医院智能体系统实战：基于 autogen 0.7 + DeepSeek 的多阶段工程落地（一）项目总览

Wise 玩转 AI · 医院智能体工程实战系列文章第一篇总览

AI 不是用来玩的，AI 是用来提升效率的。

通过这个项目，你可以：

从 0 开始搭建一个基于 autogen 0.7 + DeepSeek 的医院智能体系统；
理解从单智能体 → 多智能体 → 工作流编排的完整工程路径；
学会如何在代码中落地：
- Planner（任务规划器）
- Tools（工具）与 Tool Calling（函数调用）
- Memory（记忆）与迷你 RAG（检索增强生成）
- 状态机与工作流
- 日志与可观测性、自检 / 自纠错机制
- 并行执行与 Pipeline（流水线）
把「Day1--Day16 智能体工程系列文章」中讲的架构思想，真正落实到一个可运行的 Python 工程里。

读者定位：

对 AI 有兴趣的小白；
希望系统学习"工程级智能体"的初级 / 中级工程师。

1. 项目背景与产品定位

1.1 业务背景：医院就诊流程

在真实医院里，一个患者通常会经历：

导诊：说明症状 → 推荐科室；
挂号：选择科室 / 医生 → 建档；
缴费：挂号费、检查费、药费等；
检查：抽血、B 超、CT 等；
医生：问诊、体检、开检查单、给建议；
取药：药房取药，了解用药注意事项。

本项目构建的是一个 "医院 智能体 系统"，目标是：

用一组 AI 智能体覆盖上述关键环节；
从单个导诊 Agent 做起，逐步发展为一个多角色协同的"就诊工作流"。

1.2 技术背景：autogen 0.7 + DeepSeek

技术栈核心：

大模型：DeepSeek（通过 OpenAI 兼容接口调用）
智能体框架：autogen 0.7 系列库
- autogen-agentchat：Agent 对话与编排
- autogen-ext.models.openai：OpenAI 兼容模型客户端
语言：Python 3.11

使用 autogen 0.7 的目的：

不只是"调一次大模型"，而是：
- 把大模型封装成 AssistantAgent（智能体）；
- 把 Python 函数封装成 AgentTool（工具）；
- 再通过 Planner、Workflow 把多 Agent 串成一个可控系统。

2. 代码结构总览

与本实战直接相关的结构：

复制代码

hospital_agent_course/
  common/
    config.py            # DeepSeek 配置（.env -> llm_config）
    logging_utils.py     # 日志系统

  stage0_setup/          # Stage 0：autogen 0.7 + DeepSeek 环境验证
    hello_autogen.py

  stage1_single_agent_triage/   # Stage 1：单智能体导诊助手
    __init__.py
    prompts.py
    agent_single_triage.py
    main.py

  stage2_agent_tools_planner/   # Stage 2：Planner + Tools 的"会干活"导诊 Agent
    __init__.py
    planner/
      __init__.py
      task_planner.py
    tools/
      __init__.py
      department_tools.py
      registration_tools.py
    main.py

  stage3_memory_rag/            # Stage 3：记忆 + 迷你 RAG 的导诊 Agent
    __init__.py
    memory_store.py
    rag_store.py
    main.py

  stage4_observability_and_quality/  # Stage 4：可观测 + 自纠错 + 人格风格
    __init__.py
    persona_style.py
    observability.py
    self_check.py
    main.py

  stage5_multi_agent_workflow/       # Stage 5：多智能体 + 工作流
    __init__.py
    agents/
      __init__.py
      # 多角色 Agent 构建函数
    workflow/
      __init__.py
      state_machine.py
      orchestrator.py
    main.py

每个 Stage 都有一个可以单独运行的入口 main.py，方便按阶段逐步推进学习。

3. 环境准备与安装

3.1 Python 版本与虚拟环境

推荐 Python 3.11+。
建议使用虚拟环境隔离依赖。

Windows（PowerShell）示例：

复制代码

cd WiseAgent python -m venv .venv .\.venv\Scripts\activate

macOS / Linux 示例：

复制代码

cd WiseAgent python -m venv .venv source .venv/bin/activate

3.2 安装依赖

在虚拟环境内执行：

复制代码

pip install -U autogen-agentchat autogen-ext[openai] python-dotenv

后续如需增加 RAG 向量库、可观测平台等，再按需扩展依赖即可。

3.3 DeepSeek 环境变量配置

在项目根目录创建 .env（不要提交到 Git）：

复制代码

DEEPSEEK_API_KEY=你的_DeepSeek_API_密钥 
DEEPSEEK_MODEL=deepseek-chat # 可选，默认即为该值 DEEPSEEK_BASE_URL=https://api.deepseek.com # 可选，默认即为该值 

# 可选：调整日志级别 
LOG_LEVEL=INFO

项目内所有 Agent 都会通过这些变量构建 DeepSeek 模型客户端。

4. 各 Stage 快速运行与预期效果

在项目根目录（WiseAgent）执行

4.1 Stage 0：autogen入门

复制代码

python -m hospital_agent_course.stage0_setup.hello_autogen

预期：

终端打印出"Stage 0：autogen 0.7 + DeepSeek Hello Agent 示例"相关日志；
屏幕上流式输出 3 句左右的中文自我介绍；
日志中能看到使用的 DeepSeek 模型名和 base_url。

4.2 Stage 1：单智能体导诊助手

复制代码

python -m hospital_agent_course.stage1_single_agent_triage.main

预期：

程序提示你输入症状（例如："我这两天一直咳嗽，还有点低烧。"）；
Agent 会：
- 询问必要信息（视模型发挥，可能会问年龄等）；
- 推荐 1～2 个科室（如"呼吸内科 / 发热门诊"）；
- 给出简单流程建议和温馨提醒；
整体风格：结构化、分点输出，不做诊断、不推荐具体药物。

4.3 Stage 2：Planner + Tools 的"会干活"导诊 Agent

复制代码

python -m hospital_agent_course.stage2_agent_tools_planner.main

预期：

你输入症状后，终端会先打印一段 JSON：
- goal：本次任务的总体目标；
- steps：每一步的 id / action / tool / input；
然后带工具的导诊 Agent 会：
- 按规划调用 recommend_department 工具推荐科室；
- 调用 registration_guide 工具返回挂号流程；
- 合并成一份结构化的导诊说明输出给你。

4.4 Stage 3：记忆 + 迷你 RAG 的导诊 Agent

复制代码

python -m hospital_agent_course.stage3_memory_rag.main

预期：

多轮对话时，Agent 能"记住"你刚才说过的话，不会一问一答就忘；
当你问一些流程 / 费用 / 检查注意事项类问题时：
- 会从内置 FAQ 中检索相关条目；
- 回答中会明显引用这些知识点；
终端提示会说明：本阶段在使用会话记忆 + FAQ 知识库。

4.5 Stage 4：可观测 + 自纠错 + 人格风格

复制代码

python -m hospital_agent_course.stage4_observability_and_quality.main

预期：

终端会显示 Planner 输出的 JSON 计划；
导诊 Agent 先生成一份"初稿"；
Checker Agent 再基于用户问题 + 初稿生成"终稿"；
日志中能看到：
- Prompt 截断；
- 规划 JSON；
- 初稿与终稿的长度与部分内容。

4.6 Stage 5：多智能体 + 工作流就诊管线

复制代码

python -m hospital_agent_course.stage5_multi_agent_workflow.main

预期：

你输入主诉（例如："我这两天头痛，还伴有恶心，想挂号看一下。"）；
系统内部执行：
- TRIAGE（导诊 Agent 推荐科室）；
- REGISTRATION（挂号说明 Agent）；
- PARALLEL_PAYMENT_EXAM（缴费说明 Agent + 检查注意事项 Agent 并行执行）；
- DOCTOR（模拟医生总结 Agent------不做真实诊断）；
- PHARMACY（药房与用药注意事项 Agent）；
最后打印出一份结构化的"本次就诊流程总结"，分块展示每个环节输出。

医院智能体系统实战：基于 autogen 0.7 + DeepSeek 的多阶段工程落地（一）项目总览

1. 项目背景与产品定位

1.1 业务背景：医院就诊流程

1.2 技术背景：autogen 0.7 + DeepSeek

2. 代码结构总览

3. 环境准备与安装

3.1 Python 版本与 虚拟环境

3.2 安装依赖

3.3 DeepSeek 环境变量 配置

4. 各 Stage 快速运行与预期效果

4.1 Stage 0：autogen入门

4.2 Stage 1：单 智能体 导诊助手

4.3 Stage 2：Planner + Tools 的"会干活"导诊 Agent

4.4 Stage 3：记忆 + 迷你 RAG 的导诊 Agent

4.5 Stage 4：可观测 + 自纠错 + 人格风格

4.6 Stage 5：多 智能体 + 工作流 就诊管线

3.1 Python 版本与虚拟环境

3.3 DeepSeek 环境变量配置

4.2 Stage 1：单智能体导诊助手

4.6 Stage 5：多智能体 + 工作流就诊管线