标准化机制

健康数据到达时是杂乱的：“血糖(空腹)”、“FBG”、“Glucose, fasting” 指的是同一个指标，单位也同样五花八门。无论是通过 POST /v1/data 写入，还是由 POST /v1/standardize 存储，Mirobody 都会把每条结构化读数标准化，让 agent 和你的查询看到的是同一份连贯、带编码的数据集。

POST /v1/files 是独立的文件存储与文本抽取接口；上传文件时，Mirobody 会自动把其中的报告数值标准化为结构化读数。/v1/standardize 是同一抽取的显式路径：用它审阅结果（dry-run），或按需标准化 text / file_key 来源。

管线

文档与结构化记录都进入同一条管线：

1. 1
   读取来源 PDF / 图片 → 文本（OCR）；Excel → 行。
2. 2
   抽出读数 找出每条 {指标, 值, 单位, 日期}。仅文档需要这一步：/v1/data 记录本就是结构化的，直接进入编码。
3. 3
   为指标编码 把名称匹配到 LOINC 编码。没有高置信匹配时，loinc_code 保持 null，绝不给一个错码。
4. 4
   归一单位 把单位写法折叠成统一的 UCUM 形式，并把值解析为数字："mg/dl" → mg/dL。
5. 5
   落成一条序列 每条读数在 Subject 的时间线上占一行，可按指标、编码与日期查询。

关键在第 3 步：编码是匹配出来的，绝不是编造出来的。 模型很擅长读文档，却不该被用来背编码体系：一个错的 LOINC 码比没有更糟。所以当匹配不够可信时，Mirobody 会保留原始名称、让 loinc_code 为 null，而不是去猜。

自部署时这条管线覆盖的是结构化读数：引擎的 provider 通道与端上批量样本走同一条归一写入，而文件抽取直接写入存储、保留报告原文的指标名，由语义检索归并。见数据流。

标准化前后对比

你发送给 /v1/data 的内容（或 /v1/standardize 从报告中读到的内容）与结构化存储中的结果：

	Before（原样）	After（标准化后）
指标	"血糖(空腹)" / "FBG" / "Glucose, fasting"	loinc_code: "1558-6"，canonical_name: "Fasting glucose [Mass/volume] in Serum or Plasma"
值	"97 mg/dL"（一个字符串）	value: "97"（原样的值，不带单位）、parsed_value: "97"、parsed_unit: "mg/dL"（UCUM）
单位写法	"mg/dl"、"MG/DL"、"mg/dL"	"mg/dL"（统一 UCUM 形式）
互操作	自由文本	LOINC 编码 + UCUM 单位，即 FHIR 自身使用的那套词表
原文	—	保留：value 是原样的值本身（如 97，不追加单位，单位在 parsed_unit 中）；原始名称/单位不丢

同一项检测的三种写法归成一条序列：趋势查询、agent 的数据工具与你自己的分析都把它当作同一个指标。

API 中的标准化结果

接口	呈现出什么
POST /v1/data	响应在 ingested 之外还统计 standardized。
GET /v1/data	每行携带 parsed_value / parsed_unit / loinc_code / canonical_name；数据源带了参考区间时，还会带上参考区间与 abnormal 标记。
POST /v1/standardize	整条管线的同步调用形态：默认 dry-run，可先审阅标准化结果再决定写入。
agent	有据可循的回答查询的是标准化后的序列，所以”我的血糖怎么样”能找到写成 “FBG” 的记录。

Cookbook：一次调用，报告 → 结构化数据

# 先审阅（什么都不持久化）……
curl https://api.mirobody.ai/v1/standardize \
  -H "Authorization: Bearer $MIROBODY_API_KEY" \
  -F "user=alice" -F "file=@lab_report.pdf"

# ……再提交同一份抽取
curl https://api.mirobody.ai/v1/standardize \
  -H "Authorization: Bearer $MIROBODY_API_KEY" \
  -F "user=alice" -F "file=@lab_report.pdf" \
  -F "store=true" -F "retention=permanent"

完整行形状（indicator_raw、loinc_code、confidence 等）见叙事文本与报告。

另见

• 结构化记录：大多数写入经过的端点。
• 叙事文本与报告：对一份文档执行同一条管线。
• 模型：回答层运行在什么之上。