深色模式
基于 Agent 的智能问诊与预约
一、案例背景
某线上健康服务平台在运营中面临以下痛点：
- 问诊效率不高：医生在正式问诊前，需要花费大量时间重复询问患者基本情况，进行初步的信息收集，占用了宝贵的专业诊疗时间。
- 用户描述不清：许多用户在感到不适时，无法准确、有条理地描述自己的症状，导致沟通成本增加。
- 预约流程繁琐：用户在产生就医意向后，仍需跳转到不同页面或通过人工客服进行预约，流程不连贯，体验不佳。
基于应用开发平台，我们构建了一套 AI 健康助理工作流，通过模拟医生问诊的思路，实现了从智能分诊、就医建议到自动化预约的闭环服务。
二、解决方案设计
1. 系统架构与工作流
系统核心流程通过一个多阶段、交互式的智能对话工作流实现：
- 智能分诊层：作为用户健康咨询的第一触点。当接收到用户主诉后，工作流启动。
- 知识库驱动分析：调用医疗知识库（如 Huatuo26），对用户描述的指标（如血压值）进行初步分析。
- 引导式追问：若用户描述模糊（如“不舒服”），则自动进入结构化的追问流程，就症状、时长、严重程度等关键信息进行补充收集。
- 决策建议层：
- 风险评估与建议：综合分析收集到的信息，判断用户是否需要线下就医，并给出明确的行动建议（如“强烈建议您就医”）。
- 合规与安全：在每一步建议后，都附带免责声明，强调 AI 分析不能替代专业医疗诊断，确保服务边界清晰。
- 自动化预约层：
- 意向询问与信息收集：在给出就医建议后，主动询问用户是否需要协助预约，并在用户同意后，通过对话补全预约所需的全部信息。
- 工具调用与反馈：将收集到的结构化信息作为参数，调用外部工具（如
feishu_group_bot），将预约请求发送给医生团队，并向用户提供清晰的操作结果反馈。
2. 关键技术流程
- 模拟医生问诊的引导式对话：通过预设的追问流程，将非结构化的用户主诉，转化为结构化的关键诊疗信息，极大提升了信息收集的质量和效率。
- 安全合规的流程设计：严格遵循“不诊断、强提醒”原则，在流程中内置安全边界和免责条款，确保在提供便利的同时规避医疗风险。
- 端到端的自动化闭环：将“咨询”与“行动”无缝衔接，用户在一次对话中即可完成从问题描述、获取建议到提交预约的全过程，体验流畅。
三、用户交互与成果展示
操作流程
- 发起咨询：用户在界面中向 “AI 健康助理” 发起对话，描述健康问题。
- 引导式问答：AI 助理根据用户描述，进行分析或启动追问流程，获取关键信息。
- 获取建议：AI 助理给出初步分析和明确的就医建议。
- 确认预约：用户表达预约意向后，AI 助理通过提问收集并与用户最终确认预约信息。
- 自动提交：AI 助理调用工具将请求发送给医疗团队，并告知用户等待后续通知。
典型输出示例：
第一步：倾听与初步分析 
第二、三步：建议与意向确认 
第四、五步：工具调用与反馈
价值提升：
- 医生效率提升：AI 完成了初步的分诊和信息收集，医生在接诊时已掌握核心背景，可直接进入诊断环节，单次问诊时长平均缩短一半。
- 用户体验优化：将原本分散的咨询和预约流程合二为一，用户在一次对话中即可完成，极大提升了便捷性和满意度。
- 医疗资源合理化：简单的健康知识问询背靠知识库直接回答，将宝贵的医生资源集中于更需要专业判断的场景。
四、行业扩展性
本方案可快速复用至多个需要“引导式信息收集 + 后续动作”的场景：
- 技术支持：在用户报修时，自动引导用户完成初步的故障排查，收集设备型号、错误代码等信息后，再创建工单或转接人工。
- 法律咨询：在用户寻求法律援助时，初步了解案件类型、关键要素和诉求，为律师准备咨询提供结构化信息。
- 金融开户/理赔：引导用户按步骤提供所需信息和材料，自动完成预填单，简化后续的人工审核流程。
五、总结
该案例验证了 Agent 平台在专业服务场景中的三大优势：
- 结构化流程设计：通过提示词工作流程编排，可将专业人员（如医生）的问诊思路，转化为标准、可重复执行的自动化流程。
- 人机协作的信任感：AI 负责前期标准化的信息处理，人类专家负责最终的核心决策，既提升了效率，又保证了服务的专业性和安全性。
- 服务流程的无缝整合：通过调用外部工具，打破了应用间的壁垒，将“对话”真正转化为“行动”，构成了完整的服务闭环。