病理知识问答智能体 (Pathology Knowledge Q&A AI Agent)
本项目是一个基于现代Web技术栈 (React + TypeScript + Ant Design) 构建的，专为病理学领域设计的智能辅助与知识问答平台。它旨在利用AI技术辅助病理医生进行诊断、学习和科研，核心功能包括：具备深度思考 (Chain-of-Thought) 可视化与语音交互的智能问答系统、集成图像增强与标注工具的数字化病例分析模块、以及支持知识图谱与RAG流程的知识库管理系统。项目通过高度可解释的交互设计、专业的工具模拟和沉浸式的数据可视化，探索了AI在垂直医疗领域的落地应用。
要成功在本地运行此前端项目，您需要满足以下条件：
- Node.js 环境: 确保已安装 Node.js (推荐版本 16 或 18 及以上) 和 npm 或 yarn 包管理器。
- 现代浏览器: 项目使用了一些现代Web API (如 Web Speech API)，建议使用 Chrome、Edge 或 Firefox 的最新版本以获得最佳体验。
- 网络连接: 虽然核心功能在本地运行，但部分模拟的AI对话和功能演示假设了在线环境。
- （可选）代码编辑器: 如 VS Code，用于查看和修改源代码。
请按以下步骤在本地开发环境中运行和使用本项目：
步骤一：获取代码与安装依赖
将项目代码克隆或下载到本地。
在项目根目录打开终端，运行 npm install 或 yarn 命令，安装所有项目依赖包。
步骤二：启动开发服务器
在终端中运行 npm run dev 或 yarn dev 命令。
命令执行成功后，终端将显示本地服务器地址 (通常是 http://localhost:5173)。
步骤三：访问与使用
在浏览器中打开上述本地服务器地址。 系统将直接进入应用界面。您可以：
- 在“智能问答”页与AI对话，尝试文字或语音输入，观察“深度思考”过程。
- 在“病例分析”页上传或使用示例图片，体验图像增强、标注工具，并生成模拟报告。
- 在“知识库管理”页查看模拟的RAG流程和交互式知识图谱。
- 在“系统设置”中切换深色/浅色主题、调节字体大小。
步骤四：打包构建 (用于部署)
运行 npm run build 命令。
构建产物将生成在 dist 目录中，可直接部署到任何静态文件托管服务。
本项目为纯前端演示项目，主要功能在浏览器中模拟实现：
- 功能测试: 所有交互功能，如聊天、图像操作、知识图谱拖拽、设置切换等，均可在浏览器中直接操作进行测试。
- 数据持久化测试: 刷新浏览器页面，检查聊天记录、知识库上传列表、用户设置等是否通过LocalStorage正确保存与恢复。
- 兼容性测试: 建议在Chrome、Edge等主流浏览器的最新版本中进行测试，以确保Web Speech API等特性正常工作。
- RAG流程模拟: 知识库管理页面中的“上传解析”功能为前端模拟，用于演示流程，未连接真实后端向量数据库。
前端技术栈与架构说明 本项目采用前后端分离架构，当前实现为完整的静态前端应用，模拟了后端逻辑。其技术架构可分为以下几层：
1. 前端展示层 (UI Layer):
- 框架: React 18 + TypeScript，构建类型安全、组件化的用户界面。
- UI组件库: Ant Design (AntD) 5.0，提供高质量、一致性的基础组件。
- 样式方案: Styled-components，实现组件级别的动态样式与主题化。
- 数据可视化: ECharts (通过 echarts-for-react)，用于渲染知识图谱、散点图、雷达图等复杂图表。
2. 业务逻辑层 (Business Logic Layer):
- 状态管理: 使用 React Context API 结合 useReducer Hook，管理全局应用状态（用户会话、聊天历史、系统设置）。
- 路由管理: React Router v6，处理单页面应用内的视图切换与导航。
- AI交互模拟: 通过精心设计的Prompt和本地逻辑，模拟大模型的思考链 (CoT) 输出与结构化报告生成。
- 语音交互: 集成浏览器原生 Web Speech API (SpeechRecognition, SpeechSynthesis) 实现语音输入与TTS播报。
3. 数据与状态层 (Data & State Layer):
- 客户端存储: 利用浏览器 LocalStorage API 持久化关键数据，模拟数据库功能，确保刷新不丢失。
- 文件处理: 使用 PDF.js 库在浏览器端解析PDF文件内容，模拟RAG中的文档处理步骤。
4. 工具与构建层 (Tooling & Build Layer):
- 构建工具: Vite，提供极速的冷启动、模块热更新(HMR)和优化的生产构建。
- 开发体验: 支持TypeScript、ESLint，确保代码质量。
- PWA支持: 配置了Service Worker，支持离线访问和“安装到桌面”的体验。
5. Nexent 智能体集成 (Nexent Integration):
本项目采用了创新的 Model Context Protocol (MCP) 接入 Nexent 智能体，而非传统的 HTTP API 调用。
- 协议标准: MCP (Model Context Protocol)，实现标准化的 AI 上下文交换。
- 通信机制: JSON-RPC 2.0。
- 调用链路:
前端/BFF->MCP Client->Docker Stdio / WebSocket->Nexent Agent Runtime。 - 使用方法:
- 本地部署: Nexent Agent 运行在本地 Docker 容器中，无需公网 URL。
- 双向交互: 通过 MCP 协议，Agent 不仅能回复对话，还能主动请求执行本地工具（如“search_knowledge_base”），获取最新的病理指南或检索相似病例。
- 隐私安全: 所有交互数据在本地闭环流转，最大程度保护患者隐私。
系统架构图 (概念):
[用户浏览器] <-> [React SPA (Vite构建)] <-> [模拟的AI服务/逻辑] [本地数据 (LocalStorage)] [浏览器原生API (语音、文件)]
本项目由 本团队 独立设计、开发与完成。高效的自驱力与对技术的整合能力是项目成功落地的关键。