把药肝判断交给本地模型，它先学会了说"不知道"

药物性肝损伤的判断难在哪？难的不是看到转氨酶升高。一个临床医生看到ALT往上走，心里已经知道出事了。真正难的是后面那串推理：患者手头这几种药，哪个是说得通的元凶，实验室数值和时间线拼出来的损伤模式怎么读，有没有更合理的竞争性解释，以及"因果关系"这个标签贴上去之后，站不站得住脚。

这套推理是有结构的。RUCAM、DILIN专家共识分类、Hy's Law阈值、LiverTox专论，这些框架存在的意义，就是让论证必须按一致、可核查的方式摆出来。所以DILI复核里很大一部分工作量，其实是拼装和一致性，而不是灵光一现：把该收的输入收齐，把肝化学模式理清，每次都核对同一批检查项，让证据始终摆在结论旁边。

DILIGENT就是冲着这部分工作来的。它是一个本地、单用户的决策支持工具，做结构化的DILI复核：收集病例，跑一条确定性流水线，组装证据包，产出一份可复核的评估草稿，由临床医生编辑、批准或驳回。草稿不是答案，它是把拼装好的病例写下来，写成一种能被检查的形式。

一次复核长什么样

整个流程一次一屏，每一步都有明确输出。配置环节把模型当角色用，而不是当一个大聊天框：临床模型负责问诊步骤，文本抽取模型负责结构化抽取，修订模型负责编辑轮次，时间线模型负责按时间重建。每个角色可以指向本地Ollama模型，也可以指向云服务商，访问密钥要先添加并显式激活才能用。

录入病例时，表单要的正是那些框架需要的东西：患者与病例标识、人口学信息、可疑药物及剂量和用药时间、症状出现时间与病史、带单位和参考范围的实验室值、合并用药、竞争性病因、停药与再激发状态，以及本次要回答的临床问题。部署允许的话，还可以附上文件。

预检在任何模型被调用之前就跑完了。阻断性问题必须修掉，警告可以确认后带进流程。分段抽取的置信度也在这里把关：总体低于0.65直接阻断运行，落在0.65到0.85之间，操作者必须确认这个薄弱点。这是设计上第一次选择停下来，而不是猜。

评估作为后台任务运行，长问诊不会卡住浏览器。阶段很具体：归一化、确定性分段抽取、带有限重试和确定性兜底的药物疾病实验室结构化抽取、用R比值结合LiverTox边界判定肝损伤模式（R大于5为肝细胞型，小于2为胆汁淤积型，2到5之间为混合型）、候选药物筛选、逐药RUCAM评分、类DILIN因果分类、Hy's Law状态、严重程度、强制的竞争性病因清单、可选检索、有边界的临床问诊，最后是证据包和带忠实度审计的报告。

结果在临床会话里并排呈现两样东西：叙述性报告，以及它背后的结构化卷宗，包括用引文回答的十二个验收问题和一份十四节的卷宗，形状是临床医生熟悉的FDA式复核。药物匹配是摊开给人看的，逐药标记区分已接受的匹配、需要人来定的模糊匹配和缺失匹配。报告可以手改，可以走一遍LLM修订生成新的正式版本，可以和上一版对比，可以保存、复制、导出。另一个标签页重建患者时间线，数据检查页则展示匹配所依据的本地目录。

报告从证据里长出来，不从模型里长出来

决定其他一切的设计选择，是操作顺序。最终报告生成自一个持久化的证据包，这个证据包在任何LLM摘要写出来之前就已经存在。叙述随后要接受针对该证据包的忠实度审计，阻断性的忠实度问题就是定稿阻断项：存在未解决问题的会话会被强制归入"需要人工复核"，永远不能被标记为成功。

同样的取向也出现在抽取层。模型抽取失败时，流水线回退到确定性规则解析器，并记录一条回退警告，而不是让运行失败或者编造内容。降级在会话里是可见的，不是静默的。

因果判断保持保守。把某个药评成病因，是临床软件最容易越界的地方，所以这里的因果语义刻意收窄：RUCAM输出被视为支持性而非决定性，再激发从不被建议，缺失的随访实验室值记为缺失而不是阴性，竞争性病因对照强制清单核查，而不是交给模型的热情。

检索跑在机器上。RAG层按每次评估可选，嵌入栈在构造上就是本地的：固定版本的IBM Granite多语言嵌入模型，384维，通过ONNX Runtime在CPU上运行，使用量化产物和经SHA-256校验的下载。检索本身在LanceDB上做混合，向量相似度叠加文本搜索，权重上向量证据占主导，但精确词项仍然算数。

语料来自内置更新器：从NCBI FTP服务器拉取的LiverTox专论、RxNorm和RxNav药物目录，以及用户自备的文档文件夹，桌面版可以通过原生文件夹选择器指定。一次检索不需要云嵌入服务，也不需要把病例发到任何地方去找相关专论。

模型是配置项。四个角色可以全部跑在Ollama上，从包含通用和医学模型的本地目录里取，也可以指向云服务商。切换是配置问题，不是架构问题。这对两类人同时有意义：需要病例留在工作站上的医院周边用户，以及想在同一份证据包上比较不同模型如何处理结构化抽取和问诊步骤的研究者。

Windows上它是打包好的桌面构建：便携可执行文件和MSI安装包，基于WebView2的外壳，后端打包成独立二进制。发布产物带SHA-256清单，应用数据放在用户的本地应用数据目录下。想从源码构建的人也有源码模式，它固定了所期望的Python、Node、uv和Rust版本。macOS和Linux只支持源码模式，没有一键启动器，容器明确不支持。存储是关系型数据库，嵌入式SQLite或外部PostgreSQL，API表面由签入的OpenAPI文档描述，客户端和后端没法悄悄漂移。

有一条提醒应该放在任何部署讨论的第一段而不是最后一段：如果模型角色指向云服务商，病例的临床文本就会离开这台机器。本地配置是存在的，选择权在用户手里。

它刻意不是什么，也说得很清楚。DILIGENT不是诊断设备，不替代临床判断，每一个输入、生成的陈述、结论和导出的文本，责任都在使用它的合格临床医生身上。它是单用户工具：没有多用户部署，没有认证层，没有移动客户端，没有托管服务。它不训练也不微调模型，也不发布准确率数字，因为一个都没测过。仓库提供的是用户文档、架构文档和运行时文档，对处于这个阶段的软件来说，这是诚实的产物。许可证是GNU通用公共许可证第3版或任何更新版本。

如果你做药物性肝损伤相关的工作，并且曾经希望病例能按框架真正规定的方式拼装起来，评分看得见，报告能一行一行追溯到背后的证据，那这值得花一个下午。它跑在工作站上，几分钟就能吃进一个虚构病例，并且会明确告诉你它是怎么得出它所说的结论的。