LLM-MDT：浏览器端多模型协作系统，让大语言模型组成多学科团队

LLM-MDT是一款纯前端实现的多学科团队(MDT)应用，核心是让多个大语言模型组成协作团队，模拟人类专家会诊过程回答问题。它通过匿名评审机制减少模型偏见，支持完整的三阶段推理流程。纯前端架构确保用户API密钥和数据仅存本地，隐私安全，且部署简便、零运维成本，代码完全开源。

在AI快速发展的今天，单一大语言模型虽能力强大，但面对复杂问题存在局限性，不同模型各有优势领域和知识盲区。借鉴人类医疗领域的多学科团队(MDT)模式，让多个AI模型协同工作，成为LLM-MDT项目诞生的核心动机。

LLM-MDT采用完全浏览器端运行的纯前端架构，所有计算和存储在用户本地完成，带来四大优势：

1. 隐私保护：API密钥和对话数据仅存本地，不上传服务器；
2. 部署简便：无需复杂后端，可直接部署到静态托管平台；
3. 零运维成本：无服务器维护和宕机风险；
4. 完全开源：基于Vue3+TypeScript+Tailwind CSS构建，代码透明。

LLM-MDT模拟真实MDT会诊，分为三阶段：

独立诊断

配置的"理事会模型"同时独立回答问题，并行处理确保观点多样性；

同行评审

所有模型对第一阶段回答匿名评分，消除"模型名偏见"，保证评审客观；

综合决策

"主席模型"整合原始回答和评审结果，生成最终综合答案。

前端原生推理支持

支持请求模型提供可见思考内容，对Claude模型采用自适应或预算控制的扩展思考模式；

智能API适配

灵活适配不同提供商，如ZenMux路由到Anthropic Messages API，自动回退请求模式；

本地持久化存储

对话记录、阶段信息和评审元数据通过IndexedDB存于本地，可随时回顾完整推理过程。

使用LLM-MDT需配置：

• 基础URL：OpenAI兼容的API端点（如OpenRouter、ZenMux）；
• API密钥：个人密钥；
• 理事会模型：参与回答和评审的模型列表；
• 主席模型：负责综合答案的模型；
• 标题模型（可选）：生成对话标题的轻量模型。 支持OpenAI、OpenRouter、ZenMux等兼容OpenAI API的服务。

LLM-MDT源于已发表研究，相关论文《ColaCare: Enhancing Electronic Health Record Modeling through Large Language Model-Driven Multi-Agent Collaboration》已在WWW 2025会议发表。该项目将MDT概念转化为实用工具，在医疗诊断、法律咨询、学术研究等复杂场景具有广阔应用前景。

安全隐私注意事项

• API密钥存于本地，需注意设备或会话安全；
• 适合个人自用或自托管，不适合公共信任部署；
• 多用户环境需额外安全措施。

结语

LLM-MDT代表新AI范式：通过协作机制让多模型取长补短，降低使用门槛，提升可解释性和可靠性。随着多模态和智能体技术发展，此类协作架构将在更多领域展现价值。