# First-Aid Buddy：基于多智能体架构的智能急救助手系统 > 一个融合大语言模型、RAG检索增强生成和实时API的多智能体急救辅助系统，通过分诊评估与急救指导双代理架构，为用户提供本地化、多语言的紧急医疗指导。 - 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm) - 发布时间: 2026-05-12T10:12:51.000Z - 最近活动: 2026-05-12T10:26:03.517Z - 热度: 163.8 - 关键词: 智能急救, 多智能体系统, RAG检索增强, 医疗AI, LangGraph, Streamlit, 紧急分诊, 地理位置服务, 多语言支持, 健康科技 - 页面链接: https://www.zingnex.cn/forum/thread/first-aid-buddy - Canonical: https://www.zingnex.cn/forum/thread/first-aid-buddy - Markdown 来源: ingested_event --- # First-Aid Buddy：基于多智能体架构的智能急救助手系统\n\n## 项目背景与核心定位\n\n在突发医疗紧急情况下，及时、准确的急救指导往往能够挽救生命。然而，普通大众往往缺乏专业的急救知识，在危急时刻容易手足无措。**First-Aid Buddy**项目正是针对这一痛点而开发的智能急救助手，它利用现代人工智能技术，将专业急救知识转化为普通人可以理解和执行的步骤指导。\n\n该项目采用Python和Streamlit构建，核心创新在于其**双智能体架构**——通过分诊评估与急救指导两个专业代理的协作，确保用户既能获得适合自身情况的处理建议，又能在必要时及时寻求专业医疗帮助。系统还集成了地理位置服务、视频教程检索和多语言翻译功能，真正实现了"随时随地、个性化"的急救支持。\n\n## 系统架构设计\n\nFirst-Aid Buddy的架构设计体现了清晰的分层思维和模块化的工程理念，整个系统可分为用户交互层、智能代理层和外部服务层。\n\n### 双智能体协作机制\n\n系统的核心是两个基于LangGraph构建的AI代理：\n\n**分诊代理（Triage Agent）**是用户的第一接触点。它基于ESI（Emergency Severity Index，紧急严重度指数）标准，对用户描述的症状进行1-5级的严重程度评估。这一评估至关重要——它决定了后续的处理流程：对于轻微情况，系统提供自助急救指导；对于严重情况，系统会立即建议呼叫急救服务并提供附近医院信息。\n\n**急救代理（Emergency Agent）**在分诊完成后启动。它采用三条并行处理分支，同步执行：通过RAG检索圣约翰救护手册获取权威急救指导、搜索YouTube上的认证急救视频教程、以及查询用户附近的医疗机构信息。这种并行架构显著提升了响应速度。\n\n### 技术栈选型分析\n\n项目在技术选型上体现了实用性和先进性的平衡：\n\n- **前端框架**：Streamlit提供了快速构建数据应用的能力，适合这种信息展示型应用\n- **大模型推理**：采用Groq Cloud的llama-3.3-70b-versatile模型，兼顾性能与成本\n- **向量检索**：FAISS配合HuggingFace的all-MiniLM-L6-v2模型，实现高效的语义搜索\n- **关键词检索**：BM25算法作为补充，提升特定术语的匹配精度\n- **地理服务**：OpenStreetMap的Overpass API和Nominatim服务提供免费的地理位置能力\n\n## 核心功能特性\n\n### 智能分诊评估\n\n系统首先通过分诊代理理解用户描述的医疗状况，运用ESI标准进行严重程度分级。ESI是国际上广泛认可的急诊分诊工具，将患者分为5个等级：1级为需立即抢救的危急情况，5级则为可等待的非紧急状况。这种分级机制确保了系统能够给出与情况匹配的建议，既不会让用户对严重情况掉以轻心，也不会对轻微状况过度反应。\n\n### 基于RAG的权威知识检索\n\n急救信息的准确性至关重要。系统采用RAG（检索增强生成）架构，将圣约翰救护手册作为知识库，通过向量索引和BM25索引实现高效检索。当用户询问特定急救问题时，系统首先从知识库中检索相关章节，再基于这些权威内容生成回答。这种方式既保证了信息的准确性，又避免了大模型"幻觉"带来的风险。\n\n### 实时地理位置服务\n\n对于严重程度较高的情况（ESI评分大于2），系统会自动调用浏览器的地理定位功能，结合OpenStreetMap的Overpass API查询附近的医院信息。同时，系统还能根据用户所在国家显示正确的本地急救电话号码，目前支持包括中国、美国、英国、澳大利亚等在内的多个国家，其他国家则默认显示国际通用号码112。\n\n### 多语言支持\n\n考虑到急救场景的紧急性和多样性，系统内置了自动语言检测和翻译功能。用户可以用母语描述症状，系统会自动翻译处理，并将回答翻译回用户的语言。这一特性极大地降低了使用门槛，使非英语用户也能获得及时的急救指导。\n\n### 视频教程检索\n\n对于某些复杂的急救操作（如心肺复苏、海姆立克急救法等），文字描述可能不够直观。系统集成了YouTube Data API，能够从认证的急救频道检索相关视频教程，为用户提供可视化的学习资源。\n\n## 知识库与数据处理\n\n项目的知识库构建体现了严谨的数据工程思维。系统使用两份核心文档：\n\n- **ESI分诊手册**：用于训练分诊代理的判断能力\n- **圣约翰救护急救手册**：作为RAG检索的权威知识源\n\n在首次启动时，系统会自动处理这些PDF文档，提取文本内容（必要时使用OCR技术），并构建FAISS向量索引和BM25关键词索引。这些索引会被持久化存储，避免每次启动都重复处理，显著提升了后续启动速度。\n\n## 应用场景与社会价值\n\nFirst-Aid Buddy的设计目标是在专业医疗帮助到达之前，为用户提供及时、准确的急救指导。其应用场景包括：\n\n- **家庭急救**：处理常见的意外伤害，如割伤、烫伤、扭伤等\n- **户外应急**：在远离医疗机构的户外环境中提供指导\n- **旅行辅助**：为跨国旅行者提供本地化的急救信息和紧急联系方式\n- **急救培训**：作为学习急救知识的辅助工具\n\n需要强调的是，该系统明确定位为**辅助工具而非医疗替代品**。项目文档中明确声明：在危及生命的情况下，应立即拨打当地急救电话寻求专业帮助。这种负责任的产品定位体现了开发团队对用户安全的重视。\n\n## 部署与使用\n\n项目的部署流程相对简单，主要步骤包括：\n\n1. 克隆代码库并安装Python依赖\n2. 安装Tesseract OCR引擎（用于PDF文本提取）\n3. 配置API密钥（Groq、YouTube、Serper等）\n4. 放置PDF知识库文档到指定目录\n5. 运行Streamlit应用\n\n系统首次启动时会自动构建索引，这可能需要几分钟时间，但后续启动将直接使用已构建的索引，响应迅速。\n\n## 技术启示与展望\n\nFirst-Aid Buddy项目展示了多智能体架构在垂直领域应用中的潜力。通过将复杂任务分解为分诊和急救两个专业代理，系统实现了更精准、更可靠的服务。RAG技术的应用则解决了大模型在专业领域"幻觉"的问题，使AI系统能够基于权威知识源提供可信回答。\n\n这一项目模式可以推广到其他需要专业知识和精准决策的领域，如法律咨询、技术支持、教育培训等。随着多模态技术的发展，未来还可以整合图像识别能力，让用户通过拍照上传伤情照片，获得更精准的评估和指导。