1. 引言
大语言模型（LLM）驱动的 Agent 在复杂任务中展现出卓越能力，但受限于上下文窗口与单轮推理范式，难以在长周期、多轮次的交互中维持稳定一致的记忆。Memory（记忆）机制由此成为 Agent 领域的前沿研究方向。本文以中医诊断这一典型的长周期、强领域依赖场景为切入点，系统梳理 Memory 科研的问题定义、数据构建、对比实验设计与参考文献，旨在为研究者提供一套可复现、可扩展的实验框架。
2. Memory 科研要解决的核心问题
2.1 记忆的存储与组织
Agent 需要将对话历史、用户画像、领域知识等多源信息进行结构化存储。其核心问题可归纳为以下三个层面：
-
记忆的表示形式：自然语言摘要、向量嵌入、知识图谱三元组，还是结构化槽位？不同表示在可解释性、可扩展性与检索效率上各有取舍。
-
记忆的分层：短期记忆（当前会话）与长期记忆（跨会话）如何划分与协同？
-
记忆的索引与检索：如何在海量记忆中快速、精准地定位与当前问题相关的片段？### 2.2 记忆的写入与更新
-
写入时机：每轮对话后、任务完成后，还是达到特定阈值后触发写入？
-
冗余与冲突消解：同一事实多次出现时如何合并去重，矛盾信息如何取舍？
-
遗忘机制：过时或错误信息如何被淘汰或修正，以保持记忆的时效性？### 2.3 记忆的检索与利用
-
检索策略：基于向量相似度、基于规则、基于 LLM 自主判断，还是混合策略？
-
检索粒度：返回整段记忆、关键句子，还是结构化事实？
-
注入方式：检索结果如何注入 Prompt------直接拼接、重排后拼接，还是作为工具调用结果？### 2.4 记忆的评估
-
记忆本身的质量：准确性、完整性、时效性如何度量？
-
记忆对下游任务的影响：加入记忆后，诊断准确率、用户满意度是否提升？
记忆评估指标速查表如下：
| 指标类别 | 具体指标 | 计算公式 | 数据来源 | 建议评估方式 |
|---|---|---|---|---|
| 准确性 | 记忆准确率 | 准确率 = 正确记忆数 / 总记忆数 | 人工标注（专家核对记忆与事实的一致性） | 离线评测 |
| 准确性 | 事实一致性 | 一致性 = 与金标准一致的事实数 / 总事实数 | 自动比对（与病历金标准字段对齐） | 离线评测 |
| 完整性 | 记忆覆盖率 | 覆盖率 = 已捕获关键信息数 / 应捕获关键信息总数 | 人工标注（对照预设关键信息清单） | 离线评测 |
| 完整性 | 信息召回率 | 召回率 = 检索到的相关记忆数 / 全部相关记忆数 | 自动比对（与标注的相关记忆集合比对） | 离线评测 |
| 时效性 | 记忆新鲜度 | 新鲜度 = 1 - 过时记忆数 / 总记忆数 | 人工标注（专家判断记忆是否过时） | 离线评测 |
| 时效性 | 更新及时率 | 及时率 = 按时更新的记忆数 / 应更新记忆总数 | 自动比对（对比复诊记录与记忆更新时间戳） | 离线评测 |
| 对下游任务影响 | 诊断准确率增益 | 增益 = 带记忆诊断准确率 - 无记忆诊断准确率 | 自动计算（对比实验输出与金标准） | 在线 A/B 测试 |
| 对下游任务影响 | 用户满意度 | 满意度 = 满意评价数 / 总评价数 | 用户反馈（患者/医师问卷评分） | 在线 A/B 测试 |
针对上述核心问题，可采用的算法与方案如下：
| 核心问题 | 可选算法/方案 | 说明 |
|---|---|---|
| 记忆的表示形式 | 向量嵌入（Sentence-BERT、OpenAI Embedding）、知识图谱三元组（TransE、RotatE）、结构化槽位（JSON Schema） | 文本语义用向量，领域关系用图谱，结构化事实用槽位 |
| 记忆的分层 | 分层记忆网络（Hierarchical Memory Network）、短期/长期双缓冲池 | 短期存会话上下文，长期存跨会话事实，按重要性迁移 |
| 记忆的索引与检索 | 稠密向量检索（DPR、Contriever）、BM25 稀疏检索、混合检索（RRF 融合）、图检索（GraphRAG） | 向量召回语义相似片段，图谱检索结构化关系 |
| 记忆的写入与更新 | 增量式写入（append-only + 去重）、LLM 摘要压缩（MapReduce）、冲突消解（置信度投票、时间戳优先） | 新事实追加，重复合并，矛盾按时间与置信度取舍 |
| 遗忘机制 | 时效衰减（指数衰减权重）、基于访问频率的 LRU 淘汰、LLM 定期重写压缩 | 过时记忆降权或删除，保持记忆新鲜度 |
| 记忆的检索与利用 | RAG（检索-增强生成）、ReAct（推理-行动循环）、Reflexion（反思-重试） | 检索结果注入 Prompt，Agent 依据记忆推理与行动 |
3. 中医诊断场景下的 Memory 科研设计
3.1 场景特点与科研切入点
中医诊断强调「望闻问切」四诊合参，且诊疗过程往往跨越多次复诊。这为 Memory 科研提供了独特场景：
- 长期性：患者多次就诊，需要跨会话记忆既往症状、方剂与疗效。
- 多模态：舌象、脉象、面色等非文本信息需要与文本记忆关联。
- 领域知识：中医辨证论治体系（八纲辨证、脏腑辨证等）可作为结构化记忆骨架。
- 个性化：不同体质、不同证型的患者需要差异化记忆策略。
3.2 可研究的 Memory 子问题
| 子问题 | 具体研究点 | 对应 Memory 环节 |
|---|---|---|
| 患者画像构建 | 从首诊对话中抽取体质、既往史、过敏史 | 写入与组织 |
| 复诊记忆召回 | 跨会话检索既往症状与方剂，避免重复问诊 | 检索与利用 |
| 证型演化追踪 | 记录证型随治疗的变化，支持动态辨证 | 更新与遗忘 |
| 四诊信息融合 | 将舌象/脉象描述与文本主诉关联存储 | 多模态记忆 |
| 记忆冲突消解 | 患者自述与客观检查不一致时如何取舍 | 更新与修正 |
下面以「风寒束肺证」为例，展示如何将中医辨证论治体系构建为知识图谱，作为 Graph-Memory 的结构化骨架：
#mermaid-svg-Y4WhnuCBq63jKbsK{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-Y4WhnuCBq63jKbsK .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-Y4WhnuCBq63jKbsK .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-Y4WhnuCBq63jKbsK .error-icon{fill:#552222;}#mermaid-svg-Y4WhnuCBq63jKbsK .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-Y4WhnuCBq63jKbsK .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-Y4WhnuCBq63jKbsK .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-Y4WhnuCBq63jKbsK .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-Y4WhnuCBq63jKbsK .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-Y4WhnuCBq63jKbsK .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-Y4WhnuCBq63jKbsK .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-Y4WhnuCBq63jKbsK .marker{fill:#333333;stroke:#333333;}#mermaid-svg-Y4WhnuCBq63jKbsK .marker.cross{stroke:#333333;}#mermaid-svg-Y4WhnuCBq63jKbsK svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-Y4WhnuCBq63jKbsK p{margin:0;}#mermaid-svg-Y4WhnuCBq63jKbsK .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-Y4WhnuCBq63jKbsK .cluster-label text{fill:#333;}#mermaid-svg-Y4WhnuCBq63jKbsK .cluster-label span{color:#333;}#mermaid-svg-Y4WhnuCBq63jKbsK .cluster-label span p{background-color:transparent;}#mermaid-svg-Y4WhnuCBq63jKbsK .label text,#mermaid-svg-Y4WhnuCBq63jKbsK span{fill:#333;color:#333;}#mermaid-svg-Y4WhnuCBq63jKbsK .node rect,#mermaid-svg-Y4WhnuCBq63jKbsK .node circle,#mermaid-svg-Y4WhnuCBq63jKbsK .node ellipse,#mermaid-svg-Y4WhnuCBq63jKbsK .node polygon,#mermaid-svg-Y4WhnuCBq63jKbsK .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-Y4WhnuCBq63jKbsK .rough-node .label text,#mermaid-svg-Y4WhnuCBq63jKbsK .node .label text,#mermaid-svg-Y4WhnuCBq63jKbsK .image-shape .label,#mermaid-svg-Y4WhnuCBq63jKbsK .icon-shape .label{text-anchor:middle;}#mermaid-svg-Y4WhnuCBq63jKbsK .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-Y4WhnuCBq63jKbsK .rough-node .label,#mermaid-svg-Y4WhnuCBq63jKbsK .node .label,#mermaid-svg-Y4WhnuCBq63jKbsK .image-shape .label,#mermaid-svg-Y4WhnuCBq63jKbsK .icon-shape .label{text-align:center;}#mermaid-svg-Y4WhnuCBq63jKbsK .node.clickable{cursor:pointer;}#mermaid-svg-Y4WhnuCBq63jKbsK .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-Y4WhnuCBq63jKbsK .arrowheadPath{fill:#333333;}#mermaid-svg-Y4WhnuCBq63jKbsK .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-Y4WhnuCBq63jKbsK .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-Y4WhnuCBq63jKbsK .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-Y4WhnuCBq63jKbsK .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-Y4WhnuCBq63jKbsK .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-Y4WhnuCBq63jKbsK .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-Y4WhnuCBq63jKbsK .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-Y4WhnuCBq63jKbsK .cluster text{fill:#333;}#mermaid-svg-Y4WhnuCBq63jKbsK .cluster span{color:#333;}#mermaid-svg-Y4WhnuCBq63jKbsK div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-Y4WhnuCBq63jKbsK .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-Y4WhnuCBq63jKbsK rect.text{fill:none;stroke-width:0;}#mermaid-svg-Y4WhnuCBq63jKbsK .icon-shape,#mermaid-svg-Y4WhnuCBq63jKbsK .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-Y4WhnuCBq63jKbsK .icon-shape p,#mermaid-svg-Y4WhnuCBq63jKbsK .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-Y4WhnuCBq63jKbsK .icon-shape rect,#mermaid-svg-Y4WhnuCBq63jKbsK .image-shape rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-Y4WhnuCBq63jKbsK .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-Y4WhnuCBq63jKbsK .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-Y4WhnuCBq63jKbsK :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 表现为
表现为
表现为
舌象
脉象
治则
主方
加减
风寒束肺证
咳嗽
痰白清稀
畏寒发热
舌淡红、苔薄白
脉浮紧
辛温解表、宣肺散寒
麻黄汤
杏仁、桂枝、甘草
该图谱以「风寒束肺证」为中心节点，通过「表现为」「舌象」「脉象」「治则」「主方」「加减」等关系边，将症状、舌象、脉象、方剂等实体组织为三元组结构。作为 Graph-Memory 的结构化骨架，它带来三点收益：
- 可推理：图谱支持沿关系边进行多跳推理，例如从「脉浮紧 + 舌淡红苔薄白」反推「风寒束肺证」，再沿「治则」边定位到「麻黄汤」，实现辨证到方剂的自动推导。
- 可更新：患者复诊时新增的症状或方剂调整，只需在对应节点上增删关系边，即可完成记忆更新，避免整段重写。
- 可检索：图谱天然支持按实体或关系检索，比纯向量检索更精准，能直接回答「该患者既往用过哪些方剂」「证型如何演化」等结构化问题。
4. 需要的数据
4.1 数据来源
- 公开中医病历数据集：如 TCM 电子病历、中医临床科研数据平台。
- 自建模拟数据：基于中医教材（如《中医诊断学》）构造标准化病人对话。
- 真实脱敏数据：与医院合作获取脱敏后的门诊记录（需伦理审批）。
4.2 数据字段设计
| 字段 | 说明 | 示例 |
|---|---|---|
| patient_id | 患者唯一标识 | P001 |
| visit_id | 就诊序号 | V1, V2, V3 |
| timestamp | 就诊时间 | 2026-03-01 |
| symptoms | 主诉与症状描述 | 咳嗽、痰白、畏寒 |
| tongue | 舌象描述 | 舌淡红、苔薄白 |
| pulse | 脉象描述 | 脉浮紧 |
| diagnosis | 辨证结果 | 风寒束肺证 |
| prescription | 方剂与用药 | 麻黄汤加减 |
| follow_up | 复诊反馈 | 服药后咳嗽减轻 |
4.3 数据规模建议
- 冷启动阶段：500--1000 条模拟对话用于机制验证。
- 完整实验：5000 条以上多轮对话，覆盖至少 10 种常见证型。
- 每例患者至少 3 次就诊记录，以支撑跨会话记忆实验。
5. 对比实验设计
5.1 基线方法
| 方法 | 说明 |
|---|---|
| No-Memory | 每次诊断仅基于当前对话，无历史记忆 |
| Full-Context | 将所有历史对话全部拼入上下文（受窗口限制） |
| Vector-Retrieval | 用向量检索召回 Top-K 历史片段 |
| Summary-Memory | 用 LLM 生成历史摘要后注入 |
| Graph-Memory | 用知识图谱存储患者事实与证型关系 |
5.2 实验维度
- 诊断准确率：辨证结果与金标准的一致性（精确率、召回率、F1）。
- 信息利用率：诊断过程中是否有效利用了既往史（可设计「必须依赖既往史才能正确辨证」的测试样本）。
- 效率指标：Token 消耗、推理延迟、检索耗时。
- 鲁棒性：记忆噪声（错误历史）对诊断的影响。
- 消融实验：分别去掉记忆写入、检索、更新模块，观察性能变化。
消融实验设计如下：
| 消融设置 | 去除模块 | 预期影响的指标 | 实验目的 |
|---|---|---|---|
| 去掉记忆写入 | 记忆写入模块 | 诊断准确率下降 5%--10%；Token 消耗略降（无需写入开销） | 验证记忆写入对跨会话信息积累的必要性 |
| 去掉记忆检索 | 记忆检索模块 | 诊断准确率下降 10%--15%；信息利用率显著降低；Token 消耗上升（需拼接全部历史） | 验证检索机制对精准召回既往史的关键作用 |
| 去掉记忆更新 | 记忆更新/遗忘模块 | 诊断准确率下降 3%--8%；记忆冗余与冲突增多；鲁棒性下降 | 验证更新与遗忘机制对保持记忆时效性和一致性的贡献 |
| 完整系统 | 无（保留全部模块） | 作为基准，诊断准确率最高；Token 消耗与延迟处于合理区间 | 作为对照，衡量各模块的边际收益 |
5.3 实验流程
- 构造测试集：每例患者含首诊与多次复诊，标注金标准辨证。
- 对每种方法运行完整诊断流程，记录输出。
- 计算指标并做显著性检验（如配对 t 检验或 Wilcoxon 检验）。
- 人工评估：由中医专家对诊断理由的合理性打分。
下面是完整的实验流程图：
#mermaid-svg-69JgBdiornlO1WwV{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-69JgBdiornlO1WwV .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-69JgBdiornlO1WwV .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-69JgBdiornlO1WwV .error-icon{fill:#552222;}#mermaid-svg-69JgBdiornlO1WwV .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-69JgBdiornlO1WwV .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-69JgBdiornlO1WwV .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-69JgBdiornlO1WwV .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-69JgBdiornlO1WwV .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-69JgBdiornlO1WwV .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-69JgBdiornlO1WwV .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-69JgBdiornlO1WwV .marker{fill:#333333;stroke:#333333;}#mermaid-svg-69JgBdiornlO1WwV .marker.cross{stroke:#333333;}#mermaid-svg-69JgBdiornlO1WwV svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-69JgBdiornlO1WwV p{margin:0;}#mermaid-svg-69JgBdiornlO1WwV .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-69JgBdiornlO1WwV .cluster-label text{fill:#333;}#mermaid-svg-69JgBdiornlO1WwV .cluster-label span{color:#333;}#mermaid-svg-69JgBdiornlO1WwV .cluster-label span p{background-color:transparent;}#mermaid-svg-69JgBdiornlO1WwV .label text,#mermaid-svg-69JgBdiornlO1WwV span{fill:#333;color:#333;}#mermaid-svg-69JgBdiornlO1WwV .node rect,#mermaid-svg-69JgBdiornlO1WwV .node circle,#mermaid-svg-69JgBdiornlO1WwV .node ellipse,#mermaid-svg-69JgBdiornlO1WwV .node polygon,#mermaid-svg-69JgBdiornlO1WwV .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-69JgBdiornlO1WwV .rough-node .label text,#mermaid-svg-69JgBdiornlO1WwV .node .label text,#mermaid-svg-69JgBdiornlO1WwV .image-shape .label,#mermaid-svg-69JgBdiornlO1WwV .icon-shape .label{text-anchor:middle;}#mermaid-svg-69JgBdiornlO1WwV .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-69JgBdiornlO1WwV .rough-node .label,#mermaid-svg-69JgBdiornlO1WwV .node .label,#mermaid-svg-69JgBdiornlO1WwV .image-shape .label,#mermaid-svg-69JgBdiornlO1WwV .icon-shape .label{text-align:center;}#mermaid-svg-69JgBdiornlO1WwV .node.clickable{cursor:pointer;}#mermaid-svg-69JgBdiornlO1WwV .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-69JgBdiornlO1WwV .arrowheadPath{fill:#333333;}#mermaid-svg-69JgBdiornlO1WwV .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-69JgBdiornlO1WwV .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-69JgBdiornlO1WwV .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-69JgBdiornlO1WwV .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-69JgBdiornlO1WwV .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-69JgBdiornlO1WwV .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-69JgBdiornlO1WwV .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-69JgBdiornlO1WwV .cluster text{fill:#333;}#mermaid-svg-69JgBdiornlO1WwV .cluster span{color:#333;}#mermaid-svg-69JgBdiornlO1WwV div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-69JgBdiornlO1WwV .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-69JgBdiornlO1WwV rect.text{fill:none;stroke-width:0;}#mermaid-svg-69JgBdiornlO1WwV .icon-shape,#mermaid-svg-69JgBdiornlO1WwV .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-69JgBdiornlO1WwV .icon-shape p,#mermaid-svg-69JgBdiornlO1WwV .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-69JgBdiornlO1WwV .icon-shape rect,#mermaid-svg-69JgBdiornlO1WwV .image-shape rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-69JgBdiornlO1WwV .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-69JgBdiornlO1WwV .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-69JgBdiornlO1WwV :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 通过
不通过
构造测试集
基线方法运行
指标计算
显著性检验
专家评估
输出实验结果
各步骤的输入输出说明如下：
- 构造测试集：输入为原始病历数据（含首诊与多次复诊记录），输出为带金标准辨证标注的测试集，每例患者至少包含 3 次就诊记录。
- 基线方法运行：输入为测试集与各基线方法（No-Memory、Full-Context、Vector-Retrieval、Summary-Memory、Graph-Memory），输出为每种方法在每例患者上的诊断结果。
- 指标计算：输入为各方法的诊断输出与金标准，输出为诊断准确率、信息利用率、Token 消耗等指标。
- 显著性检验：输入为各方法的指标结果，通过配对 t 检验或 Wilcoxon 检验判断差异是否显著；若不显著则回到基线方法运行环节排查问题。
- 专家评估：输入为通过显著性检验的诊断结果，由中医专家对诊断理由的合理性打分，最终输出实验结果。
6. 参考文献与链接
以下文献覆盖 Memory 机制、RAG、Agent 记忆与医疗 AI 方向，可作为实验设计与论文写作的支撑：
-
Park et al., "Generative Agents: Interactive Simulacra of Human Behavior"（生成式 Agent 的记忆流与反思机制）
-
Lewis et al., "Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks"（RAG 基础框架）
-
Zhong et al., "MemoryBank: Enhancing Large Language Models with Long-Term Memory"（长期记忆银行与遗忘机制）
-
Modarressi et al., "RET-LLM: Towards a General Read-Write Memory for LLMs"（通用读写记忆）
-
Wang et al., "Unleashing the Power of LLMs in Medical Diagnosis"（LLM 在医疗诊断中的应用）
-
Zhang et al., "HuatuoGPT: Towards Medical Dialogue Generation"（中医/医疗对话生成）
-
Yao et al., "ReAct: Synergizing Reasoning and Acting in Language Models"（Agent 推理与行动结合）
-
Shinn et al., "Reflexion: Language Agents with Verbal Reinforcement Learning"（反思机制，与记忆更新相关）
-
Borgeaud et al., "Improving Language Models by Retrieving from Trillions of Tokens"（大规模检索增强）
-
Khattab et al., "Dense Passage Retrieval for Open-Domain Question Answering"（稠密检索基础）
7. 实验落地建议
- 先跑通 No-Memory 与 Vector-Retrieval 两个基线，确认数据与评估管线可用。
- 再逐步加入 Summary-Memory 与 Graph-Memory，对比记忆表示形式的影响。
- 中医场景建议引入专家标注的辨证金标准，并让中医师参与人工评估。
- 若资源有限，可先用模拟数据完成机制验证，再申请真实脱敏数据做最终实验。
8. 总结
Agent 的 Memory 科研可从存储、写入、检索、评估四个环节切入，中医诊断场景提供了长期性、多模态、领域知识丰富的天然实验场。通过设计清晰的对比实验与消融实验，并借助上述参考文献，可以形成完整且可复现的研究闭环。