医学AI Scientist：基于动态上下文与行动手册的自主进化之路

导语

AI for Science 在医学领域正从辅助工具向具备自主发现能力的 AI Scientist 演进，医学AI系统的认证路径也随之向“基础理解-专科执行-有条件自主”的三步范式发展。然而，通用大模型在垂直科研场景下面临动态知识更新与长链推理的严重瓶颈。本文聚焦医学AI科研中LLM的知识局限、规划脆弱与执行不可靠问题，提出基于动态上下文与行动手册（PE-PR双循环）的自主进化智能体框架。该框架通过在线模式探索与离线过程反思实现闭环学习，结合可回滚规划与Tool Grounding机制，为显著提升长周期科研任务的成功率与工具调用可靠性提供了可落地的工程解法。

核心问题与挑战

在医学长周期科研任务中，直接套用传统LLM架构会面临以下核心挑战：

• 传统LLM的三大固有缺陷：知识局限（医学知识快速进化）、规划脆弱（长链推理易断）与执行不可靠（工具调用易错）。
• 传统RAG/Memory失效：只存知识不存决策路径，导致失败经验不可复用，且无法区分策略错误与数据噪声。
• 静态Task Graph的脆弱性：中间结果一旦不可靠即导致“一步错步步错”，缺乏容错与动态修正能力。
• 反思模块的不可信风险：反思初期存在过度归因与编造合理原因的倾向，易导致系统性偏差被放大。
• Tool Grounding的失败形态：工具调用绝非简单API对接，常面临参数合法但语义错误、结果不可复现及违背领域常识等深层失败形态。

方案与实践

针对上述挑战，我们构建了基于动态上下文的自主进化智能体框架，核心组件及实践路径如下：

动态上下文与行动手册

摒弃传统一次性上下文注入（如RAG/ICE），采用随任务进程持续演化的动态上下文机制。核心是以行动手册替代静态知识库来指导智能体决策。行动手册是一个结构化、动态演化的策略知识库，编码“如何成功执行任务”的元知识。其工程化分层表示如下：

• L1 符号化层：基于if-then规则与检查表，提供强可解释性。
• L2 向量化层：支持策略的快速检索与泛化匹配。
• L3 元信息层：记录策略的可信度与适用边界，防止错误策略被滥用。

PE-PR 双循环引擎

闭环学习是系统自我演进的核心，通过PE-PR双循环引擎实现：

• 在线模式探索：智能体执行任务时，实时识别高价值行动模式并进行泛化。
• 离线过程反思：任务完成后，对执行轨迹与中间结果进行因果归因，生成修正策略并更新行动手册。

可回滚与易修正规划

针对静态Task Graph的脆弱性，引入可回滚子图与易修正规划机制。当某步执行失败或偏离时，系统无需从头推演，而是以低代价回滚至最近的稳定状态并重规划局部子图，大幅增强规划对环境变化的适应性。

Tool Grounding与策略驱动执行

执行器采用策略驱动的工具选择机制，结合先决条件检查与一致性验证，有效减少工具滥用与语义级失误。确保工具调用不仅参数合法，且符合领域约束与上下文逻辑。

反思器的知识蒸馏与泛化

反思器负责从低阶执行日志中蒸馏高阶洞察。关键在于，反思在初期应被视为“假设生成器”而非“可靠因果解释器”。其输出的策略必须附带置信度评估写入L3层，防范不可信归因直接污染行动手册。

原则/方法论沉淀

在构建自进化医学AI系统时，应遵循以下核心原则：

1. 失败即反馈：科研任务中的失败是决策有效性的重要反馈信号，应进行因果归因提炼策略，而非简单丢弃。
2. 规划求易修正而非最优：长周期科研不确定性极高，规划应保证路径偏离时具备低代价调整能力。
3. 反思初期即假设：需严防错误策略写入行动手册带来的偏差放大，所有反思结论需经校验方可提升置信度。
4. 动态胜于静态：动态上下文机制相比一次性注入更能适应长周期、高不确定性的科研任务。
5. 知其然更知其所以然：智能体不仅要记住做过什么，更要理解为何这样做，方能在新任务环境下实现泛化。

总结与行动建议

医学AI Scientist的演进必须突破静态上下文与脆弱规划的桎梏。基于动态上下文与行动手册的PE-PR双循环框架，为长周期科研任务提供了从经验中闭环学习与自我修正的工程能力。

行动建议：

• 工程团队在构建科研智能体时，应优先落地行动手册的三层结构与动态上下文管理，替代传统的纯RAG架构。
• 在规划与执行层面，务必将“可回滚子图”与“Tool Grounding先决条件检查”作为标配，提升系统容错底线。
• 严格把控反思器的输出权限，将其作为假设生成器，结合人工校验或自动化验证链路提升策略可信度，避免系统性偏差失控。

开放问题与延伸方向

1. 行动手册L1/L2/L3跨层检索与一致性对齐如何实现？（技术核心，决定工程可用性）
2. 1w+ Test Cases如何量化动态上下文与策略泛化能力？（评估基准，需明确指标定义）
3. 反思器错误假设写入L3层如何避免偏差放大？（风险控制，需引入置信度衰减或审核机制）
4. PE-PR双循环频繁切换的计算开销是否导致长周期任务不可用？（工程局限，需异步与批处理优化）
5. 易修正规划在医学长周期科研中的容错收益与加速机会？（合理性验证，体现为重规划成本大幅降低）
6. 可回滚子图对多智能体协同中的任务冲突与依赖破坏是否有效？（机会挖掘，天然适合分布式回滚与恢复）
7. 能否引入医学本体知识图谱作为Tool Grounding的硬性约束校验层？（扩展边界，提升领域安全性）
8. 行动手册迁移至非医学AI4S领域需重新定义哪些核心组件？（迁移组合，L1层领域规则需重写）
9. 反思器过度归因是否引发严重临床科研事故的隐性担忧？（隐性风险，医学领域需极高容错与拦截机制）
10. 从检索到理解的范式跃迁是否过度依赖大模型涌现能力而缺乏工程可控性？（直觉观感，需符号化L1层兜底可控性）
11. 面对稳定性-可塑性困境，优先解决反思器可信度还是执行器鲁棒性？（优先级，执行器鲁棒性是反思可信的基础前提）