智能医疗助手（多Agent协作 + RAG知识库）产品系统Vibe Coding

智能医疗助手是一个基于大语言模型（LLM）和多智能体协作架构的现代化医疗咨询系统。旨在通过人工智能技术，为用户提供初步的医疗导诊、健康信息收集、病情分析、用药指导等服务。本项目解决传统医疗咨询中信息碎片化、患者历史病历无法有效整合、医生导诊效率低的核心问题。系统可广泛应用于互联网医院、社区医疗服务中心、健康管理平台等场景。

1. 多智能体协作系统：基于LangGraph构建四个专业Agent（私人医疗顾问/体检员/主治医生/药师），根据用户需求自动路由到对应专家角色处理；
2. 智能导诊与对话记忆：模拟真实医院导诊流程，具备短期（会话级）和长期（用户级）记忆能力，跨会话记住用户病史、过敏史及个人信息；
3. 医疗文档自动化处理：支持上传PDF格式病历和体检报告，利用RAG技术自动提取关键医疗信息，结构化存入长期记忆库；
4. 专业诊断与用药指导：主治医生基于完整信息给出诊断和治疗方案，药师审核处方并提供用药指导和禁忌提醒，支持联网搜索药物知识；
5. 会话管理与历史回溯：支持多会话独立管理，完整保存每轮对话历史，用户可随时切换会话查看历史记录。

1. 我负责项目的整体架构设计与核心开发，包括LangGraph多智能体编排逻辑、RAG检索增强生成链的实现、长短记忆系统设计、FastAPI后端接口开发、PDF文档解析与结构化信息提取；
2. 技术栈使用Python + LangChain + LangGraph 1.0构建多Agent协作流程，PostgreSQL存储短期对话记忆（PostgresSaver）和长期用户画像（PostgresStore），向量数据库存储医疗知识库，FastAPI提供RESTful API，DashScope（通义千问）作为大模型基座，Tavily Search实现联网药物知识查询；
3. 亮点在于多Agent协作机制：Supervisor节点负责智能路由决策，体检员收集用户信息并调用工具保存至长期记忆，主治医生基于完整病史诊断并避开过敏禁忌，药师审核处方并提供用药指导，各节点职责清晰、解耦良好；难点在于Agent间状态传递和工具调用的设计，以及医疗知识的检索精度优化。