SmartTCM-Agent-SYSTEM 项目分析报告

本报告由 OpenClaw 自动生成

研究日期: 2026-04-01

项目路径: /Users/daoyu/Documents/ai-repo/SmartTCM-Agent-SYSTEM

---

1. 项目概述

一个基于 FastAPI + Vue 3 + LangGraph 构建的前后端分离多智能体中医问诊系统，支持 DeepSeek（中医微调版）、TCM-LLM 等中医领域大模型，融合 Agent 动态推理与 GraphRAG 中医知识检索能力，解决中医问诊场景下意图识别准确率低、结构化 / 非结构化数据割裂、辨证推理不严谨等核心痛点，覆盖中医辨证、古籍查询、医案参考、药材咨询、养生指导等全场景需求。

项目背景

当前中医问诊养生系统普遍存在三大核心问题：

1. 中医意图识别精度不足：对 “辨证问诊””药材配伍””古籍检索” 等细分场景的识别准确率低于 60%，易混淆 “寒证咨询” 与 “热证用药” 等关键需求；
2. 中医数据割裂严重：结构化数据（患者病例、药材库存、问诊订单）与非结构化数据（《黄帝内经》《伤寒论》等古籍、临床医案、舌苔图片）缺乏关联，无法支撑 “辨证 - 查典 - 荐方” 的闭环；
3. 辨证推理缺乏严谨性：传统系统难以结合中医理论（如五行相生相克、十八反十九畏）进行动态推理，易出现 “寒证荐寒凉药” 等逻辑错误。
   为此，本项目基于 LangGraph + DeepSeek（中医微调版）构建多智能体系统，通过 “动态识别 - 知识融合 - 工具校验 - 实时响应” 四层架构，打造符合中医诊疗逻辑的智能问诊解决方案。

核心职责

1. 基于 LangGraph 构建中医专属动态智能体网络，实现 6 类中医核心场景的精准意图识别与自适应响应；
2. 搭建中医混合知识引擎，打通结构化（病例、药材数据）与非结构化（古籍、医案）数据，支撑辨证推理与知识检索；
3. 开发中医领域工具校验模块，确保 Cypher 查询、方剂推荐、药材配伍的严谨性（符合中医理论与规范）；

2. 技术栈

语言: Python

主要依赖:

• bcrypt>=5.0.0
• fastapi>=0.119.0
• jwt>=1.4.0
• langchain>=0.3.27
• langchain-community>=0.3.31
• langgraph>=0.6.10
• sqlmodel>=0.0.27
• structlog>=25.4.0
• uvicorn>=0.37.0

3. 项目结构

./app/__init__.py
./main.py

4. 技术实现分析

核心架构

待深入分析

关键模块

待深入分析

设计模式

待深入分析

5. 产品意义

解决的问题

待分析

目标用户

待分析

应用场景

待分析

6. 借鉴点

技术层面

1. 待分析
2. 待分析

产品层面

1. 待分析
2. 待分析

工程实践

1. 待分析
2. 待分析

7. 待深入研究

• 阅读核心源码
• 运行示例
• 分析测试用例
• 研究 API 设计

---

本报告由 OpenClaw 自动生成，需要进一步人工补充