用 LangGraph 复刻六助手医疗 AI 管线，破解 150 万美元部署难题
MaryamMiradi · x · 2026-10-04
多数医疗 AI 死在部署环节：临床医生不信任黑盒模型，数据科学家 80% 时间耗在清洗杂乱数据，医院每年花费 150 万美元却常得到不可用的系统。
作者 Maryam Miradi 基于一篇论文，用 Python + LangGraph 复刻了一套由六个辅助 Agent 组成的医疗数据管线，逐个拆解了设计：
- File Reader：自动读取 CSV、Excel、JSON、ZIP 等文件，自动展开压缩包内的子目录并分发，免去手工处理文件；
- Privacy Guard：识别姓名、邮箱、患者 ID、社保号等敏感信息并打码，还能对医学图像中的文字做遮黑处理，实现自动隐私保护；
- 其余 Data Reader 等 Agent 负责后续数据解析与流程衔接（原帖截断）。
核心思路是把医疗数据摄取、脱敏、解析拆给专职 Agent 协作，以可解释的流水线换取临床信任，降低部署失败率。
「编程与Agent」频道最新
- Yoav Goldberg 补充:harness 优势只在长尾,利基领域仍会保留 — yoavgo · 2026-10-04
- Yoav Goldberg 提出 harness distillation:外层能力终将被模型内化 — yoavgo · 2026-10-04
- Cloudflare 更新:无客户端连接时 Pending I/O 也可让 Agent 持续运行 — irvinebroque · 2026-10-04
- 跑出 3000 条真值数据:他用本地基准发现 Qwen 失败后思考最卖力 — julianharris · 2026-10-04
- 8GB 内存 Mac 起家：开发者用 C 语言写出又一款本地推理引擎 — ZenZombie117 · 2026-10-04
- OpenRouter 联创：Agent 产品趋同只是新桌 stakes，差异化远未结束 — sull · 2026-10-04