基于 LangGraph.js 的多智能体医疗咨询系统:5 个专业智能体协作，结合药品说明书 RAG 检索与 PubMed 文献检索，通过 SSE 流式返回症状分析、用药建议与健康咨询。
⚠️ 本项目为技术演示与学习用途，输出内容不构成医疗建议。详见文末免责声明。
- 前端： https://langgraph-project-eta.vercel.app （Vercel，公开访问）
- 后端 API： https://medical-backend-4k05.onrender.com （Render，新加坡节点）
| 层 | 技术 |
|---|---|
| 前端 | React 19 · TypeScript · Vite 7 · Tailwind CSS · axios |
| 后端 | Node.js · Express 4 · TypeScript · tsx |
| AI 编排 | LangGraph.js 1.0 · @langchain/core · @langchain/community |
| LLM | Google Gemini（gemini-2.5-flash） |
| 检索 | PostgreSQL + pgvector（说明书 RAG）· PubMed E-utilities（文献） |
| 日志 / 测试 | pino · vitest |
LLM 通过
BaseAgent的共享模型实例注入，架构本身与具体模型解耦；替换其他 LLM 只需改动模型初始化，无需改各智能体逻辑。
系统由 5 个专业智能体 协同工作，协调器按问题类型动态路由，最终由顾问汇总输出。
graph TB
User[👤 用户输入] --> Coordinator[🎯 协调器<br/>CoordinatorAgent]
Coordinator -->|路由决策| Diagnostic[🔍 诊断专家<br/>DiagnosticAgent]
Coordinator -->|路由决策| Pharmacist[💊 药剂师<br/>PharmacistAgent]
Coordinator -->|路由决策| Research[📚 研究员<br/>ResearchAgent]
Diagnostic -->|诊断结果| Advisor[💡 顾问<br/>AdvisorAgent]
Pharmacist -->|用药方案| Advisor
Research -->|科研证据| Advisor
Advisor -->|SSE 流式返回| Response[📝 返回用户]
style Coordinator fill:#4a9eff,stroke:#2563eb,color:#fff
style Diagnostic fill:#10b981,stroke:#059669,color:#fff
style Pharmacist fill:#f59e0b,stroke:#d97706,color:#fff
style Research fill:#8b5cf6,stroke:#7c3aed,color:#fff
style Advisor fill:#ec4899,stroke:#db2777,color:#fff
style User fill:#6366f1,stroke:#4f46e5,color:#fff
style Response fill:#06b6d4,stroke:#0891b2,color:#fff
| 智能体 | 职责 | 核心能力 |
|---|---|---|
| 🎯 协调器 CoordinatorAgent | 分析意图，决定调用哪些专家 | 意图识别、路由决策 |
| 🔍 诊断专家 DiagnosticAgent | 从描述中提取症状、推理可能疾病 | 症状分析、疾病推理 |
| 💊 药剂师 PharmacistAgent | 基于 NMPA 说明书 RAG 检索给出用药建议 | pgvector 检索、安全检查、真实出处 |
| 📚 研究员 ResearchAgent | 实时检索 PubMed，返回真实 PMID | 文献检索、证据支持、失败降级 |
| 💡 顾问 AdvisorAgent | 汇总各专家产出，生成最终建议 | 信息整合、上下文管理 |
顾问汇总时不透传各智能体的原始产出，而是做结构化投影——只抽取关键字段（诊断结论、药名+适应症+用法、研究 keyFindings）拼装 prompt。同时设有长度守卫：超出上限时优先裁剪低优先级的研究摘要，保住诊断与用药信息，截断行为写入日志、绝不静默丢弃。每次请求记录上下文长度，便于按真实数据校准阈值。
- Node.js 20+（推荐 24）
- npm
- Google Gemini API Key
- （可选）PostgreSQL + pgvector，用于药剂师 RAG 检索
创建 backend/.env：
# LLM（对话与 embedding 共用，变量名 GOOGLE_API_KEY）
GOOGLE_API_KEY=your_gemini_api_key_here
# 服务器
PORT=3000
NODE_ENV=development
# 药剂师 RAG（可选）：Postgres 连接串，需启用 pgvector
DATABASE_URL=postgres://user:pass@host/db
# PubMed 检索（可选）：配置后提升调用限速
NCBI_API_KEY=
# CORS：本地开发填 http://localhost:5173，线上部署填 * 或前端域名
ALLOWED_ORIGINS=*💡 药剂师 RAG 依赖
DATABASE_URL。未配置时该智能体安全降级为通用建议，不影响其余功能。首次使用需在库中执行CREATE EXTENSION IF NOT EXISTS vector;，再运行npm run ingest灌入说明书数据。部署细节见 docs/rag-deployment-guide.md。
创建 frontend/.env：
# 本地开发
VITE_API_URL=http://localhost:3000/api
# 线上部署（Vercel 环境变量）
# VITE_API_URL=https://medical-backend-4k05.onrender.com/api# 后端 → http://localhost:3000
cd backend && npm install --legacy-peer-deps && npm run dev
# 前端 → http://localhost:5173
cd frontend && npm install && npm run devcd backend && npm run ingest前端界面或直接调用 API：
# 本地
curl -N -X POST http://localhost:3000/api/chat/stream \
-H "Content-Type: application/json" \
-d '{"message":"我头疼发烧咳嗽，应该吃什么药？"}'
# 线上
curl -N -X POST https://medical-backend-4k05.onrender.com/api/chat/stream \
-H "Content-Type: application/json" \
-d '{"message":"我头疼发烧咳嗽，应该吃什么药？"}'| 方法 | 路径 | 说明 |
|---|---|---|
POST |
/api/chat/stream |
多智能体流式咨询，SSE 推送执行进度与最终结果 |
GET |
/api/health |
健康检查 |
请求体： { "message": string }
SSE 事件类型：
| 事件 | 含义 |
|---|---|
agent_start |
某智能体开始执行 |
agent_complete |
某智能体完成，附一句话摘要 |
final_result |
顾问生成的结构化最终建议 |
error |
执行出错 |
done |
流结束 |
langgraph-project/
├── backend/ # Node + Express + LangGraph
│ ├── src/
│ │ ├── agents/ # 多智能体
│ │ │ ├── BaseAgent.ts # 共享模型 + JSON/文本调用封装
│ │ │ ├── CoordinatorAgent.ts # 协调器
│ │ │ ├── DiagnosticAgent.ts # 诊断专家
│ │ │ ├── PharmacistAgent.ts # 药剂师（RAG）
│ │ │ ├── ResearchAgent.ts # 研究员（PubMed）
│ │ │ ├── AdvisorAgent.ts # 顾问（投影 + 长度守卫）
│ │ │ └── types.ts # 共享状态与类型
│ │ ├── retrieval/
│ │ │ ├── pubmedClient.ts # PubMed 文献检索
│ │ │ └── vectorStore.ts # pgvector 向量库与说明书检索
│ │ ├── services/
│ │ │ ├── multiAgentService.ts # LangGraph 编排 + SSE
│ │ │ └── llmService.ts # LLM 服务封装
│ │ ├── routes/chatRoutes.ts # API 路由
│ │ └── index.ts # 服务入口
│ ├── scripts/ingest.ts # 说明书入库（npm run ingest）
│ ├── data/drug-labels/ # NMPA 说明书种子数据
│ └── src/__tests__/ # vitest 单元测试
├── frontend/ # React 19 + Vite + Tailwind
│ └── src/
│ ├── components/ # 聊天 / 药品信息 UI 组件
│ ├── services/ # api.ts · chatService.ts（SSE）
│ ├── types/ # 类型定义
│ └── App.tsx
├── docs/ # 部署指南 · 设计文档 · 计划
├── render.yaml # Render 部署配置
└── START.md # 快速启动指南
多智能体协作
- LangGraph 状态编排：协调器动态路由 → 专家并行/串行执行 → 顾问汇总
- 结构化状态共享（
AgentState），单轮请求相互隔离 - 顾问上下文投影 + 长度守卫，防止上下文膨胀
AI 与检索
- 症状分析与初步疾病推理
- 基于 NMPA 说明书的 pgvector RAG 用药建议（附真实出处，无库时降级）
- PubMed 实时文献检索（返回真实 PMID，失败自动降级）
- 顾问综合建议生成
工程质量
- vitest 单元测试覆盖各智能体与检索层
- pino 结构化日志
- 边界异常包裹与安全降级，不吞错误、不产生死局
- TypeScript 全链路类型安全
交互体验
- SSE 流式输出，实时展示各智能体执行进度
- 响应式聊天界面、示例问题快捷入口、后端连接检测
- 多轮对话记忆（引入会话历史，需配套滚动摘要与消息裁剪）
- 聊天历史持久化
- 用户认证与个人档案
- 检索缓存与性能监控
- 前端药品卡片可视化、语音输入、说明书图片识别
sequenceDiagram
participant U as 用户
participant F as 前端
participant C as 协调器
participant D as 诊断专家
participant P as 药剂师
participant R as 研究员
participant A as 顾问
U->>F: 输入问题
F->>C: POST /api/chat/stream
C->>C: 分析意图、决定路由
alt 症状诊断
C->>D: 分派任务
D->>A: 返回诊断
else 用药咨询
C->>P: 分派任务（RAG 检索）
P->>A: 返回用药建议
else 科研查询
C->>R: 分派任务（PubMed）
R->>A: 返回研究证据
else 综合咨询
C->>D: 诊断分析
C->>P: 用药建议
C->>R: 科研支持
D->>A: 诊断结果
P->>A: 用药方案
R->>A: 证据支持
end
A->>A: 投影汇总 + 长度守卫
A-->>F: SSE 流式返回最终建议
F->>U: 展示结果
cd backend
npm test # 运行全部单元测试
npm run test:watch # 监听模式| 文档 | 描述 |
|---|---|
| START.md | 快速启动指南 |
| docs/rag-deployment-guide.md | RAG 检索部署配置 |
| docs/superpowers/specs/ | 多智能体与 RAG 设计文档 |
| docs/superpowers/plans/ | 实施计划 |
为什么用多智能体？ 专业分工让每个智能体聚焦单一领域、更易维护；协调器按问题类型动态编排，只调用必要的专家，兼顾质量与成本；新增能力只需加一个智能体，架构可扩展。
关键取舍： 采用单轮无状态设计，每次请求隔离，规避了多轮上下文膨胀；顾问汇总处以「投影 + 长度守卫」作为上下文管理防线，是本架构成本与稳定性的关键点。
本应用提供的医疗信息仅供参考和教育目的，不能替代专业医生的诊断和建议。
- ❌ 不要将系统建议作为医疗诊断依据
- ❌ 不要根据系统建议自行用药
- ✅ 任何健康问题请咨询专业医生
- ✅ 用药前请咨询医生或药师
ISC