MedAgt 开发流程

阶段 0：预备知识与环境

• 学习 FastAPI 基础（路由、依赖注入、Pydantic 模型、异步 IO）。
• 熟悉 Next.js App Router、React hooks、TypeScript 类型推导与 CSS Modules。
• 阅读 DeepSeek API 文档，了解 Chat Completion/JSON schema 约束写法。
• 了解 PubMed E-utilities（esearch、esummary、efetch）以及 NICE 指南公开接口。
• 准备开发环境：Python 3.11、Node.js 20、阿里云 ECS/Ubuntu 24.04，安装 uv 或 pip, npm, git。

阶段 1：后端骨架

• 使用 fastapi + uvicorn 初始化应用，配置 CORS。
• 编写 app/models.py 定义 SymptomRequest、AnalysisResponse、EvidenceItem、ChartDatum。
• 写 app/config.py 读取环境变量（DeepSeek Key、禁用外部抓取开关等）。
• 搭建 /health 与 /api/v1/analyze 基础接口，返回占位数据确保前端能打通。
• 引入 deploy.sh 的 Python 安装部分，方便后续一键部署。

阶段 2：知识检索服务

• 在 app/services/knowledge.py 中实现 PubMed/NICE 抓取：
  • 拼装查询语句、请求 esearch 获取 PMID 列表。
  • 调用 esummary/efetch 获取摘要、年份、期刊信息。
  • 对年龄段、性别、动物研究等添加过滤逻辑；合并 NICE 指南。
  • 输出 EvidenceItem 列表与 visualizations（年份分布、来源分布）。
• 为 PubMed 附带摘要/全文下载接口 download_pubmed_asset。
• 实现 _build_visualizations 返回 ChartDatum 数据供前端绘图。

阶段 3：多 Agent 推理链

• 在 app/services/analyzer.py 中接入 DeepSeek：
  • 搜索计划 Agent：根据症状生成查询关键词、过滤项。
  • 证据排序：对检索结果做词频/新近度/研究类型打分，附加 LLM 校准。
  • 临床规划 Agent：产出 triage、建议、后续行动并引用证据。
  • 追问 Agent：生成追问列表、临时诊断与治疗计划。
  • 翻译 Agent：输出中文标签、置信度描述。
• 管理进度：ProgressTracker 记录阶段状态，暴露 /api/v1/progress/{token}。
• 设计 fallback：当 LLM 输出为空或证据不足时，返回保底方案。

阶段 4：前端界面

• 使用 create-next-app 创建 frontend，迁移到 App Router + TypeScript。
• 在 page.tsx 实现：
  • 病例标签页、多症状录入、患者元数据、补充说明。
  • 本地持久化：将病例、分析结果、历史追问写入 localStorage。
  • 追问锁定：当 requires_followup 为真时，只显示追问列表，阻止重复提交。
  • 进度轮询：定时请求 /api/v1/progress/{token}，更新五步进度条。
  • 证据可视化：根据 ChartDatum 渲染年份柱状图与来源占比圆图。
  • 证据下载：跳转 /api/v1/evidence/:pmid/abstract|fulltext。
• 编写 page.module.css 控制高密度布局、响应式、玻璃拟态视觉。

阶段 5：联调与错误处理

• 在前端对接真实 API，处理加载态、错误提示、空结果 fallback。
• 添加追问历史折叠面板、病例折叠显示与重新编辑入口。
• 调整按钮与表单禁用逻辑，防止重复提交。
• 在后端增加日志、agent_traces 字段，便于观察 Agent 输出。

阶段 6：部署与运维

• 准备阿里云 ECS：安装 Nginx、Python、Node.js；开放 80/443 端口。
• 使用 systemd 编写 medagt-api.service、medagt-web.service，让 FastAPI/Next.js 常驻运行。
• 配置 Nginx 反向代理：/ → Next.js、/api/ → FastAPI。
• 本地执行 deploy.sh：根据 git diff 同步代码、安装依赖、重启服务。
• 后续优化：申请 HTTPS 证书、添加监控报警、加上 API 限流与缓存。

阶段 7：迭代与学习

• 与医学合作者确认 triage 文案与建议是否合规，规划人工审核面板。
• 为 PubMed 调用增加缓存/限流；评估是否需要引入异步队列或数据库。
• 继续学习：医疗合规知识、CQL/FHIR 标准、LLM 安全提示工程、Next.js Server Actions。
• 制定测试计划：编写后端 pytest 覆盖 Agent fallback，前端使用 Playwright/React Testing Library 覆盖关键交互。