第九章 案例研究：一个完整的 Rust 医疗 AI Harness 实现9.1 引言：从零件到整机前八章分别铸造了医疗 AI Harness 的各个组件：可靠的运行时底盘（第二章）、类型安全的医疗数据层（第三章）、与 Python 推理服务的互操作桥梁（第四章）、上下文-工具-记忆的编排核心（第五章）、多层护栏与安全控制器（第六章）、不可篡改的审计追踪（第七章）、以及自动化的评测体系（第八章）。这些组件如同精密加工的齿轮，单独看各自闪耀，但只有在咬合为一个整体时，才能真正输出临床可用且安全可信的 AI 辅助能力。本章将把这些齿轮组装起来，呈现一个虽然简化但五脏俱全的医疗 AI Harness 实例——“循证临床指南问答系统”（Evidence-Based Guideline QA Harness）。我们将从需求定义开始，搭建项目骨架，逐步实现各个模块，最终形成一个可运行、可评测、可审计的最小化产品。这既是前述理论的工程落地，也为读者提供了一个可复制、可裁剪的起点。本章刻意保持代码的完整性，但为了篇幅合理，某些辅助函数和完整配置会以伪代码或关键片段呈现。完整的代码库可伴随本书发布在开源仓库中。9.2 系统概览与需求我们的示例系统面向以下场景：临床医生在电子病历中查看某患者病历时，通过 CDS Hooks 机制触发 AI 辅助。医生提问：“根据最新指南，该患者的高血压用药方案需要调整吗？” Harness 从 FHIR 服务器获取患者当前用药和检验结果，在内部知识库中检索相关指南片段，调用大模型生成建议，经过多层护栏检查，最终以“建议卡片”形式返回给 EMR，同时记录完整的审计日志。核心功能需求：接收符合 CDS Hooks 规范的 HTTP 请求。通过 FHIR API 获取患者 MedicationStatement 和 Observation 资源。将患者数据脱敏并构建上下文，调用向量数据库检索相关指南。编排 Agent：模型可决定是否调用药物相互作用查询工具。对模型输出执行规则护栏和事实一致性护栏。将最终建议包装为标准 CDS Hooks 响应，附加引用来源。全链路审计记录。独立安全控制器监控高风险词汇。支持通过评测套件验证安全性。非功能需求：p99 延迟 3 秒（不含推理时间），支持 100 并发请求，审计日志不可篡改，所有秘密加密存储。9.3 项目结构与依赖我们采用 Rust 的 workspace 组织多 crate 项目，便于单独测试和复用。medical-harness/ ├── Cargo.toml # workspace 配置 ├── harness-core/ # 核心业务逻辑：编排、护栏、工具、状态 ├── harness-server/ # axum HTTP 服务、中间件、配置 ├── harness-fhir/ # FHIR 客户端与类型 ├── harness-inference/ # gRPC 推理客户端 ├── harness-eval/ # 评测 CLI 工具 ├── harness-audit/ # 审计系统（AuditedT、审计写入器） ├── migrations/ # 数据库迁移 ├── config/ # 示例配置文件 ├── tests/ # 集成测试与评测套件 └── proto/ # Protobuf 定义关键依赖在 workspaceCargo.toml中统一管理版本：[workspace.dependencies] tokio = { version = "1.39", features = ["full"] } axum = "0.7" tower = "0.4" serde = { version = "1", features = ["derive"] } serde_json = "1" sqlx = { version = "0.8", features = ["runtime-tokio", "postgres", "uuid", "chrono"] } uuid = { version = "1", features = ["v4", "serde"] } chrono = { version = "0.4", features = ["serde"] } tonic = "0.12" tracing = "0.1" tracing-subscriber = "0.3" aho-corasick = "1" regex = "1" thiserror = "1" async-trait = "0.1"9.4 配置与启动配置文件config/default.toml定义所有可变参数：[server] port = 8080 request_timeout_secs = 30 [database] url = "postgres://user:pass@localhost:5432/harness" max_connections = 20 [inference] endpoint = "http://vllm:50051" default_model = "medllama-v2" timeout_secs = 60 max_concurrent = 10 [fhir] base_url = "https://fhir.example.com" auth_header = "Bearer ${FHIR_TOKEN}" [guardrails] input_max_length = 2000 jailbreak_patterns_file = "config/jailbreak_patterns.txt" enable_factual_check = true [safety] emergency_keywords = ["chest pain+sweating", "suicide", "self-harm", "difficulty breathing+wheezing"] [audit] batch_size = 100 flush_interval_ms = 1000使用figment加载配置，并用secrecy包装秘密字段。在main.rs中初始化所有子系统并启动服务器。#[tokio::main]asyncfnmain()-anyhow::Result(){// 加载配置letsettings=Settings::load()?;// 初始化 tracinginit_tracing(settings);// 创建数据库连接池letpool=sqlx::postgres::PgPoolOptions::new().max_connections(settings.database.max_connections).connect(settings.database.url.expose_secret()).await?;sqlx::migrate!().run(pool).await?;// 初始化 FHIR 客户端letfhir_client=FhirClient::new(settings.fhir)?;// 初始化推理客户端letinference_client=InferenceServiceClient::connect(settings.inference.endpoint.clone()).await?;letinference_provider=GrpcInferenceProvider::new(inference_client);// 初始化工具注册表letmuttool_registry=ToolRegistry::new();tool_registry.register(DrugInteractionTool::new(pool.clone()));// 初始化护栏管道letguardrail_pipeline=GuardrailPipeline::from_config(settings.guardrails,inference_provider.clone())?;// 初始化审计系统let(audit_tx,audit_rx)=tokio::sync::mpsc::unbounded_channel();letaudit_service=AuditService::new(audit_tx.clone());tokio::spawn(audit_writer(audit_rx,pool.