GuideSkill：基于指南的临床推理中可执行 LLM 代理技能的进化

GuideSkill 是一种外部推理层，将临床实践指南中的疾病诊断标准编译为可执行函数（返回序数诊断支持得分）。包含从指南初始化的 GuideSkill-Zero 和通过病例诊断对进化技能的 GuideSkill-Evo。在四个基准测试和四种骨干模型上，GuideSkill-Zero 比指南 RAG 平均准确率提升 13.45%；GuideSkill-Evo 相比直接推理相对提升 18.49%，技能覆盖率从 56.5% 升至 99.5%，且不更新骨干模型。专家评估认为其技能可靠且有临床意义。

此前 LLM 系统处理临床指南主要靠检索文本或通过训练吸收，无法直接执行规则。GuideSkill 将指南规则编译为可执行函数，并通过病例数据自动补全缺失技能，显著提升了诊断准确率和指南遵循度，且无需更新基础模型，为模型无关的临床推理提供新范式。

GuideSkill 在 LLM 推理过程中引入外部技能层：将疾病特异性诊断标准转化为可执行的函数，输出序数诊断支持得分。推理时 LLM 先提出鉴别诊断，然后根据每个匹配技能所需的特征进行 grounding，并将 LLM 的排序与技能执行得分融合。GuideSkill-Evo 通过病例-诊断对迭代进化已有技能并添加新技能，从而持续提高覆盖率和准确性。

可被集成到临床辅助诊断系统中，作为模型无关的推理模块，提升诊断准确性、一致性和解释性，而无需频繁更新底层 LLM；也可用于已有病历系统的自动诊断建议功能，降低对大规模模型微调或检索增强的依赖。

• 开发基于 GuideSkill 的临床诊断辅助插件，内置常见疾病可执行技能，支持医生输入症状后给出诊断排序及依据。
• 面向专科医院或科室提供定制化技能进化服务，利用历史病例数据持续优化诊断准确率。
• 将 GuideSkill 作为 LLM 的中间层集成到医疗 SaaS 平台，降低模型更新成本并提升指南遵循度。

• 技能进化需要多少病例数据才能保证泛化性和临床安全性？
• GuideSkill 在实际临床工作流中与电子病历系统的集成复杂度如何？
• 不同疾病领域之间技能的可迁移性是否可行？
• 该框架在非英语临床环境（如中文 ICD 编码）中是否同样有效？