医疗信息查询agent开发

基于LangChain构建了一套医生问诊功能的Doctor agent和协助医生进行深入分析的multi-Agents系统。采用Redis缓存对话、PostgreSQL作为持久化记忆储存库、FastAPI提供接口服务、Streamlit作为前端交互。
Doctor agent：用户以自然语言描述症状（如"头痛怎么办"），Agent按固定问诊框架逐步追问搜集关键信息，后端集成三种医学知识库辅助鉴别诊断，快速生成候选诊断列表（鉴别疾病概率排序和一线用药）。
SubAgent：基于langgraph构建的多Agent协作系统：用来协助医生处理关于本地医疗数据库和文献的查询分析问题以及工作流的自动化（如医生说：分析上个月科室数据，结果发到我的邮箱）。由Orchestrator 主agent对问题进行意图识别，分析规划(plan)，子任务拆分，形成完整解决计划后编译DAG调度（routing）SubAgent 处理子问题。Subagent有：Dataquery Agent（SQL 查询），LiteratureAgent（资料搜索），AnalystAgent（数据分析），RobotAgent（自动化处理）。SubAgent采用 ReAct 模式，保障分析深度与广度，他们通过共同维护一个状态机（Shared State）进行A2A通信。这样的多Agent分工协作架构设计能够进行良好的上下文管理，达到深入分析问题，自动搜索复杂数据背后可能隐藏规律的效果，为医生提供全面的决策支持与启发。