算法工程师

面向医院场景下语音交互延迟高、医疗术语识别困难及复杂业务流程难以稳定执行等问题，设计并实现命令驱动、流程可配置的智能语音助手。

打开大图

• 搭建语音交互链路，包含唤醒词检测、语音活动检测、语音识别与语音合成，其中语音活动检测使用 FSMN、语音识别使用 FUN-ASR-NANO、语音合成使用 CosyVoice、唤醒词检测基于 OpenWakeWord 框架训练，使用 Qwen、Sherpa、Kokoro、LibriTTS 四类 TTS 引擎构建多说话人、跨语言口音数据集，生成正负样本共 30 万条；设计音频增强策略，引入真实背景噪声、RIR 房间混响、变调、EQ、失真及带阻滤波，提升模型在远场、强噪声和复杂声学环境下的鲁棒性。
• 流式设计：语音通过切片传输，在用户边说话边产生语音识别结果，减少用户体感延迟，大模型的回复通过标点符号切分送入语音合成节点，减少了最终回复的延迟。

传统单 Agent 医疗问答存在响应慢、复杂问题分析不全面、缺乏上下文记忆等问题，多症状问题回答质量不稳定，多轮对话上下文理解准确率偏低等问题。

• Skills-Agent 两层架构：底层构建 7 个原子 Skills（知识检索、风险评估、症状分析、麻醉建议、ICD-10 编码、临床指南、深度研究）供 Agent 使用，上层 3 个专业 Agent（风险提示、症状诊断、医学研究）根据任务需求自主选择调用，Skills 和 Agent 完全解耦。
• Agent Loop 执行机制：基于 ReAct 框架实现 Think-Act-Observe 循环，LLM 自主决策工具调用并观察结果，设置硬性限制最多调用 3 次工具防止过度调用，单 Agent 平均响应时间控制在 15 秒以内。

面向互联网医疗场景下医学知识分散、非结构化数据难以利用及传统关键词检索语义理解能力不足等问题，设计并实现基于 Neo4j 的医疗知识图谱，为智能问答、医疗客服等上层 AI 应用提供结构化知识与检索能力。

打开大图

• 参与医疗知识图谱整体架构设计与数据建模，围绕疾病、症状、科室、诱因、并发症、药物、食物及传播途径等医学实体设计图谱 Schema，并基于 Neo4j 完成实体、属性及多类型关系的图结构存储与管理。
• 搭建多源医疗数据处理管道，整合开源医疗知识图谱、医学标注数据集以及医学书籍、期刊等非结构化数据；针对英文医学文献增加翻译预处理流程，并对不同来源数据进行清洗、标准化、实体对齐与统一入库。