VetClaw: An Edge-Cloud Multimodal Agentic System for Veterinary Disease Screening
VetClaw 是一个边缘-云端多模态智能体系统，它通过集成基于边缘的交互管理器与云端托管的 LangGraph 工作流，结合视觉与文本输入以增强兽医疾病筛查，从而在确保安全性、可靠性和结构化诊断支持的同时，提升零样本分类能力。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一个你的宠物可以说话的世界。如果你的狗爪子疼，它不会只是跛行，而是会说：“嘿，我的爪子好痛，而且看起来红红的。”在现实中，动物无法使用我们的语言，也无法填写医疗表格。这种沉默使得兽医很难及早发现疾病，尤其是当生病的动物无法告诉你哪里不舒服时。为了弥补这一差距，科学家们正在利用人工智能（AI）构建“智能助手”。把 AI 想象成一名超级敏锐的侦探，它可以观察一张患病动物的照片并阅读症状描述，从而推测出了什么问题。但仅仅拥有一个侦探是不够的；你需要一个完整的团队。你需要有人负责拍照，有人负责整理线索，有人负责检查侦探是否在信口开河，还有人负责在情况过于复杂时请求帮助。这就是“边缘计算”（在动物所在的地方直接进行处理，比如通过一个小摄像头）和“智能体系统”（AI 像是一个由工人组成的团队，而不仅仅是一个单一的计算器）这些概念发挥作用的地方。大问题在于：我们能否建立一个数字化的团队，即使动物无法言语，也能协同工作以在病情变得严重之前发现疾病？
于是有了 VetClaw，这是一个旨在成为那个团队的新型数字化系统。把 VetClaw 想象成部署在名为树莓派（Raspberry Pi）的小型计算机上的高科技“宠物健康侦探小队”，这台设备就像是在农场或谷仓里的智能摄像头。这个系统不仅仅是拍张照片然后瞎猜；它像一台运转良好的机器一样，由两个主要部分组成。首先是“前线特工”（称为 OpenClaw），它运行在摄像头上。它是那个负责苏醒、拍摄牛或狗的照片，并询问附近的人：“这只动物看起来生病了吗？你看到了什么？”它收集照片以及人类记录下的笔记。然后，它将这些线索交给“任务控制中心”（称为 LangGraph）。任务控制中心是组织工作流的大脑。它会检查照片是否清晰，将线索发送到云端的强大计算机，并等待答案。
云端计算机使用一种特殊类型的 AI，称为视觉语言模型（VLM）。把这个模型想象成一名读过所有医学书籍但从未见过真实动物的超级聪明兽医学生。它观察照片和笔记，以推测疾病。但转折点在于：VetClaw 并不会盲目信任这位“学生”。“任务控制中心”拥有一套严格的安全规则。如果学生显得犹豫不决，或者照片模糊，或者笔记中提到了紧急情况，系统不会直接喊出诊断结果。相反，它会标记该案例，记录详细信息，并向人类兽医发送“安全警报”，请其进行仔细检查。这就像是一个知道何时该说“我觉得我知道出了什么问题，但让我们请长官复核一下”的初级侦探。
研究人员使用两组图片对该系统进行了测试：一组包含 1,736 张各种宠物疾病的图像，另一组包含 443 张患有皮肤问题的狗的照片。他们尝试了三种不同的喂给 AI 信息的方式：仅看图片、仅看文本描述，以及图文结合。结果非常有趣。当 AI 只观察图片时（就像试图从一张模糊的快照中猜测疾病一样），它的表现并不理想。在狗狗皮肤疾病测试中，它的准确率仅为 33% 左右。然而，当 AI 被允许同时阅读症状并观察图片时，其性能显著提升。在狗狗皮肤测试中，准确率跃升至 72% 以上，而在更广泛的宠物疾病测试中，图文结合的方式让系统做出了更聪明的判断。有趣的是，在某些情况下，仅仅阅读症状的文本描述甚至比只看图片更有力，这表明了解“要寻找什么”往往比仅仅“看到什么”更为重要。
论文指出，这种“团队协作方式”是动物健康监测的未来。它表明，通过将摄像头、人类的观察以及智能 AI 工作流相结合，可以比单纯的摄像头更早地发现疾病。然而，作者们谨慎地表示，这仍处于“进行中”的状态。他们承认，他们的测试使用了相对较小的图片组，且 AI 是在没有经过成千上万种生病动物专门训练的情况下进行的猜测（这种方法称为“零样本学习”）。他们还指出，目前的摄像头只能从一个角度观察，如果动物在移动，可能会遗漏一些细节。但核心理念是坚实的：通过将静态摄像头转变为一个协调的、具备安全意识的团队，VetClaw 表明我们可以建立一个不仅能预测疾病，还能管理整个检查、验证以及在需要时寻求帮助的完整流程的系统。这是迈向一个让我们的毛茸茸朋友即使无法开口说话，也能获得所需护理的世界的一步。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。