统计而非规模：基于贝叶斯信念引擎的模块化医疗对话

大型语言模型作为自主诊断代理时，常混淆自然语言交流与概率推理能力。本文指出这是架构缺陷，并提出贝叶斯医疗信念引擎（BMBE）。该框架严格分离语言与推理：LLM 仅作传感器解析证据和生成问句，所有诊断推断由确定性贝叶斯引擎完成。此架构具备隐私性、可替换性及校准诊断能力。实验表明，即便搭配廉价传感器，该引擎在准确率与鲁棒性上均优于前沿独立大模型，证实优势源于架构而非信息量。