通讯作者: 杜家乐, dujiale.china@gmail.com

DOI：10.12201/bmr.202512.00081

MT-ARAG: Construction of RAG Based on Agent Characteristics and Its Application in the Music Therapy

• 摘要：目的/意义 数字健康与智能化时代的个性化音乐治疗越来越为人们所关注，本文提出了面向音乐治疗的具有智能体特性的检索增强生成（RAG）系统，增强大模型能力以提升音乐治疗在数字健康管理中的应用价值。方法/过程 系统由两类文档智能体（Agent）、Spotify工具包以及元Agent构成:Agent1负责音乐治疗学术文献检索与方案设计,Agent2负责读取用户音乐偏好并使用Spotify工具实现治疗性音乐推荐。文档包含两类数据:近20年的音乐治疗RCT文献及人工提取的方案标注;RCT中使用的音频、歌单及歌曲信息标注。系统通过ARAG（Agentic RAG）框架实现跨源知识整合与治疗性音乐推荐。 结果/结论 通过对MT-ARAG的LLM自动评估和人工指标体系评估，结果表明模拟临床场景下,该系统具备在音乐治疗领域的可行性与创新性,具有个性化数字音乐治疗的潜在转化价值。

  关键词： 音乐治疗; 多智能体系统; 检索增强生成; 音乐信息检索; 数字健康

   

  Abstract: Purpose/Significance Personalized music therapy in the era of digital health and intelligence has garnered increasing attention. This paper proposes an agentic retrieval-augmented generation system for music therapy to enhance the application value of large language models in digital healthcare. Methods/Process The system comprises two document-based agents, a Spotify toolkit, and a meta-agent: Agent 1 is responsible for retrieving music therapy academic literature and designing treatment protocols, while Agent 2 reads user music preferences and implements therapeutic music recommendations using the Spotify toolkit. The document repository contains two types of data: music therapy RCT literature from the past 20 years with manually extracted protocol annotations, and audio files, playlists, and song information annotations used in RCTs. The system achieves cross-source knowledge integration and therapeutic music recommendations through the ARAG framework. Result/Conclusion Through the automatic evaluation of the LLM integrated in MT-ARAG and the assessment based on a manual indicator system, the results demonstrate that the system possesses feasibility and innovativeness in the field of music therapy under simulated clinical scenarios, and holds potential translational value for personalized digital music therapy.

  Key words: Music Therapy; Multi-Agent System; Retrieval-Augmented Generation; Music Information Retrieval; Digital Medicine

  提交时间：2025-12-31

  版权声明：作者本人独立拥有该论文的版权，预印本系统仅拥有论文的永久保存权利。任何人未经允许不得重复使用。
• html

• 图表

• 杨亚洲, 郑石林, 周小毅, 章施静, 赵坚. 基于知识图谱的HIV防治大模型RAG问答系统构建研究. 2025. doi: 10.12201/bmr.202511.00061

  惠婷, 申艳妮. 面向语义的电子病历智能文本检索技术的研究与设计. 2025. doi: 10.12201/bmr.202512.00082

  杨晓雯. 基于SPOC的O-PIRTAS翻转课堂教学 ——以药学信息检索课程为例*. 2021. doi: 10.12201/bmr.202110.00033

  吴宏, 胡军, 陈尔真, 董晨杰, 李建华, 叶琪. 基于大模型的医疗质控应用系统构建. 2025. doi: 10.12201/bmr.202503.00004

  龚宇新, 李俊豪, 向菲, 张兰. “AIGC+医学文献检索”课程优化设计与实践路径研究. 2025. doi: 10.12201/bmr.202504.00037

  牛宇翔, 葛珊衫, 王力华. 从传统NLP到大语言模型电子病历生成技术的探索与研究. 2024. doi: 10.12201/bmr.202412.00080

  陈宇聪, 谭伟锋, 戎伟鑫, 韩春春, 王耿彬. 基于大语言模型的病历生成智能体研究与设计. 2025. doi: 10.12201/bmr.202510.00038

  张素萍, 王宁. 基于对分课堂的融合教学模式改革与实践 ——以医学文献检索课为例. 2021. doi: 10.12201/bmr.202110.00024

  鲁月, 蒋晋鹏, 曹美琴, 金钰, 吴千金. 基于粒子群优化算法的数字化手术室电子信息共享系统设计构想. 2021. doi: 10.12201/bmr.202110.00042

  袁骏毅, 沈颖洁, 潘常青. 基于智能导诊的医院互联网健康咨询系统应用研究. 2021. doi: 10.12201/bmr.202104.00016

• 序号	提交日期	编号	操作
  1	2025-11-15	10.12201/bmr.202512.00081V1	下载

• 公开评论  匿名评论  仅发给作者 提交评论