ClinAgent：一种基于ReAct架构的临床试验信息对话式智能体

查询临床试验注册库仍是一个手动且易出错的过程，研究人员需在缺乏自然语言交互和跨源整合支持的情况下，处理大量半结构化数据。为解决这一问题，我们提出了ClinAgent，一种基于智能体检索增强生成（RAG）的对话系统，使临床医生和研究人员能够以自然语言查询临床试验信息，并在多轮交互中获得有依据、实时更新的响应。系统核心是一个基于ReAct范式的大型语言模型（LLM）智能体，能够迭代地对查询进行推理，从一组集成工具中选择操作，并根据中间输出不断优化其行为。工具包括一个访问该网址的搜索接口、一个PubMed模块，以及一个基于Python的分析器，操作本地缓存的结构化临床试验数据集。我们采用三阶段评估框架，从操作有效性、规划质量、工具使用效率和专家定性判断四个方面进行评估，并对比了三种LLM后端：Gemini 3.0 Flash和两种DeepSeek V3.2变体（带思考与不带思考模式）。结果表明各模型各有优势，其中DeepSeek（带思考模式）在规划质量上表现突出，而Gemini在整体性能和专家评分上均达到最高水平。总体而言，本研究展示了智能体AI系统在提升临床试验信息可及性与整合能力方面的潜力，有助于构建更高效、以用户为中心的生物医学研究工作流。