新增：添加Triager科室分诊智能体模块

- 实现TriageAgent智能体，支持根据现病史、既往史和主诉进行科室分诊
- 添加TriageResult响应模型，包含一级科室、二级科室、信心度和推理过程
- 创建TriagerPrompt提示词模板，包含完整的科室体系和分诊逻辑
- 支持13个一级科室和对应的二级科室精确匹配
- 通过测试验证，能够准确分诊心血管、儿科、脊柱外科等不同类型疾病
- 提供便捷接口支持仅主诉分诊和信心度评价功能

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

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

agent_system/triager/__init__.py

@@ -0,0 +1,4 @@
+from .agent import TriageAgent
+from .response_model import TriageResult
+
+__all__ = ["TriageAgent", "TriageResult"]

agent_system/triager/agent.py

@@ -0,0 +1,183 @@
+from typing import Any
+from agent_system.base import BaseAgent
+from agent_system.triager.prompt import TriagerPrompt
+from agent_system.triager.response_model import TriageResult
+
+
+class TriageAgent(BaseAgent):
+    """
+    科室分诊智能体
+    
+    根据患者的现病史、既往史和主诉，分析症状特点，
+    推荐最适合的一级科室和二级科室。
+    
+    核心功能:
+    1. 分析患者症状涉及的主要器官系统
+    2. 匹配合适的一级科室和二级科室
+    3. 提供分诊信心度评估
+    4. 给出详细的分诊推理过程
+    
+    Attributes:
+        model_type (str): 使用的大语言模型类型，默认为 gpt-oss:latest
+        llm_config (dict): LLM模型配置参数
+    """
+    
+    def __init__(self, model_type: str = "gpt-oss:latest", llm_config: dict = None):
+        """
+        初始化科室分诊智能体
+        
+        Args:
+            model_type (str): 大语言模型类型，默认使用 gpt-oss:latest
+            llm_config (dict): LLM模型的配置参数，如果为None则使用默认配置
+        """
+        super().__init__(
+            model_type=model_type,
+            description="根据患者病史信息进行科室分诊",
+            instructions=TriagerPrompt.instructions,
+            response_model=TriageResult,
+            llm_config=llm_config or {},
+            structured_outputs=True,
+            markdown=False,
+            use_cache=False
+        )
+    
+    def run(self, chief_complaint: str, hpi_content: str = "", ph_content: str = "") -> TriageResult:
+        """
+        执行科室分诊
+        
+        基于患者的主诉、现病史和既往史信息，分析症状特点，
+        推荐最适合的一级科室和二级科室。
+        
+        Args:
+            chief_complaint (str): 患者主诉，描述主要症状和不适
+            hpi_content (str, optional): 现病史内容，详细的症状发展过程，默认为空字符串
+            ph_content (str, optional): 既往史内容，患者的历史疾病信息，默认为空字符串
+            
+        Returns:
+            TriageResult: 包含分诊结果的结构化数据，包括：
+                - primary_department: 推荐的一级科室
+                - secondary_department: 推荐的二级科室
+                - confidence_score: 分诊信心度评分（0-1之间）
+                - triage_reasoning: 分诊推理过程和建议理由
+                
+        Raises:
+            Exception: 当LLM调用失败时，返回包含默认分诊建议的TriageResult
+        """
+        try:
+            # 构建分诊分析提示词
+            prompt = self.build_prompt(chief_complaint, hpi_content, ph_content)
+            
+            # 调用基类的run方法执行LLM推理
+            result = super().run(prompt)
+            
+            # 确保返回正确的类型并进行类型转换
+            return self._ensure_result_type(result)
+            
+        except Exception as e:
+            # 当分诊分析失败时记录错误并返回默认结果
+            print(f"科室分诊分析失败: {str(e)}")
+            return self._get_fallback_result()
+    
+    def build_prompt(self, chief_complaint: str, hpi_content: str = "", ph_content: str = "") -> str:
+        """
+        构建科室分诊的提示词模板
+        
+        根据主诉、现病史和既往史内容，构建精简高效的分诊提示词，
+        引导LLM进行专业的科室分诊分析。
+        
+        Args:
+            chief_complaint (str): 患者主诉
+            hpi_content (str): 现病史内容
+            ph_content (str): 既往史内容
+            
+        Returns:
+            str: 精简的分诊分析提示词
+        """
+        # 确保各项内容的合理显示
+        hpi_display = hpi_content.strip() if hpi_content.strip() else "暂无详细现病史"
+        ph_display = ph_content.strip() if ph_content.strip() else "暂无既往史信息"
+        
+        # 从prompt类获取示例输出格式
+        example_output = TriagerPrompt.get_example_output()
+        
+        prompt = f"""患者就诊信息：
+主诉: {chief_complaint}
+现病史: {hpi_display}
+既往史: {ph_display}
+
+请根据上述患者信息，分析症状特点，推荐最适合的一级科室和二级科室。
+
+输出格式示例：
+{example_output}
+
+请严格按照上述JSON格式输出，确保一级科室和二级科室的对应关系正确。
+输出内容为:"""
+        
+        return prompt
+    
+    def _ensure_result_type(self, result: Any) -> TriageResult:
+        """
+        确保返回结果为正确的类型
+        
+        Args:
+            result (Any): LLM返回的原始结果
+            
+        Returns:
+            TriageResult: 转换后的结构化结果
+        """
+        if isinstance(result, TriageResult):
+            return result
+        elif isinstance(result, dict):
+            return TriageResult(**result)
+        else:
+            # 如果类型不匹配，返回默认结果
+            return self._get_fallback_result()
+    
+    def _get_fallback_result(self) -> TriageResult:
+        """
+        生成分诊失败时的默认结果
+        
+        Returns:
+            TriageResult: 包含默认分诊建议的结果
+        """
+        return TriageResult(
+            primary_department="全科",
+            secondary_department="全科（二级）",
+            confidence_score=0.3,
+            triage_reasoning="由于分诊分析过程中出现异常，系统推荐全科就诊。建议患者先到全科进行初步评估，医生会根据具体情况进一步转诊到合适的专科。"
+        )
+    
+    def triage_by_chief_complaint(self, chief_complaint: str) -> TriageResult:
+        """
+        仅基于患者主诉进行科室分诊的便捷接口
+        
+        这是一个专门针对仅有主诉信息的分诊方法，
+        适用于患者初次就诊、信息较少的情况。
+        
+        Args:
+            chief_complaint (str): 患者的主要症状主诉
+            
+        Returns:
+            TriageResult: 基于主诉的分诊结果
+        """
+        return self.run(chief_complaint=chief_complaint, hpi_content="", ph_content="")
+    
+    def get_department_confidence(self, result: TriageResult) -> str:
+        """
+        获取分诊信心度的描述性评价
+        
+        Args:
+            result (TriageResult): 分诊结果
+            
+        Returns:
+            str: 信心度的描述性评价
+        """
+        confidence = result.confidence_score
+        if confidence >= 0.8:
+            return "高度确信"
+        elif confidence >= 0.6:
+            return "较为确信"
+        elif confidence >= 0.4:
+            return "一般确信"
+        else:
+            return "建议进一步评估"

agent_system/triager/prompt.py

@@ -0,0 +1,82 @@
+from agent_system.base import BasePrompt
+
+
+class TriagerPrompt(BasePrompt):
+    """
+    科室分诊智能体的提示词模板
+    
+    定义了分诊智能体的角色、任务目标和执行指令，
+    确保智能体能够根据患者的病史信息准确推荐就诊科室。
+    """
+    
+    # 智能体角色和目标描述
+    description = (
+        "你是一名专业的医院分诊医师，擅长根据患者的现病史、既往史和主诉，"
+        "准确判断患者应该就诊的科室。你的主要任务是分析患者的症状特点和疾病表现，"
+        "结合医学专业知识，为患者推荐最合适的一级科室和二级科室。"
+        "你的分诊建议将直接影响患者的就医效率和诊疗质量。"
+    )
+    
+    # 执行指令和注意事项
+    instructions = [
+        "## 核心分诊任务",
+        "1. **症状系统分析**: 根据患者主诉和现病史，准确识别疾病涉及的主要器官系统",
+        "2. **科室匹配判断**: 结合症状特点，选择最适合的一级科室和对应的二级科室",
+        "3. **专业度评估**: 基于病情复杂程度和专业要求，确定最合适的专科科室",
+        "4. **信心度评价**: 对分诊决策的确信程度进行量化评估",
+        "",
+        "## 科室结构体系",
+        "### 一级科室列表：",
+        "内科、外科、儿科、妇产科、皮肤性病科、口腔科、眼科、肿瘤科、耳鼻咽喉科、康复科、精神科、全科、体检科",
+        "",
+        "### 二级科室详细对应关系：",
+        "- **内科**: 传染科, 免疫科, 内分泌科, 呼吸内科, 心血管内科, 感染科, 普通内科, 消化内科, 神经内科, 结核病科, 肝病科, 肾脏内科, 血液科, 过敏反应科, 风湿科",
+        "- **外科**: 乳腺外科, 关节骨科, 创伤骨科, 外伤科, 心胸外科, 心脏外科, 手外科, 整形科, 普外科, 泌尿外科, 烧伤科, 神经外科, 肛肠外科, 肝胆外科, 胃肠外科, 胰腺外科, 胸外科, 脊柱外科, 血管外科, 骨科",
+        "- **儿科**: 儿科综合, 小儿免疫科, 小儿内科, 小儿呼吸科, 小儿外科, 小儿感染科, 小儿泌尿科, 小儿神经内科, 小儿骨科, 新生儿科",
+        "- **妇产科**: 妇产科综合, 妇科, 妇科内分泌, 妇科肿瘤, 普通产科, 计划生育科, 高危产科",
+        "- **皮肤性病科**: 皮肤性病科综合, 皮肤科",
+        "- **口腔科**: 口腔修复科, 口腔科综合, 牙体牙髓科, 种植科, 颌面外科",
+        "- **眼科**: 白内障, 眼眶及肿瘤, 眼科综合, 青光眼",
+        "- **肿瘤科**: 放疗科, 肿瘤内科, 肿瘤外科, 肿瘤妇科, 肿瘤综合科",
+        "- **耳鼻咽喉科**: 耳鼻咽喉科（二级）",
+        "- **康复科**: 康复科（二级）",
+        "- **精神科**: 精神科（二级）",
+        "- **全科**: 全科（二级）",
+        "- **体检科**: 体检科（二级）",
+        "",
+        "## 分诊决策原则",
+        "1. **主诉优先**: 以患者的主要症状和主诉为首要分诊依据",
+        "2. **系统归属**: 根据症状涉及的主要器官系统选择对应科室",
+        "3. **专业程度**: 考虑病情的复杂程度和所需专业技术水平",
+        "4. **紧急程度**: 对于急症患者，优先推荐能快速处理的科室",
+        "5. **年龄特异性**: 特别关注儿童患者，优先考虑儿科",
+        "",
+        "## 输出要求和质量标准",
+        "1. **科室匹配**: 一级科室和二级科室必须严格对应上述科室体系",
+        "2. **推理清晰**: 分诊推理过程必须逻辑清楚，有理有据",
+        "3. **信心度合理**: 信心度评分应反映分诊决策的确信程度",
+        "4. **格式规范**: 严格按照 TriageResult 的 JSON 结构输出",
+        "",
+        "## 示例输出格式（JSON）",
+        "{",
+        "  \"primary_department\": \"内科\",",
+        "  \"secondary_department\": \"心血管内科\",",
+        "  \"confidence_score\": 0.85,",
+        "  \"triage_reasoning\": \"患者主诉胸闷、胸痛，伴有呼吸困难，症状提示心血管系统疾病。结合既往高血压病史，考虑冠心病可能性较大，建议心血管内科就诊进行进一步检查和治疗。\"",
+        "}"
+    ]
+    
+    @staticmethod
+    def get_example_output() -> str:
+        """
+        获取示例输出格式，用于指导 LLM 生成符合要求的结构化输出
+        
+        Returns:
+            str: JSON 格式的示例输出
+        """
+        return """{
+  "primary_department": "推荐的一级科室（必须从科室列表中选择）",
+  "secondary_department": "推荐的二级科室（必须是一级科室的下属科室）",
+  "confidence_score": 0.85,
+  "triage_reasoning": "详细的分诊推理过程，包括症状分析、科室选择依据和建议理由"
+}"""

agent_system/triager/response_model.py

@@ -0,0 +1,34 @@
+from typing import Literal
+from pydantic import Field
+from agent_system.base import BaseResponseModel
+
+
+class TriageResult(BaseResponseModel):
+    """
+    科室分诊结果模型
+    """
+    primary_department: Literal[
+        "内科", "外科", "儿科", "妇产科", "皮肤性病科", 
+        "口腔科", "眼科", "肿瘤科", "耳鼻咽喉科", "康复科", 
+        "精神科", "全科", "体检科"
+    ] = Field(
+        ...,
+        description="一级科室，必须从指定的科室列表中选择"
+    )
+    
+    secondary_department: str = Field(
+        ...,
+        description="二级科室，必须是一级科室的下属科室"
+    )
+    
+    confidence_score: float = Field(
+        ...,
+        ge=0.0,
+        le=1.0,
+        description="分诊信心度评分（0-1之间）"
+    )
+    
+    triage_reasoning: str = Field(
+        ...,
+        description="分诊推理过程，解释为什么推荐该科室"
+    )