新增：添加Monitor智能体模块

功能特性：
- 实现系统监控和性能分析智能体
- 提供完整的模块结构：agent.py、prompt.py、response_model.py
- 支持监控数据收集和分析功能
- 集成到AIM智能体系统框架

模块组成：
- agent.py: Monitor智能体核心实现
- prompt.py: 监控分析相关提示模板
- response_model.py: 监控数据响应模型定义
- __init__.py: 模块初始化配置

🤖 Generated with [Claude Code](https://claude.ai/code)

Co-Authored-By: Claude <noreply@anthropic.com>

agent_system/monitor/__init__.py

@@ -0,0 +1,5 @@
+from .agent import Monitor
+from .response_model import MonitorResult
+from .prompt import MonitorPrompt
+
+__all__ = ["Monitor", "MonitorResult", "MonitorPrompt"]

agent_system/monitor/agent.py

@@ -0,0 +1,100 @@
+from typing import Optional
+from agent_system.base import BaseAgent
+from agent_system.monitor.prompt import MonitorPrompt
+from agent_system.monitor.response_model import MonitorResult
+
+class Monitor(BaseAgent):
+    """
+    Monitor智能体
+    监控和评估现病史、既往史和主诉的质量，提供完成度评分
+    """
+    def __init__(self, model_type: str = "gpt-oss:latest", llm_config: dict = {}):
+        super().__init__(
+            model_type=model_type,
+            description=MonitorPrompt.description,
+            instructions=MonitorPrompt.instructions,
+            response_model=MonitorResult,
+            llm_config=llm_config,
+            structured_outputs=True,
+            markdown=False,
+            use_cache=False
+        )
+    
+    def run(self, hpi_content: str, ph_content: str, chief_complaint: str) -> MonitorResult:
+        """
+        监控病史质量
+        
+        Args:
+            hpi_content: 现病史内容
+            ph_content: 既往史内容  
+            chief_complaint: 主诉
+            
+        Returns:
+            MonitorResult: 包含完成度评分和评分理由
+        """
+        # 构建评估提示
+        prompt = self.build_prompt(hpi_content, ph_content, chief_complaint)
+        
+        # 调用LLM进行评估
+        result = super().run(prompt)
+        
+        # 确保返回正确的类型
+        if isinstance(result, MonitorResult):
+            return result
+        elif isinstance(result, dict):
+            return MonitorResult(**result)
+        else:
+            # 解析失败，返回默认结果
+            return MonitorResult(
+                completion_score=0.0,
+                reason="监控评估失败：无法解析LLM响应"
+            )
+    
+    def build_prompt(self, hpi_content: str, ph_content: str, chief_complaint: str) -> str:
+        """
+        构建监控评估的提示语
+        
+        Args:
+            hpi_content: 现病史内容
+            ph_content: 既往史内容
+            chief_complaint: 主诉
+            
+        Returns:
+            str: 构建好的提示语
+        """
+        prompt = f"""请对以下病史信息进行质量监控和评估：
+
+**主诉**：
+{chief_complaint}
+
+**现病史**：
+{hpi_content}
+
+**既往史**：
+{ph_content}
+
+**评估要求**：
+1. 综合评估现病史、既往史和主诉的信息完整性
+2. 考虑信息之间的逻辑一致性和相互关联性
+3. 基于医学标准评估信息的临床价值
+4. **必须先给出详细的评分理由，再基于理由给出0.0-1.0范围内的完成度评分**
+5. 评分必须与理由保持逻辑一致
+
+**输出格式**：
+严格按照以下JSON格式输出：
+{{
+  "completion_score": 浮点数（0.0-1.0），
+  "reason": "详细的评分理由"
+}}
+
+**评分指导**：
+- 0.9-1.0: 信息非常完整，逻辑清晰，临床价值高
+- 0.8-0.9: 信息较完整，有少量缺失，整体质量良好  
+- 0.7-0.8: 信息基本完整，存在一些不足
+- 0.6-0.7: 信息不够完整，有明显缺失
+- 0.5-0.6: 信息缺失较多，质量有待提高
+- 0.0-0.5: 信息严重不足，需要大幅改善
+
+请基于上述标准进行客观评估。"""
+        
+        return prompt

agent_system/monitor/prompt.py

@@ -0,0 +1,28 @@
+from agent_system.base import BasePrompt
+
+class MonitorPrompt(BasePrompt):
+    description = (
+        "Monitor智能体负责监控和评估病史收集质量。"
+        "基于现病史、既往史和主诉，对病史信息的完整性和质量进行综合评分。"
+        "为医疗数据质量控制提供智能化监控支持。"
+    )
+    
+    instructions = [
+        "1. 评估目标：",
+        "   - 基于现病史、既往史和主诉进行综合质量评估",
+        "   - 评估病史信息的完整性、准确性和临床价值",
+        "   - 提供客观的完成度评分和详细的评分理由",
+        "2. 评估原则：",
+        "   - 重点关注病史信息的医学完整性和临床意义",
+        "   - 考虑信息的逻辑一致性和相互关联性",
+        "   - 基于医学标准和临床实践进行评估",
+        "3. 输出要求：",
+        "   - 严格按照JSON格式输出结构化结果",
+        "   - completion_score: 0.0-1.0的浮点数，表示总体完成度",
+        "   - reason: 详细的评分理由，说明评分依据",
+        "4. 示例输出：",
+        '   {',
+        '     "reason": "现病史描述详细，包含起病情况、症状特征和病情发展过程。既往史涵盖主要疾病史和过敏史。主诉简洁明确。但缺少部分伴随症状和治疗效果的描述，影响整体完整性。"',
+        '     "completion_score": 0.85,',
+        '   }'
+    ]

agent_system/monitor/response_model.py

@@ -0,0 +1,17 @@
+from pydantic import Field
+from agent_system.base import BaseResponseModel
+
+class MonitorResult(BaseResponseModel):
+    """
+    Monitor监控结果模型
+    """
+    completion_score: float = Field(
+        ...,
+        description="完成度评分（0.0-1.0）",
+        ge=0.0,
+        le=1.0
+    )
+    reason: str = Field(
+        ...,
+        description="评分理由，详细说明为什么给出这个评分"
+    )