四季

这个项目起因是我自己查资料时的麻烦。默沙东手册内容很全，但得用对关键词才搜得到，我用大白话问经常搜不出来；直接丢给大模型问，它又会编剂量和诊断结论，医疗场景这样肯定不行。所以想做一个先查资料、再回答的东西，答案尽量有原文撑着。 功能上主要几块。检索是核心，走了 BM25 加语义两条路，因为医学里药名、缩写、数值区间这类内容必须精确匹配，纯向量检索容易漏。多轮对话做了持久化，历史存在 SQLite 里，服务重启不丢；像"那饮食上呢"这种省略式追问，会先结合上文补成完整问题再去检索。前端是流式输出，边生成边显示，答完给几条相关追问。再往后发现光能查还不够：用户问一句，系统就只按这一句去查，查什么、查几次都是写死的。所以又加了一层 Agent，把决定权交给模型自己——什么时候检索、要不要读全文、信息不够时先反问用户，一共给了它 8 个工具，除了检索和读全文，还能查天气、拿定位、记住用户的病史和用药。顺手加了识图，化验单或者检查报告拍下来传上去，会自动把指标读出来，生成一份带风险等级和就诊建议的评估报告。另外把能力封成了一套 MCP 服务，其他 AI 客户端可以直接调用。 流程是：用户提问 → 判意图（医疗咨询、急症、闲聊分开处理）→ 取会话历史 → 追问改写 → 双通道检索 → 排序过滤 → 大模型生成 → 流式返回 → 结果落库缓存。这是流水线的走法；接上 Agent 之后，中间的检索改由模型按需触发，其余环节不变。 知识库这块单独做了处理。爬下来的文档要先清洗，归一化全半角、去掉引用标记和爬虫造成的重复行；分块按段落切，小标题并进正文，相邻片段之间保留约 60 字的上下文重叠，避免一句话正好被切在边界上，检索时缺了上文。