[{"data":1,"prerenderedAt":20},["ShallowReactive",2],{"news-zh-dentalagent":3},{"slug":4,"lang":5,"title":6,"summary":7,"date":8,"category":9,"tags":10,"cover":15,"order":16,"author":17,"authorTitle":17,"authorSlug":17,"people":18,"bodyLang":5,"html":19},"dentalagent","zh","技术解读｜DentalAgent：让口腔大模型调用专业工具，给出有据可查的辅助判断","DentalAgent 以核心大模型为中枢，调用牙齿检测、疾病分类等视觉工具和口腔知识库，输出带证据的发现与报告，并通过递归自我改进持续优化技能。","2026-11-16","技术",[11,12,13,14],"DentalAgent","智能体","工具调用","口腔 AI","/images/news/dentalagent/cover.jpg",10,"",[],"\u003Cp>口腔诊疗中的一次判断，往往要同时看全景片和口内照片，结合病史与患者诉求，还要说清依据从哪里来。只让大模型“看图作答”，结论难以追溯，也难以嵌入专业的工作流程。\u003C/p>\n\u003Cp>为此，自由动脉团队构建了 DentalAgent，一个面向口腔专业任务的智能体（Agent）框架。它以大模型为中枢，融合多模态输入、专业工具与医学知识，目标是形成有依据的辅助判断，让模型能力真正落到具体的口腔专业任务上。\u003C/p>\n\u003Ch2>框架：一个“大脑”，一套口腔工具箱\u003C/h2>\n\u003Cp>\u003Cspan class=\"news-figure\">\u003Cimg src=\"/images/news/dentalagent/fig1.png\" alt=\"图 1：DentalAgent 框架示意。图源：自由动脉\" loading=\"lazy\" />\u003Cspan class=\"news-caption\">图 1：DentalAgent 框架示意。图源：自由动脉\u003C/span>\u003C/span>\u003C/p>\n\u003Cp>DentalAgent 由四部分组成（图 1）：\u003C/p>\n\u003Cul>\n\u003Cli>\u003Cstrong>多模态输入\u003C/strong>：全景片（OPG）、口内照片，以及临床文本和用户请求。\u003C/li>\n\u003Cli>\u003Cstrong>核心大模型（Core LLM）\u003C/strong>：负责理解任务、规划并选择工具、综合证据，按“观察—推理—行动”的循环逐步推进。\u003C/li>\n\u003Cli>\u003Cstrong>口腔任务执行层（Dental Harness）\u003C/strong>：大模型通过工具调用使用这一层的能力，并取回观察结果和证据。\u003C/li>\n\u003Cli>\u003Cstrong>有据可查的输出\u003C/strong>：包括检查发现与解读、标注后的图像和结构化报告。\u003C/li>\n\u003C/ul>\n\u003Cp>其中，口腔任务执行层集成了四类能力：\u003C/p>\n\u003Cul>\n\u003Cli>\u003Cstrong>视觉工具\u003C/strong>：牙齿检测与 FDI 牙位编号、疾病分类、分割、关键点与测量，可处理口内照片和全景片；\u003C/li>\n\u003Cli>\u003Cstrong>知识访问\u003C/strong>：由检索助手连接收录教材、指南和病例的口腔知识库，并可进行网络搜索；\u003C/li>\n\u003Cli>\u003Cstrong>技能库\u003C/strong>：沉淀视觉工具使用、证据解读、临床工作流和报告生成等技能，为大模型提供操作指引；\u003C/li>\n\u003Cli>\u003Cstrong>系统工具\u003C/strong>：支持文档创建、文件与数据访问、图像裁剪与标注、报告导出。\u003C/li>\n\u003C/ul>\n\u003Cp>底层的执行与上下文管理模块负责工具调度、状态维护和执行轨迹记录。\u003C/p>\n\u003Ch2>三个关键设计\u003C/h2>\n\u003Cp>\u003Cstrong>专业工具调用。\u003C/strong> 牙位识别、病变分类、测量这类需要精确视觉处理的环节，交给专门的视觉工具完成；大模型负责规划调用顺序，并整合各个工具返回的结果。\u003C/p>\n\u003Cp>\u003Cstrong>医学证据支持。\u003C/strong> 大模型可以检索口腔知识库和网络信息，把工具的观察结果与检索到的知识一起作为证据，汇总成检查发现、标注图像和结构化报告，让输出建立在证据之上。\u003C/p>\n\u003Cp>\u003Cstrong>持续反馈优化。\u003C/strong> 框架设计了递归自我改进（RSI，Recursive Self-Improvement）回路：分析执行轨迹和 token 用量，据此改进技能，再验证性能与成本，最后决定接受还是回退这次修改；验证通过的更新写回技能库。这一回路的目标，是在保持任务表现的同时减少推理所需的 token。\u003C/p>\n\u003Ch2>从模型能力到专业任务执行\u003C/h2>\n\u003Cp>如果说 DentalGPT 这样的口腔多模态大模型解决的是“看懂、想对”，DentalAgent 关注的则是下一步：如何把模型能力组织成可执行、可追溯的专业任务流程。\u003C/p>\n\u003Cp>DentalAgent 的设计目标，是以专业工具、知识与证据增强大模型，提升口腔专业任务的表现。目前，团队正在口腔文本任务以及口内照片、全景片等影像任务上对框架开展初步评测。\u003C/p>\n\u003Cp>需要强调的是，DentalAgent 的定位是辅助判断：它输出带证据的检查发现、标注图像和报告，供医生核验参考，而不是替代医生作出诊疗决定。\u003C/p>\n",1794841746242]