要解决的问题
临床试验匹配的难点不在于让模型挑一个试验出来。协议本身有版本，患者的证据散在几年的病历、化验、影像和基因报告里，最后还得逐条讲清楚每一项入排标准到底是满足、不满足、信息不够，还是几份证据互相打架。
MedAgent Forge 拿非小细胞肺癌（NSCLC）的入组审核当第一个完整闭环来做。它不诊断，也不替医生下结论，处理的是检索和证据整理这一段最耗时间的活，把它变成能复核、能回溯的流程。
系统怎样工作
- 导入公开试验协议，把入排标准拆成结构化条件树。解析器写得偏保守，碰到可疑内容走 prompt-injection 隔离，宁可标成 unknown 也不猜。
- 从合成 FHIR bundle、临床记录、实验室、DICOM metadata、病理和基因报告拼出患者时间线，再挂上带查询出处的公开试验快照。
- 检索候选试验，每条标准输出 met / not_met / unknown / conflict 四态，并附上具体的证据 ID。
- 五个角色分别管接入、检索、判断、安全验证和治理，跑在一张 LangGraph StateGraph 上，带 checkpoint 和人工中断恢复。
- 人工逐条复核之后，模型、工具、数据、恢复事件和审核版本一起写进审计轨迹。
多 Agent 拆到几个才合理
数据许可、模型适配、工具合同、权限策略、故障恢复、执行型评测，这些都放在同一个仓库里，改一处能马上看到别处有没有炸。拆成几个 Agent 也是跑出来的：只有当权限确实需要隔离、任务能真正并行，或者需要一个独立角色去验证另一个角色的输出时，这个拆分才留下来。
配套教材《从零构建 MedAgent Forge》按真实开发顺序更新。还没跑通的训练和评测不会提前写成结论。
已完成的工程证据
| 能力 | 已执行证据 | 解释边界 |
|---|---|---|
| 端到端流程 | 12 个合成验收场景全部通过 | 不是临床试验或真实世界验证 |
| Agent Runtime | 五角色 LangGraph、checkpoint、人工暂停与恢复、故障恢复 | 公开版只读，不执行真实业务写入 |
| 多模态数据 | FHIR、临床记录、DICOM metadata、病理、基因、实验室适配器 | 患者数据全部为项目合成样例 |
| 公开研究数据 | 5 条 ClinicalTrials.gov NSCLC 试验快照，保留查询和时间 | 公开注册元数据，不含患者信息 |
| 后训练 | CPT、DAPT、SFT、LoRA、QLoRA、DPO、GRPO/RLVR 完成 tiny CPU 训练并保存 checkpoint | 不是 MedGemma 微调，也不代表医疗性能 |
| 安全评测 | 6 项边界红队、2 项消融、模型回归门 | 不是渗透测试或合规认证 |
| 可复现性 | 34 个自动化测试、数据哈希、固定种子、硬件、结果 JSON 与完整报告 | Docker API/Web 镜像、只读启动和 HTTP 健康检查均通过 |
六组可复现 Demo
六个视频都是仓库里的 Playwright 脚本对着真实工作台录的，没有后期，也不是概念动画。跑一次 npm run capture:demos 就能重新生成同一组素材。
六篇公众号连载
同一套东西还写成了六篇公众号长文，从问题边界一路写到生产验收。它们和 24 章教材共用同一份源码与实验结果，没有另做一套复现不了的案例。可在本站文章栏目连续阅读。
Model Lab 与 Evaluations 页面显示什么
Model Lab 直接读实验生成的 JSON，参数量、随机种子、设备、训练前后的指标和解释边界都摆在同一屏上。MedGemma 那一栏写着“未运行、未下载权重”，因为确实没跑，写别的就是骗人。Evaluations 页面是 12 个执行型场景、6 项边界检查和 2 项消融。Audit Log 能重放合成检查点，被策略挡掉的写操作重放之后照样被挡。
公开边界
- 患者数据全是项目自己合成的，适配器只接许可允许的公开数据，仓库里没有真实病历。
- 默认只读，写操作必须过策略层加人工审批。
- 不宣称任何临床有效性，tiny CPU 上的 smoke test 就是 smoke test，不会包装成完整训练结果。
- 网站放的是代码、截图、视频和评测报告，不会长期托管一个对外的医疗推理服务。