如果你见过随访护士一上午打四十通电话的样子，就能理解为什么我最初看到"AI把随访效率提升200%"这类说法时，第一反应是怀疑。过去大半年，我以提示工程架构师的身份，全程参与了一个患者随访智能体的落地项目，最后确实跑出了符合这个数字的实测结果。它不是一个拍脑袋的估算，而是我们在一家综合医院的术后科室，用前后对照的方式一点点验证出来的。这篇内容我想把从流程摸底、架构选型、提示词设计，到调优和踩坑的完整链路讲清楚，给正在做医疗AI落地、或准备把Agentic AI引入业务场景的人一份能直接参考的实战记录。

1. 先算清楚旧流程的账：随访效率卡在哪些环节

大部分团队上来就想聊模型选型、Agent框架，但我在这个项目里学到的第一课是：先别碰AI，先把人肉流程解剖清楚。如果不知道效率都损耗在哪里，后面的所谓提升就是一笔糊涂账。

1.1 用时间切片看护士的一天

我跟着随访护士完整跟了一天班，用时间切片的方式记录了她一天的工作。上午九点到十一点是电话高峰，这个时间段打了15通有效外呼，接通9通，其中3通是响铃超过40秒才接起来的。每通电话的结构高度一致：自我介绍、确认患者身份、询问术后感受、记录反馈、酌情提醒复查、叮嘱用药，最后是例行结束语。看起来流程很清楚，但问题就藏在细节里。

一通电话平均下来8分钟，其中真正在采集病情信息、判断异常状况的时间往往不到3分钟。剩下的大头消耗在哪儿？一遍遍重复开场白、患者接听后先说十分钟家常、护士要逐条核对医嘱内容，以及中间被其他电话打断后重新回忆对话进度。这些时间全是低效损耗，但每个环节又都不能直接砍掉——它们是随访服务体验的一部分。我当时的判断是：如果AI能把这些"流程性动作"包下来，让护士只处理真正需要判断力的部分，效率提升的空间会非常可观。

1.2 失访与漏随访：看不见的效率流失

比通话时长更隐蔽的问题是失访。下午时段外呼成功率明显更低，很多患者要么在上班不方便说话，要么看到陌生号码直接挂断。护士只能换个时间段再重拨，但这个"再重拨"的动作在排班表上往往排不上——因为一天里被正常随访任务占满了。这个数据如果不单独统计，很难被发现。

我们拉了一个月的历史外呼数据：大约有18%的患者在首次外呼后三天内没有被有效触达过；已出院的术后患者中，约一成会在第一周内完全失联。这些患者恰恰是最需要随访关注的群体。失联的后果往往要等到复诊才发现，到时候问题的处理成本已经高了很多。所以效率提升这件事，不能只看通话量，失访率、首触成功率、异常响应时间，和人均通话量同等重要。

1.3 先立基线：没有数字就不谈效率提升

在动手设计AI方案之前，我们把几个关键指标固化成了一套基线：

这套基线后来成了整个项目最重要的标尺。Agent做得再好，如果这些数字没有正向变化，项目就是失败的。事实也证明，后面的每一轮迭代，我们都拿它来对照，而不是凭感觉说"好像变快了"。

2. Agentic AI和传统智能客服的本质差异

说到用AI做随访，很多人的第一反应是搞一个语音机器人，把话术写进知识库，患者提什么就答什么。这种思路我见过太多失败的案例，原因在于它根本没搞清楚随访这件事的本质——随访不是"应答"，是"完成任务"。

2.1 传统对话机器人是在"查表"，Agent是在"办事"

传统智能客服的工作模式可以理解为查表：用户说了关键词，系统从预设的话术库里匹配一条回答返回。它无记忆、无状态、不能主动推进流程。患者说"我今天头晕"，传统机器人大概率会回一句"建议注意休息，如有不适请及时就医"，这句话本身没有错，但对一个术后第三天的患者来说，头晕可能是体位性低血压，也可能是术后并发症的征兆，二者处理方式完全不同。机器人不知道，因为它既没有读取手术记录，也没有判断严重程度的决策链。

Agentic AI的思路不一样。它拿到的是"完成术后随访这个任务"的目标，然后把任务拆成子步骤：先确认患者身份，再按病种问询一系列规定项目，根据不同回答动态调整追问，必要时调阅患者的基础信息，最后把结构化结果写回随访系统。整个过程不是一句一句拼对话，而是围绕任务做规划与执行。

这里有个很重要的区别需要点透：传统的语音机器人是"你问我答"，Agent是"我为完成目标而主动提问"。同样是一通电话，前者是客服思维，后者是项目管理思维。

2.2 Agent的闭环：规划、调用工具、观察、再规划

我习惯用一个更通俗的说法解释Agent的工作方式：普通AI像"菜单点菜"，服务员只会把端上来的菜递给你；Agent像"带任务的负责人"，拿着清单进现场，遇到情况会自己调整，干完活还会交一份工作报告。

技术上的实现是"规划—执行—观察—再规划"的循环。Agent拿到随访目标后，先规划出一套对话策略；然后通过语音交互工具执行；执行中从患者回答中观察新信息；发现信息不足或冲突时，重新规划下一步。比如患者说"有点发烧"，Agent不是立刻回复，而是先判断这个主诉对应哪一级风险，再去调用测温建议、用药提醒、或转人工通知等不同工具，每一步背后都有决策规则。

这个闭环能力是普通对话机器人不具备的。普通机器人哪怕知识库再全，也只能"回答问题"，而随访场景需要的是"推进一个任务走完"。从"回答问题"到"完成任务"，这才是Agentic AI带来效率质变的根本原因。

2.3 提示工程架构师到底在管什么

很多人以为提示工程架构师的工作就是写一段漂亮的Prompt，放到模型里看效果，其实远不够。在这个项目里，我的核心工作是三块：一是把医学随访SOP翻译成模型能执行的决策规则；二是设计Agent调用外部工具的边界条件；三是建立一套评估和迭代的机制。

第一块最费劲。医院的随访SOP是给护士看的，写得很人性化，比如"注意语气温和，关心患者情绪"。这句话人懂，模型不一定懂。我得把它拆成可观测、可判定的规则，比如"患者提到疼痛时，先确认疼痛部位、程度、持续时间，再判断是否达到转诊阈值"。这种细化工作如果没有临床人员深度参与，很容易做出一个看起来专业、实际上到处漏风的系统。这也是为什么提示工程架构师不能只懂模型，还要懂业务流程和领域知识。

3. 随访智能体的完整搭建方案：架构、状态机与提示词

这一章直接给方案。我们最终采用的是一套三层架构加随访状态机，整个系统跑在云上，语音链路用的是成熟的外呼服务，模型层用通用大模型加微调后的判断模型。具体的模型选型不多说，重点是结构和设计思路，这部分是可以复制的。

3.1 三层架构与随访状态机

第一层是意图理解层，负责把患者的一段语音转成文本并理解真实意图，包括主诉、情绪、对随访计划的接受度；第二层是决策规划层，这是整个Agent的大脑，它根据意图层的结果和当前状态，决定下一步动作；第三层是工具执行层，负责实际调用外呼、发送短信、生成问卷、读取基础档案等外部能力。

状态机是整个系统的骨架。我们把一次随访拆成六个状态：待触达、通话中、主诉采集、风险判定、随访结束、待人工介入。每个状态对应一组提示词操作，状态之间靠明确的迁移条件触发。比如"主诉采集"状态下，如果检测到患者提到"发烧"且体温超过38.5摄氏度，就无条件迁移到"待人工介入"；如果患者表示一切正常，就按计划收尾并记录结果。

为什么要状态机？因为纯靠大模型自由对话，随访很容易跑偏。状态机相当于给Agent圈了一个活动范围，让它在该问的时候问，该停的时候停。自由度和可控性要取一个平衡，在医疗场景里，可控性优先。

3.2 决策提示词的设计思路：把随访SOP翻译成可执行规则

这里贴一段内部用的决策规则模板（已脱敏简化），核心不是让你直接抄，而是展示"规则细化"长什么样。

{ "task": "术后患者随访", "question_flow": [ {"key": "pain", "question": "您伤口疼痛的感觉怎么样？", "options": ["无", "轻微", "中度", "剧烈"]}, {"key": "fever", "question": "您最近三天有没有测量体温？", "options": ["正常", "发热"]}, {"key": "appetite", "question": "您食欲和大小便情况正常吗？", "options": ["正常", "异常"]} ], "decision_rules": [ {"condition": "patient.pain == '剧烈'", "action": "转人工介入", "priority": "high"}, {"condition": "patient.fever == '发热' && temperature >= 38.5", "action": "转人工介入", "priority": "high"}, {"condition": "all normal", "action": "按原计划安排下次随访", "priority": "low"} ], "output_schema": { "summary": "随访摘要", "risk_level": "low|medium|high", "next_action": "continue|transfer|schedule" } }

这套规则看着简单，实际用了两周才磨出来。每一类主诉要对应多少种追问、每个阈值定多少、边界情况怎么处理，都是和科室医生一条条过的。比如"轻微疼痛"要不要追问有没有加重因素？"发热"要不要区分是伤口感染还是普通感冒？这些在SOP里可能存在模糊界定，但到了模型这边必须给出明确的判定路径，否则Agent会自己发挥，结果不可控。

3.3 工具调用链：外呼、问卷、病历与消息触达怎么串

Agent要真正闭环，不能只靠对话。我们给Agent挂了四类外部工具：

• 外呼工具：发起电话、重试管理、空闲时段自动调度；
• 问卷工具：根据病种动态生成随访量表，支持患者按键作答；
• 基础档案读取工具：只允许读取当前随访任务需要的指定字段，比如出院日期、手术类型、过敏史，不允许读取全部病历；
• 消息触达工具：外呼失败后自动切换短信、APP推送等异步渠道。

工具调用链的设计核心是"失败降级"和"权限最小化"。比如优先外呼，连续两次未接通就自动发短信，短信发出后24小时没有回复，再标记一次待人工介入。这样一条链走下来，绝大多数患者都能被有效触达，而不是像人工随访那样，下午时段打不通就直接跳过了。

3.4 红线兜底：哪些情况必须无条件转人工

Agent再聪明，在医疗场景里也不能承担最后责任。我们设置了几条绝对红线，命中任何一条，对话立刻转给真人护士，同时生成完整的上下文摘要：

• 患者表达明显情绪异常，比如持续低落、激烈语气；
• 主诉触及高疼痛等级或高热；
• 患者主动要求与真人沟通；
• 模型对当前回答的置信度低于预设阈值；
• 患者主动提及手术部位出血、渗液等紧急情况。

这些红线既是提示词层面的规则，也是状态机的强制转移条件。不要试图让一个大模型完成所有判断，红线逻辑直接写成代码，不走模型推理，确保它绝对可靠。这是所有医疗AI方案都必须守住的底线。

4. 实测过程与三轮调优：200%是这么来的

方案上线前，我们做了一轮严格的前后对照测试。时间跨度四周，测试对象是一家综合医院同一科室的出院患者，随机分成对照组和实验组，随访内容完全一致，只是执行者不同。

4.1 对照组怎么设计才不被打脸

对照组由现有护士按原有流程人工随访，实验组由Agent在同样时间段发起随访，遇到红线或疑难情况时转给同一批护士处理。我们特别留意了一个细节：实验组转给护士的对话，护士只需要按Agent给的摘要做判断，不需要重头了解背景。这保证了对比的是"流程效率"而不是"两拨人的能力差别"。

数据收集上，我们统一从随访系统后台捞数，口径和基线阶段保持一致，避免出现"基线用A口径、实测用B口径"的乌龙。这个严谨程度决定了最后能不能理直气壮地说"提升200%"，而不是被人抓住统计口径的问题。

4.2 第一轮翻车：Agent比护士还啰嗦

第一轮结果有点打脸：Agent组的单次通话时长不但没降，反而比人工组长了20%。日志一查，问题出在提示词上。我们为了"稳妥"，在提示词里塞了大量嘱咐性内容，导致Agent每次开场都很长，一遍遍确认患者有没有听懂，甚至患者已经回答"正常"了，还在追问额外细节。

调优动作有两个：一是把不必要的信息循环砍掉，只在首通电话和特定高危条件下才输出完整嘱咐内容；二是给Agent加了一个明确的对话轮次预算，比如常规状态随访最多8轮，超过就收尾，把剩余问题留给下一次随访或短信补充。这个教训后来一直提醒我：提示词不是越详细越好，详细必须跟着决策价值走，否则就是噪音。

4.3 第三轮定版后的数据表现

经过三轮调整，第三周的稳定版数据是这样的：

日有效随访量从40到120，正好是200%，这个数字就是这么来的。要特别说明的是，它不是把护士的工作量压缩到三分之一，而是让Agent扛下了标准流程随访，护士的精力集中在那7%的异常和疑难患者上。整个科室的随访覆盖面反而扩大了，之前排不上的下午时段、晚间时段，Agent都能自动错峰外呼。

4.4 算一笔真实的成本账

很多团队关心成本，我列一组参考数据：Agent版本每通电话的模型推理成本在几分钱量级，外呼线路费用另算；开发阶段投入最大的是提示词设计和规则梳理，大概是一个人月左右的提示工程工作量，加上两周的开发和联调。对照人工成本，一个熟练随访护士一周的工作量折成薪资，Agent长期跑的成本优势非常明显。

不过我更想强调另一本账：前期低效流程纠缠的时间成本。我们花了将近三周梳理SOP、跟诊、定规则，这部分如果压缩，后面调试成本会翻倍。医疗AI落地的瓶颈从来不在模型，而在把临床流程翻译成系统逻辑的过程。翻译得越细，后面跑得越顺。

5. 复现这套方案的避坑清单：哪些坑我替你踩过了

最后写一点给想复现的人。200%这个数字很有吸引力，但直接照搬方案大概率会翻车，因为每个科室、每家机构的流程和数据条件不一样。下面几条是我觉得最值得说的。

5.1 提示词里最虚的指令

我们在初版提示词里写过类似"请保持温和专业的语气""请耐心倾听患者情绪"这类要求。模型确实会执行，但它会用一种非常模板化的"温柔"来表现，反而让对话显得机械。后来我们把这类表达全部删掉，改成了行为层面可判断的规则，比如"患者说完一句话后停顿1秒再接话""患者提到担心两个字时，先共情一句再继续下一项"。效果立刻不一样。

写提示词时一定要区分"形容词"和"行为规则"。模型不能执行形容词，但能执行规则。这是提示工程架构师最基础也最关键的能力。

5.2 医疗数据边界：什么能进上下文，什么绝不能进

我们在数据边界上吃过一个教训：早期为了让Agent更懂患者，把完整病历摘要放进了上下文，结果在一次测试里，模型在随访对话中主动提及了患者既往的其他诊断，造成了一次投诉。后来我们把上下文策略改成"当前任务最小集"，并且不允许模型主动读取超出任务范围的字段。

另外，所有对话日志一律脱敏后才能进入模型训练或评估流程，外呼录音只保留必要时长，访问权限留审计。这块一定要请机构的合规人员提前介入，不要在系统上线后再补。医疗场景的数据安全不是一个技术问题，是决定项目生死的问题。

提示：凡是涉及患者隐私数据的场景，"拿不到必要字段"比"多拿字段"更安全。宁可让Agent多问一句患者，也不要让它自行从病历里挖掘信息。

5.3 科室医护不配合怎么办

另一个容易被低估的坑是科室端的使用意愿。护士一开始普遍担心Agent会抢工作，或制造额外的转接负担。我们的解法很简单：让护士参与定义"哪些情况必须转人工"。她们是离患者最近的人，最清楚哪些回答背后有风险。这个参与过程把她们从"被替代者"变成了"规则的制定者"，抵触情绪大大降低。

上线后我们也没有把随访任务完全切给Agent，而是保留了10%的样本由人工随访，作为持续对照和体验参考。这样既保持良性竞争压力，也让护士有真实感，不至于把AI当成一个脱离实际的概念。

5.4 别急着复制200%：先选对科室做试点

最后想说，如果让我重新来一次，我会把试点科室的选择优先级提得更高。术后科室的随访流程相对标准化、问题集合有限，特别适合Agent切入；而慢病随访和孕产妇随访的变数更多，需要更复杂的决策链，不适合第一个试点。这个选择直接决定了项目能不能快速跑出数据，先赢一局比什么都重要。

我在这轮项目里最深的一点体会是：所谓提示工程架构师，很多时候不是在"写提示词"，而是在做翻译——把人的业务直觉翻译成机器的决策路径，再把机器的输出翻译回人看得懂的判断依据。这套方法放在患者随访上管用，放到其他流程型业务里，底层逻辑也是一样可以迁移的。