← 项目

2026 · AI 应用 / 医疗

医路通 Agent Pro

在医疗场景里,一个说得太顺的答案是危险的。所以我做的不是「回答得像医生」,而是「每条结论都能指出它从哪来」。

患者描述症状之后,系统给出风险分层、建议科室和就诊紧迫度,再进入线上问诊、报告解读或预约挂号。每一步旁边都能展开:它查了什么、谁在推理、引用了哪段资料。

这是做什么的

互联网医院场景的多智能体问诊系统。前台六个模块:智能分诊台、线上问诊、问诊记录、报告查询、预约挂号、系统设置;另有一套独立的管理后台。

实际长什么样

医路通智能分诊台,左侧对话与右侧思考过程面板
智能分诊台家长问「吃美林退到 38 度又升上来要不要去急诊」,回答先说结论性判断,再给判断依据。右侧的「思考过程」列出这次经过了哪些 Agent、各自负责什么。
医路通线上问诊界面
线上问诊支持连续追问、上传化验单与 CT 报告,右上角是三个开关:深度检索、Swarm 多 Agent、RAG 证据引用——关掉证据引用就能看到不加约束的回答长什么样,对比很直观。
医路通报告查询,胸部 CT 报告解析
报告查询上传影像或检验报告,解析成结构化指标,再给异常原因、复查建议和推荐科室。图上这份是模拟样例。
医路通预约挂号
预约挂号分诊给出科室之后,下一步就是挂上号——这一步断了,前面的建议就只是建议。
医路通系统设置
个人中心手机号、性别年龄、住址,以及慢病史、过敏史和用药史——这些是后面每一次推理的前提。
医路通管理后台
管理后台会话、报告、问诊记录的数量,以及问诊场景和报告类型的分布。另有一套独立前端,和患者端分开。

为什么这样设计

边界与还没做完的

这是一个技术演示系统,不是可以接诊的医疗服务。页面里的对话、报告和指标都是演示数据,不能用于任何真实的健康决策。

分诊给出的风险分层是提示,不是诊断;报告解析里的置信度是模型自评,不代表医学意义上的准确性。

这个项目起步于一份现成的产品模板,我做的是工程化落地:检索、意图路由、合规后处理、证据链和部署都是后来补的。这点写清楚比含糊过去更合适。

后处理能拦住已知的措辞模式,拦不住绕开措辞的错误结论。真正的安全性要靠评测集和人工复核,这部分我还没有做完。