Medical AI Agent：基于Telegram的医疗咨询智能体系统

Medical AI Agent是一个基于Telegram平台的医疗咨询工作流系统，核心特点包括：结合AI智能体、RAG检索增强生成、化验单提取功能，以及关键的人工审核机制，实现医患双方安全、可追溯的AI辅助咨询服务。系统采用双Bot架构（患者端与医生端），AI负责信息整理与初步分析，人类医生保留最终决策权。需注意，本项目为演示/作品集性质，并非临床可用的生产级医疗软件。

在人工智能与医疗健康交叉领域，核心挑战在于平衡技术创新与安全合规。Medical AI Agent项目针对这一问题，提供了务实解决方案：将AI智能体的自动化能力与人类医生的专业判断相结合，在确保医疗安全的前提下提升咨询效率。

核心架构与方法

1. 双Bot设计：
   • 患者Bot：接收症状描述、引导上传化验单、提供知识库初步信息、转接复杂问题至医生端；
   • 医生Bot：接收AI预处理的咨询、查看AI初步建议、进行专业审核修正、发送最终建议。
2. RAG知识库系统： 内置医学文献/指南知识库，通过文档向量化、语义检索、上下文增强生成回答，并支持溯源追踪。默认演示数据包含血糖、肌酐、血红蛋白检测的合成示例。
3. 化验单提取：自动识别关键指标、提取数值/单位/参考范围，转换非结构化文档为结构化数据。
4. 安全机制：AI仅负责信息准备，不直接诊断/开方；所有输出需经医生审核，内置安全检查拦截不支持的请求。

技术实现细节

• 技术栈：后端用FastAPI，Python3.13运行时，uv包管理，Docker Compose容器化，Hugging Face模型接口；
• 快速启动： 容器化部署：uv sync && docker compose up --build； 本地开发：uv sync && uv run uvicorn app.main:app --reload；
• 环境配置：复制.env.example为.env，填写Bot tokens、HF token等关键参数；
• 项目结构：包含app（主入口、API、服务等）、data（知识库）、scripts（评估套件）等目录。

质量评估与演示

• 评估维度：提取质量（指标完整性、单位准确性等）、事实依据（检索证据关联）、安全性（拦截违规请求）；
• 运行评估：uv run python scripts/run_minimal_eval_suite.py --case-id case_demo_happy_path（使用合成/匿名数据）；
• 演示场景：以血糖咨询为例，流程为患者描述症状→上传报告→AI提取分析→医生审核→患者收到回复。

安全与合规声明

• 本系统为演示/作品集项目，未经过临床验证，不满足医疗合规要求，非生产级医疗软件；
• AI仅准备信息供医生参考，不直接诊断或开具治疗建议，人类医生必须审核所有决策；
• 演示使用合成数据，真实患者数据需单独的法律、安全和合规审查。

应用价值与未来方向

• 开发者价值：完整RAG应用范例、人机协作模式参考、安全优先设计演示；
• 医疗AI启示：渐进式落地路径、透明可追溯设计、监管友好的人工审核机制；
• 未来扩展：多模态支持（医学影像）、知识库扩展、个性化健康档案、随访管理功能。