作者：Yehan Yang，Tianhao Ma，Ruotai Li，Xinhan Zheng，Guodong Shan，Chisheng Li.
单位：Beijing University of Posts and Telecom-munications，Southeast University.
来源：arXiv
时间：2025.2

一、论文概述

研究背景：
中医诊断和治疗需要依赖大量的专业知识和经验：传统中医在诊断和治疗过程中强调辨证论治，需要医生反复询问患者症状、病史，并结合舌脉、体质、环境等因素分析。但在实践中，一方面缺乏结构化、系统化的多轮问诊数据，另一方面中医知识也难以在通用大模型中得到充分呈现。
现有大模型在中医场景的应用面临挑战：通用LLMs可能无法精准获取中医特征信息，也无法对复杂的中医症候进行有效推理，导致诊断不全面、辨证不准确、治疗建议缺乏个性化与权威性。
研究目的：
开发多智能体动态协同推理机制：该机制通过模拟真实中医咨询过程，结合不同中医专科领域的智能体(Agent)，动态协作完成全面的患者信息收集和精准的辨证论治。这一机制旨在提高模型在多轮咨询中的交互能力和信息处理能力，为准确诊断奠定基础。
提升中医辨证论治能力：研究中开发了“中医辨证智能体”，并结合双阶段检索方案，显著增强模型在中医辨证论治方面的表现。

二、主要内容

JF框架包含三个核心模块：
中医咨询模块：通过“多代理动态协作思维链(MD-CCTM)”模拟专家会诊，动态整合专科代理（如内科、妇科）与通用代理的咨询建议，优化多轮提问逻辑。
中医辨证模块：基于TCM证候代理，结合“十问歌”框架清洗数据（去除无关仪器检查等噪声），提升证型分类精度。
中医治疗模块：采用双阶段检索方案(DSRS)，先按证型筛选候选处方，再通过向量相似度匹配个性化治疗方案。
关键技术
MD-CCTM：通过多代理协作迭代优化咨询思维链，确保问题全面性与针对性。
DSRS：融合密集向量（语义匹配）与稀疏向量（关键词匹配）检索，结合RRF算法混合排序，提升治疗推荐的精准性。
数据清洗方法：基于“十问歌”结构化提取症状信息，构建高质量中医辨证数据集。

三、实验评估

四、论文总结

多智能体动态协同推理机制（MDCCTM）
模拟真实中医咨询过程，结合不同中医专科领域的智能体（Agent），动态协作完成全面的患者信息收集。
通过多轮咨询，逐步深入收集患者信息，避免关键信息遗漏，为准确诊断提供基础。
中医辨证智能体（Syndrome Agent）
结合高质量的中医数据集和双阶段检索方案（DSRS），提升模型在中医辨证论治方面的能力。
通过数据预处理和结构化，确保模型能够精准识别患者的证型。
双阶段检索方案（DSRS）
在治疗建议阶段，通过双阶段检索从中医处方数据库中筛选最适合患者的治疗方案。
结合患者的具体情况，提供个性化的治疗建议。