智能手术室语音交互多Agent系统：架构设计与关键技术

本文介绍了 SurgicalRoomAgent，这是一种基于大语言模型 (LLM) 的智能手术室语音交互多智能体系统。该系统通过由语音交互管道（唤醒、ASR、轮次检测、智能体推理、TTS）和智能体核心（技能注册、任务规划器、设备管理器）组成的分层架构实现自然语言理解、设备控制、术中记录和手术报告生成。研究了三个关键技术：（1）用于低延迟推理的KV缓存前缀预热，通过字节级最长公共前缀重用将重新计算开销从大约500毫秒减少到数十毫秒； (2) 流式部分 JSON 解析与早期并行任务执行，将端到端延迟减少约 30%； (3)渐进式技能提示公开，根据用户角色、连接的设备和手术阶段动态过滤系统提示，以在有限的上下文窗口内最大化信息密度。该系统是使用结合文中所列推理引擎的 Qwen3-27B 模型来实现的。实验分析证明在 16,384 个Token上下文限制内有效运行，并且多设备并行控制响应时间满足 手术室实时要求。