Hospital Agent Baseline Example

这是一个虚拟诊疗比赛的医生 Agent 示例项目，展示如何基于 hospital-agent-sdk 开发、训练、测试和部署自己的医生 Agent。

目录说明

baseline_example/
├── agent/
│   ├── __init__.py
│   ├── agent.py          # 需要修改：医生 Agent 主逻辑，包含 train/test 和诊疗策略
│   ├── prompt.py         # 需要修改：Prompt 模板和输出格式约束
│   └── memory.py         # 需要修改：训练反思、病例经验、检索记忆等
├── data/
│   ├── memory_data/
│   │   └── memory.md     # 可自定义：baseline 默认的本地文件记忆
│   └── ref_data/
│       ├── departments.json
│       ├── diseases_catalog.json
│       └── examinations_catalog.json
├── config.yaml           # 可配置：训练患者数量、输出目录、memory 路径等
├── train.py              # 可选修改：本地训练入口，默认可直接使用
├── test.py               # 可选修改：本地测试和批量评估示例，默认可直接使用
├── requirements.txt      # 必须维护：新增第三方库需要写在这里
├── Dockerfile            # 一般不需要修改：部署入口，默认启动 python3 -m agent.agent
└── README.md

参赛时需要重点修改 agent/agent.py、agent/prompt.py、agent/memory.py：agent.py 负责诊疗流程和 action 调用策略，prompt.py 负责模型输入和输出格式约束，memory.py 负责训练反思、病例经验、检索记忆等记忆逻辑。config.yaml 可以按需配置训练患者数量、随机种子、输出目录、记忆路径等参数。

注意：

如何开发医生 Agent

主要修改 agent/agent.py 中的 MyDoctorAgent。参赛者需要实现或调整 train 和 test 流程，并通过 self.actions 调用比赛能力：

如果要调整模型输入，可以修改 agent/prompt.py；如果要保存训练经验、病例总结或向量检索结果，可以修改或替换 agent/memory.py。

配置说明

配置分为环境变量和 config.yaml 两部分。密钥、令牌、服务地址和队伍账号通过环境变量配置，不要写入 config.yaml；本地训练、本地测试、输出目录和记忆策略可通过 config.yaml 配置。

环境变量

config.yaml

output_dir

train

test

自定义配置

config.yaml 也可以添加自定义配置，医生 Agent 代码可以通过 self.config 读取。例如：

医生可用 Actions

所有 action 都通过 self.actions.<action_name>(...) 调用，通常在 async def train(...) 或 async def test(...) 中使用，需要 await。

ask_patient

向患者提问，返回患者回复文本。适合收集主诉、现病史、既往史、用药史、过敏史、家族史等信息。

输入：

answer = await self.actions.ask_patient(
    patient_id=patient_id,
    input_data={
        "question": "请描述这次最主要的不适、开始时间和伴随症状。",
        "chat_history": [
            {"from": "doctor", "text": "之前的问题"},
            {"from": "patient", "text": "之前的回答"},
        ],
    },
)

参数说明：

输出：

"患者回答文本"

返回值是 str。SDK 会自动记录问诊轮数，最终 prescribe_treatment 的返回结果中会包含 conversation_rounds。

order_examination

申请检查，返回检查结果。检查名称应尽量使用 data/ref_data/examinations_catalog.json 中的标准名称。

输入：

exam_response = await self.actions.order_examination(
    patient_id=patient_id,
    items=["血常规", "尿常规"],
    reason="鉴别感染、贫血和泌尿系统异常。",
)

参数说明：

输出：

{
  "results": {
    "血常规": {
      "result": {
        "血红蛋白": "118 g/L［参考值：140-180 g/L］",
        "血白细胞计数": "13.2 x10^9/L［参考值：4.5-11.0］"
      },
      "status": "abnormal",
      "abnormal_indicators": []
    },
    "尿常规": {
      "result": {
        "尿蛋白": "阴性",
        "尿红细胞": "0-3 个细胞/HPF"
      },
      "status": "normal",
      "abnormal_indicators": []
    },
    "不存在的检查": {
      "result": "无效检查",
      "status": "invalid",
      "abnormal_indicators": []
    }
  }
}

字段说明：

prescribe_treatment

提交最终诊断和治疗方案，并结束当前病例。测试阶段每个病例必须最终调用这个 action，返回值会写入 final_results.jsonl 并作为提交结果。

输入：

final_result = await self.actions.prescribe_treatment(
    patient_id=patient_id,
    diagnosis=["肺炎"],
    treatment_plan="建议抗感染治疗，结合病情补液、退热、止咳，并监测生命体征和复查相关指标。",
    reasoning="结合问诊和检查结果，诊断与治疗方案匹配。",
)

参数说明：

输出：

{
  "patient_id": "patient_xxx",
  "team_id": "your-team-id",
  "diagnosis": ["肺炎"],
  "treatment_plan": "治疗方案文本",
  "reasoning": "诊疗依据文本",
  "ordered_examinations": ["血常规", "胸部CT"],
  "conversation_rounds": 3,
  "finished": true
}

字段说明：

evaluation

训练阶段用于评估单个已完成病例，通常在 prescribe_treatment 之后调用，用于反思和改进策略。测试阶段不要依赖该 action。

输入：

report = await self.actions.evaluation(
    patient_id=patient_id,
    final_result=final_result,
)

参数说明：

输出：

{
  "patientId": "patient_xxx",
  "status": "evaluated",
  "diagnosisAccuracy": 1.0,
  "examinationPrecision": 0.8,
  "treatmentOverallScore": 0.75,
  "treatmentSafety": 1.0,
  "treatmentEffectivenessAlignment": 0.8,
  "treatmentPersonalization": 0.7,
  "diagnosisDetail": {
    "submitted": ["肺炎"],
    "expected": ["肺炎"],
    "matched": ["肺炎"],
    "accuracy": 1.0,
    "status": "correct"
  },
  "examinationDetail": {
    "ordered": ["血常规", "胸部CT"],
    "expected": ["血常规", "胸部CT"],
    "matched": ["血常规", "胸部CT"],
    "precision": 1.0,
    "coverage": 1.0
  },
  "treatmentDetail": {
    "submitted": "你提交的治疗方案",
    "reference": "参考治疗方案",
    "overallScore": 0.75,
    "safety": 1.0,
    "effectivenessAlignment": 0.8,
    "personalization": 0.7,
    "reasoning": "评测模型给出的解释"
  },
  "ground_truth": {}
}

评测报告字段可能随比赛服务调整而变化，训练代码应优先读取自己需要的字段，并对缺失字段做好兜底。

batch_evaluation

批量评估一个 final_results.jsonl 文件，或包含该文件的输出目录。适合本地 /test 运行结束后，对整批测试病例做统一评估。 传入目录时，SDK 会自动读取该目录下的 final_results.jsonl；传入文件路径时，SDK 会直接读取该 JSONL 文件。

输入：

report = await self.actions.batch_evaluation("outputs/test/test_xxx")

也可以传入具体文件：

report = await self.actions.batch_evaluation("outputs/test/test_xxx/final_results.jsonl")

输出：

{
  "diagnosis_accuracy": 0.8,
  "examination_precision": 0.7,
  "treatment_overall_score": 0.75,
  "treatment_safety": 0.9,
  "treatment_effectiveness_alignment": 0.7,
  "treatment_personalization": 0.65,
  "counts": {
    "final_results": 2,
    "evaluated_patients": 2
  },
  "treatment_details": [
    {
      "patient_id": "Patient_00001",
      "overall_score": 0.75,
      "safety": 0.9,
      "effectiveness_alignment": 0.7,
      "personalization": 0.65,
      "reasoning": "评测模型给出的解释"
    }
  ],
  "submitted_at": "2026-05-22T10:00:00+08:00"
}

其中 diagnosis_accuracy、examination_precision、treatment_overall_score 是三个主要评估分项；treatment_safety、treatment_effectiveness_alignment、treatment_personalization 分别表示治疗方案在安全性、有效性、个性化上的表现；counts 统计提交和评估的病例数量；treatment_details 是每个病例的治疗方案评估明细。评估报告会同时写入同目录下的 final_results_eval_report.json。

Quick Start

安装依赖：

cd baseline_example
pip install -r requirements.txt

配置本地训练环境变量：

export SERVICE_BASE_URL=https://baconroot-hospital-service.ms.show
export SERVICE_TRAIN_TOKEN=<your-train-service-token>
export MODEL_API_KEY=<your-model-api-key>
export TEAM_ID=<your-team-id>

运行本地训练：

python train.py

训练患者可以在 config.yaml 的 train 中配置。

启动测试服务

本地启动 Agent 测试服务：

python -m agent.agent

服务默认监听 0.0.0.0:7860，测试接口为 POST /test。本地调用示例：

curl -X POST http://127.0.0.1:7860/test

本地测试会使用环境变量 SERVICE_TRAIN_TOKEN 访问比赛后端，并继续使用本地 MODEL_API_KEY 调用医生 Agent 自己的大模型。这里使用的仍然是训练集中的患者数据；测试患者可以在 config.yaml 的 test 中配置。

也可以直接运行完整测试示例：

python test.py

该脚本会自动启动 Agent 服务，调用 POST /test 生成 final_results.jsonl，再调用 batch_evaluation 进行批量评估并输出测试和评估结果。

部署

部署到 ModelScope Studio 创空间时，提交最新代码后，在空间页面点击上线，等待空间构建状态变为“运行中”即可。

部署后需要保证服务监听 7860 端口，并暴露 POST /test 接口。默认通过 Dockerfile 启动 python3 -m agent.agent，会监听 0.0.0.0:7860；一般不需要修改部署入口。提交前建议先在本地运行 python train.py 和 python -m agent.agent，确认训练流程和测试服务都能正常工作。