多模型协同病历评估系统 开源项目

项目介绍
本项目是一套基于多模型协同工作的病历评估系统，通过调用硅基流动平台 API，利用四个专业分工的大语言模型，从不同维度对病历进行全面、深入的分析与评估。系统旨在为医疗行业提供高效、精准的病历质量把控工具，助力提升医疗文书的规范性、逻辑性与专业性，是医疗 AI 工作流中的关键方案。（main文件是src中的api.py文件。）

二、工作流方案与流程
（一）整体工作流
本系统的工作流围绕“多模型协同分析 - 结果综合处理 - 报告生成与存储”展开，具体流程如下：

病历数据加载：从指定的 data 目录读取待评估的病历 JSON 文件，这些文件包含了患者的基本信息、症状、诊断、治疗过程等核心医疗数据。
多模型并行调用：初始化病历分析协调器 MedicalAnalysisOrchestrator，该协调器负责管理四个专业模型的协同工作。通过线程池技术，并行调用四个模型，分别从病历概括、逻辑推理、技术标准、质量改进四个维度对病历进行分析。
模型分析处理：每个模型依据其专属的提示词和专业分工，对病历数据进行针对性分析。例如，“病历概括专家”模型聚焦于提取病历核心内容，“逻辑推理专家”模型着重评估病历的逻辑一致性等。
结果综合与报告生成：收集四个模型的独立分析结果后，对其进行综合处理，计算综合评分，生成全面的病历评估报告。同时，将每个模型的独立分析结果也进行保存，方便后续对单个模型的分析效果进行复盘与优化。
结果存储：将综合评估报告和各模型的独立分析结果存储到指定的 assessment_results 目录下，便于用户查看与进一步分析。
（二）节点说明
病历数据加载节点：
功能：负责从本地文件系统读取病历数据，为后续的模型分析提供输入源。
输入：data 目录下的病历 JSON 文件。
输出：加载后的病历数据对象列表，每个对象包含病历文件名和内容。
异常处理：若目录不存在或