MediSkill-Evo：面向证据支撑临床交互的过程约束自进化

交互式临床智能体必须在部分可观测条件下收集决定性证据，并将其转化为有依据的行动。仅凭正确的最终诊断并不能表明智能体遵守了证据与诊疗过程约束。我们提出MediSkill-Evo，一个无需微调骨干即可进化受治理过程知识的临床智能体。它将经验分离为四个类型化库：临床技能、过程规则、符号模式和测量程序。出处、支持、重放和控制器定义的安全检查治理向冻结测试时快照的发布。过程约束偏好harness将证据绑定到其来源、拒绝控制器无效的候选，并以安全优先的临床过程批评家（Clinical Process Critic）为行动排序。在相同的医生轮次上限下，我们在两个骨干端点和六个受控压力维度上评估完整智能体系统。在300个held-out Qwen问诊上，MediSkill-Evo将诊断准确率从61.33%提高到69.00%，治疗意图覆盖从33.62%提高到66.44%，并将自动评分的关键失败从31.00%降至16.33%（相对AgentClinic）。在由30个病例衍生的180个困难隔离条件上，目标恢复率在患者行为压力下达到93.61%，时间性证据达100.00%，分诊红旗达92.22%。一项探索性的100病例MedSAM比较评估了请求门控工具接口的可行性。这些结果为固定评测套件上的完整系统提供了描述性的端到端证据，而非针对单个库的因果证据，也非对自动裁判的临床验证。