HealthAgent · 多模态健康中台

项目简介

面向 C 端的多模态健康管理中台，覆盖饮食分析、心理健康、运动指导三大业务场景。

定位：健康管理建议助手，非医疗诊断系统，内置完整医疗安全红线、高风险二次 LLM 审查、急症 / 自伤强制求助引导。

• 多模态输入：文本聊天、餐食图片识别、语音对话（STT → Agent → TTS 三明治架构）
• AI 调度层：LangGraph 路由 Agent，调度饮食 / 心理 / 运动多子 Agent 协同输出综合建议
• 知识库：四大领域知识库，四级混合 RAG：BM25 + 稠密向量检索 + RRF 融合 + BGE 重排
• 安全合规层：Prompt 医疗红线、高风险内容二次 LLM 审查、急症前置求助引导、输出免责声明
• 工程能力：两级 RBAC 行级鉴权、Redis 冷热分层会话记忆、接口幂等、多级降级、WebSocket 断连会话容错
• 评测闭环：Ragas 黄金测试集 + 业务全量用例做发版门禁

与 XinheBot 形成能力对照： XinheBot B 端工业巡检——Agent 重在执行正确性，互斥任务、多租户隔离、断点续跑； HealthAgent C 端健康——Agent 重在输出安全性，多 Agent 协同、医疗合规质控、用户隐私数据隔离； 两者复用同一套 Harness Agent 工程底座。

我做了什么

1. 设计 LangGraph 协同式 Agent 架构，实现路由 Agent 调度饮食、心理、运动子 Agent 协同推理；针对医疗风险场景，实现高风险内容二次独立 LLM 审查链路
2. 实现多模态完整链路：Qwen-Omni 图片识别餐食做食材热量结构化入库；STT → Agent → TTS 语音三明治异步交互
3. 搭建四级混合 RAG 架构，四大领域知识库隔离减少检索噪声；基于 Ragas 搭建评测流水线
4. 实现健康敏感数据安全体系：两级 RBAC 行级鉴权，Redis 冷热分层记忆 L1/L2/L3 会话
5. 输出跨端技术选型方案：uni-appX 为主框架，ECG / PPG 高频波形页面按需 Flutter Add-to-App 嵌入，同时兼容微信小程序

技术栈

• 后端：Python FastAPI + LangGraph、Qwen-Omni、Redis、PostgreSQL、Ragas、向量数据库
• 前端 & 跨端：Vue3 + Vite；主框架 uni-appX（App + 微信小程序）；高频波形页面按需 Flutter Add-to-App 嵌入
• 通信 & 存储：WebSocket 网关、BLE 蓝牙硬件通信、时序数据库

迭代时间线

版本	阶段	关键能力
v1.0	Agent 底座	LangGraph 协同 Agent、四大知识库混合 RAG、基础文本问答
v1.1	多模态	图片餐食识别、STT-TTS 语音三明治交互
v1.2	安全合规	医疗红线 Prompt、高风险二次审查、急症求助引导、RBAC 鉴权
v1.3	评测闭环	Ragas 黄金集、业务用例自动化评测门禁
v1.4	跨端落地	uni-appX 跨端；Flutter 波形 POC 压测、WebSocket 体征数据链路

产物

• PRD：待补
• 交互原型：AI 前端 - 手机端 Flutter 和 Vant5 架构设计
• 演示视频：待补（B 站上传后嵌入）
• 架构图：手机端架构设计 HTML
• 源码仓库：https://github.com/hongruicheng/my_blog.git

面试亮点

双项目对比话术： 我实现两套 Agent 项目，B 端 XinheBot 工业巡检，侧重执行可靠、互斥任务、多租户、断点续跑；C 端 HealthAgent 健康中台，侧重输出安全合规、多 Agent 协同、敏感隐私数据隔离。同一套 Harness 工程底座，分别验证高执行风险、高内容风险两类 AI Agent 落地场景。