独立融合 Django 文旅 Web 平台与自研多 Agent 智能规划系统，搭建爬虫、数据可视化、AI 行程生成、数字人语音播报完整链路；设计双层用户记忆缓存机制、Milvus 混合检索 RAG 知识库、并行多智能体调度与插件懒加载架构，解决初代系统意图识别差、响应慢、无偏好记忆、拓展困难问题。
意图识别准确率从65%提升至90%+，知识库问答准确率95%，用户偏好记忆准确率95%，系统响应时间（ttft）从30秒降至15秒，可根据预算、时长、目的地等条件生成个性化可落地旅游行程并支持语音播报。
传统单 Agent 医疗问答系统存在响应效率低、复杂问题分析不全面、多轮对话上下文理解能力弱等问题。面对多症状、多维度的医疗咨询时，回答准确性与稳定性不足；同时缺乏长效记忆机制，无法连贯理解用户意图，难以满足实际医疗场景下高效、可靠、安全的智能问答需求。
Skills-Agent两层架构：底层构建7个原子Skills（知识检索、风险评估、症状分析、生活方式建议、ICD-10编码、临床指南、深度研究）供Agent使用，上层3个专业Agent（健康咨询、症状诊断、医学研究）根据任务需求自主选择调用，Skills和Agent完全解耦；
Agent Loop执行机制：基于ReAct框架实现Think-Act-Observe循环，LLM自主决策工具调用并观察结果，设置硬性限制最多调用2次工具防止过度调用，单Agent平均响应时间控制在15秒以内；
Agent Swarm协作系统：智能路由判断问题复杂度（70%单Agent快速通道/30%Swarm协作模式），复杂问题自动分解任务并分配给多个Agent并行执行，Agent间通过共享上下文间接共享任务状态和执行结果；
双层记忆机制：短期记忆管理会话级对话历史（单例模式确保所有Agent共享会话上下文，集成熵管理器自动去重压缩消息35%，加载最近5轮对话），长期记忆通过Mem0云服务向量化存储会话总结支持跨会话相似案例检索；
Harness Engineering约束系统：通过YAML文件显式定义Agent能力边界并运行时自动验证，实现输出自动修复机制（缺少免责声明自动添加、检测到高危症状自动添加就医警告）；
系统性能：智能路由准确率从88%提升至95%，知识库检索准确率87%，单Agent响应时间5-15秒，Swarm响应时间20-30秒，多轮对话上下文理解准确率从60%提升至92%；
回答质量：医学专业人员三维度盲评打分，系统回答质量4.5分 vs doubao-seed-2.0-pro 3.9分；