一种基于多智能体框架的中医古籍知识问答系统及方法

本发明属于医学古籍处理，特别涉及一种基于多智能体框架的中医古籍知识问答系统及方法。

背景技术：

1、中医古籍是中华医学宝库的重要组成部分，蕴含了丰富的诊疗经验、方剂理论和药理知识。然而，由于历史久远，中医古籍多以竖排繁体，手抄本或刻本形式存在，面临着字迹模糊、异体字繁多、版面复杂（如夹注、批注、印章干扰）等难题，数字化智能处理难度显著高于普通文本。但当前中医古籍数字化智能处理面临诸多挑战：

2、现通用的ocr（光学字符识别）技术难以有效处理古籍的特有的竖排版式、生僻异体字及避讳字，且无法区分正文与批注、印章等干扰元素；现有大模型 ocr 多为端到端整体识别，在全局版面解析上表现较好，但对局部密集、重叠文本识别效果劣于传统方法，无法做到 “全局布局 + 局部精细分割” 的优势融合，导致识别文本错误率高，需大量人工校对。

3、同时，中医术语多义性强，实体关系复杂，现有技术多仅抽取简单三元组，未形成符合中医临床逻辑的辨证推理链，难以支撑深度问答与推理。

4、此外，传统中医古籍数字系统基于关键词的检索方式难以理解用户自然语言查询的深层语义，查准率低。直接使用通用大语言模型（llm）进行问答，又存在产生“幻觉”（即编造不存在或错误内容）、答案不可溯源的问题；通用检索增强生成（rag）多采用单一路径检索，缺乏对隐含辨证关系的挖掘，无法满足中医领域学术研究和临床参考所需的严谨性。同时，现有中医古籍数字系统多为线性的“扫描-识别-存储”固定流水线，无法根据用户不同的输入需求，灵活调整处理逻辑，存在系统灵活性差、资源利用率低的问题。

技术实现思路

1、为解决上述问题，本发明的主要目的在于提供一种基于多智能体框架的中医古籍知识问答系统及方法，该系统通过自适应分层版面解析、大模型ocr拆解式识别、辨证推理链抽取、三路径混合检索增强生成，旨在解决中医古籍处理中文本识别精度低、知识提取自动化程度低、智能问答语义理解差以及处理流程不灵活等问题，实现中医古籍从图像输入到可溯源智能问答的端到端全流程自动化处理。

2、为了实现上述目的，本发明的第一个方面提供了一种基于多智能体框架的中医古籍知识问答系统，包括：

3、接口模块，用于获取待处理数据并呈现处理结果，所述待处理数据包括中医古籍图像、用户查询问题中的至少一种；

4、知识库模块，用于存储中医古籍的标准化文本数据、中医领域知识图谱及中医专家规则数据；

5、核心智能体集群，包括文本区域检测智能体单元、识别校正智能体单元、知识图谱构建智能体单元、检索增强生成问答智能体单元；

6、所述文本区域检测智能体单元，用于对中医古籍图像进行自适应分层版面解析，输出布局结构化数据；

7、所述识别校正智能体单元，用于基于所述布局结构化数据，对所述中医古籍图像进行文字识别，并对识别结果进行校正，输出校正后的标准化文本数据至所述知识库模块；

8、所述知识图谱构建智能体单元，用于从所述知识库模块的标准化文本数据中，按中医辨证逻辑提取中医实体、属性及实体间关联关系，构建并更新所述知识库模块中的中医领域知识图谱；

9、所述检索增强生成问答智能体单元，用于基于所述知识库模块中的标准化文本数据与中医领域知识图谱进行混合检索与生成式问答；

10、调度协调模块，分别与所述接口模块、核心智能体集群及知识库模块连接，包括用于识别所述待处理数据的类型，并基于识别的类型动态规划所述核心智能体集群的执行路径，完成从古籍图像解析、知识图谱构建到智能问答生成的端到端处理。

11、进一步地，所述文本区域检测智能体单元包括：

12、布局解析子单元，用于对输入的中医古籍图像进行分割，按正文、标题、批注、印章、图片的自适应分层版面进行识别并定位对应文本区域，输出包含各区域坐标和类型标签的布局结构化数据；

13、可视化标注子单元，用于根据所述布局结构化数据，在原始中医古籍图像上进行区域标注并输出标注结果。

14、进一步地，所述识别校正智能体单元采用大模型 ocr 拆解式识别架构，具体包括：

15、布局分析子单元，用于依据所述布局结构化数据，利用大模型（如pp-doclayoutv3）对中医古籍图像进行带阅读顺序的全局文本区域定位；

16、文本分割子单元，用于依据全局文本区域的定位，利用大模型（如pp-structurev3）对不同定位的文本区域进行二次精细的单元格切分；

17、视觉编码识别子单元，用于对精细单元格切分后的文本进行单字与行句文字的识别；

18、文本校正子单元，用于对识别结果进行特殊字符过滤、中医生僻字、异体字校正、繁简转换，输出校正后的标准化文本数据。

19、进一步地，所述知识图谱构建智能体单元包括：

20、辨证推理链抽取子单元，用于从标准化文本数据中采用定制化提示词模板，识别并抽取符合症状-证候-治则-方剂递进逻辑的辨证推理链，所述辨证推理链包含症状实体、证候实体、治则实体、方剂实体，且各实体间通过 “辨证为”、“治以”、“方用” 的辨证逻辑关系连接；

21、知识融合对齐子单元，用于对不同来源标准化文本数据抽取的多条辨证推理链进行共指消解与知识对齐，消除知识冗余与冲突，融合形成跨病证、跨方剂的网状知识结构；

22、知识图谱更新子单元，用于将融合后的网状知识结构构建并更新所述中医领域知识图谱。

23、进一步地，所述检索增强生成问答智能体单元包括：

24、查询意图解析子单元，用于对用户自然语言查询进行语义解析，提取目标实体、属性意图及逻辑约束条件，生成查询意图向量与约束条件集合，将其作为查询感知表示；

25、混合检索子单元，用于根据所述查询感知表示，在所述知识库模块中并发或关联地对所述标准化文本数据与所述中医领域知识图谱进行混合检索，以获取不同数据源的检索结果。其中，所述混合检索包括以下三条路径执行：

26、第一路径在标准化文本数据中执行稠密向量检索，获取语义相似的非结构化文本片段（即为第一路径在标准化文本数据中执行稠密向量检索所获得与输入语义相近且主题相关的中医文献或知识描述文本，例如输入“肝气郁结”，可检索到该证型对应的症状描述、治法、用药禁忌等内容）；

27、第二路径在中医领域知识图谱中执行实体匹配与直接关联关系查询，获取结构化知识三元组（第二路径在中医领域知识图谱中执行实体精确匹配与直接关系查询所获得的实体间关联信息，例如“发热恶寒→属于→风寒表证”“麻黄汤→组成→麻黄”“麻黄汤→组成→桂枝”）；

28、第三路径在中医领域知识图谱中以目标实体为中心节点执行间接关系查询，向外扩展关联实体、补全间接辨证关系，提取并形成完整的隐含辨证推理关系链（即为第三路径在中医领域知识图谱中以目标实体为中心执行间接关系查询所提取的辨证推理关联，用于补全实体间间接辨证关系；所述目标实体为中医领域基础概念单元，涵盖病名、证型、症状、中药、方剂、炮制、治法、体质等，例如输入 “发热恶寒，无汗，咳嗽，舌苔薄白” 可匹配出相应症状、证候及病名）。

29、知识融合重排子单元，用于依据查询感知表示的意图权重，对所述混合检索子单元获取的不同数据源的检索结果进行动态加权排序与多源特征融合，去冗余并形成统一知识上下文。其中，动态加权排序是根据用户的查询感知表示的意图权重比例，分配混合检索子单元的检索路径执行的结果占比。（例如输入的是麻黄有什么用途，这种属于广泛的了解则给上述第一路径更多的检索结果的占比；输入的是麻黄汤由什么组成，这种要求具体关系则给上述第二路径更多的检索结果占比；输入的是麻黄可以治什么病，这种要求间接关系则会给第三路径更多的占比）。所述多源特征包括上述第一路径的向量相似度得分、第二路径的节点中心度和第三路径的路径长度。

30、问答生成子单元，用于将所述知识上下文作为约束信息注入大语言模型，引导生成与查询匹配的中医领域回答。其中所述多类型相关中医信息整合为上下文，并与所述待查询问题一同输入至大语言模型，生成问题答案，并为所述答案标注其在所述知识库模块中的来源，生成附有溯源信息的问答结果。

31、进一步地，所述调度协调模块根据待处理数据的类型，在图像解析、文本校正、知识抽取、问答生成环节之间执行状态路由与任务调度，以适配中医古籍全链路处理流程。

32、进一步地，所述调度协调模块具体用于：

33、当所述待处理数据仅包含中医古籍图像时，规划第一执行路径，所述调度协调模块依次调用所述文本区域检测智能体单元、所述识别校正智能体单元与所述知识图谱构建智能体单元；

34、当所述待处理数据仅包含用户查询问题时，规划第二执行路径，所述调度协调模块直接调用所述检索增强生成问答智能体单元；

35、当所述待处理数据包含中医古籍图像和用户查询问题时，规划第三执行路径，所述调度协调模块依次调用所述文本区域检测智能体单元、所述识别校正智能体单元、所述知识图谱构建智能体及所述检索增强生成问答智能体单元。

36、本发明的第二个方面还提供一种基于多智能体框架的中医古籍知识问答方法，应用于前述的系统，包括以下步骤：

37、s1：接收待处理数据，所述待处理数据包括中医古籍图像、用户查询问题中的至少一种；

38、s2：识别所述待处理数据的类型，并基于识别的类型动态规划核心智能体集群的执行路径；

39、s3：按照所触发的执行路径，调度所述核心智能体集群对所述待处理数据进行处理，所述处理的流程至少包括以下一项或多项：

40、图像版面解析与文本标准化流程，用于对所述中医古籍图像进行自适应分层版面解析，输出布局结构化数据；基于所述布局结构化数据对中医古籍图像进行文字识别，并对识别结果进行特殊字符过滤、中医生僻字与异体字校正、繁简转换，输出校正后的标准化文本数据并存储至知识库模块；

41、知识自动化构建流程，用于基于所述标准化文本数据，采用定制化提示词模板抽取症状-证候-治则-方剂递进逻辑的辨证推理链，经共指消解与知识对齐后融合为网状知识结构，更新至中医领域知识图谱；

42、混合检索增强生成式问答流程，用于基于已构建的所述中医领域知识图谱及所述标准化文本数据，对所述用户查询问题采用混合检索与知识融合重排进行检索增强生成式问答，输出可溯源的中医问答结果。

43、本发明的第三个方面还提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行以前述的基于多智能体框架的中医古籍知识问答方法。

44、与现有技术相比，本发明具有如下有益效果：

45、（1）文本识别精度高：通过文本区域检测与识别校正智能体的协同，专门针对中医古籍的竖排、繁体、异体字、复杂版面等特征进行优化，采用大模型 ocr 拆解架构与分层版面解析，显著提升了数字化文本准确性，为后续处理奠定了可靠基础。

46、（2）知识抽取更智能、更贴合中医逻辑：知识图谱构建智能体通过利用大语言模型与定制化提示词模版，自动抽取辨证推理链并完成知识融合，极大减少了对领域专家的依赖，提升了知识图谱构建的效率与规范性。

47、（3）问答结果更精准、可信、可溯源：检索增强生成问答智能体采用向量检索 、实体精确匹配 、隐含关系查询的三路径混合检索增强生成技术，融合文本语义检索与知识图谱关联检索，为生成式大语言模型提供了丰富的证据上下文，有效抑制了“幻觉”现象。同时，系统为答案提供详细的来源标注，确保了答案的可验证性与严谨性。

48、（4）系统架构更灵活，适配性更强：传统中医古籍数字化多依赖单一技术或简单流水线，本发明通过调度协调模块实现按输入类型动态路由与智能调度，突破了传统线性固定处理流程的限制，使系统能够灵活应对仅图像、仅问题、图像与问题结合的多种场景，提升了系统的实用性与资源利用率。

49、本发明的其它特征和效果将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。