在医疗资源紧张、患者需求多样的当下，精准高效的医疗分诊是优化就医流程、提升医疗服务质量的关键。近期，我深度体验了基于豆包新模型与 PromptPilot 构建的医疗分诊智能体，其展现出的强大功能与创新特性，令人耳目一新，为医疗分诊智能化转型带来诸多启示。
一、了解PromptPilot
1.1 为什么需要PromptPilot
- 首先：模型越强， 问出好问题的正向价值越大。 好的问题能更充分地发挥出模型的能力。第二: 现实世界中，有很多高价值的问题是没有标准答案的。怎么让模型理解你的需求，服从你的产品要求，是一个将长期存在的重要实践。最后，需要让Agent随着用户数据自发改进，就像所有成功的搜索引擎和推荐引擎那样。让Agent也找到自己的scaling law。
这款工具，就是火山方舟推出的大模型应用落地的领航员--PromptPilot。
通过简单的交互，PromptPilot能理解你的真实需求，自动提炼评估标准，生成更好的提示词。
在业务上线之后，PromptPilot能采样在线流量，自动抓取和分析badcase; 并且自发进行新一轮的提示词优化。周而复始，把长时间的数据积累，逐步变为业务的领先优势。
1.2 PromptPilot 能做什么
在AI应用的研发之初， 开发者常常无法清晰描述自己的需求和意图。事实上，用户对事物的理解，应该要在实践的过程中不断建立，不断深化。
PromptPilot提供了两种方式，来帮助开发者表达自己的真实意图。
- 首先，是针对答案进行评论和局部修改。其次，我们可以通过好与坏的对比，体现自己的判断，对哪一种数据的回答更满意。PromptPilot会比较和分析用户的偏好，猜测用户的逻辑，积累出更完整的真实意图。
逐渐建立了真实意图和标准之后，系统就能开始自动迭代，寻找更好的Prompt版本。
AI应用上线之后，开发者可以调用PromptPilot的SDK，把模型的输入输出反馈回系统。由于系统中已经记录了开发者的评判标准，因此系统可以像裁判一样，自动对上线之后的模型表现进行评分，把 得分很低的badcase 和 得分很高的 goodcase 不断记录下来。 持续运行一段时间之后， PromptPilot就能开启新一轮的提示词自动优化。
1.3 PromptPilot:全模型兼容 +全链路知识库，覆盖更广场景，深化垂域理解
PromptPilot的全新升级。
即将提供更广泛的模型接入能力:PromptPilot支持任意模型的提示词优化。无论是任意公有云上的模型、封闭部署的私有化模型、还是自主训练后的定制模型，都能享受到PromptPilot带来的效率提升。通过与火山引擎知识库的深度融合，PromptPilot 在文本理解任务的生成、调试、批量数据集构建等环节中，能够精准调用专业内容，帮助模型在垂直领域实现更深入、更精准、更可信的理解与输出，真正为用户解决复杂业务中的“专业难题"。
二、医疗分诊智能体在线搭建
2.1 生成Prompt
第一步：进入PromptPilot ，点击帮我生成一个Prompt
第二步：输入prompt并生成
假设你是一位专业医生，请针对病情的描述来诊断疾病类别，然后分至对应的科室，请输出json格式。 病情的描述：{{user_prompt}}输出：第三步：验证Prompt
上面生成完成Prompt后，点击验证Prompt，进入界面
点击确定，然后点击AI生成变量内容
可以根据自己需求选择不同模型
然后根据变量准确的调用科室
2.2 批量集生成
先根据上面生成模型回答步骤，生成五次评测集，每生成一次，添加至测评集
点击批量评测
可以看到当前的效果基本都是基于医生的口吻
2.3 模拟数据批量测评
选择导入提前准备好的，真实医疗数据
这是从别人那里拿来的测评数据
然后确认上传数据，可以单个问题查看回答，也可以全选回答
然后针对模型的回答，可以进行评分和调优，训练自己的大模型，整个过程下来方便简洁，答案基本事标准答案！
三、使用感受：便捷高效，尽显人文关怀
3.1 交互流程简化，就医体验流畅
从患者端操作来看，基于豆包新模型的医疗分诊智能体交互设计极为简洁。进入界面，清晰的引导提示患者输入症状，无论是新手还是老年患者，都能快速上手。在输入症状后，系统以通俗易懂的语言进行追问，如患者提及 “腹痛”，系统会进一步询问 “腹痛位置是在左上腹、右上腹还是其他部位？”“疼痛是持续性的还是间歇性的？” 等，整个交互过程流畅自然，仿佛与专业医生对话。分诊结果呈现直观明了，不仅推荐科室，还附上简要的病症分析与就医建议，让患者在前往医院前对自身病情有初步了解，缓解就医焦虑。
3.2 实时响应，随时守护健康
在响应速度上，该智能体表现出色。无论是高峰时段还是深夜，输入症状后，系统几乎瞬间给出分诊反馈，平均响应时间控制在 1 秒以内。这对于一些突发疾病患者，如急性胸痛、腹痛患者，争取了宝贵的就医时间。以一位急性胸痛患者为例，在发病紧急时刻使用该智能体，迅速得到心内科急诊的分诊建议，为后续救治赢得先机，真正实现了 7×24 小时的健康守护。
3.3 模型架构升级，推理能力跃升
豆包新模型在架构层面的优化是其实现精准医疗分诊的核心驱动力。以其在复杂病症分析场景为例，模型能够凭借优化后的结构，快速梳理患者输入的如 “长期咳嗽，伴有低热、盗汗，近期体重下降” 等多维度症状信息，通过高效的自注意力机制，深度挖掘症状间的潜在关联，从而精准定位可能的疾病方向，如肺结核等。这种对复杂信息的精准解析，相较旧模型以及部分同类产品，分诊准确率提升显著，据内部测试数据，在疑难病症分诊场景中，准确率可提高 15%-20%，大大减少了误诊、漏诊的可能性。
3.4 多模态融合，拓宽信息边界
PromptPilot 与豆包新模型结合，引入多模态技术，极大丰富了信息交互形式。患者不仅能通过文字描述症状，还可借助语音输入，甚至未来有望实现图片（如皮疹照片）、视频（如肢体运动异常视频）等多模态信息的融合输入。在实际体验中，一位老年患者通过语音表述 “头晕，走路不稳”，系统迅速识别语音内容，并结合其此前上传的脑部 CT 影像分析（若有），综合判断可能病因，给出神经内科等相关科室的精准推荐，打破了传统仅依靠文字输入的局限，使分诊过程更贴合患者实际就医场景，提升患者参与感与信息传达准确性。
四、产品对比：优势凸显，独具竞争力
4.1 与传统医疗分诊系统相比
传统医疗分诊多依赖于固定规则与有限的人工经验，在面对复杂多变的病症时，灵活性与准确性欠佳。与之相比，豆包新模型 + PromptPilot 构建的智能体能够实时学习海量医疗数据，不断优化分诊策略。例如，对于罕见病症状的分诊，传统系统往往难以应对，而新智能体凭借强大的数据分析能力，结合最新医学研究成果，能够给出更具参考价值的分诊建议，弥补了传统系统的知识局限。
4.2 与同类智能分诊产品相较
在同类智能分诊产品中，部分产品虽具备一定智能分析能力，但在模型精度、多模态融合深度以及交互体验上存在不足。豆包新模型在专业医疗测评数据集上的准确率领先同类产品约 10%-15%，且在多模态信息处理方面更为成熟，能够精准整合不同类型信息进行综合分诊。在交互层面，其简洁流畅的设计与自然语言对话体验，也优于部分交互复杂、反馈不及时的竞品，更易获得患者与医护人员的认可。
五、趋势展望：开启医疗智能化新篇
5.1 助力医疗资源合理分配
随着该智能体的广泛应用，有望实现医疗资源的精准分配。通过对大量患者分诊数据的分析，医院可提前预测各科室就诊流量，合理调配医护人员与医疗设备资源。例如，在流感高发季，系统通过对大量流感样症状患者的分诊数据监测，提前预警呼吸内科就诊高峰，医院可及时增派医护力量，准备充足药品与检测试剂，避免患者长时间等待，提升医疗服务效率与质量。
5.2 推动医疗 AI 深入发展
豆包新模型 + PromptPilot 在医疗分诊的成功应用，为医疗 AI 领域开辟新路径。未来，有望在此基础上拓展至疾病诊断辅助、治疗方案推荐等更核心医疗环节。例如，结合患者完整病历信息与实时监测数据，智能体辅助医生进行疾病诊断，提供多套治疗方案并评估风险与收益，真正实现医疗决策的智能化、精准化，引领医疗行业进入全新的智能时代。
通过此次全面体验，豆包新模型与 PromptPilot 融合打造的医疗分诊智能体，凭借卓越的技术实力、出色的使用体验、显著的竞争优势，在医疗分诊领域展现出巨大潜力。随着技术不断迭代与应用推广，必将为医疗行业带来深远变革，成为改善医疗服务、推动医疗进步的重要力量。
六、附件：
PromptPilot 体验：promptpilot.volcengine.com
