本项目是一个面向医疗健康领域的智能辅助诊断系统,基于大语言模型(LLM)、知识库检索(RAG、GraphRAG)技术,集成医
学专业知识库,实现常见疾病的自动化问诊、初步诊断与科普,辅助医生和患者进行疾病筛查和健康管理。系统支持医学知识文本
解析、用户交互、数据库管理、个性化报告生成等功能,提升了医疗问诊的智能化与实用性。
点击空白处退出提示
本项目是一个面向医疗健康领域的智能辅助诊断系统,基于大语言模型(LLM)、知识库检索(RAG、GraphRAG)技术,集成医
学专业知识库,实现常见疾病的自动化问诊、初步诊断与科普,辅助医生和患者进行疾病筛查和健康管理。系统支持医学知识文本
解析、用户交互、数据库管理、个性化报告生成等功能,提升了医疗问诊的智能化与实用性。
智能分诊:根据患者主诉,自动匹配最相关的专科医生。
专科分析:13位 不同领域的专科 AI 智能体(心脏科、神经科、肿瘤科等)并行分析报告。
知识检索:内置 RAG 引擎,自动从本地医学知识库中检索相关文献和指南。
综合诊断:由“多学科团队组长”汇总各科室意见,给出最终诊断建议。
1.负责以 Python + LangChain 构建多智能体诊断系统:通过 asyncio 并发调度分诊 Agent、专科 Agent 与 MDT 组长 Agent,
实现 Multi-Agent 协作闭环,并落地 Qwen/OpenAI/Gemini 三类 LLM-API 的自动回退策略。
2.主导 AI Agent 工程化与 Prompt Engineering:设计 13+ 专科 Prompt、ReAct 推理范式及工具流,确保多轮推理时刻保持专
业上下文一致。
3.构建 RAG 知识检索链:基于 Pinecone(可切换 FAISS/Milvus 计划)+ Neo4j 图数据库维护医学数据库,并通过 LangChain
工厂注入每个智能体的实时知识片段。
4.负责工具链与交付:维护 Git/GitHub 版本管理流程,提供 Dockerfile + Docker Compose 一键部署方案,保障开发、测试、
上线环境一致。




评论