- 综合排序
- 最热优先
- 最新优先
医疗支付系统中的自校正智能体AI设计
当RPA达到极限：在医疗支付系统中设计自校正智能体AI许多医疗支付机构在大规模行政自动化方面取得了可衡量的进展。 这一转变反映在新兴的企业智能体AI实施模型中。智能体系统分析结果，调整策略，并优化输出以朝向设定目标。这与近期将智能体AI描述为在医疗工作流程中结合规划、工具使用和迭代自校正的研究一致。 设计自校正反馈架构智能体AI系统中缺乏反馈控制机制会带来重大的操作风险。自校正架构需要精心设计。异常智能与漂移检测医疗支付系统持续生成数据信号。 抓住智能体AI优势...7 Njei, B. 等人。(2026年2月)。医疗研究中的人工智能智能体：范围综述...8 Kolt, N. (2025年2月)。 治理AI智能体...9 某机构标准与技术研究所。(2023年1月)。人工智能风险管理框架...10 用于变革医疗的下一代智能体AI，2025年。FINISHED
13510编辑于 2026-05-09腾讯医疗大模型产品概要：医疗健康智能体
一、 产品定位与核心亮点 腾讯医疗健康智能体是基于腾讯混元大模型的医疗健康领域AI应用。 其核心技术属性为医疗垂直领域大语言模型，商业差异化卖点在于将大模型技术与专业的医学知识库（腾讯医典）相结合，为个人用户和医疗机构提供精准、专业的健康信息服务和医患沟通效率工具。 医疗报告辅助场景（深圳大学附属第一医院） 背景：医生书写影像学报告工作量大，且需确保准确性和效率。 解决方案：集成“小觅AI助手”（腾讯觅影），使用其报告生成、质控（纠错）、比对、解读功能。 成效：影像报告书写效率提升20%，AI生成报告的能力相当于中级医生水平。 总结 腾讯医疗健康智能体通过大模型技术，在个人健康服务层面实现了更精准、便捷的信息获取与指导；在医疗机构服务层面，有效助力医患沟通效率提升（智能随访、辅助沟通）和报告处理流程优化（报告提效），达成了“增效降本
23710编辑于 2026-05-30腾讯医疗大模型：医疗健康智能体产品概要
主讲人： 李慧 | 医疗健康产品商业化负责人 数据来源： 2024腾讯全球数字生态大会 一、产品定位与核心亮点 技术定义： 腾讯医疗大模型是一款基于腾讯混元AI生成技术的医疗健康智能体，旨在构建“个人健康助理 核心差异化卖点： 精准化服务： 结合居民健康标签，生成个性化医疗建议，解决传统健康信息碎片化与个性化不足的问题。 AI小觅助手：提供报告质控、比对、解读，生成能力相当于中级医生水平。 医患沟通助理（To B/医生端）： 包含智能随访管理、企业微信集成辅助沟通、影像报告质控与生成（小觅AI助手）。 2. 硬核指标 文本处理能力： 支持 256K 超长文本输入（用于报告解读）。 解决方案： 使用 AI小觅助手（腾讯觅影）。 报告质控： 自动识别并纠正文本错误（如“便是→辨识”、“巨献新视野→局限性视野”）。
27810编辑于 2026-05-30- 来自专栏医疗AI 在临床应用与实践
医疗AI Agent元年：从概念到落地，智能体如何重构医疗服务全流程
随着大语言模型技术的成熟和突破，医疗AI正在从"辅助工具"进化为"智能体"（AI Agent）。 从工具到智能体的质变1.1 医疗AI Agent的核心特征传统医疗AI系统通常是"被动响应型"——医生输入数据，系统返回结果。 2.4 厦门心血管病医院：业务智能体建设的先行者在医院信息化建设方面，厦门心血管病医院（厦心医院）通过系统化的业务智能体建设，在提升诊疗效率、保障患者安全、优化医疗质量等方面取得了显著成效。 3.3 Cell系列综述：医疗AI智能体的系统性回顾2025年9月，顶级学术期刊Cell系列发表了关于医疗AI智能体的系统性综述文章，全面梳理了AI Agent从临床应用到AI医院建设的最新进展。 结语：智能体时代的医疗新范式医疗AI Agent的兴起，标志着我们正在从"信息化医疗"迈向"智能化医疗"的新阶段。它不仅仅是技术的进步，更代表着医疗服务模式的深刻变革。
3.6K10编辑于 2025-10-29 Nature | 迈向自主医疗人工智能智能体
在医疗场景中，这类智能体有望作为虚拟医生协作助手，在不同监督程度下协助临床人员管理病例。已有研究探索了FHIR兼容环境中的任务级智能体、模拟临床决策基准、对话式诊断系统以及多智能体诊断系统。 MIRA作为自主医疗智能体，与患者智能体进行病史采集对话，并可调用电子健康记录工具完成体格检查请求、实验室检查、尿液检查、微生物学检查、影像检查、药物申请、手术或操作检索、操作申请、诊断和入院决策等任务 讨论 研究人员开发并初步评估了MIRA，这是一个能够在沙盒化电子健康记录中执行完整急诊科工作流的自主医疗人工智能智能体。 总体而言，本研究展示了自主医疗人工智能智能体从“医学问答工具”走向“电子病历内临床工作流伙伴”的可能路径。 尽管距离真实临床部署仍需大量安全、伦理、监管和前瞻性验证工作，但该研究为评估和迭代电子健康记录集成型医疗智能体提供了重要基准，也代表了迈向自主医疗人工智能智能体的重要一步。
8110编辑于 2026-06-25AI 智能体
也就是AI Agent AI Agent AI 智能体是一个能够感知环境并采取行动以实现特定目标的系统。它从标准大语言模型演进而来，被赋予了规划、使用工具以及与周围环境交互的能力。 可以把智能体 AI 想象成一个能在工作中不断学习的智能助手。 它遵循一个简单的五步循环来完成任务 1.获取任务目标：你给它一个目标，比如“帮我安排日程”。 Claude Code Claude Code是一个比较通用的智能体 系统架构 工具系统是 Claude Code 的"手脚"，使其能够与外部环境交互： 文件工具：读取、写入、搜索文件； 执行工具：运行 使用最小权限原则，只向用户索要完成任务的最小权限； 安全边界：文件操作和命令执行的限制； 核心引擎是 Claude Code 的"大脑"，负责协调各个组件的工作： 消息系统：管理用户输入、AI 响应和工具结果的消息流 ； 查询引擎：与 AI 模型交互，发送请求并处理响应； 工具调度器：协调工具的调用和结果处理； 执行流程 Reference Claude Code 深度拆解：一个顶级AI编程工具的核心架构
11200编辑于 2026-06-25- 来自专栏算法之名
AI智能体
langchain 概述 langchain是LLM与AI应用的粘合剂，是一个开源框架，旨在简化使用大型语言模型构建端到端应用程序过程，它也是ReAct(reason+act)论文的落地实现。 chains，langchain把提示词、大语言模型、结果解析封装成chain，并提供标准的接口，以便允许不同的chain形成交互序列，为AI原生应用提供端到端的chain。 content='Hi.'), SystemMessage(content='你的角色是一个诗人.'), HumanMessage(content='用七言绝句的形式写一首关于AI messages) print(response.content) 这里的 ZHIPUAI_API_KEY 需要你自己去智普网站 https://open.bigmodel.cn 去注册就有，运行结果 智能助手显神通 的诗')] streaming_chat(messages) 运行结果 智能助手显神通， 问答之间意无穷。
91010编辑于 2024-09-29 - 来自专栏AI智能体从入门到实践
构建AI智能体：AI医疗场景实践：医学知识精准问答+临床智能辅助决策CDSS
一、医疗AI的演变 在大模型带来今天这般便利之前，传统的医疗知识问答系统无法像大模型一样理解自然语言并生成句子。 从早期的关键词匹配和规则系统，到如今的大语言模型、向量检索和知识图谱，我们正在构建一个能够理解、推理并辅助决策的“智能医疗大脑”。 整合近期的RAG和想来数据库知识结合医疗的两大实际场景了解一下医学知识精准问答和临床智能辅助决策CDSS系统的构建过程。二、医学知识精准问答1. 总结与提醒 这个示例提供了一个完整的、可实践的起点，用于构建一个医疗领域的智能问答系统。 法律责任：AI生成的建议目前无法承担任何医疗责任。系统必须作为“辅助工具”存在，所有建议必须由有资质的医生审核、确认和执行。
1.3K21编辑于 2025-11-23 - 来自专栏大模型应用
医疗AI智能体：多意图命中下的智能路由：高风险优先的医疗SKILL调度算法详解.141
未来价值：大模型医疗的核心基础设施SKILL意图路由竞争调度算法是医疗大模型的核心骨架：前端：用户自然交互，无需专业指令；中端：算法智能调度，分优先级处理；后端：各 SKILL 专业执行，保障精准安全； 医疗SKILL调度算法基础实现 以下示例展示了一个医疗AI助手的核心调度逻辑。 SKILL优先级与风险等级可视化：医疗场景上下文衰减曲线（衰减系数=0.8）：六、总结 SKILL级别意图路由竞争调度算法，就是给医疗大模型装了一套智能指挥中心，让AI从只会闲聊的机器人， 这样一来就彻底解决了用户血压爆表、情况危急，AI却先扯吃什么的尴尬场面，高风险内容绝对不会被低优先级请求抢占。 简单理解，它就是医疗AI的分诊台，既有人文温度，又有科技精度，既保证响应精准，又守住安全底线，是医疗大模型在真实场景里的关键骨架。
19311编辑于 2026-06-18 - 来自专栏Go语言学习专栏
7 - AI 智能体构建 - AI 超级智能体项目教程
本节重点 学习 AI 智能体的概念和构建方法，掌握如何实现具有自主决策能力的 AI 系统。 通过 CoT 思维链、ReAct 模式等核心技术，深入理解智能体的工作原理，并参考 OpenManus 开源框架实战开发能够自主规划执行任务的 AI 智能体。 具体内容包括： AI 智能体概念与特点 智能体实现关键技术 使用 AI 智能体的多种方式 OpenManus 实现原理 自主实现 Manus 智能体 智能体工作流编排 A2A 协议 一、什么是智能体？ 三、使用 AI 智能体 有 3 种方式可以使用 AI 智能体，之前的教程中其实我们已经有接触过，这里再快速复习一遍。 比如可以在阿里云百炼、Dify 等平台上创建智能体 2、软件中使用 AI 开发工具 Cursor、tare 就集成了 AI 智能体，可以帮我们生成完整的项目代码、或者解释项目代码。
1K10编辑于 2026-03-17 - 来自专栏大模型应用
医疗AI智能体：基于UMLS驱动的医疗RAG：语义检索与知识分层的应用实践.129
一、前言 在医疗人工智能领域，检索增强生成（RAG）是连接大模型与专业医疗知识的核心桥梁，它让大模型不再依赖过时的通用训练数据，而是实时调用权威医疗文献、诊疗指南、临床共识生成安全、精准的医疗回答 今天我们结合智能体构建的实际场景，由浅入深讲解医疗 RAG 的核心优化方案，我们通过知识库分层架构、医疗语义检索优化、术语归一化标准化三大核心技巧，以提交医疗RAG检索准确率为核心目标，彻底告别通用检索的低效与风险 降低医疗 AI 门槛，赋能基层医疗基层医疗机构缺乏顶级专家，医疗化 RAG 可以让普通医生、护士快速检索权威指南；让基层患者享受到国家级的诊疗标准，缩小医疗资源差距，这是医疗 AI 的核心社会价值。 合规性与安全性：医疗 AI 的准入门槛国内医疗 AI 产品必须满足合规性、可追溯性要求：医疗化 RAG 的分层知识库、检索日志、术语标准化记录，可完整追溯回答的知识来源，满足国家药监局、卫健委的监管要求 ，是医疗 AI 产品商业化的必备条件。
22711编辑于 2026-06-06 - 来自专栏算法之名
AI智能体(五)
接AI智能体(四) MetaGPT 环境装配 metagpt下载地址：https://github.com/geekan/MetaGPT conda create -n metagpt python= gpt-3.5-turbo api_key: "******" 测试： 在终端命令行中进入Meta-GPT-main目录中执行 metagpt "Write a cli snake game" 单动作智能体 多动作智能体 import asyncio import sys import subprocess from metagpt.llm import LLM from metagpt.actions import
90800编辑于 2025-02-06 - 来自专栏算法之名
AI智能体(二)
我是人工智能助手智谱清言，可以叫我小智，很高兴见到你，欢迎问我任何问题。' model_name': 'glm-4', 'finish_reason': 'stop'}, id='run-b982480c-39d9-4445-8888-62a10339ef86-0')]} 状态持久化 许多AI
78410编辑于 2024-10-05 - 来自专栏人工智能
Notion AI 智能体
NotionAI智能体Notion3.0的AI智能体通过自动化流程实现复杂任务闭环。其核心能力包括智能搜索、数据分析、决策制定和执行操作。 零一万物万智2.5平台解析万智2.5平台采用多智能体协作架构，每个角色对应特定职能：市场智能体：自动生成营销方案并执行投放HR智能体：处理招聘全流程，包括简历筛选和面试安排财务智能体：实时监控预算并生成分析报表平台通过智能体间的通信协议实现协作 例如启动新项目时，系统自动组建包含产品、设计、开发智能体的虚拟团队，各角色通过API交换数据并同步进度。 ：知识库建设：结构化企业数据供智能体调用权限管理：设置不同智能体的数据访问层级验证机制：关键决策需加入人工审核环节典型部署流程包括POC测试阶段，先选择单一业务场景验证，如自动生成周报，再逐步扩展至复杂业务流程 监控系统需记录智能体的决策路径和执行效果，便于持续优化。
37510编辑于 2026-01-07 【AI智能体创作】
AI智能体创作思路 AI智能体的核心在于模拟人类思维和行为模式，通过算法和数据处理实现自主决策。创作思路通常包括目标定义、数据收集、模型训练、评估优化等环节。 目标定义阶段明确智能体的功能边界，比如聊天机器人、游戏NPC或自动化工具。数据收集阶段获取相关领域的语料、图像或其他输入数据。模型训练阶段选择合适的算法架构，如深度学习、强化学习或规则引擎。 智能体的核心功能包括" input_ids = tokenizer.encode(input_text, return_tensors="pt") output = model.generate( 转换） 示例：电商评论清洗需移除商品编号、价格等干扰信息 分词处理 中文首选jieba分词（支持用户词典添加） 英文推荐NLTK的word_tokenize或spaCy 专业领域需定制分词规则（如医疗领域的 测试显示新版本准确率下降超过5%时 联邦学习实施方案： 采用安全聚合协议(Secure Aggregation)保护参与方数据 支持横向联邦(相同特征空间)和纵向联邦(不同特征空间)两种模式 典型应用案例：医疗
50810编辑于 2025-12-17- 来自专栏新智元
【智能医疗】值得关注的10家医疗 AI 公司
【新智元导读】医疗AI越来越成熟，有了越来越多的落地，显示出变革传统医疗行业的潜力。本文介绍了综合护理、制药、心脏病、医疗成像等领域值得关注的10家医疗AI公司。 医疗领域正在经历变革——人工智能在推动这场变革。人工智能，包括深度学习和机器学习，正在从研究实验转变为实际的应用，驱动更加个性化、综合、而且易得的医疗服务。 他说：“我们相信 AI 将以前所未有的方式实现医疗的民主化。” 这个市场正在进入高速增长阶段，让我们来看看2017年具有变革潜力的10家医疗 AI 公司。 综合护理 Babylon Health 将医生与 AI 联系起来，通过智能手机提供全天候的个性化健康护理体验。
3K90发布于 2018-03-28 - 来自专栏大模型应用
医疗AI智能体：合规可追溯：SKILL架构下的可解释性AI（XAI）医疗落地全解.145
什么是可解释性AI 可解释性人工智能XAI，全称Explainable AI，核心是让AI模型的决策过程可理解、可追溯、可验证，而不是给出一个无法拆解的“黑盒结果”。 了解SKILL架构 SKILL是一种面向任务拆解、模块化执行、可追踪决策的智能体架构。 与传统大模型智能体的区别模式决策方式可解释性医疗合规风险可控性原生大模型端到端生成极差不满足低ReAct 智能体大模型自主规划弱难以监管中SKILL 医疗架构模块化 + 固定医学依据极强满足审计高SKILL 示例：医疗可解释AI诊断这是一个基于SKILL架构的糖尿病风险评估示例，展示了如何让AI诊断过程可追溯、可解释。 AI（XAI）里的落地逻辑说明医疗AI真不是堆大模型参数就行，结构比能力更重要。
16311编辑于 2026-06-22 - 来自专栏AI智能体从入门到实践
构建AI智能体：特征工程行业实践录：金融、电商、医疗的智能化转型
它让机器理解金融的信用语言、感知电商的用户心声、掌握医疗的临床智慧，推动各行业从经验驱动迈向数据驱动。在智能化时代，特征工程能力已成为企业的核心竞争力。 核心价值：在医疗领域，特征工程不仅是提升模型精度，更是构建可解释、可信赖的AI辅助诊断系统的关键。它将“黑箱”的像素数据，转化为医生能够理解和验证的、符合医学逻辑的临床指标。2. AI诊断算法特征选择为临床路径制定提供循证医学依据图5：临床分期分布（业务特征）图表内容：轻度、中度、重度患者数量的条形图不同颜色区分严重程度为什么要做这个图：验证临床分期标准的合理性展示患者群体的严重程度分布为医疗资源分配提供参考业务价值 诊断系统验证提供金标准帮助监管机构评估医疗AI产品效能为临床指南更新提供证据支持图4：最终风险等级分布（临床决策支持）图表内容：饼图展示低、中、高风险患者的比例分布颜色编码表示风险等级为什么要做这个图： 这正是它在AI时代不可替代的价值所在。
71722编辑于 2025-12-21 腾讯医疗大模型“医疗健康智能体”产品能力与应用价值解析
一、 产品定位与核心亮点 腾讯医疗大模型“医疗健康智能体”是由腾讯云推出的一款垂直行业大模型应用（主讲人：李慧，医疗健康产品商业化负责人）。 其商业差异化卖点在于将传统的“碎片化信息检索”转化为“结构化、个性化的主动服务”：对C端用户，提供精准、通俗的人性化健康助理服务以实现“增效”；对B/H端医疗机构，提供多层次智能管理与辅助撰写工具以实现医患沟通的 智能随访与信息收集： 自动生成并派发随访计划，系统化收集患者患教反馈与体征信息，并直接生成管理建议。 解决方案： 集成医疗大模型辅助报告模块（小微AI助手）。在系统中应用了报告比对（自动比对多期结节大小等病情变化）、报告质控（一键纠错）及报告解读功能。 成效： 影像报告书写效率提升 20%，其AI生成的报告能力水平已相当于中级医生，大幅降低了潜在的医疗文书出错风险。
16410编辑于 2026-05-30- 来自专栏大模型应用
大模型应用：从零构建医疗AI智能体：大模型驱动的医疗辅助系统全流程解析.125
什么是医疗AI智能体1.1 核心定义 医疗AI智能体是以大模型为核心，融合医疗领域知识库、多模态数据处理能力和人机交互接口，能够自主感知医疗场景中的信息（如患者症状、检查报告）、分析问题、 1.3 与通用 AI 智能体的区别维度医疗 AI 智能体通用 AI 智能体知识边界严格限定在医疗领域，需符合临床指南无明确边界，覆盖全领域准确性要求极高（错误建议可能危及生命）中等（允许一定误差）合规性需符合医疗监管要求 医疗AI智能体的核心价值2.1 对医疗行业的价值提升医疗可及性：解决偏远地区医疗资源不足的问题，通过智能体实现远程轻问诊。降低医疗成本：减少不必要的检查和诊疗流程，提升医疗资源利用率。 第三层：核心智能层（系统大脑・决策核心）定位：医疗 AI 智能体的灵魂，所有推理、思考、决策均在此完成（最核心层级）核心能力 C1：三位一体智能中枢 1. 总而言之，医疗AI智能体必须稳重务实，核心需要懂医疗、守规则、能落地，一步步打磨才能真正用起来、靠得住。
36610编辑于 2026-06-02
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号