用多智能体搭建医院 AI 员工团队
在医院场景落地 AI Agent，多数是从一个导诊机器人起步，之后陆续加上预问诊、随访、院务问答，每个助手单独上线、单独维护。多智能体是把这些助手按岗位编成一个团队，各管一摊，跨岗位的事由一个牵头的智能体分派、汇总，医生只看汇总结果。
下面以关节外科为例，讲团队怎么搭、平时怎么协作，以及部署时要注意的地方。导诊、预问诊、报告解读这些单个场景，之前的医疗行业全景方案里已经讲过，这里不再重复。
一、为什么单个助手不够用
单点助手上线快，但用久了，一个助手往往越做越重。导诊助手后来又要答医保、查排班、做科普，知识库和提示词一层层往上加，回答开始串味，出了问题也不好查是哪段配置导致的。
另一个问题是助手之间不通。预问诊助手收集的病史，随访助手看不到；随访发现异常，还得护士手动转给医生。助手上得越多，护士和医生在中间转交信息的活反而越多。
二、按岗位组建团队
以一个关节外科为例，可以配置 5 个智能体：
| 智能体 | 服务对象 | 负责什么 | 主要知识 |
|---|---|---|---|
| 医生助手 | 医生 | 整理患者资料、起草病历和检查建议，牵头协调其他助手 | 科室诊疗常规 |
| 预问诊助手 | 初诊患者 | 挂号后采集病史，生成结构化预问诊报告，标记危急信号 | 预问诊模板、危急值规则 |
| 导诊助手 | 患者 | 按症状推荐科室、讲解就医流程、发送到诊通知 | 科室与出诊信息、就医须知 |
| 随访助手 | 术后患者 | 定期收集伤口、疼痛、康复训练情况，异常时提醒医生 | 术后康复路径、随访量表 |
| 院务助手 | 职工 | 解答人事、报销、进修、设备报修等问题 | 院内制度文件 |
在 LinkAI 超级 AI 助理里，团队中的每个智能体都有独立的模型、技能、知识库、长期记忆和工作空间，彼此不共用上下文。这和让同一个模型轮流扮演不同角色是两回事：随访助手积累的康复记录不会混进院务助手的记忆，院务助手也读不到临床知识库。
模型也可以按岗位选：医生助手处理的病史汇总推理量大，适合用能力更强的模型；导诊、院务这类问答量大但相对标准的岗位，用响应更快、成本更低的模型即可。
配置时最容易被忽略的是职责描述。牵头的智能体只看职责描述来决定把任务交给谁，所以要写清楚负责哪类业务、能拿到什么数据、产出什么。比如随访助手写成「负责关节外科术后患者随访，可查看随访记录，发现切口异常、肿胀、发热等情况时输出异常清单」，分派起来比只写「负责随访」准得多。
三、一次协作的过程
医生在「多智能体会话」里发了这样一句话：
明天上午我的关节外科门诊，帮我梳理一下：初诊患者的预问诊里有哪些需要重点关注的？复诊的术后患者随访情况怎么样？
医生助手把初诊部分交给预问诊助手，复诊部分交给随访助手。
预问诊助手过了一遍 8 位初诊患者，标出 4 位需要重点看。其中一位右膝红肿伴发热，一个月前做过关节腔注射，被标为疑似化脓性关节炎，建议优先接诊。随访助手核对了 6 位复诊患者，发现切口渗液、小腿进行性肿胀、屈曲角度不达标三类异常。
医生助手把两边结果合成一张 14 人的门诊清单，其中 7 人标为重点，每人写了关注原因和建议检查，也注明了信息出自哪个助手。医生看完回复：「这两位我优先看，通知她们提前到，其中一位到院先做下肢静脉彩超和 D-二聚体。」医生助手再把通知的事转给导诊助手。
这里没有预先画流程图，也没配路由规则。以后想加一个康复科普助手，建好智能体、写好职责就行，牵头的智能体会自己把相关的任务分过去。
患者那边也能发起协作。比如术后患者在患者群里说「伤口有点红肿」，群小助手转给随访助手，随访助手调出随访记录判断属于需关注的异常，再由医生助手整理成摘要推给主治医生；医生给出处理意见后，由行政类助手通知患者、预约复诊。
示例里的「建议检查」只是给医生参考，做不做由医生定，智能体只负责收集、整理和提醒。截图里的「通知已推送」也只是演示，真要给患者发通知，得接公众号、短信或院内消息系统；预问诊和随访数据要能查到，同样要和院内系统打通，第六节会讲。
四、知识库分级：院级统一，科室自管
岗位拆开了，知识库也得跟着拆。我们一般建议分三层：
- 院级公共知识：医院概况、就医流程、医保政策、院内制度，由信息科或医务处统一维护，各岗位共享。
- 科室专科知识：诊疗常规、术后康复路径、随访量表，由科室自己维护，只挂给本科室的智能体。
- 职能部门知识：人事、财务、后勤制度，只给院务类智能体使用。
LinkAI 的知识库支持多级目录，可以按「院级 / 临床科室 / 护理部 / 行政职能」分层，科室下再按亚专科归档。每个智能体挂载哪些知识库单独配置，例如随访助手只挂「关节外科」下的康复路径和随访量表，不会读到其他科室的资料。
这样分，日常维护会轻松很多。科室改了术后康复路径，改自己目录下的文档就行，不用找信息科排期，也不会影响其他科室。
五、入口：患者、医生、职工各用各的
| 使用者 | 常用入口 | 对接的智能体 |
|---|---|---|
| 患者 | 公众号、患者群 | 导诊、预问诊、随访 |
| 医生 | 桌面客户端、企业微信 | 医生助手（可调度其他助手） |
| 职工 | 企业微信、钉钉、飞书 | 院务助手 |
同一类渠道可以运行多个实例，每个实例绑定单个智能体或一组智能体。比如面向患者的入口只绑定导诊和随访助手，患者的消息不会进入医生助手和院务助手；医生在内部渠道里则可以通过 @ 直接指定某个助手回答。
医生在电脑上用桌面客户端的话，智能体能直接读本机文件，比如整理一批检查报告，不用先上传。
六、数据安全与系统对接
医疗数据不能出院，这类方案一般采用私有化部署：整套平台装在医院内网，患者数据、知识库和对话记录都留在院内。模型按场景选：涉及患者数据的业务走院内 GPU 上的本地模型，公开信息类问答可以接院方认可的外部模型服务。
与 HIS、EMR、LIS 等院内系统的对接，建议分步做，先读后写：
- 只读查询：查排班、查检验结果、查随访记录。风险最低，最先上线。
- 数据汇总：把多个系统的数据整合进门诊清单、随访报告这类产出。
- 业务办理：预约复诊、发送通知等写入操作，每一项都单独评估、单独授权。
每一步上线前由信息科评审、做完整测试，接口权限按最小范围开放。智能体的每条回复都标注了来源岗位，再配合平台的操作日志，出了问题能追溯到具体环节。
七、怎么开始
别一上来就铺满全院。先挑一个随访量大、医生也愿意试的外科科室，上随访助手和预问诊助手，再加一个医生助手做汇总。
上线前先把知识库建好：院级公共知识加上试点科室的专科知识。随访量表和危急信号规则一定要让科室医生审过。
跑一两个月，按医生的实际用法调职责描述和知识库，样板跑顺了再推到其他科室，院务助手也可以这时候上。院内系统的深度对接放在最后，等用法稳定了，按上一节的顺序一步步来。
想先试试多智能体团队，可以在 LinkAI 控制台 创建几个超级 AI 助理，在「多智能体会话」里试一次委派协作，配置方法见多智能体团队文档。医院场景或私有化部署的需求，可以联系我们预约沟通。
