMPLEMENTATION ROADMAP

实施路线图

PHASE 1 — 基础框架

插件骨架 & AI Gateway

→搭建 Maven 四模块项目骨架

→实现 ServicePlugin 生命周期管理

→AI Gateway SPI 接口 + OpenAI Provider

→Prompt 模板引擎 (Mustache)

→Settings 面板（API Key 配置）

→基础 REST API 框架

PHASE 2 — 核心能力

六大 AI 模块

→DataType Advisor 数据类型智选

→Connector Configurator 连接器配置

→Filter Generator 过滤器生成

→Transformer Generator 转换器生成

→Response Transformer 响应转换生成

→Channel Orchestrator 端到端编排

PHASE 3 — 高级特性

智能升级 & 持续学习

→Template Upgrader 模板升级

→ChannelPlugin 运行时监控钩子

→本地知识库 (Embedding + SQLite)

→Ollama/本地模型 Provider

→AI Chat 对话式开发

→社区 Prompt 模板市场

Maven 项目结构

oie-plugin-easyai/
├── pom.xml                          # Parent POM (multi-module)
├── easyai-shared/
│   └── src/main/java/com/oie/plugins/easyai/shared/
│       ├── EasyAiServletInterface.java  # JAX-RS REST contract
│       ├── model/
│       │   ├── AiSuggestion.java        # Generic AI response wrapper
│       │   ├── ChannelIntent.java       # Structured user intent
│       │   ├── AiChatRequest.java       # Chat message model
│       │   ├── AiCodeGenRequest.java    # Code gen request context
│       │   └── EasyAiConfig.java        # Plugin configuration model
│       └── constants/
│           └── EasyAiConstants.java     # Permission names, paths
├── easyai-server/
│   └── src/main/java/com/oie/plugins/easyai/server/
│       ├── EasyAiServicePlugin.java     # ServicePlugin — lifecycle, config
│       ├── EasyAiChannelPlugin.java     # ChannelPlugin — deploy/save hooks
│       ├── EasyAiServlet.java           # REST endpoint implementation
│       ├── ai/
│       │   ├── DataTypeAdvisor.java     # Module 1: Data type analysis
│       │   ├── ConnectorConfigurator.java# Module 2: Connector config gen
│       │   ├── FilterGenerator.java     # Module 3: Filter rule generation
│       │   ├── TransformerGenerator.java # Module 4: Transformer step gen
│       │   ├── ResponseTransformerGen.java# Module 5: Response transformer
│       │   ├── TemplateUpgrader.java    # Module 6: Template upgrade
│       │   └── ChannelOrchestrator.java  # End-to-end pipeline orchestrator
│       └── gateway/
│           ├── LlmProvider.java         # SPI interface
│           ├── LlmRequest.java          # Unified request model
│           ├── LlmResponse.java         # Unified response model
│           ├── PromptTemplateEngine.java # Mustache-based prompt renderer
│           ├── ContextBuilder.java      # Channel context extractor
│           ├── ResponseParser.java      # LLM output → typed objects
│           └── providers/
│               ├── OpenAiProvider.java  # GPT-4o / GPT-4.1
│               ├── ClaudeProvider.java  # Claude 3.5 / 4
│               └── OllamaProvider.java  # Local LLM (Qwen/DeepSeek)
├── easyai-client/
│   └── src/main/java/com/oie/plugins/easyai/client/
│       ├── EasyAiClientPlugin.java    # ClientPlugin — UI registration
│       ├── EasyAiPanel.java            # Main sidebar panel
│       ├── AiChatWidget.java           # Chat input/output component
│       ├── AiSuggestionRenderer.java   # Diff view & approval cards
│       └── EasyAiSettingsPanel.java    # Settings tab (API key, model)
├── easyai-distribution/
│   ├── plugin.xml                       # Extension manifest
│   └── pom.xml                          # Assembly zip packaging
└── prompts/                             # Prompt template files
    ├── system-datatype-advisor.md
    ├── system-connector-config.md
    ├── system-filter-generator.md
    ├── system-transformer-generator.md
    ├── system-response-transformer.md
    ├── system-template-upgrader.md
    └── system-channel-orchestrator.md
      