医疗助手Agent系统 2025.12 - 2026.4
核心技术栈：
 模型与训练：Qwen3.5-9B、医疗 VLM、SFT + GSPO、多维度复合奖励、easyr1
 检索与推理：MedEmbed、RAG、Milvus、Mem0、双层记忆机制
项目背景：传统单Agent医疗问答系统存在响应效率低、复杂问题分析不全面、多轮对话上下文理解能力弱等问题。
面对多症状、多维度的医疗咨询时，回答准确性与稳定性不足；同时缺乏长效记忆机制，无法连贯理解用户意图，难以
满足实际医疗场景下高效、可靠、安全的智能问答需求
 Skills-Agent两层架构：底层构建7个原子Skills（知识检索、风险评估、症状分析、生活方式建议、ICD-10编
码、临床指南、深度研究）供Agent使用，上层3个专业Agent（健康咨询、症状诊断、医学研究）根据任务需求自
主选择调用，Skills和Agent完全解耦；
 Agent Loop执行机制：基于ReAct框架实现Think-Act-Observe循环，LLM自主决策工具调用并观察结果，设
置硬性限制最多调用2次工具防止过度调用，单Agent平均响应时间控制在15秒以内；
 Agent Swarm协作系统：智能路由判断问题复杂度（70%单Agent快速通道/30%Swarm协作模式），复杂问题
自动分解任务并分配给多个Agent并行执行，Agent间通过共享上下文间接共享任务状态和执行结果；
 双层记忆机制：短期记忆管理会话级对话历史（单例模式确保所有Agent共享会话上下文，集成熵管理器自动去重
压缩消息35%，加载最近5轮对话），长期记忆通过Mem0云服务向量化存储会话总结支持跨会话相似案例检索；
 Harness Engineering约束系统：通过YAML文件显式定义Agent能力边界并运行时自动验证，实现输出自动修
复机制（缺少免责声明自动添加、检测到高危症状自动添加就医警告）；
 底层VLM模型训练：基于 Qwen3.5-9B 训练医疗问答 VLM 作为 3 个 Agent 的推理引擎，采用 SFT+GSPO
两阶段训练，分别使用 40 万 / 10 万条医疗 VQA 数据，并通过多维度复合奖励机制提升模型推理质量