心血管智能问诊 Agent 平台产品系统

面向心血管健康场景的 AI 问诊与就医协助平台。用户通过 Web 与 Agent「铭铭」多轮对话，完成症状采集、缓急分诊、检查解
读与就医建议；后端 Java 微服务负责会话与鉴权，Python ai-agent 基于 LangGraph 承载核心推理链路。
定位健康信息辅助与就医引导，不替代医生诊断。

1.设计并实现 LangGraph 多节点 Agent：dispatch 路由 → symptom / lab / medication /history / greeting / fallback 等业
务节点，规则选边 + 节点内 LLM 生成。
2. 实现多轮对话记忆：PostgreSQL Checkpointer 持久化会话状态；事实提取与ContextBuilder 构建结构化上下文注入 LLM。
3. 实现心血管指南 RAG：文档解析分块、Milvus 向量入库、Agent 节点检索增强生成。
4. 完成 LoRA 心血管问诊 SFT，本地 LoRA 与 DeepSeek API A/B 对比验证效果。
5. 各节点 Prompt 与结构化输出（urgency / explanation / advice / disclaimer），对接 Java session；红旗症状规则分诊与
off-topic 拒答。

1.采用「规则路由 + 多 specialist 节点 + 状态机」架构，意图选边与 LLM 生成分层设计，分诊与安全策略可控，避免单
Prompt 聊天难以约束的问题。
2. 多轮记忆由 Agent 侧 PostgreSQL Checkpointer 统一管理，Java 仅持久化展示层消息，结构化事实提取 + ContextBuilder
注入 LLM，避免前后端 history 不一致。
3. 打通指南 RAG、多模态解读与 LoRA 领域微调全链路，检索增强与云端/API 模型 A/B 对比迭代，形成「规则 + 检索 + 生成
+ 评测」完整 Agent 工程闭环。
4. 端到端生产可演示：Vue 问诊 → Gateway 鉴权 → LangGraph 推理 → 结构化 JSON 回写→ 问诊记录，Docker Compose
部署公网可访问，非本地 Demo。