基于Dify平台构建健康预诊Agent,通过症状提取、ICD-10科室匹配、风险拦截等步骤,实现挂号前精准分诊。系统支持多轮追问补齐信息,可接入结构化知识库或SpringAI服务,自动输出科室建议与高危预警,提升预诊准确性与安全性。
在医疗场景里,一个让人头疼的“老问题”是:患者到底该挂哪个科?肚子痛可能是消化科,也可能是泌尿科;头痛不一定是神经内科,血压高也可能引发。挂错科不仅浪费时间和金钱,更可能耽误病情。现在,Dify可以在15分钟内帮你上线一个健康预诊Agent——它不只是个简单的问答机器人,而是一个会主动追问“疼痛持续几天了?”“是否伴随发热?”,并且能够根据ICD-10标准术语自动关联科室与初筛建议的专业助手。

长期稳定更新的攒劲资源: >>>点此立即查看<<<
登录Dify控制台(cloud.dify.ai),点击【新建应用】。关键一步来了:在类型选择页,必须选择“Agent”,而不是“Chatbot”或“Workflow”。如果选错类型,后续的多轮追问与工具自动调度功能就无法启用,整个预诊流程的灵活性会大打折扣。
应用名称直接填“健康预诊助手”,描述字段则尽量写清楚业务逻辑。比如:“依据患者主诉症状,执行三步预判:①识别核心症状关键词 ②匹配ICD-10标准科室分类 ③输出初筛建议与风险提示”。描述越贴近真实场景,Dify底层模型对医疗语义的理解就越精准,后续的匹配效果也会更好。
创建完成后,系统会自动进入配置界面。这里不要跳过“变量管理”开关——它会自动记录患者的年龄、性别、症状持续时间等关键字段,这些信息在后续的追问和判断中至关重要。
有两种方式可以为Agent注入“医疗知识”。
方法一:上传结构化科室映射表
在左侧菜单进入【知识库】,点击【新建知识库】,命名为“ICD-10科室映射表”,然后上传你准备好的Excel文件。这个表格需要包含几列核心数据:症状关键词、ICD-10编码、推荐科室、禁忌提示。上传后点击【处理】,等待状态变为“已完成”。这种方式适合那些已经有一套成熟科室编码体系的医疗机构,数据一旦导入,Agent就能直接调用。
方法二:连接SpringAI医疗MCP服务
如果你的机构已经部署了SpringAI医疗接口,可以在【工具】页点击【添加工具】,选择【OpenAPI】,粘贴MCP服务的YAML文档URL。Dify会自动解析出两个端点:GET /symptom/match 和 GET /department/risk,勾选并保存即可。这种方式的好处是能实时调用最新的临床指南,但需要确保SpringAI服务已配置JWT鉴权,并且响应头中包含 Content-Type: application/json。
工作流是预诊Agent实现精准分诊的核心。一共四步,每一步都不可跳过或简化。
第一步:设置初始症状提取节点
在【工作流】编辑器中,拖入一个“LLM节点”。系统提示词可以这样写:
“你是一名三甲医院分诊护士,正在为患者做挂号前预评估。请严格按以下步骤操作:①从用户输入中精准提取症状实体(如‘左下腹绞痛’‘晨起干咳3天’),忽略修饰词;②若未提及部位/性质/时长,必须追问;③输出JSON格式:{‘symptom_entities’: [‘…’], ‘missing_info’: [‘部位’,‘时长’]}。”
这一步的作用是让Agent学会“抓重点”,同时识别出信息缺口。很多AI对话失败,正是因为没能主动追问缺失的关键信息。
第二步:添加条件分支判断
拖入“条件节点”,设置判断逻辑:当上一步输出中的missing_info数组长度>0时,走“追问路径”;否则走“匹配路径”。这一步不能省——漏掉追问会导致误判率飙升30%以上。说白了,就是要让Agent学会“多问一句”,而不是凭一两个关键词就下定论。
第三步:连接科室匹配工具
在“匹配路径”分支末端,拖入你已经启用的知识库工具或SpringAI OpenAPI工具。设置输入参数为symptom_entities数组,并开启“高亮匹配段落”开关。这个开关的作用是让医生在复核时能快速定位依据,提升决策效率。保存节点即可。
第四步:插入风险拦截层
这是最后一道安全网。在工具调用节点后,再加一个LLM节点,系统提示词写:
“你已获得科室匹配结果。现在检查:若症状含‘突发胸痛’‘意识模糊’‘咯血量>50ml’等高危关键词,必须插入免责声明:‘该建议不能替代急诊就诊,请立即前往最近医院急诊科’。其他情况输出标准化建议:‘建议优先挂号[科室名],初筛项目包括[检查项]’。”
这一步的意义在于:Agent不能只输出结果,还得对潜在风险负责。尤其是在医疗场景中,“安全”永远是第一位的。
侠游戏发布此文仅为了传递信息,不代表侠游戏网站认同其观点或证实其描述