学术前沿 浙大潘纲团队新作 BrainAgent：用自然语言做脑电分析

论文标题：BrainAgent: A Large Language Model-Driven Multi-Agent Framework for Autonomous Brain Signal Understanding

作者单位：浙江大学脑机智能国家重点实验室等

核心价值：用 LLM 驱动的多智能体系统，把自然语言意图自动落地为可执行的、端到端脑信号分析流水线，从而降低 BCI/EEG 分析的技术门槛。

一、研究背景与动机

脑机接口（BCI）与脑信号理解是临床健康与下一代人机交互的关键技术。EEG 因非侵入、高时间分辨率，在睡眠分期、疲劳监测、认知负荷评估、情绪识别等场景应用广泛。

脑信号分析范式经历了两次演进：

当前“解码为中心”的范式仍缺乏 agentic intelligence（智能体能力），阻碍真实部署：

• 技术门槛高：需要编程、信号处理等专业知识，临床医生和普通研究者难以参与。

• 静态且任务特定：真实场景需要长程、多步流水线（如睡眠诊断：加载 → 预处理 → 分期 → 报告），现有方法难以自主编排。

LLM 具备规划与工具调用能力，可将人类意图翻译为可执行分析流程。已有工作如 EEGAgent、ChatBCI、NeuroChat 等，但多停留在预定义、相对僵化的流程，且缺乏系统 benchmark。

BrainAgent 的目标： 用分层多智能体架构，把自然语言指令 ground 到严格、可执行、端到端的脑信号处理流水线，实现“民主化”的脑信号理解。

二、BrainAgent框架

1. 整体架构

<span leaf="">用户查询&nbsp;<span>Q</span>&nbsp;+ 脑信号文件 D</span>

共享状态 V_shared：管理工具输入参数与中间产物，保证层级间数据流一致。

2. Supervisor（调度器）

• 职责：高层意图推理，不做低层执行。

• 策略：

    - 若上下文足够，直接回答，减少计算开销。

    - 需要外部执行时，严格无工具，仅用语言推理分解任务并分派给子智能体。

    - 子任务完成后，从“调度者”转为“综合者”：跨域推理、识别因果关系（如将 EmotionAgent 的焦虑指标与 SleepAgent 的睡眠碎片化关联，诊断“焦虑诱发失眠”）。

• 设计原则：关注点分离，Supervisor 保持与用户意图的全局对齐。

3. Sub-Agents（执行者）

当前实现两个代表性子智能体：

两大机制：

• 分层资源访问：共享基础工具（EEGFileLoader、EEGPreprocessor 等）+ 领域专属工具（SleepStager、EmotionFAAAnalyzer 等）+ 通用/领域知识库（如 AASM 手册）。

• 上下文隔离：子智能体看不到全局对话历史，只接收具体任务指令与前序执行输出，避免 scope creep，降低幻觉与 token 消耗。

三阶段执行流程：

• Supervisor 分解并分派子任务

• 各 Sub-Agent 规划工具序列、执行、生成子报告

• Supervisor 聚合子报告，生成最终响应

三、工具与知识库体系

1. 通用工具（所有子智能体可用）

• EEGFileLoader：加载 .edf/.bdf 等格式

• EEGPreprocessor：滤波、重采样、重参考、ICA 等（仅在用户明确要求时执行）

• EEGPloter：raw / PSD / connectivity 等可视化

• EEGFeatureAnalysis：时域、频域、非线性、 connectivity 特征

• EEGQualityAssessor：通道质量、伪迹检测

• EEGSaver：保存处理结果

2. SleepAgent 专属工具

SleepStager、SleepHypnogramsPloter、SleepReportGenerator、SleepSpindleDetector、SleepKComplexDetector、SleepSlowWaveDetector、SleepArousalDetector、SleepSpectrogramPloter、SleepDisorderRiskAssessor 等，工具间有明确依赖（如报告生成需先 SleepStager）。

3. EmotionAgent 专属工具

EmotionFAAAnalyzer、EmotionBiomarkerExtractor（BAR/TBR/TAR/APF）、EmotionStabilityAnalyzer、MentalWorkloadCalculator、MentalHealthRiskAssessor 等。

4. RAG知识库

• 通用层：频带定义、10-20 电极系统、基础伪迹等

• 领域层：SleepAgent 用 AASM 标准；EmotionAgent 用情绪计算 biomarker 文献

• 两阶段检索：Bi-Encoder 粗检索（MiniLM + FAISS）→ Cross-Encoder 精排（ms-marco），Top-K 注入上下文

四、分层评测基准（Benchmark）

为弥补 agentic BCI 系统缺乏系统评测的空白，作者建立 三层难度 的 benchmark：

1. 评测指标

• TCR (Task Completion Rate)：端到端无运行时错误完成的比例

• R-ACC (Routing Accuracy)：Supervisor 分派智能体集合与 ground truth 一致的比例

• TCE (Tool Call Efficiency)：成功任务中“必要工具数 / 总调用工具数”的均值（越高越精简）

Ground truth 含 routing（OR/AND 逻辑）与 must_have_tools（关键路径工具集）。

2. 实验设置

• 数据：ISRUC Subgroup-1（6 受试者）+ HMC（4 受试者），共 10 人

• 任务：60 个（L1/L2/L3 各 20）

• 重复：每 subject-task 对独立运行 5 次 → 共 3000 条执行轨迹

• LLM 骨干：闭源 Qwen-Flash/Plus/Max、GPT-4o；开源 Qwen3-8B/30B/122B、Llama 3.3 70B、DeepSeek-v3.2

五、主要实验结果

1. 总体性能

’ fill=’%23FFFFFF’%3E%3Crect x=‘249’ y=‘126’ width=‘1’ height=‘1’%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E)

• 最强综合：Qwen-Max：平均 TCR 0.90（L1: 0.95, L2: 0.97, L3: 0.77）

• L3 推理：DeepSeek-v3.2 L3 TCR 0.79，超过所有闭源模型，但延迟最高（L3 约 4.06 min）

• 规模效应：Qwen 系列随参数量单调提升；8B → 30B 增益明显

• 复杂度鸿沟：Qwen3-8B 在 L3 仅 0.34 TCR，L1 仍有 0.56；大模型在 L3 仍较稳定

• 路由 vs 执行：多数模型 R-ACC、TCE 较高（常 >0.9），瓶颈多在任务完成（规划/依赖/格式）

2. 异构架构（强 Supervisor + 弱 Sub-Agent）

用 Qwen-Max 作 universal Supervisor，子智能体换小模型：

’ fill=’%23FFFFFF’%3E%3Crect x=‘249’ y=‘126’ width=‘1’ height=‘1’%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E)

• 小模型瓶颈在高层任务分解，而非原子工具执行；异构部署是成本与精度兼顾的策略。

3. 多智能体 vs 单智能体（L3 压力测试）

’ fill=’%23FFFFFF’%3E%3Crect x=‘249’ y=‘126’ width=‘1’ height=‘1’%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E)

• SingleAgent：拥有全局工具集；注入 1×～5× 干扰工具（功能无关但描述 plausible）

• BrainAgent：子智能体仅见领域相关工具

结果：工具集扩至 5× 时，SingleAgent TCR 跌至 0.40，token 约 27.5k；BrainAgent 保持稳定且 TCR 优于未扰动 Single-1×。资源解耦有效缓解工具过载与注意力分散。

4. 输出质量评测

’ fill=’%23FFFFFF’%3E%3Crect x=‘249’ y=‘126’ width=‘1’ height=‘1’%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E)

在 ISRUC 上 5 受试者、9 类任务（数值特征、排序、分类、文件生成）与独立 reference pipeline 对比：

• 高度一致：Alpha 相对功率、ABR/TBR、Hjorth、SEF95、全局同步、主导频带、Top-1 通道对

• 主要误差：睡眠效率（SE）估计、Top-3 通道对排序、1 例文件生成失败

• 启示：直接信号特征计算较可靠；依赖标注的指标、排序输出、文件产物更难

六、失败模式分析

1. 小模型能力缺陷

• JSON 语法脆弱：Markdown 包裹、括号/引号错误导致解析失败

• 工具幻觉：调用不存在的 SleepQualityAssessor 等“超级工具”

• 参数幻觉：用 l_freq/h_freq 替代 schema 定义的 bandpass_range（预训练库习惯覆盖 in-context 定义）

2. 前沿模型推理异常

• Implicit Dependency Neglect（隐式依赖忽略）：用户要求“可视化 Alpha 频段 PSD”，Qwen-Max 规划了 Load → Plot → Analyze，但未插入 8–13 Hz 带通滤波（EEGPreprocessor）。模型将“visualize”直接映射到绘图工具，未补全领域必需的预处理步骤。

’ fill=’%23FFFFFF’%3E%3Crect x=‘249’ y=‘126’ width=‘1’ height=‘1’%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E)

七、结论

• BrainAgent 框架：LLM 驱动的分层多智能体，将自然语言意图 ground 为可执行脑信号流水线，降低技术门槛。

• 分层 benchmark：L1–L3 + TCR/R-ACC/TCE，覆盖原子执行到跨域协作。

• 可扩展设计：Supervisor/Sub-Agent 解耦、工具与知识库插件化，便于新领域与新模态接入。

仅用于学术分享，若侵权请留言。