当OpenClaw进入医院：迈向面向动态临床工作流的智能体操作系统

摘要

大语言模型 (LLM) 代理通过集成推理、工具调用和持久内存来扩展传统的生成模型。最近的研究表明，此类代理可以通过自动化记录、协调护理流程和协助医疗决策来显着改善临床工作流程。然而，尽管取得了快速进展，但由于可靠性限制、安全风险和长期记忆机制不足，在医疗保健环境中部署自主代理仍然很困难。这项工作提出了一种使 LLM 代理适应医院环境的架构。该设计引入了四个核心组件：受 Linux 多用户系统启发的受限执行环境、连接患者和临床医生代理的以文档为中心的交互范例、专为长期临床上下文管理而设计的页面索引内存架构，以及能够临时组合临床任务序列的精选医疗技能库。该架构不是授予代理不受限制的系统访问权限，而是通过预定义的技能接口和资源隔离来限制操作。我们认为，这样的系统构成了医院代理操作系统的基础，该计算层能够协调临床工作流程，同时保持安全性、透明度和可审计性。这项工作以 OpenClaw 的设计为基础，OpenClaw 是一个开源自主代理框架，它将代理功能构建为离散技能的精选库，并通过安全临床部署所需的基础设施级约束对其进行扩展。

当OpenClaw进入医院：迈向面向动态临床工作流的智能体操作系统：论文配图 — 图 1：医院代理操作系统架构。该系统包括三层。（代理层）每个参与者角色（患者、临床医生、分诊、专家）都映射到在操作系统强制隔离的命名空间中执行的专用代理进程；代理仅通过两个操作与环境交互：调用预先审核的医疗技能以及阅读或编写共享的临床文档。（接口层）医疗技能库公开了一组精选的静态类型工作流程模块；文档存储维护由事件代理调度的仅附加突变事件流链接的每个角色文档集合。（操作系统执行层）Linux 用户隔离、文件权限位、seccomp 过滤器、AppArmor 策略和auditd/inotify 子系统在内核级别共同执行所有访问边界，与模型行为无关。至关重要的是，没有一个代理通过直接渠道与另一个代理进行通信；所有代理间的协调都是通过文档写入和事件通知来实现的。