SmartTCM-Agent-SYSTEM 项目深度分析报告

本报告由 OpenClaw 自动生成（AI 深度分析版）

研究日期: 2026-06-17

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

---

📊 项目概览

• 项目名称: SmartTCM-Agent-SYSTEM
• 文件数量: 932 个文件
• 主要插件: 0 个

---

SmartTCM-Agent-SYSTEM 项目研究报告

1. 项目概述

SmartTCM-Agent-SYSTEM 是一个基于大语言模型构建的多智能体中医问诊系统，采用 FastAPI + Vue 3 + LangGraph 技术栈实现前后端分离架构。项目核心价值在于解决中医问诊场景中的意图识别准确率低、结构化/非结构化数据割裂、辨证推理不严谨等核心痛点。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，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，为中医诊疗提供智能化、精准化的解决方案。

2. 技术栈分析

使用的技术和框架

• 后端框架: FastAPI，提供高性能的异步API服务
• 前端框架: Vue 3，实现响应式用户界面
• 智能体框架: LangGraph，构建多智能体协作网络
• 大模型支持: DeepSeek（中医微调版）、TCM-LLM 等中医领域大模型
• 知识图谱: Neo4j，存储和查询中医知识关系
• 多模态处理: TCM-CV，用于舌苔/面色等多模态数据解析
• 缓存机制: 高频古籍片段缓存，提升检索响应速度

架构特点

• 四层架构设计: 动态识别 - 知识融合 - 工具校验 - 实时响应
• 混合知识引擎: 整合结构化数据（病例、药材库存）与非结构化数据（古籍、医案）
• 多智能体协作: 基于 LangGraph 构建的中医专属动态智能体网络
• 场景适配策略: 针对中医问诊的6类核心场景设计专门的识别和响应策略

依赖关系

• 核心依赖: FastAPI 依赖 uvicorn 作为 ASGI 服务器；Vue 3 依赖 Vite 作为构建工具
• 智能体层: 依赖 LangGraph 实现智能体间的协作与决策流程
• 数据层: 依赖 Neo4j 存储中医知识图谱，依赖关系型数据库存储结构化病例数据
• AI层: 依赖 DeepSeek 等大模型进行语义理解和生成，依赖 TCM-CV 进行多模态解析
• 缓存层: 可能依赖 Redis 等缓存系统存储高频查询结果和古籍片段

3. 核心功能/组件分析

主要功能模块

1. 中医意图识别网络

   • 覆盖6类核心场景：中医闲聊、辨证问诊、古籍检索、医案参考、药材咨询、图文解析
   • 动态策略适配：针对不同场景采用专门的识别和响应策略
   • 多轮追问机制：按中医辨证逻辑逐步收集关键信息

2. 混合知识引擎

   • 结构化数据管理：患者病例、药材库存、问诊订单等
   • 非结构化数据整合：《黄帝内经》《伤寒论》等古籍、临床医案、舌苔图片等
   • 图关联能力：基于Neo4j的中医知识图谱，实现症状-辨证-治法的关联

3. 工具校验模块

   • Cypher查询模板库：100+中医专属查询模板
   • 方剂推荐校验：确保符合中医理论与规范
   • 药材配伍检查：遵循十八反十九忌等配伍禁忌

4. 实时服务接口

   • 权威中医数据库集成
   • 医疗资源对接
   • 合规性保障机制

关键组件说明

• LangGraph智能体网络: 作为系统的核心决策框架，协调各智能体完成复杂的中医问诊任务
• GraphRAG检索引擎: 结合知识图谱与RAG技术，实现中医知识的精准检索
• Cypher模板库: 预定义的查询模板确保数据查询符合中医理论逻辑
• 多模态解析模块(TCM-CV): 专门处理舌苔、面色等视觉信息，辅助辨证

功能之间的关系

系统采用”动态识别-知识融合-工具校验-实时响应”的闭环流程：

1. 意图识别网络首先确定用户需求的场景类型
2. 混合知识引擎根据场景提供相关知识和数据
3. 工具校验模块确保推理和结果的中医理论严谨性
4. 实时服务接口整合权威资源并返回结构化响应

各模块通过LangGraph框架实现动态协作，形成一个有机的整体系统。

4. 技术实现亮点

创新点

1. 中医专属多智能体架构: 首创基于LangGraph的中医多智能体协作网络，针对中医问诊场景设计专门的智能体角色和交互逻辑
2. 混合知识融合引擎: 创新性地整合结构化数据与非结构化数据，构建覆盖中医全领域的知识体系
3. 场景自适应策略: 针对中医问诊的6类核心场景设计专门的识别和响应策略，大幅提升意图识别准确率至90%+

设计模式

1. 代理模式: 通过LangGraph构建多个智能体代理，每个代理负责特定中医场景的处理
2. 策略模式: 针对不同问诊场景采用不同的识别和响应策略
3. 模板方法模式: 预定义Cypher查询模板，确保查询逻辑的一致性和规范性
4. 观察者模式: 可能用于实时监控用户交互和系统响应，持续优化模型表现

最佳实践

1. 数据分层设计: 明确区分结构化数据与非结构化数据，采用不同的存储和检索策略
2. 缓存优先机制: 对高频查询结果和古籍片段进行缓存，显著提升响应速度
3. 中医理论校验: 所有推荐和推理都经过中医理论和规范校验，确保结果的严谨性
4. 模块化架构: 系统各组件高度解耦，便于维护和扩展

5. 产品意义和应用场景

解决的问题

1. 中医意图识别精度不足: 通过多智能体网络和场景自适应策略，将识别准确率从60%提升至90%+
2. 中医数据割裂严重: 构建混合知识引擎，打通结构化与非结构化数据，支持”辨证-查典-荐方”的闭环
3. 辨证推理缺乏严谨性: 通过工具校验模块确保符合中医理论和规范，避免逻辑错误

目标用户

1. 中医从业人员: 包括中医师、中医学生、中医研究人员等
2. 中医养生爱好者: 对中医养生感兴趣的普通用户
3. 医疗健康机构: 中医院、中医诊所、健康管理机构等
4. 中医药企业: 中药企业、中医医疗器械企业等

应用场景

1. 智能中医问诊: 为用户提供初步的辨证分析和健康建议
2. 中医知识查询: 查询中医经典、药材功效、方剂组成等
3. 医案参考: 提供相似病例的诊疗参考
4. 养生指导: 根据体质和季节提供个性化养生建议
5. 医学教育: 为中医学生提供学习和参考资源

6. 借鉴点

技术层面

1. 多智能体协作架构: LangGraph的应用展示了如何通过智能体协作解决复杂问题，可借鉴到其他专业领域如法律咨询、教育辅导等
2. 混合知识管理策略: 结构化与非结构化数据融合的方法适用于知识密集型应用，如法律咨询系统、教育平台等
3. 场景自适应设计: 针对不同场景采用不同策略的方法可应用于客服系统、推荐系统等需要理解用户意图的场景
4. 知识图谱与RAG结合: GraphRAG技术在专业领域的应用展示了如何提升知识检索的准确性和相关性

产品层面

1. 专业领域垂直深耕: 聚焦中医垂直领域的做法表明，AI应用在专业领域比通用领域有更大价值
2. 用户体验分层设计: 针对不同用户群体(专业人士、普通用户)设计不同深度的交互方式
3. 理论与实践结合: 不仅提供理论知识，还结合实际案例和诊疗经验，增强实用性
4. 中医理论与现代技术融合: 将传统中医理论与现代AI技术结合，创造新的应用价值

工程实践

1. 模块化架构设计: 高度模块化的系统设计便于维护和扩展
2. 预定义模板库: 建立Cypher查询模板库的方法可应用于其他需要规范查询的场景
3. 性能优化策略: 如缓存优先机制等性能优化方法对任何高并发系统都有参考价值
4. 数据分层管理: 结构化与非结构化数据的分层管理方法适用于复杂数据场景

7. 待深入研究

1. 中医知识图谱的构建与优化: 研究如何更有效地构建中医知识图谱，包括实体关系抽取、知识融合、图谱更新等关键技术
2. 多智能体协作机制的改进: 探索更智能的智能体协作机制，如基于强化学习的智能体协作策略优化
3. 中医辨证推理的形式化表达: 研究如何将中医辨证过程形式化，使其更易于计算机理解和处理
4. 多模态数据的深度融合: 进一步研究舌苔、面色等多模态数据与文本数据的深度融合方法，提升辨证准确性
5. 个性化推荐算法优化: 针对中医个性化诊疗需求，研究更精准的推荐算法，如基于用户历史数据的动态调整
6. 中医理论与现代医学知识的融合: 探索如何将中医理论与现代医学知识有效融合，为中西医结合提供技术支持
7. 系统的可解释性与透明度: 研究如何提高AI中医问诊系统的可解释性，增强用户对系统诊断的信任度
8. 大规模临床验证与效果评估: 设计严谨的临床验证方案，评估系统在实际临床环境中的效果和价值—

📁 文件结构示例

/Users/daoyu/Documents/ai-repo/SmartTCM-Agent-SYSTEM/.env_example
/Users/daoyu/Documents/ai-repo/SmartTCM-Agent-SYSTEM/.DS_Store
/Users/daoyu/Documents/ai-repo/SmartTCM-Agent-SYSTEM/app/__init__.py
/Users/daoyu/Documents/ai-repo/SmartTCM-Agent-SYSTEM/app/src/core/__init__.py
/Users/daoyu/Documents/ai-repo/SmartTCM-Agent-SYSTEM/app/src/response/response_codes.py
/Users/daoyu/Documents/ai-repo/SmartTCM-Agent-SYSTEM/app/src/response/response_models.py
/Users/daoyu/Documents/ai-repo/SmartTCM-Agent-SYSTEM/app/src/response/response_factory.py
/Users/daoyu/Documents/ai-repo/SmartTCM-Agent-SYSTEM/app/src/response/__init__.py
/Users/daoyu/Documents/ai-repo/SmartTCM-Agent-SYSTEM/app/src/response/utils.py
/Users/daoyu/Documents/ai-repo/SmartTCM-Agent-SYSTEM/app/src/response/response_middleware.py
/Users/daoyu/Documents/ai-repo/SmartTCM-Agent-SYSTEM/app/src/response/exception/__init__.py
/Users/daoyu/Documents/ai-repo/SmartTCM-Agent-SYSTEM/app/src/response/exception/global_exception.py
/Users/daoyu/Documents/ai-repo/SmartTCM-Agent-SYSTEM/app/src/response/exception/exceptions.py
/Users/daoyu/Documents/ai-repo/SmartTCM-Agent-SYSTEM/app/src/entity/app_entity.py
/Users/daoyu/Documents/ai-repo/SmartTCM-Agent-SYSTEM/app/src/dependencies/__init__.py
/Users/daoyu/Documents/ai-repo/SmartTCM-Agent-SYSTEM/app/src/dependencies/dependency.py
/Users/daoyu/Documents/ai-repo/SmartTCM-Agent-SYSTEM/app/src/__init__.py
/Users/daoyu/Documents/ai-repo/SmartTCM-Agent-SYSTEM/app/src/utils/logging_config.py
/Users/daoyu/Documents/ai-repo/SmartTCM-Agent-SYSTEM/app/src/utils/structlog_config.py
/Users/daoyu/Documents/ai-repo/SmartTCM-Agent-SYSTEM/app/src/utils/structlog_utils.py
/Users/daoyu/Documents/ai-repo/SmartTCM-Agent-SYSTEM/app/src/utils/__init__.py
/Users/daoyu/Documents/ai-repo/SmartTCM-Agent-SYSTEM/app/src/utils/logger.py
/Users/daoyu/Documents/ai-repo/SmartTCM-Agent-SYSTEM/app/src/utils/structlog_middleware.py
/Users/daoyu/Documents/ai-repo/SmartTCM-Agent-SYSTEM/app/src/utils/log_middleware.py
/Users/daoyu/Documents/ai-repo/SmartTCM-Agent-SYSTEM/app/src/utils/paginator/models.py
/Users/daoyu/Documents/ai-repo/SmartTCM-Agent-SYSTEM/app/src/utils/paginator/__init__.py
/Users/daoyu/Documents/ai-repo/SmartTCM-Agent-SYSTEM/app/src/controller/user_controller.py
/Users/daoyu/Documents/ai-repo/SmartTCM-Agent-SYSTEM/app/src/controller/__init__.py
/Users/daoyu/Documents/ai-repo/SmartTCM-Agent-SYSTEM/app/src/schema/conversation_schema.py
/Users/daoyu/Documents/ai-repo/SmartTCM-Agent-SYSTEM/app/src/schema/user_schema.py
...
(共 932 个文件)

---

本报告由 OpenClaw 的 AI 深度分析系统生成
如有疑问或需要进一步分析，请联系研究者