智能体

图4展示了多智能体系统优化的两种方法。

图4：多智能体系统优化示意图。

借助远程医疗智能体系统，优质医疗资源能够突破时空限制，实现跨区域、跨层级的资源共享。

传统临床诊疗决策支持系统往往局限于单一功能模块，而新一代智能体系统能够通过多模态数据融合、自主推理与多智能体协同等底层架构创新，推动临床决策支持系统向高度协作的智能网络升级。

在多智能体协同方面，多智能体系统通过任务分工与信息共享实现高效协作——影像判读、病例分析、用药评估、风险预警等各司其职、实时互通。

然而，现有研究大多侧重于优化单一组件（检索或生成），忽视了将LLM视为自主智能体的角度——即能够主动获取知识并策略性地利用知识的智能体（Agent）视角。

同时，《实施意见》特别强调防范算法压榨、沉迷成瘾、情感依赖等风险，为智能体应用提供了制度护栏。

如何以多智能体协作的视角重新审视和优化RAG整个流程，是当前RAG研究的核心挑战。

提出多智能体联合优化框架，包括共享奖励优化（SharedRewardOptimization）和差异化数据奖励优化（DifferentialDataRewardOptimization），将RAG建模为多智能体协作的序贯决策过程，实现端到端的系统优化。

此次印发的《实施意见》构建起覆盖伦理、技术、治理的多层次保障体系，从制度、数据、标准、人才等方面，为智能体的创新发展和应用提供了重要保障。

整个流程展示了知识在多个智能体之间的传递、转化和对齐过程。

该工作从智能体（Agent）视角重新审视了检索增强生成（RAG）范式，提出将RAG解释为多个具有不同且互补角色的智能体之间的协作知识过程。

通过整合医疗数据和居家健康管理数据，智能体能够构建患者全生命周期的健康画像，实现疾病早发现、早干预、早治疗。

通过整合医疗数据和居家健康管理数据，智能体能够构建患者全生命周期的健康画像，实现疾病早发现、早干预、早治疗。