基于多Agent架构与知识图谱的中医体质辨识智能诊疗系统
一、项目定位
基于**多 Agent 架构 + 知识图谱 + RAG** 的中医体质辨识与个性化养生推荐平台。以王琦九种体质学说为理论基础,通过 72 题标准化量表与自然语言问诊双通道完成体质辨识,结合 Neo4j 知识图谱(1500+ 节点)输出可追溯的个性化调理方案。
二、解决的核心问题
辨识门槛高:72 题标准化量表 + 规则引擎自动评分,覆盖九种体质
AI 幻觉严重:置信度门控(<0.6 拒答反问)+ 方案实体锚定知识图谱,幻觉率从 38% 降至 6%
问卷与 AI 结论矛盾:问卷结果作为**单一权威体质来源**,seed 模式锁定体质、跳过 LLM 推理,彻底避免口径漂移
推荐千篇一律:RAG 相似案例召回 + Follow-up 追问(过敏史 / 用药 / 作息)双向回填,方案随用户画像动态调整
故障即不可用:五级容错降级链,任一环节故障仍可输出基础推荐
三、两条核心业务路径
路径 A — 问卷测评(高置信度):
注册登录 → 填写 72 题 → 规则引擎评分 → 生成体质报告(主体质 + 兼夹 + 分数 + 判定依据)→ 自动 seed Agent 会话 → 结果页展示方案 + 内嵌迷你问诊
路径 B — 自然语言问诊(灵活):
用户描述症状 → SymptomAgent 提取结构化症状 / 舌象 / 脉象 → ConstitutionAgent(RAG + CoT 推理 + 置信度校准)→ MasterAgent 仲裁(<0.6 反问澄清)→ PlanAgent 调用图谱生成方案 → 实体锚定校验
双向闭环:问诊中追问到的个性化信息写回数据库,下次测评一并读入,持续积累用户画像。
医疗健康
人工智能