English overview — ForenAgent is a research prototype for generating forensic clinical assessment reports in judicial disability evaluation. It pairs local-first OCR/LLM fact extraction and human-confirmed goniometer readings with a deterministic rule engine for range-of-motion (ROM) loss grading, disability-clause matching and recovery-period assessment. LLMs handle summarisation, structuring and drafting; every legally decisive conclusion comes from auditable rules. Developed with the Zhejiang University Forensic Identification Center.
At a glance
- Pipeline: Extractor → Structuring → Visual → Judge → Ruler → Boss Agent
- Design principle: LLM for language, rules for conclusions — reproducible and traceable by construction
- Privacy: local-first OCR and optional on-prem LLM; case data stays on the machine
- Outputs: structured JSON evidence, a Markdown draft, and a unified audit report
- Status: research prototype — outputs are review material for forensic examiners, not final opinions
中文说明见下文。
ForenAgent 1.0 是一个面向法医临床司法鉴定意见书生成的端到端研究原型。系统把案卷材料 OCR、事实结构化、检验记录整理、量角器图像读数、ROM 功能丧失率查表、伤残条款匹配、三期评定和报告审计拆分为可替换、可复核的多智能体流水线。
本项目的核心定位不是让大模型直接裁决鉴定结论，而是构建一个：
本地优先 OCR/LLM 辅助事实抽取
+
人工可确认的视觉测量证据
+
确定性规则引擎负责关键结论
+
Boss Agent 输出正式草稿与审计报告
的司法鉴定辅助框架。LLM 主要承担材料归纳、结构化补缺、检验记录整理和审查提示；伤残等级、ROM 功能丧失率、条款适用、误工/护理/营养期等核心结论由规则引擎生成，以保证结果可复现、可解释、可追溯。
重要说明：ForenAgent 当前仍是研究原型，输出应作为司法鉴定人的复核草稿和审计辅助材料，不应直接替代人工鉴定意见。
法医临床司法鉴定意见书通常需要整合多源材料：
- 法院委托书、起诉状、鉴定申请书、交通事故认定书等案情材料；
- 门急诊病历、住院病历、出院记录、影像报告、诊断证明等医学材料；
- 检验过程中的检查记录、医生记录、辅助检查资料和可用转写文本；
- 关节活动度测量结果、影像学表现、手术史、后遗功能障碍；
- 《人体损伤致残程度分级》《人身损害误工期、护理期、营养期评定规范》等法规标准。
传统人工流程存在材料多、格式杂、复核成本高、测量记录客观化不足等问题。ForenAgent 将上述流程拆解为可测试、可替换、可审计的模块：前端负责材料读取和事实抽取，中间层负责检验记录与视觉证据整理，后端规则引擎负责条款推理和报告组装。
系统可概括为“三层证据处理 + 五 Agent 流水线 + 人工审计闭环”。
┌────────────────────────────────────────────────────────────────────┐
│ 输入与知识层 │
│ 案卷文书/PDF/图片/Word │ 检查记录/文本 │ 活动度照片 │ 法规标准/案例库 │
└───────────────────────────────┬────────────────────────────────────┘
│
▼
┌────────────────────────────────────────────────────────────────────┐
│ 多智能体处理流水线 │
│ │
│ Extractor → Structuring → Visual → Judge → Ruler │
│ OCR/清洗 第1-3部分结构化 图像读数候选 第4部分检验过程 第5-6部分规则推理 │
│ │
│ Boss Agent │
│ 调度编排 · 人工确认/补充 · 专家文书渲染 · 统一审计报告 │
└───────────────────────────────┬────────────────────────────────────┘
│
▼
┌────────────────────────────────────────────────────────────────────┐
│ 决策与证据输出层 │
│ 01_extractor.md │ 02_structuring.json │ 03_visual.json │ 04_judge.json │
│ 05_ruler.json │ 06_boss_draft.md │ 06_boss_reviewed.md │ 06_boss_audit.md │
└────────────────────────────────────────────────────────────────────┘
| 模块 | 主要文件 | 输入 | 输出 | 核心能力 |
|---|---|---|---|---|
| Extractor Agent | agents/extractor_agent/extractor_agent_main.py |
案件材料文件夹，支持 PDF/DOCX/DOC/图片/文本 | 01_extractor.md |
本地 PaddleOCR 优先、可复制 PDF 直读、低质量页二次 OCR、可选云端 LlamaParse |
| Structuring Agent | agents/structuring_agent/structuring_agent_main.py |
OCR 后 Markdown | 02_structuring.json |
第1-3部分结构化：基本情况、基本案情、资料摘要；支持 rule / llm / hybrid 模式 |
| Visual Agent | agents/visual_agent/visual_agent_main.py |
检查照片、活动度/量角器图片 | 03_visual.json |
YOLO-Seg 量角器读数、质量特征、拒识/补偿、人工确认候选，不直接生成伤残等级 |
| Judge Agent | agents/judge_agent/judge_agent_main.py |
结构化摘要、检查记录 DOCX/TXT/MD、已确认视觉 ROM | 04_judge.json |
第4部分检验过程整理、体格检查信息抽取、ROM 标准化、辅助检查整理 |
| Ruler Agent | agents/ruler_agent/ruler_agent_main.py |
Structuring + Judge JSON | 05_ruler.json |
ROM 查表、伤残条款匹配、三期评定、阴性结论和人工审查清单 |
| Boss Agent | agents/boss_agent/boss_agent_main.py + agents/boss_agent/report_renderer.py |
案件根目录或兼容双目录输入 | 06_boss_draft.md、06_boss_reviewed.md、06_boss_audit.md |
全流程调度、GUI/CLI、人工补充回填、专家文书渲染、最终审计报告 |
案件鉴定材料
└─ PDF / Word / 图片 / 扫描件
↓ Extractor Agent
01_extractor.md
↓ Structuring Agent
02_structuring.json
↓
检查照片/活动度照片
↓ Visual Agent
03_visual.json（候选读数、质量证据、人工确认状态）
↓
检查记录/医生记录/可用转写文本
↓ Judge Agent
04_judge.json（第4部分检验过程 + structured_rom）
↓ Ruler Agent
05_ruler.json（条款、等级、三期、人工审查清单）
↓ Boss Agent
06_boss_draft.md（审计前草稿）
06_boss_reviewed.md（审计后正式草稿）
06_boss_audit.md（统一审计报告）
关键中间产物说明：
| 文件 | 含义 | 复核价值 |
|---|---|---|
01_extractor.md |
原始案卷材料 OCR 与清洗后的 Markdown | 记录材料读取覆盖范围，是后续事实抽取的证据来源 |
02_structuring.json |
前三部分结构化事实 | 可用于分析规则/LLM 混合抽取的准确率、遗漏和冲突 |
03_visual.json |
Visual Agent 输出 | 保存每张图的读数候选、质量分数、拒识原因、人工确认状态和 ROM 候选 |
04_judge.json |
检验过程结构化数据 | 包括主诉、体格检查、ROM、辅助检查、视觉候选提示、存疑点 |
05_ruler.json |
法理推理结构化结果 | 包括条款、等级、功能丧失率、三期结果、阴性结论和匹配路径 |
06_boss_draft.md |
审计前鉴定意见书草稿 | 用于人工审计前预览 |
06_boss_reviewed.md |
审计后正式草稿 | 主要人工复核正文，尽量保持司法鉴定意见书风格 |
06_boss_audit.md |
Boss 统一审计报告 | 汇总人工审查项、上游存疑点、待补充字段、运行耗时和 AI 一致性审查 |
在法医临床鉴定中，关节活动度测量是判断功能障碍和伤残等级的重要依据。传统记录通常依赖人工读数和文字转录，存在以下问题：
- 量角器拍摄角度、遮挡、透视畸变会影响读数；
- 单纯输出角度缺少“该读数是否可靠”的质量解释；
- 活动度数值进入伤残等级推理后，需要可追溯的视觉证据链；
- 法医场景下不能为了追求全自动而输出不可靠结论，必要时应拒识或提示人工复核。
因此，本项目的视觉模块目标是：从量角器照片中生成可解释、可拒识、可补偿、可审计的角度读数，而不是无条件给出一个预测角度。
当前 runtime 方案位于 agents/visual_agent/visual_agent_main.py；几何与质量特征算法在 agents/visual_agent/goniometer/，模型权重路径为：
models/goniometer_seg_best.pt
核心流程如下：
输入量角器图片
↓
YOLO-Seg 分割 fixed_arm / moving_arm / pivot
↓
固定臂、移动臂、轴点几何拟合
↓
提取图像证据质量特征
├─ 分割置信度与 mask 面积
├─ fixed/moving arm 边缘平行性与宽度变化
├─ pivot 圆度、轴比、半径变异
├─ 多候选角度分歧 candidate_delta_spread
└─ 透视风险 perspective_risk_score 与补偿可行性
↓
置信度门控
├─ 图像证据不足：拒识，提示人工复核
└─ 图像证据可用：进入预测路由
├─ baseline 几何读数
├─ graded arc 轻/中/强透视补偿
└─ radial fixed-arm correction
↓
输出最终角度候选 + 路由类型 + 质量证据 + 是否拒识
Visual Agent 已接入 Boss 主流程并固定产出 03_visual.json。但视觉读数遵循保守策略：
- 视觉模块只读角度，不裁决伤残等级；
- 视觉模块从文件夹/文件名中保守推断关节、侧别、动作，但这些医学语义必须由人工确认；
03_visual.json中的structured_rom_candidates是候选值；- 未经人工确认时，
structured_rom默认保持为空，Judge/Ruler 不会把图片读数直接当成正式 ROM； - GUI 模式下可在视觉预审窗口逐图确认，确认后 Boss 会生成事实回填项并重跑 Judge/Ruler；
- 无 GUI 模式下，视觉候选和复核要求会进入
06_boss_audit.md，不阻断报告生成。
活动度照片/量角器图像
↓ Visual Agent
角度候选 + 质量证据 + 拒识/补偿标记
↓ 人工确认关节/侧别/动作/角度
确认后的 structured_rom
↓ Judge Agent
04_judge.json
↓ Ruler Agent
按《人体损伤致残程度分级》附录 C 查表计算功能丧失率
↓ Boss Agent
06_boss_reviewed.md / 06_boss_audit.md
阶段实验（训练与实验数据已随论文归档，不随仓库分发）在 303 张有 GT 的样本上达到：
| 指标 | Baseline | 分级补偿方案 | 改善情况 |
|---|---|---|---|
| 拒识数 | 0 | 9 | 拒识率 2.97%，满足 ≤3% 目标 |
| 非拒识 MAE | 2.256° | 1.766° | 降低 0.490° |
| P90 | 4.545° | 3.870° | 降低 0.675° |
| 最大误差 | 11.661° | 6.722° | 降低 4.939° |
| >5° 样本数 | 19 | 5 | 减少 14 张 |
阶段结论：视觉子系统已形成“低拒识率置信度门控 + 多通道路由 + 自适应分级透视补偿”的读数框架。其论文价值在于将角度预测转化为带质量解释的证据生成过程：系统不仅回答“角度是多少”，还回答“为什么可以读”“为什么需要补偿”“什么时候不应自动读”。
ForenAgent 的关键决策层尽量避免依赖大模型自由生成。
Ruler Agent 内置《人体损伤致残程度分级》附录 C 中与六大关节相关的 ROM 表：
- 肩关节；
- 肘关节；
- 腕关节；
- 髋关节；
- 膝关节；
- 踝关节。
系统根据 Judge Agent 输出的结构化 ROM 数据计算单方向功能丧失值，并结合健侧数据进行扣减。膝关节采用屈曲丧失与伸展丧失求和方式；其他关节按方向平均或表格规则计算。默认肌力等级为 M5，CLI 中预留 --muscle-grade 参数。
Ruler Agent 采用“标准条款覆盖矩阵 + 确定性规则引擎”的方式工作：
- 优先读取 Structuring Agent 输出的
forensic_facts.rule_features、fracture_features、period_rule_features； - 对可自动判断的条款进行确定性匹配，例如脊柱椎体骨折、肋骨数量/缺失/畸形愈合阈值、ROM 功能丧失率、肢体长度差、足弓破坏、骨盆/跟骨畸形愈合、体表/面部瘢痕阈值、眼眶骨折眼球内陷、关节置换、创伤性关节炎、手足功能丧失分值、单眼视力/视野数值阈值、青少年长骨骨骺受累和慢性骨髓炎长期不愈等；
- 对明确低于条款阈值的情形，输出可审计的
negative_auto阴性结论，并保留未达阈值的拒绝理由； - 对缺少结构化事实或需临床综合判断的条款，不由 LLM 直接裁决，而是在覆盖矩阵和输出审计块中标为
manual_review、clinical_context_required或blocked_missing_fact_fields； - 每个匹配结果保留条款号、分支、条款文本、等级、匹配路径、事实依据、拒绝理由和警告信息。
系统内置《人身损害误工期、护理期、营养期评定规范》（GA/T 1193-2014）条款矩阵，根据结构化损伤事实和治疗方式匹配误工期、护理期、营养期范围。明确区间默认取上限并保留原始范围；多处损伤遵循附录 A.4，不简单累加，而以较长期限为主并保留所有候选条款。对“根据临床治疗情况确定”的条款，系统只标记需人工评估，不自动编造天数；覆盖检查会同步生成人工审查清单。
ForenAgent_1.0/
├── agents/ # 全部智能体代码（进版本控制）
│ ├── common/ # LLM/OCR 客户端、运行时配置、输出路径
│ ├── extractor_agent/ # OCR 与材料清洗
│ ├── structuring_agent/ # 第 1-3 部分结构化
│ ├── visual_agent/
│ │ └── goniometer/ # 量角器几何拟合与质量特征算法
│ ├── judge_agent/ # 第 4 部分检验过程
│ ├── ruler_agent/ # 第 5-6 部分规则引擎与条款库
│ │ └── rules/ # 伤残/三期条款矩阵 JSON
│ └── boss_agent/ # 编排、GUI、报告渲染、一致性审计
├── machine_eval/ # 评估与自检工具
│ ├── check_human_loop.py # 人机闭环四窗口字段契约自检
│ ├── compare_with_expert.py # 系统输出 vs 专家意见书逐项对比
│ └── machine_score_test.py # 批量评分
├── models/ # 视觉模型权重（不进版本控制）
│ └── goniometer_seg_best.pt
├── files/知识库/
│ └── 知识库_条例/ # 法规标准 Markdown（规则引擎查表源，进版本控制）
│ # 知识库_案例/ 为真实卷宗，只留本机（见 6.2）
├── database/ # 案卷材料，按案号分目录（不进版本控制）
├── test_result/ # 运行输出，按案号分目录（不进版本控制）
├── README.md
└── requirements.txt
仓库只收代码、规则文本和文档；以下内容留在本机，不进 git：
| 排除项 | 原因 |
|---|---|
database/ |
真实案卷，含身份证、病历等个人信息 |
files/知识库/知识库_案例/ |
参考鉴定意见书姓名只做部分脱敏，仍含身份证号、住址、亲属姓名、住院号 |
test_result/ |
运行输出，可重跑再生 |
models/*.pt |
模型权重二进制 |
files/知识库/知识库_条例/*.pdf |
法规 PDF；正文 Markdown 才是运行时依赖 |
.env |
API 密钥 |
参考案例不是运行时依赖，移出后系统功能不受影响。
files/知识库/知识库_条例/ 下的 Markdown 是 agents/ruler_agent/coverage.py 的运行时输入，不能删除；对应的 PDF 仅为存档，可另行保存。
| 类别 | 技术 |
|---|---|
| 主要语言 | Python |
| 默认 LLM | 本地 OpenAI-compatible 服务（默认 Ollama qwen3.5:4b） |
| 可选云端 LLM | SiliconFlow API（默认 deepseek-ai/DeepSeek-V3.2，需 --allow-cloud 明确允许） |
| 默认 OCR | 本地 PaddleOCR（默认 PP-OCRv5_mobile_det + PP-OCRv5_mobile_rec） |
| 可选云端 OCR | LlamaParse（需 LLAMA_CLOUD_API_KEY 和 --allow-cloud） |
| LLM 框架/客户端 | LangChain、LangGraph、OpenAI-compatible client |
| 数据结构与校验 | Pydantic |
| GUI | tkinter |
| 视觉读数方案 | YOLO-Seg、mask 几何拟合、质量特征、置信度门控、多通道路由、透视补偿 |
依赖文件见 requirements.txt。当前 Boss Agent 会优先使用 FORENAGENT_PYTHON 指定的解释器；未设置时默认尝试 D:/CondaData/envs/forenagent/python.exe。请勿使用仓库内的 .venv：该环境为早期残留、依赖不完整（缺 PaddleOCR / torch / ultralytics），已移出仓库。
建议使用项目专用 conda 环境，并在该环境中安装依赖：
conda create -n forenagent python=3.14
conda activate forenagent
pip install -r requirements.txt如使用 GPU 版 PaddleOCR，请按 requirements.txt 中的 CUDA 12.6 源安装/更新：
python -m pip install paddlepaddle-gpu==3.3.1 -i https://www.paddlepaddle.org.cn/packages/stable/cu126/如需让 Boss 自动切换到指定解释器，可在 .env 中配置：
FORENAGENT_PYTHON=D:/CondaData/envs/forenagent/python.exe默认配置为本地优先：
FORENAGENT_LLM_PROVIDER=local
FORENAGENT_OCR_PROVIDER=local
FORENAGENT_LOCAL_LLM_BASE_URL=http://127.0.0.1:11434/v1
FORENAGENT_LOCAL_CHAT_MODEL=qwen3.5:4b
FORENAGENT_LOCAL_LLM_DEVICE=gpu
FORENAGENT_LOCAL_OCR_DEVICE=gpu如果需要使用云端 LLM/OCR，必须显式允许：
SILICONFLOW_API_KEY=你的SiliconFlow_API密钥
LLAMA_CLOUD_API_KEY=你的LlamaParse_API密钥
SILICONFLOW_BASE_URL=https://api.siliconflow.cn/v1
SILICONFLOW_CHAT_MODEL=deepseek-ai/DeepSeek-V3.2
FORENAGENT_ALLOW_CLOUD=1CLI 中也可以用 --allow-cloud 明确允许本次使用云端。默认未允许时，系统会阻止司法材料被发送到云端。
python agents/boss_agent/boss_agent_main.py输入分两步，一次只处理一个案件：
| 步骤 | 操作 | 必填 |
|---|---|---|
| 第 1 步 | 选择案件材料文件夹（委托书、病历、影像报告等证据文档） | 必选 |
| 第 2 步 | 选择检查照片文件夹（活动度/量角器照片） | 可选，没有就跳过，系统自动不做视觉读数 |
系统不再要求把材料按固定目录名摆放，也不再扫描"案件父目录"去猜案件——你指向哪个文件夹，就处理哪个文件夹。
运行参数核对无误后点「▶ 运行所选案件」，过程中会依次弹出视觉预审、审计前补充、问答式审计和最终预览四个窗口。
「第 4 部分 检验过程」的检查记录单独读取：若材料文件夹内存在
检查记录/损伤情况/检查资料等子目录，Judge 只读该子目录，不会把整夹案件证据误当检查记录；没有该子目录时走结构化摘要并由鉴定人在审计窗口补充。
交付目录自动生成在案件材料文件夹内，运行完成后点「打开输出目录」即可，见第 9 节。
若材料已按 1 鉴定材料 / 2 鉴定意见书 / 3 检查照片 组织好，Boss 也可按关键词自动识别通道：
案件根目录/
├── 1 鉴定材料/ # 自动读取：委托书、病历、影像报告等案卷材料
├── 2 鉴定意见书/ # 专家参考，只供评价，不进入自动生成
├── 3 检查照片/ # 活动度照片、量角器照片；进入 Visual Agent
└── 4 ai生成报告/ # 自动写入 batch_YYYYMMDD_HHMMSS 输出目录
兼容关键词：
- 鉴定材料目录：
鉴定材料、证据材料、移交材料、案卷材料； - 检查照片目录：
检查照片、活动度照片、量角器、照片； - 检查记录目录：
损伤情况、检查资料、检查材料、检查记录、检验记录、检验材料； - 专家参考目录：
鉴定意见书、专家报告、参考报告、样例输出； - 输出基目录：
ai生成报告、输出、result、output。
运行单案：
python agents/boss_agent/boss_agent_main.py \
--no-gui \
--case-folder "案件根目录路径"批量运行多案：
python agents/boss_agent/boss_agent_main.py \
--no-gui \
--case-folders "案件1路径" "案件2路径" "案件3路径"如需暂时只跑文本链路，可跳过视觉：
python agents/boss_agent/boss_agent_main.py \
--no-gui \
--case-folder "案件根目录路径" \
--skip-visual如需指定检查记录目录或检查照片目录：
python agents/boss_agent/boss_agent_main.py \
--no-gui \
--case-folder "案件根目录路径" \
--exam-doc-folder "检查记录目录" \
--photo-folder "检查照片目录"人工通道的边界是“补充检查事实，不直接替系统填写伤残等级或三期结论”。例如人工可补充瘢痕长度、视力/视野数值、肋骨数量、是否骨不连、是否累及关节面、ADL 评分或三期临床依据；补充后由 Ruler 规则引擎重新裁决。
可将人工补充 JSON 作为 --human-overrides 传入：
python agents/boss_agent/boss_agent_main.py \
--no-gui \
--case-folder "案件根目录路径" \
--human-overrides "人工补充事实.json"GUI 模式下，系统会在视觉预审、审计前补充和人工审计窗口中生成回填项，并在必要时重跑 Ruler/Boss。
伤残结论由 Ruler 给出初判，鉴定人在审计窗口中确认或调整。三者的优先级必须分清，否则会把“系统判不出”误写成“确实不构成”：
| Ruler 状态 | 人工是否表态 | 正文写法 |
|---|---|---|
positive_auto 等阳性 |
未表态 | 按 Ruler 条款与等级写入 |
insufficient_facts / manual_review |
未表态 | “现有材料尚不足以判断……需补充检验资料后由鉴定人评定”，不得写成否定结论 |
| 任意状态 | 已确认等级（含确认不构成伤残） | 以人工结论为准，人工填写的结论表述与调整理由一并入文 |
两条配套约定：
human_disability_confirmation.clause_text只有形如伤残结论的句子才会落到“……规定，<结论>。”的位置；历史遗留的伤情清单或条款标签（如“开颅术后”）会自动回退到固定表述，避免写出没有谓语的病句。human_disability_confirmation.conclusion_type与grade_number是控制字段，二者成对写入；conclusion_type=no_disability会把等级强制归零。
可用 machine_eval/check_human_loop.py 复核本表：它按“控制字段看效果、内容字段看原文”两类分别做哨兵探测，并对阳性/阴性两条渲染路径各测一遍。
旧的双目录模式仍可使用：
python agents/boss_agent/boss_agent_main.py \
--no-gui \
--transfer-folder "案件移交材料文件夹路径" \
--check-folder "检查照片文件夹路径"如检查记录与照片分开存放，建议显式传入：
python agents/boss_agent/boss_agent_main.py \
--no-gui \
--transfer-folder "案件移交材料文件夹路径" \
--exam-doc-folder "检查记录文件夹路径" \
--photo-folder "检查照片文件夹路径"| 参数 | 说明 |
|---|---|
| `--mode hybrid | llm |
| `--llm-provider local | cloud |
| `--ocr-provider local | cloud |
--allow-cloud |
明确允许本次使用云端模型/OCR 处理材料 |
--local-chat-model |
本地普通抽取模型名 |
--local-audit-model |
本地最终审计/高光专用模型名 |
--local-llm-base-url |
本地 OpenAI-compatible base URL |
| `--local-ocr-device auto | gpu |
--local-ocr-render-scale |
PDF OCR 首次渲染倍率 |
--local-ocr-second-pass-scale |
疑难页二次 OCR 渲染/放大倍率 |
--disable-local-ocr-second-pass |
关闭疑难页/图片二次 OCR |
--batch-label |
指定输出批次目录名 |
--output-dir |
指定单案输出目录 |
--skip-visual |
跳过 Visual Agent |
--human-overrides |
传入人工补充事实 JSON |
--ignore-saved-overrides |
忽略输出目录中累计的 07_human_overrides.json，从零重跑 |
# 文档 OCR 与清洗
python -m agents.extractor_agent.extractor_agent_main
# 第1-3部分结构化，支持 hybrid / llm / rule
python -m agents.structuring_agent.structuring_agent_main \
--input 01_extractor.md \
--section full \
--full-mode hybrid
# 量角器图片读数
python -m agents.visual_agent.visual_agent_main \
--input-dir "检查照片目录" \
--output-dir "输出目录" \
--json-name 03_visual.json
# 第4部分检验过程生成
python -m agents.judge_agent.judge_agent_main \
--input-dir "检查记录目录" \
--visual-json "输出目录/03_visual.json" \
--output-dir "输出目录"
# 第5-6部分规则推理
python -m agents.ruler_agent.ruler_agent_main \
--structuring-json 02_structuring.json \
--judge-json 04_judge.json \
--output-dir "输出目录"# 生成/检查伤残条款覆盖矩阵和三期条款覆盖矩阵
python -m agents.ruler_agent.validate_rules --check coverage
# 检查规则 JSON、等级、区间和字段引用是否有效
python -m agents.ruler_agent.validate_rules --check schema
# 运行合成事实夹具，检查阳性/阴性规则命中
python -m agents.ruler_agent.validate_rules --check synthetic
# 用真实案件的结构化事实验证：二椎体压缩性骨折 → 九级；脊柱骨折非手术治疗 → 三期
# 预期值取自 agents/ruler_agent/fixtures/，案件路径按本机实际目录填写
python -m agents.ruler_agent.validate_rules \
--case "test_result/<案号>/02_structuring.json" \
--judge-json "test_result/<案号>/04_judge.json" \
--expected-case-id golden_001_two_vertebral_g9覆盖矩阵会同步写入 agents/ruler_agent/rules/coverage_disability.json、agents/ruler_agent/rules/coverage_period.json，并在 runs/ruler_rule_engine_coverage/ 下生成 CSV/Markdown 报告。人工审查说明会生成到 runs/ruler_rule_engine_coverage/manual_review_guide.md 和 runs/ruler_rule_engine_coverage/manual_review_items.csv。
输出落在案件材料文件夹内的 输出/ 子目录。鉴定人只需要看三个文件：
<案件材料文件夹>/
├── (委托书、病历、影像报告等证据文档)
└── 输出/
├── 鉴定意见书.docx ← 按司法文书版式排好的正式文书，可直接交付
├── 鉴定意见书.md ← 同一份正文的 Markdown
├── AI审计报告.md ← 人工审查项、上游存疑点、待补充字段与一致性审计
└── _work/ ← 过程文件，界面不展示
| 交付物 | 说明 |
|---|---|
鉴定意见书.docx |
按 agents/boss_agent/docx_renderer.py 的版式渲染：标题小标宋二号居中、一级标题黑体、正文仿宋_GB2312 三号、固定行距 28 磅、首行缩进 2 字符、A4 公文页边距。鉴定中心若有自己的模板，改该文件顶部的 STYLE 常量即可。 |
鉴定意见书.md |
审计后的正文，与 docx 同源，便于二次编辑与比对 |
AI审计报告.md |
人工审查项、上游存疑点、待补充字段、人工补充模板、AI 一致性审计与运行摘要 |
输出/_work/ 保存全部过程文件（OCR 文本、各阶段 JSON、人工回填记录），不展示也不清理：
- 重跑同一案件时可直接复用，不必重新 OCR；
07_human_overrides.json里的累计人工回填会自动重放，鉴定人审计过的内容不会再次丢失。
关于
07_human_overrides.json：人工审计结果此前只写入02/04阶段 JSON，而这两个文件在每次重跑时都会重建，导致鉴定人审计过的内容被静默清空。现在所有人工回填（视觉预审、审计前补充、问答式审计、正文补丁）都会并入本文件，下次运行同一案件时自动重放。如需从零重跑，删除该文件或加--ignore-saved-overrides。
重跑安全：OCR 扫描会跳过
输出/、_work/等运行产物目录，避免把上一轮的鉴定意见书当成案件材料重新抽取。
用 --case-folder 走案件根目录模式时，输出仍写在 test_result/<案号>/，保留完整阶段文件（01_extractor.md … 07_human_overrides.json）以便论文评测与逐阶段复核。
-
多智能体分工的司法鉴定文书生成框架
将案卷读取、事实抽取、视觉读数、检验过程整理、法理规则推理和报告审查拆分为独立 Agent，降低单一大模型端到端生成的不可控性。 -
本地优先的司法材料处理策略
默认使用本地 OCR 和本地 OpenAI-compatible LLM，云端调用必须通过--allow-cloud或 GUI 明确授权，降低敏感司法材料外传风险。 -
LLM 与规则引擎的职责隔离
LLM 用于材料理解和辅助归纳，核心法律/医学结论由确定性规则生成，提升可复现性和审计性。 -
ROM 国标查表自动化
内置六大关节活动度功能丧失率查表逻辑，将检验记录中的活动度数值转化为可解释的百分比结果。 -
伤残条款多路径匹配
综合 ROM 功能丧失、诊断关键词、手术事实、骨折内固定、特殊损伤条款等路径，输出条款、等级和匹配依据。 -
法医测量场景的视觉可靠性建模
视觉模块不是黑箱预测角度，而是引入分割质量、几何拟合质量、透视风险、候选分歧等图像证据，形成低拒识率质量门控和自适应补偿机制。 -
人工确认后再进入规则推理的证据链
视觉读数先作为候选证据，经人工确认后才回填为 ROM 事实，形成“量角器照片 → 角度候选 → 人工确认 → ROM → 条款 → 鉴定意见 / 审计报告”的可追溯链条。 -
审计前/审计后双报告机制
06_boss_draft.md保留初裁视图，06_boss_reviewed.md展示审计后正文，06_boss_audit.md汇总问题、补充字段和一致性审查，便于论文评测和专家复核。
- 系统仍是研究原型，输出应作为专家复核草稿，而非直接替代司法鉴定人结论；
- 文档 OCR 和 LLM 抽取仍可能产生错读、漏读或混淆，需要保留原文证据和存疑点；
- 当前 Judge 主链路稳定输入为 DOCX/TXT/MD 等检查记录；音视频材料建议先形成转写文本后进入流程；
- 视觉读数最大误差阶段结果仍为 6.722°，尚未完全压到 5°以内；
- 视觉读数的关节、侧别、动作语义必须人工确认，不能只凭文件名推断进入正式结论；
- 当前 303 张 GT 样本可支持阶段评估，但正式论文建议进一步划分开发集、验证集和最终测试集，避免策略搜索过拟合。
- 扩展检查音视频的直接 ASR 接入，并将转写证据片段纳入 Judge 审计链；
- 引入更强的量角器弧线、刻度线和椭圆透视几何建模；
- 建立“自动读数—低置信拒识—人工复核—规则更新”的闭环；
- 扩充多关节、多拍摄条件、多设备来源的独立验证集；
- 对 OCR、LLM 抽取、视觉读数、ROM 查表、条款匹配分别建立可量化评估指标；
- 将报告审查从单次 LLM 附录升级为结构化一致性校验与专家反馈学习机制。
ForenAgent 1.0 是一个面向法医临床司法鉴定的多智能体原型系统：它默认本地优先处理司法材料，用 OCR/LLM 辅助多源案卷和检验记录的结构化抽取，用人工可确认的量角器视觉读数生成 ROM 候选证据，用确定性规则完成 ROM 查表、伤残条款匹配和三期评定，并通过审计前/审计后报告与统一审计报告提供可复核的鉴定意见书生成框架。