最近一年里被朋友和同行问得最多的一个问题不是“大模型还能火多久”而是“Agentic AI在医疗领域到底会留下什么”。我当时的身份刚好是提示工程架构师参与了一项面向医疗行业的Agentic AI生态影响研究。这个项目不写产品代码、不做临床实验核心任务非常明确搞清楚当具有自主规划、工具调用、自我修正能力的智能体进入医院、制药企业和患者端之后哪些环节会最先变化哪些角色会被重新定义哪些风险会从技术问题变成管理问题。这篇文章就是那次研究的完整案例拆解。我会把从立项、定框架、设计提示词、搭原型、跑访谈一直到输出指标和路线图的过程原原本本讲一遍。如果你正在做大模型应用、医疗信息化、AI产品规划或者只是想理解“Agent生态影响”这类研究到底怎么做应该能从里面找到一套可以移植的方法也能看到不少我在实际项目中踩过的坑。先提醒一句这不是一篇讲“AI如何神奇”的文章而是一篇讲“AI嵌入产业后如何改变分工和责任”的文章。后者比前者难得多也重要得多。1. 研究定位先搞清楚“生态影响”到底要回答什么1.1 从“技术评估”切换到“生态影响”我刚接这个题目的时候脑子里的画面还停留在“给大模型写提示词”这种很具体的事情上。需求方是一家医疗信息化公司他们想判断Agentic AI到底会从哪些环节影响医疗行业以及现有产品线该往哪里调整。一开始我列了一堆测试集准备用模型准确率、工具调用成功率、任务完成率这些指标交差。结果第一次汇报就被问住了准确率高说明什么说明医生能少打几个字还是说明患者能少跑一次医院这两件事的答案完全不同。我这才意识到研究的对象不应该是Agent本身而是Agent进入医疗系统之后人和流程发生的变化。生态影响这个词听起来很大实际上可以拆得非常具体谁先受益、谁先变忙、谁承担了新风险、谁的职责被重新定义。比如一个自动生成病历摘要的Agent受益的是医生的时间变忙的是信息科因为它们要持续维护知识库承担新风险的是病案科因为摘要一旦错误归档环节就要背责。从这类具体的利益相关方变化出发“生态”才不会变成空话。那次汇报之后我把研究问题从“Agent能做什么”改成了“Agent进入某个具体医疗环节后会如何改变任务流、角色分工、数据流转和风险归属”。这个转变是整个项目最重要的起点。1.2 定义边界Agent三形态与医疗四环模型做研究之前我先做了一件看起来很笨的事给Agentic AI划出形态边界。如果不做这个动作后面所有的分析都会糊成一片。我把Agent分为三类。第一类是任务型Agent按照固定流程执行单一任务比如自动生成病历摘要、核对检查禁忌、整理检验报告。这类Agent对生态的影响最轻基本是单点效率提升。第二类是协作型Agent在医生、护士、患者之间的动态协作中提供支持它能提出方案、给出提醒但必须请人确认。典型的例子是慢病随访助手它生成随访问题、记录患者反馈但每个关键节点都要护士把关。第三类是自治型Agent在规则和权限边界内自主完成闭环比如药物警戒信号筛选、病案质控批量预审。这类Agent一旦出错影响范围最大也是最需要谨慎对待的部分。医疗生态同样需要划分。我用了四环模型研发端、临床端、运营端、患者端。研发端包括药物靶点发现、临床试验辅助、文献综述临床端包括诊疗决策支持、护理执行、影像报告初筛运营端包括病案质控、排班、耗材管理、预约随访患者端包括健康问答、院后随访、慢病管理、康复指导。四环互相咬合但每一环对Agent的接受度、数据基础和风险容忍度完全不同。为什么要做这些划分因为不同形态、不同环节的影响路径完全不一样。任务型Agent最多改变单点效率协作型Agent会改变医患互动的节奏自治型Agent则会触发数据治理、责任归属、流程重构这些更深层的问题。如果混在一起谈“Agent很厉害”最后得到的只能是一堆正确的废话。所以这个边界划定成了整份研究的第一块基石。1.3 研究工具包与四周推进计划研究方法上我没有一上来就发问卷而是组合了四种工具。第一种是桌面研究整理公开的Agent案例、行业白皮书、产品文档和一线医疗信息化的实践记录目标是建立“医疗任务-技术能力”之间的映射关系。第二种是模拟沙盘我直接在本地搭轻量Agent原型用提示词工程模拟不同场景下的行为相当于把假设变成可观察、可质疑的对象。第三种是访谈和焦点小组分别找医生、护士、信息科工程师、患者代表、医疗质量顾问聊重点收集“现状流程”和“假设变化”。第四种是情景测算把访谈得到的参数输入简化的测算模型估计影响量级。整个研究计划被排成四周循环第一周做场景扫描产出候选场景和评分卡第二周做Agent原型推演落地提示词工作流第三周做生态视角走查访谈和影响链路图同步推进第四周做指标化输出把所有结论收敛成报告和路线图。这里有一个明确的取舍不做大规模问卷。原因在于生态影响早期真正的矛盾不是“用户偏好是什么”而是“链路上哪个环节会先被触达、哪个环节会先卡住”。小样本深度访谈比大样本问卷更能暴露这类结构性问题。问卷可以告诉你“80%的人愿意用AI”但不会告诉你“医院信息科根本不给外部系统开放接口”这种致命细节。2. 研究框架与Agent能力拆解不能只聊“AI很厉害”2.1 四层能力框架与医疗场景的约束映射Agentic AI和大语言模型单轮交互最大的区别是它有能力闭环自己拆任务、自己选工具、自己看结果、自己决定下一步。我习惯把这种能力拆成四层规划、工具调用、记忆、反思。普通应用场景里这四层可以很激进但放到医疗场景每一层都要加一道护栏。规划层Agent会把一个目标拆成多步行动。普通场景里拆错可以重来医疗场景里一次规划错误就可能耽误检查或开药。所以我在设计中要求所有目标必须先明确写出“终止条件”一旦不满足条件就停止。工具调用层医疗场景涉及的院内系统非常多包括HIS、EMR、检查检验系统。这里最重要的约束是权限范围。研究阶段我主张“最小权限原则”Agent能查什么、能写什么、能触发什么都必须提前定义而且尽量先从只读开始。记忆层医疗数据的隐私敏感度极高。我的处理是记忆必须局限在“当前患者、当前诊疗上下文”不允许把一位患者的随访数据用于另一位患者的分析也不允许把真实诊疗数据拿去做无边界训练。反思层Agent需要对自己的输出做二次评估。但这里的反思不能是自由发挥必须保留审计轨迹它为什么给出这个建议、依据是哪条记录、有多少信息缺失。整理完之后我把约束映射到提示词策略上。规则很简单能力越强约束越显式。自治型Agent的提示词里必须有“当信息不足时停止推测”这类硬约束协作型Agent则要强制插入人工确认节点。2.2 分层提示词体系系统层、任务层、校验层很多朋友问我提示工程在Agent研究里到底占多大比重。我的回答是提示词不是一段话而是一套分层体系。我在项目里把提示词拆成三层分别叫系统层、任务层和校验层。系统层负责定义Agent的角色和边界包括它服务谁、不能做什么、拒绝策略是什么、输出格式长什么样。这一层最重要因为它回答的是“这个Agent在真实流程里到底是什么身份”。比如我从来不写“你是一名资深的临床专家”我通常这样描述“你是一名面向全科门诊的辅助信息整理Agent服务对象是持证医生建议仅供医生参考。”任务层负责当前场景的目标、输入、可用工具和步骤约束。它的核心是任务拆解。一个明确的随访提醒任务必须写明输入有哪些、输出要求是什么、每一步是否邀请人确认。校验层则要求输出结构可被外部系统验证。它不是让Agent自己检查自己的幻觉而是在设计上强制Agent标注信息来源、声明置信程度、列出缺失项。下面是一个我在慢病随访场景里用过的简化提示词模板[系统层] 你是一名面向门诊随访场景的辅助信息整理Agent服务对象是持证医生或护士。 你的建议仅供参考不得替代医护人员的最终判断。 患者临床信息不完整时必须明确列出缺失项并停止进一步推测。 禁止输出确定性诊断结论除非使用者明确要求生成鉴别诊断列表。 [任务层] 当前任务为一位2型糖尿病复诊患者生成随访提醒与检查安排建议。 可用信息最近三次血糖记录、当前药物清单、上一次就诊主诉。 处理步骤 1. 核对最近三次血糖记录的完整性和单位一致性。 2. 识别记录中的异常波动输出趋势描述不输出诊断结论。 3. 生成随访提醒分为“需补充信息”“建议检查”“随访事项”三部分。 输出要求每部分不超过5条每条注明依据的数据来源时间点。这套模板看起来简单但实际跑下来非常稳。关键不在于“专业性”而在于“可执行性和可校验性”。校验层真正起作用的地方是强制声明来源如果Agent说“建议检查糖化血红蛋白”它的依据必须来自某次检验记录而不是来自模型内部的知识。2.3 只看模型不行人、机、环三方走查研究进行到第二周我悟到一个贯穿始终的原则只看模型不看流程是自欺欺人。哪怕模型跑分再漂亮放进医院真实工作流里也可能瞬间崩掉。比如模型建议“明天上午来复查”听上去很贴心但医院的实际预约渠道、叫号系统、护士排班根本没有跟着联动。你说一个负责任的患者他能直接办到吗做不到。这类问题不属于模型能力而属于生态嵌入。所以我开始要求自己研究每一类Agent场景时都必须做一次“人机环走查”。人指的是医生、护士、患者、信息科、管理者这些角色关注他们的认知负荷和信任水平。机指的是Agent的规划、工具调用、记忆和反思能力。环指的是院内系统、数据质量、操作流程、排班节奏和培训机制。具体操作上每个场景都要回答六个问题谁触发这个Agent的操作谁确认Agent的输出谁对最终结果负责Agent出错后这个责任归到谁Agent的数据从哪里来Agent产生的信息最终存在哪。这六个问题写在一张表里反复用。项目走到后期这张表几乎成了最能暴露风险的工具。举一个例子。一个自动生成随访记录的Agent表面上看只是把护士的录入工作省了。但走查下来会发现数据源如果是患者发回的微信消息那么消息本身就有口语化、缺失单位、错别字等问题Agent加工后的记录如果直接进病历出了问题责任归谁就会变成非常棘手的问题。人机环走查把这些问题提前暴露在纸面上总比等产品上线后在真实环境里爆雷要好。3. 实操过程四步走完一轮医疗Agent生态研究3.1 第一步候选场景扫描与评分卡筛选场景池一开始列了二十多个候选包括挂号导诊、智能分诊、病历生成、手术排程、用药审核、慢病随访、病案质控、药物警戒、健康科普、影像报告初筛等等。指望全部做深报告是不现实的所以我做了一张评分卡来筛选。评分维度一共五列触点人数、发生频率、风险等级、AI介入可行性、现有流程数字化程度。每个维度按1到5打分加权汇总。权重上我把“风险等级”和“现有流程数字化程度”调得最高因为风险太低说明研究价值不大数字化程度太低说明Agent根本接不进去。最终加权下来选了三个主场景慢病随访、病案质控、药物警戒。慢病随访胜在高频、高接触、流程边界清晰病案质控胜在规则性强、错误可追溯、数字化基础好药物警戒胜在风险驱动能体现Agent处理海量信号的价值。影像报告初筛我也保留了但只做到场景走查没有搭原型因为它牵涉的诊断责任链太复杂不是一轮探索性研究能讲清楚的。这个筛选过程看起来简单实际上很重要。它逼着你放弃“所有场景都要聊一聊”的贪心把精力集中在能讲深、能讲透的地方。3.2 第二步慢病随访Agent原型与工作流落地以慢病随访为例传统流程是护士手动打电话或发消息记录患者的血糖、血压、用药反应再手动提醒复诊。整个过程非常依赖护士的耐心和记忆力也容易产生记录遗漏。我设计的“慢病随访Agent”工作流分成五步。第一步系统从随访名单中抽取当日应该随访的患者。第二步Agent基于患者上一次就诊记录、用药清单和最近检验结果生成个体化随访问题。第三步生成的问题先由护士检查确认确认后通过院内触达渠道发给患者。第四步患者回复后Agent抽取结构化信息比如血糖值、症状关键词、用药偏差写进随访记录。第五步如果出现红旗信号比如“严重低血糖”“胸痛加重”这类描述系统立即升级到护士人工处理。这条工作流里最关键的设计不是自然语言对话有多聪明而是“哪些内容必须人工确认”。我在提示词里明确写死了两个强约束随访问题批量生成后必须进入护士确认环节任何红旗信号不得由Agent直接处理只能转交人工。技术栈方面我没有堆砌复杂架构。核心是检索增强让Agent可以检索历史随访记录和患者基础档案外围用轻量工作流脚本把工具调用串起来最后加一层人工标注测试集用来评估每个环节的输出质量。这个方法的好处是容易解释、也容易排查问题。3.3 第三步访谈设计、影响链路图与反馈回路原型推演的同时我启动了访谈。访谈对象包括某三甲医院的B医生、负责慢病管理的C护士、信息科D工程师、E患者代表、医疗质量顾问F以及某医疗信息化厂商的产品负责人G。全部使用字母代称访谈内容不做录音转写只结构化记录。访谈时我不问“你觉得AI好不好”因为这个问题得到的全是态度没有行为。我更关心的是行为改变点。比如“如果随访记录自动生成你能节省多少时间省下来的时间你会拿来做什么”再比如“如果病案质控Agent在归档前自动提示缺失项你的处理流程会不会变”还比如“你最不希望Agent替你做哪一步”这些问题的答案很适合转成影响链路图。以慢病随访为例访谈整理出的链路是随访Agent自动生成记录护士录入时间下降释放出来的时间转向高风险患者高风险患者被更及时地干预随访率上升医生获得更连续的患者数据慢病管理方案调整更有依据更连续的数据反过来要求Agent有更高的记录准确度形成新一轮迭代。影响链路不是线性的它会长出反馈回路。随访率提升之后医生需要看的患者数据变多了于是又要引入新的Agent做趋势摘要。这就是影响从“优化单点效率”变成了“调整整个信息生产结构”。这类回路在访谈里反复出现也成了生态影响研究中最重要的叙事线索。3.4 第四步三类指标体系与结果输出研究不能只讲定性故事最后必须落到可比较的指标上。但这里我要强调一下指标不是拿真实医院数据跑RCT算出来的而是在沙盘推演中用访谈校准后的参数做情景测算。我把它们分成了三类分别衡量不同层次的生态变化。效率类指标关注耗时、人工步骤、处理周期这是最容易被感知的变化。质量类指标关注随访率、记录完整度、异常升级处理及时率这类指标决定Agent有没有真正改善医疗质量。生态类指标关注角色负荷转移、流程依赖变化、数据质量要求的变化这类指标最容易被忽视但恰恰是“生态影响”的题眼。指标整理如下场景效率类指标质量类指标生态类指标慢病随访随访记录生成耗时下降约60%随访率提升8%-15%护士从录入转向高风险干预病案质控预审从抽检变为全量覆盖缺失项检出率提升质控科从逐份审核转向规则治理药物警戒初筛耗时下降约40%信号漏报率下降药师更多参与案例复核与信号研判所有数字都标记为“量级估计”用来给决策者看趋势和方向而不是精确效益。这个动作很关键。生态影响研究里的数字如果被当成真实临床结果会误导产品规划。我在最终报告里专门加了一页说明这些数字来自情景测算需要后续真实环境验证。4. 常见问题与踩坑排查实录4.1 提示词看着专业实际不干活这个坑我踩得非常深。早期我给Agent写提示词时用了大量“你是一名拥有丰富临床经验的医疗专家”“你要以患者为中心”这类描述。实测下来Agent确实很有“专家腔”但输出没有任何实际任务拆解能力只会套用大而化之的模板。原因是过度的角色描述占用了上下文的注意力却没定义清楚任务本身。我后来把角色描述全部删掉换成了清晰的任务定义加示例。比如要求Agent提取随访记录里的血糖数值时我会直接给三个输入输出对告诉它什么样的症状描述应该归类为“需要关注”。这个改动在几乎所有场景里都立竿见影。对于提示工程架构师来说重要的不是让Agent“看起来专业”而是让它“按可验证的方式干活”。4.2 Agent在医疗术语上“一本正经胡说八道”有一次推演慢病随访Agent把“糖化血红蛋白”和“血糖”概念混在一起还自动推断出一段风险提示。最麻烦的是它的表述非常流畅如果不核对原始数据根本发现不了问题。这种术语幻觉在通用大模型里很常见因为模型对专业术语的记忆是概率性的不是确定性的遇到缩写时更容易出错。我的解决办法不是反复警告“不要胡说”而是给Agent挂一个术语映射表并强制它在回答前先核对术语表。同时要求输出时标注信息来源字段比如“依据随访记录2025-04-02”。这样即便它说错了人和下游系统也能快速追溯到错在哪。医疗场景里提示词体系如果不带这类“溯源机制”就不可能进入生产环节。4.3 真实数据脏到Agent没法判断真实医疗数据比想象中脏得多。随访记录里手机号可能是空的血糖值没有单位症状描述用的是方言口语日期格式也不统一。Agent直接读这些数据会产生一批非常漂亮但完全错误的输出。这个问题不是模型能力能解决的而是数据治理前置。我在工作流里加了一个“数据清洗前置步骤”单位不统一的值先统一无法识别的值标记为unknown不允许模型猜。标记为unknown的数据会触发护士补充提问。也就是说我把问题挡在Agent前面而不是让Agent自己消化。看起来流程多了一步但从生态角度看这个步骤恰恰是防止风险扩散的关键缓冲。4.4 访谈对象出现“愿景漂移”做访谈时一个很常见的现象是受访者聊着聊着就进入“未来AI可以解决一切问题”的模式。有一次一位临床医生直接说“Agent应该能判断患者要不要加药”这完全超出了我们的研究边界。如果把这个观点原样写进影响链路整个研究就会被带偏。我调整了访谈策略每次访谈控制在45分钟前20分钟只聊当前流程的事实比如“你每周花多少时间在随访记录上”“最麻烦的环节是什么”后20分钟才讨论Agent介入后的假设变化最后5分钟复核影响链。任何关于“自动判断”的说法我都会追问一句“这个变化发生在哪个角色身上证据是什么”通过这种方法愿景被拉回现实影响链路才没有变成科幻小说。4.5 问题速查表症状、原因、排查路径问题症状排查路径我踩过最深的坑提示词无效Agent答非所问或套模板检查任务目标是否可执行补充few-shot示例只堆角色设定不给任务结构术语幻觉输出流畅但内容错误建立术语表要求引用来源早期没有引入知识库数据脏乱结构化输出错乱增加清洗与缺失值处理步骤直接拿真实记录测试访谈失真影响链过于美好先聊事实再聊假设追问角色与证据被“AI万能论”带偏这张表后来被项目组当成内部排查手册遇到问题先对号入座。事实证明大部分Agent在医疗场景里的问题根源都不是模型不够聪明而是边界没定义清楚、数据没有准备好、流程没有接住。5. 项目复盘提示工程架构师在生态研究里的真正价值5.1 交付物清单从矩阵到路线图项目结束后我盘点了所有交付物一共五类。第一类叫“场景-能力-风险矩阵”把Agent的规划、工具调用、记忆、反思能力映射到每个医疗场景的风险等级上一张表看清哪里可以做深、哪里必须保守。第二类是分层提示词库按系统层、任务层、校验层组织每个场景配一组可裁剪的模板。第三类是影响链路图用文字加表格维护明确标注一级影响、二级影响和反馈回路。第四类是指标体系卡每个场景对应一套可追踪的量化建议。第五类是落地路线图建议先做低风险、密闭、高频反馈的任务比如病案预审和随访记录再逐步进入用药审核和辅助决策。这些交付物没有一个是单纯的技术输出全是技术和业务的混合物。回头再看这正是提示工程架构师这个角色应该产出的东西。5.2 对“生态影响”的新理解任务重分配项目做完之后我对“生态影响”有了新的理解。它不只是“AI取代了一部分工作”而是“任务在一群角色之间被重新分配”。随访Agent不会简单地让护士失业但会把护士的工作重心从“录入”推向“风险干预”。这个过程会连带改变岗位技能结构、培训体系、绩效指标甚至招聘标准。病案质控Agent不会简单地让质控员消失但会让这个岗位从“逐份看案卷”变成“维护规则和抽查异常”。这类变化比招聘几个AI工程师复杂得多也让“Agentic AI在医疗领域的生态影响”成了一项需要持续跟踪的课题。影响链一旦形成就会不断长出新的节点。今天一个随访Agent盘活了随访数据明天就可能出现一个依赖这些数据的趋势分析Agent。生态不是静止的图景而是一连串任务重分配。5.3 给同行的三条实操建议如果让我给后来者提建议我只会说三条。第一条不要做大而全的“万能医疗Agent”先选低风险、高频、边界清晰的任务积累信任。医疗场景的信任积累速度远比模型能力迭代速度慢没有单点信任就没有扩散可能。第二条把“拒绝”和“升级”视为Agent的正常行为而不是失败。一个好的随访Agent应该知道什么时候该闭嘴、什么时候必须喊人来。这是提示词工程里最容易体现架构思维的地方。第三条研究生态影响时一定要同时看技术、数据、流程三者的耦合关系。只换模型不换流程Agent永远只是演示品只换流程不换数据Agent会自己脑补出大量错误信息。最后再分享一点个人体会。如果让我重来一次我会在项目第一周就建立“失败案例库”主动记录Agent在边界上拒绝、误判、过度自信的表现。真正决定生态走向的往往不是Agent最聪明的时刻而是它在几千次普通交互里保持了多稳定。这可能是整个研究里我最想留给自己的结论。