企业官网建设流程全解析

简介：本资源为传智教育出品的健康管理系统产品需求说明书（PRD）文档，面向软件产品经理、需求分析师及Java全栈开发初学者，聚焦医疗健康类SaaS系统的需求建模与功能拆解。文档完整覆盖会员管理、预约管理、健康评估与健康干预四大核心模块，含详细流程图、特性描述与功能操作说明，并对数据结构类型（序号、指标名称、参考值、单位、针对性别）进行标准化定义，支撑后续数据库设计与前后端开发。资源为单个890KB的Word文档（.docx），内容结构清晰，含修订记录、目录、用户角色描述及子系统级功能详情，便于快速掌握医疗健康类项目需求分析方法论。目前已有600人学习下载，适合用于课程设计参考、实习项目需求对标或产品经理岗位能力提升的实操范本。

1. 这不是一份“过期文档”，而是一套可复用的健康管理系统需求骨架：为什么2018年的PRD至今仍被一线团队当模板拆解

你点开这份标着“2018-4-24”、页眉印着建材城西路地址和400电话的PDF，第一反应可能是：这玩意儿还能用？——我去年在某高校健康信息实验室带学生做毕业设计时，就遇到过类似质疑。结果呢？三个小组分别基于它重构了微信端慢病随访模块、体检报告结构化解析引擎、以及干预方案生成规则库，全部跑通了真实机构的数据流验证。原因很简单：它没写一行代码，却把健康管理业务中最硬的骨头——数据结构定义、角色权责边界、状态流转逻辑，全钉在了纸面上。这不是UI稿，不是功能列表，而是一份“业务语义地图”：告诉你血压值该存成字符还是浮点、为什么“舒张压”字段必须和“收缩压”成对出现、为什么“档案号”不可为空但“邮箱”可以为空。它服务的不是程序员，而是能把医生语言翻译成数据库字段的那个人。如果你正卡在“系统总被业务方推翻重来”“字段改三次，接口返工五轮”的困局里，这份PRD的价值，不在于它多新，而在于它多“笨”——笨到连“BMI怎么算”都写进数据结构说明里，笨到把“预约取消后是否发短信”这种细节列进业务规则。它适合三类人：刚接手健康类项目的产品经理（抄结构）、需要快速搭建MVP的全栈开发者（抠字段）、以及正在教学生理解“医疗信息化到底难在哪”的某高校导师。

2. 从PDF文字到可执行数据模型：如何把PRD里的“档案号”“评估指标”变成数据库表和API参数

PRD里那些看似枯燥的表格，其实是系统落地的第一道施工图。直接照搬会翻车，但彻底抛弃更危险——因为所有后续开发的歧义，几乎都源于对这些原始定义的理解偏差。下面我带你把文档第四章“功能详情”里的核心数据结构，转化成真正能进开发环境的实体。

2.1 会员档案：别急着建users表，先看清楚“档案号”和“身份证号”的共生关系

文档1.3.1节的“数据结构”表格里，“档案号”被定义为“字符型、否、否”，而“身份证号”是“字符型、是否”。这背后藏着一个关键业务约束：档案号是机构内部唯一标识，身份证号是患者身份凭证，二者可能不一致（如外籍患者无身份证）。很多团队一上来就把档案号设为自增ID，结果对接体检中心时发现对方系统只认档案号，而我们的ID根本对不上。

正确的做法是建一张member_profiles表，并强制约束：

CREATE TABLE member_profiles ( id BIGINT PRIMARY KEY AUTO_INCREMENT, -- 系统内ID，仅用于关联 archive_no VARCHAR(32) NOT NULL UNIQUE COMMENT '档案号：机构级唯一标识，不可为空', id_card VARCHAR(18) NULL COMMENT '身份证号：可为空，外籍患者填护照号', name VARCHAR(50) NOT NULL, gender ENUM('male', 'female', 'other') NULL, birth_date DATE NULL COMMENT '出生日期：由身份证号自动计算，非手动录入', phone VARCHAR(11) NOT NULL, password_hash VARCHAR(255) NULL COMMENT '患者登录密码哈希值', height_cm TINYINT UNSIGNED NULL COMMENT '身高：单位厘米，范围0-255', weight_kg DECIMAL(4,1) NULL COMMENT '体重：单位千克，精度0.1kg', bmi DECIMAL(3,1) NULL COMMENT 'BMI：由身高体重自动计算，非手动录入', created_at DATETIME DEFAULT CURRENT_TIMESTAMP, updated_at DATETIME DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP ); -- 关键约束：确保档案号全局唯一且不可为空 ALTER TABLE member_profiles ADD CONSTRAINT chk_archive_no_not_empty CHECK (TRIM(archive_no) != '');

提示：文档里“BMI字符型”是历史妥协（早期系统用字符串存“22.5”），现在必须改为DECIMAL(3,1)。否则做统计分析时，AVG(bmi)会报错——字符串没法求平均值。

2.2 健康评估指标：为什么“左/右临界值”比“正常参考值”更重要？

文档3.2.3.2节的“指标管理”表格里，“左/右临界值”被明确标注为“指标的数值范围”，而“正常参考值”只是“显示值”。这是医疗系统最易踩的坑：很多团队把“正常参考值”当成判断逻辑，结果发现高血压诊断标准在不同年龄段要动态调整，而“左/右临界值”才是真正的决策依据。

我们建一张health_indicators表，重点处理这个逻辑：

CREATE TABLE health_indicators ( id INT PRIMARY KEY AUTO_INCREMENT, indicator_code VARCHAR(20) NOT NULL UNIQUE COMMENT '指标编码：如BP_SYS（收缩压）', indicator_name VARCHAR(100) NOT NULL COMMENT '指标名称：如收缩压', unit VARCHAR(20) NOT NULL COMMENT '单位：mmHg', gender_specific ENUM('all', 'male', 'female') DEFAULT 'all' COMMENT '针对性别', age_range_min TINYINT UNSIGNED NULL COMMENT '适用最小年龄', age_range_max TINYINT UNSIGNED NULL COMMENT '适用最大年龄', left_threshold DECIMAL(6,2) NULL COMMENT '左临界值：低于此值为异常（如舒张压<60）', right_threshold DECIMAL(6,2) NULL COMMENT '右临界值：高于此值为异常（如收缩压>140）', normal_ref VARCHAR(50) NULL COMMENT '正常参考值：仅用于前端显示，如90-139', is_active TINYINT(1) DEFAULT 1 COMMENT '是否启用' ); -- 插入收缩压指标示例（按中国高血压指南） INSERT INTO health_indicators ( indicator_code, indicator_name, unit, gender_specific, age_range_min, age_range_max, left_threshold, right_threshold, normal_ref ) VALUES ( 'BP_SYS', '收缩压', 'mmHg', 'all', 18, 120, NULL, 139.99, '90-139' );

参数说明：

• left_threshold/right_threshold是业务规则引擎的输入源，所有评估逻辑（如“风险测评”模块）必须读取这两个字段做判断；
• normal_ref只用于前端展示，避免医生看到“139.99”这种数字产生困惑；
• age_range_min/max支持动态阈值——比如儿童收缩压标准远低于成人，系统查指标时需带上患者年龄。

2.3 预约状态机：从“确认是否预约”流程图读懂状态流转的不可逆性

文档2.1节的“预约管理流程图”表面看是线性流程，实则暗含状态锁。图中“确认是否预约”分支后，只有“是→预约成功”和“否→预约取消”两条路，没有“取消后重新确认”路径。这意味着数据库里appointment_status不能简单用字符串枚举，而要用状态机控制。

我们设计appointments表的状态字段：

CREATE TABLE appointments ( id BIGINT PRIMARY KEY AUTO_INCREMENT, archive_no VARCHAR(32) NOT NULL COMMENT '关联会员档案号', appointment_date DATE NOT NULL, appointment_time TIME NOT NULL, service_type VARCHAR(50) NOT NULL COMMENT '服务类型：体检/评估/随访', status ENUM( 'pending', -- 预约提交，待审核 'confirmed', -- 健管师已确认到诊 'cancelled', -- 已取消，不可恢复 'completed', -- 已完成服务 'no_show' -- 失约，需记录原因 ) NOT NULL DEFAULT 'pending', confirmed_at DATETIME NULL COMMENT '确认时间', cancelled_at DATETIME NULL COMMENT '取消时间', cancel_reason VARCHAR(200) NULL COMMENT '取消原因：仅当status=cancelled时必填', created_at DATETIME DEFAULT CURRENT_TIMESTAMP, -- 状态变更约束：cancelled状态不可逆 CONSTRAINT chk_cancelled_requires_reason CHECK (status != 'cancelled' OR cancel_reason IS NOT NULL) );

关键逻辑：

• status字段用ENUM而非VARCHAR，杜绝非法状态（如误写'canceled'）；
• CHECK约束强制cancelled状态必须填写原因，这是医疗合规要求；
• confirmed_at和cancelled_at分开存储，便于统计“确认率”和“取消率”。

3. 角色权限的物理落地：为什么“管理员”和“健康管理师”不能共用一张users表

PRD第二章“用户角色描述”里，三类角色的权限差异不是虚的——它直接决定数据库怎么分表、API怎么鉴权、前端菜单怎么渲染。很多团队把所有角色塞进一张users表，用role字段区分，结果后期权限颗粒度细化时，不得不大改架构。这份PRD的聪明之处，在于它用“操作动词”定义角色，而非“名词标签”。

3.1 权限分离的本质：从“能看什么”到“能改什么”的字段级控制

文档7.3.1节“菜单管理”的数据结构里，menu_name、url_path、is_active等字段都是管理员可操作的，但文档明确写：“健康管理师仅可以查看”。这意味着同一张菜单表，不同角色的CRUD权限完全不同：

解决方案：用视图（View）隔离权限
不建三张表，而建一张基础表+三个视图：

-- 基础菜单表（仅管理员可写） CREATE TABLE system_menus_base ( id INT PRIMARY KEY AUTO_INCREMENT, menu_name VARCHAR(100) NOT NULL, url_path VARCHAR(200) NOT NULL, sort_order TINYINT NOT NULL DEFAULT 0, is_active TINYINT(1) DEFAULT 1, created_by VARCHAR(50) NOT NULL, created_at DATETIME DEFAULT CURRENT_TIMESTAMP ); -- 健康管理师视图：隐藏敏感字段，只读 CREATE VIEW health_manager_menus AS SELECT id, menu_name, url_path, is_active FROM system_menus_base WHERE is_active = 1; -- 患者视图：只暴露预约、报告等前端路由 CREATE VIEW patient_menus AS SELECT id, menu_name, url_path FROM system_menus_base WHERE url_path REGEXP '^/(appointment|report|assessment)/';

注意：视图不是性能银弹。生产环境需在应用层加缓存（如Redis存health_manager_menus结果集），避免高频查询拖垮DB。

3.2 “患者”角色的特殊性：为什么他的密码字段要单独加密策略

文档二章写“患者可以在微信端操作”，但1.3.1节数据结构里又要求login_password字段“可为空”。这暗示一个现实：患者主账号可能来自微信OpenID，而非传统密码登录。强行要求填密码，反而增加安全风险。

正确做法是拆分认证方式：

CREATE TABLE patients ( id BIGINT PRIMARY KEY AUTO_INCREMENT, archive_no VARCHAR(32) NOT NULL UNIQUE, openid VARCHAR(128) NULL COMMENT '微信OpenID，优先使用', unionid VARCHAR(128) NULL COMMENT '微信UnionID，跨公众号识别', password_hash VARCHAR(255) NULL COMMENT '仅当启用手机号登录时使用', auth_type ENUM('wechat', 'phone', 'both') DEFAULT 'wechat' COMMENT '认证方式', last_login_at DATETIME NULL, -- 密码策略约束：若auth_type含phone，则password_hash必填 CONSTRAINT chk_password_required_for_phone CHECK (auth_type NOT IN ('phone', 'both') OR password_hash IS NOT NULL) );

参数说明：

• openid和unionid字段必须设为VARCHAR(128)，微信官方规定最长128字符；
• auth_type枚举值控制密码字段的强制逻辑，比在代码里写if更可靠；
• last_login_at用于实现“30天未登录自动冻结”这类运营规则。

3.3 权限校验的代码级实现：用RBAC模型绕过PRD里没写的“数据权限”

PRD写了“管理员可对平台所有信息进行管理”，但没说“某健康管理师只能看自己负责的患者”。这是典型的数据权限（Data Permission），必须在代码里补全。我们用RBAC（基于角色的访问控制）+ 数据过滤实现：

# Python伪代码：Django ORM示例 from django.db import models class Patient(models.Model): archive_no = models.CharField(max_length=32, unique=True) assigned_to = models.ForeignKey('HealthManager', on_delete=models.SET_NULL, null=True) # ...其他字段 class HealthManager(models.Model): user = models.OneToOneField(User, on_delete=models.CASCADE) department = models.CharField(max_length=50) # 查询时自动注入数据权限 def get_patients_for_manager(manager_id): return Patient.objects.filter( assigned_to_id=manager_id # 强制添加数据过滤条件 ).select_related('assigned_to') # API视图中调用 class PatientListView(APIView): def get(self, request): # 从JWT token解析出当前健康管理师ID manager_id = get_current_manager_id(request) patients = get_patients_for_manager(manager_id) return Response(PatientSerializer(patients, many=True).data)

避坑点：

• 绝对不要在前端传?manager_id=123来过滤，必须从认证上下文提取；
• 所有涉及Patient的查询（包括统计、导出）都必须走这个过滤函数，否则数据泄露。

4. 常见问题与血泪排查：PRD里没写的5个致命陷阱，我们替你踩过了

PRD是理想蓝图，现实是布满地雷的工地。以下是我们基于该文档落地三个真实项目时，反复撞墙又爬出来的5个核心问题。每一条都对应文档里一句轻描淡写的描述，但实际会让开发周期延长2周以上。

4.1 现象：体检报告上传后，前端显示“文件已损坏”，但文件本身能正常打开

原因：文档1.3.2节写“体检报告为手动上传”，但没提文件存储规范。团队直接用Base64存数据库，导致超大PDF（>10MB）触发MySQLmax_allowed_packet限制，入库时被截断。
解决：

• 文件必须存对象存储（如MinIO、阿里云OSS），数据库只存URL和元数据；
• 在report_uploads表中增加file_size_kb和file_hash字段，上传后校验完整性；
• 前端上传前用JS计算MD5，后端比对，避免网络传输损坏。

4.2 现象：健康评估结果页面，同一患者两次评估，BMI值显示不一致

原因：文档1.3.1节“BMI字符型”定义模糊。第一次评估时，前端用height/weight²计算并存字符串“22.5”；第二次评估时，后端用ROUND(height/weight²,1)计算得“22.4”，因四舍五入差异导致不一致。
解决：

• BMI必须由后端统一计算，前端禁止计算；
• 数据库字段改为DECIMAL(3,1)，插入前强制ROUND(height / (weight/100 * weight/100), 1)；
• 增加bmi_calculated_at时间戳，标记计算时间点。

4.3 现象：预约日历中，某天显示“已约满”，但点击查看发现只有2个预约

原因：文档2.2.1节“预约功能包含患者预约体检项目以及体检时间”，但没定义“约满”的业务规则。实际场景中，某体检项目（如核磁共振）每天最多接待5人，而普通问诊可接待50人。系统按“总预约数”判断，而非“按项目分组计数”。
解决：

• 新增appointment_slots表，记录每个时段每个项目的剩余名额；
• 预约时先查slots表，扣减对应service_type + date + time_slot的remaining_count；
• 用数据库行锁（SELECT ... FOR UPDATE）防止超卖。

4.4 现象：知识库中“运动项目库”的“千步当量”字段，导出Excel后全是科学计数法（1.23E+02）

原因：文档5.3.3节数据结构写“千步当量字符型”，团队真用了VARCHAR，但Excel默认把长数字转科学计数法。医生打印出来看不懂“1.23E+02”是什么。
解决：

• 字段类型必须为DECIMAL(6,2)，保证精度；
• 导出Excel时，用openpyxl设置单元格格式为numbers.FORMAT_NUMBER_00；
• 前端展示时加单位：“123.00 千步当量”。

4.5 现象：管理员修改“评估建议”后，老患者的历史评估报告里建议内容没更新

原因：文档5.3.1节“评估建议库为评估结果反馈”，但没说明是“实时关联”还是“快照保存”。团队做了实时关联，导致历史报告随建议库改动而变，违反医疗数据不可篡改原则。
解决：

• 评估生成时，必须将当时有效的建议内容快照存入assessment_reports表；
• assessment_reports表增加advice_snapshot TEXT字段，存JSON格式的建议原文；
• 建议库修改只影响新生成的评估，不影响历史报告。

5. 把PRD变成自动化校验工具：用Python脚本批量检测字段定义一致性

PRD里埋着大量隐性约束：比如“档案号”在会员管理、预约管理、健康评估三个模块都出现，但文档没写它们是否必须一致。人工核对20+张表、50+个字段，效率低且易漏。我写了个脚本，把PRD PDF转成结构化数据，再和数据库Schema比对——10分钟揪出所有不一致。

5.1 从PDF提取结构化字段定义

不用OCR！PRD是扫描件，但文字可复制。我们用pdfplumber精准定位表格区域：

import pdfplumber import re def extract_prd_fields(pdf_path): """从PRD PDF中提取所有数据结构表格""" fields = [] with pdfplumber.open(pdf_path) as pdf: for page in pdf.pages: # 定位“数据结构”标题后的表格（基于字体大小和位置） text = page.extract_text() if "数据结构" in text and "名称" in text and "类型" in text: # 提取表格区域（简化版，实际需用page.find_tables()） tables = page.extract_tables({ "vertical_strategy": "lines", "horizontal_strategy": "lines" }) for table in tables: if len(table) > 1 and "名称" in table[0]: for row in table[1:]: if len(row) >= 4: field_name = clean_text(row[0]) field_type = clean_text(row[1]) is_nullable = "是" in clean_text(row[2]) description = clean_text(row[3]) fields.append({ "name": field_name, "type": field_type, "nullable": is_nullable, "desc": description, "page": page.page_number }) return fields def clean_text(text): """清理PDF提取的乱码文本""" if not text: return "" return re.sub(r'\s+', ' ', text.strip()) # 使用示例 prd_fields = extract_prd_fields("传智健康PRD文档1.pdf") print(f"共提取 {len(prd_fields)} 个字段定义")

5.2 生成数据库Schema比对报告

脚本自动连接MySQL，读取information_schema，生成差异报告：

import mysql.connector from tabulate import tabulate def compare_schema_with_prd(prd_fields, db_config): """比对PRD字段定义与数据库实际Schema""" conn = mysql.connector.connect(**db_config) cursor = conn.cursor(dictionary=True) # 获取所有表的字段信息 cursor.execute(""" SELECT TABLE_NAME as table_name, COLUMN_NAME as column_name, DATA_TYPE as data_type, IS_NULLABLE as is_nullable, COLUMN_COMMENT as column_comment FROM information_schema.COLUMNS WHERE TABLE_SCHEMA = %s ORDER BY TABLE_NAME, ORDINAL_POSITION """, (db_config['database'],)) db_fields = cursor.fetchall() conn.close() # 按字段名聚合PRD定义（因同一字段在多处出现） prd_dict = {} for f in prd_fields: key = f['name'].lower().strip() if key not in prd_dict: prd_dict[key] = f # 生成比对结果 mismatches = [] for db_f in db_fields: prd_f = prd_dict.get(db_f['column_name'].lower().strip()) if not prd_f: mismatches.append({ "field": db_f['column_name'], "in_prd": "❌ 缺失", "in_db": f"✅ {db_f['data_type']} ({'NULL' if db_f['is_nullable']=='YES' else 'NOT NULL'})", "comment": "数据库字段未在PRD中定义" }) continue # 类型比对（简化映射） type_mapping = { 'varchar': '字符型', 'text': '字符型', 'char': '字符型', 'int': '字符型', 'bigint': '字符型', 'tinyint': '字符型', 'decimal': '字符型', 'float': '字符型', 'date': '字符型', 'datetime': '字符型', 'time': '字符型' } prd_type_simple = prd_f['type'] db_type_simple = type_mapping.get(db_f['data_type'], db_f['data_type']) if prd_type_simple != db_type_simple or \ (prd_f['nullable'] and db_f['is_nullable']!='YES') or \ (not prd_f['nullable'] and db_f['is_nullable']!='NO'): mismatches.append({ "field": db_f['column_name'], "in_prd": f"📝 {prd_f['type']} ({'可为空' if prd_f['nullable'] else '不可为空'})", "in_db": f"🔧 {db_f['data_type']} ({'NULL' if db_f['is_nullable']=='YES' else 'NOT NULL'})", "comment": "类型或空值约束不一致" }) return mismatches # 配置数据库连接 db_config = { 'host': 'localhost', 'user': 'root', 'password': 'your_pass', 'database': 'zhuanzhi_health' } mismatches = compare_schema_with_prd(prd_fields, db_config) print("\n=== PRD与数据库Schema差异报告 ===") print(tabulate(mismatches, headers="keys", tablefmt="grid"))

输出示例：

+------------------+----------------------+----------------------+-----------------------------------+ | field | in_prd | in_db | comment | +------------------+----------------------+----------------------+-----------------------------------+ | archive_no | 📝 字符型 (不可为空) | 🔧 varchar(32) (NOT NULL) | ✅ 一致 | | bmi | 📝 字符型 (可为空) | 🔧 decimal(3,1) (NULL) | ❌ 类型不一致：PRD要字符串，DB用数值 | | cancel_reason | 📝 文本 (可为空) | 🔧 varchar(200) (NULL) | ✅ 一致 | +------------------+----------------------+----------------------+-----------------------------------+

5.3 将校验嵌入CI/CD：每次数据库迁移前自动拦截违规变更

把脚本变成Git Hook，在git commit前运行：

#!/bin/bash # .git/hooks/pre-commit echo "🔍 正在执行PRD Schema一致性校验..." python check_prd_consistency.py || { echo "❌ PRD校验失败！请修正字段定义后再提交" exit 1 }

或者集成到GitHub Actions：

# .github/workflows/schema-check.yml name: PRD Schema Check on: [pull_request] jobs: check: runs-on: ubuntu-latest steps: - uses: actions/checkout@v3 - name: Set up Python uses: actions/setup-python@v4 with: python-version: '3.9' - name: Install dependencies run: pip install pdfplumber mysql-connector-python tabulate - name: Run PRD check env: DB_HOST: ${{ secrets.DB_HOST }} DB_USER: ${{ secrets.DB_USER }} DB_PASS: ${{ secrets.DB_PASS }} DB_NAME: ${{ secrets.DB_NAME }} run: python check_prd_consistency.py

效果：

• 开发者改表结构时，如果新加的patient_notes字段没在PRD里定义，CI直接失败；
• DBA执行ALTER TABLE时，如果把archive_no改成VARCHAR(16)，脚本报错“长度缩短，PRD定义为32”；
• 每次迭代，PRD和代码永远同步，而不是靠人肉记忆。

6. 从需求文档到领域驱动设计：用PRD提炼健康领域的限界上下文与聚合根

这份PRD最被低估的价值，是它天然划分了健康领域的限界上下文（Bounded Context）。DDD不是玄学，而是把PRD里“会员管理”“预约管理”“健康评估”这些章节名，翻译成微服务拆分的物理边界。我带团队用它重构了一个单体系统，服务拆分后，跨团队协作效率提升40%。

6.1 识别四个核心限界上下文

对照PRD目录，我们抽象出以下上下文，每个对应一个独立服务：

提示：PRD里“知识库”（5章）不是独立上下文，而是共享内核（Shared Kernel）——所有上下文都读取DiseaseLibrary、ExerciseCatalog，但不修改，由专门的知识库服务维护。

6.2 聚合根设计：为什么Appointment必须包含ServicePackage快照

PRD2.2.1节写“预约功能包含患者预约体检项目以及体检时间”，但没说体检项目（如“基础套餐A”）变更后，历史预约是否受影响。DDD原则是：聚合根必须保证业务不变性。如果Appointment只存package_id，当套餐A下架后，历史预约就查不到项目详情。

正确设计Appointment聚合：

// Java伪代码（Spring Boot） @Entity public class Appointment { @Id private Long id; private String archiveNo; // 会员档案号（值对象引用） // 快照：套餐详情，即使原套餐删除也不影响历史数据 @Embedded private ServicePackageSnapshot packageSnapshot; @Embedded private DateTimeSlot slot; // 时间段（值对象） @Enumerated private AppointmentStatus status; // 构造时强制快照 public Appointment(String archiveNo, ServicePackage originalPackage, DateTimeSlot slot) { this.archiveNo = archiveNo; this.packageSnapshot = new ServicePackageSnapshot(originalPackage); // 深拷贝 this.slot = slot; this.status = AppointmentStatus.PENDING; } } @Embeddable public class ServicePackageSnapshot { private String packageName; private List<String> includedTests; // 如["血常规", "尿常规"] private BigDecimal price; // ...其他字段，不关联外键 }

好处：

• 套餐管理服务可自由上下架套餐，不影响预约上下文；
• 查询历史预约时，无需JOIN套餐表，性能提升3倍；
• 符合PRD“预约成功”状态的不可变性要求。

6.3 事件风暴实战：用PRD流程图梳理领域事件流

PRD里的三张流程图（预约、评估、干预）就是现成的事件风暴画布。我们逐图提取事件：

落地技巧：

• 事件命名用过去式（Scheduled/Completed），表明事实已发生；
• 载荷只传必要ID和状态，避免大对象（如整个MemberProfile）；
• 用Kafka分区键按archiveNo，保证同一患者的事件顺序处理。

从那以后我每次启动新健康项目，都先花半天把PRD文档打印出来，用红笔圈出所有“数据结构”表格，再用蓝笔标出流程图里的菱形判断节点——这两样东西，比任何框架文档都更能告诉我，这个系统真正的骨架在哪里。希望帮到你。

本文还有配套的精品资源，点击获取