摘要： 患者越来越多地在网上寻求药物信息，然而，精神科药物的安全知识却分裂为两类：一类是监管机构的不良事件记录，权威但抽象；另一类是患者叙述，贴近经验但未经证实。在精神病学领域，将两者整合而不混淆证据与轶事尤为重要，因为缺乏背景信息可能会放大恐惧、引发反安慰剂效应并导致治疗不依从。为此，我们开发了一个基于知识图谱、具有来源感知能力的多智能体框架，整合了来自 Reddit 的 466,525 条帖子、WebMD 的 60,782 条评论以及美国 FDA 不良事件报告系统二十年来针对九种抗抑郁药物的记录。一个以医生标注为基准的大型语言模型实体识别流水线，在药物识别上达到了最高 F1 分数 0.969，在疾病识别上达到了 0.973。两个社区平台彼此之间的一致性（Jaccard 相似度最高达 0.905）远高于它们与监管报告的一致性，这表明患者生成的数据构成了部分独立的安全信号。以舍曲林为例，许多不良事件在社区来源中出现的时间比相应的 FDA 记录早了数百天。一个基于 Neo4j 的知识图谱，以 ATC-N、ICD-10 和 MedDRA 词汇表为基础，保留了来源信息，使每一条主张都可追溯，并将监管事实与患者经验区分开来。这些结果表明，具有来源感知的整合方法为实现更可审计的精神科药物信息提供了一条途径，其有用性和对患者的益处有待前瞻性验证。