腾讯健康 AI 就医助手 · 症状自查

解决什么问题

在医疗类 Agent 中，症状自查是一个高风险、高延迟的任务。传统的 LLM 直接问答容易导致幻觉诊断、遗漏高危急症，或者因为上下文膨胀和无效追问导致多轮对话冗长、成本高昂。本技能旨在提供一个本地化、结构化、安全优先的问诊路由骨架，将复杂的医疗多轮交互拆解为可控的状态机，确保在本地复刻腾讯健康 AI 诊室逻辑的同时，严格控制 token 预算和安全红线。

核心机制与执行逻辑

技能的工作流分为“追问”与“报告”两个阶段，核心在于执行预算控制与红线优先。

• 动态上下文加载：为了控制 token 消耗，追问阶段（1-3轮）仅读取 SKILL.md 主文件中的内联规则（红线清单、出题规则等），禁止读取 references/ 目录。只有在报告轮，才会按需加载 summary-report.md 或 evidence-search.md。
• 轮数硬门禁与批量问诊：避免“一轮一题”导致的对话膨胀。技能强制要求每轮通过 UI 组件抛出 3-4 个选择题，批量覆盖发热、部位、性质等维度。当信息充分或命中红线时，提前在 2 轮内收束。
• 红线扫描与急症路由：每轮用户回答后，系统会优先扫描 14 条红线（如呼吸窘迫、高危胸痛、突发神经功能缺损等）。命中任意一条即刻中止追问，直接进入报告轮，并根据时间敏感性路由至 L1（立即急诊）或 L2（数日内专科）。
• 报告生成与静态校验：报告轮通过 report.json 驱动 render_report.py 渲染 HTML 小结。输出前会经过严格的质检门禁（如退出码 3），拦截确诊表述、药品剂量、绝对化诊断及空洞安抚，确保输出仅包含分诊建议和客观病史。

适用边界与安全约束

• 非诊断工具：技能明确禁止输出“确诊”、“得的是”等绝对化结论，仅提供健康信息参考与分诊建议。
• 证据降级：搜索仅用于佐证，红线判定绝不依赖搜索。若检索失败，技能会降级继续，不阻塞流程。
• 免责边界：所有生成的报告必须携带固定的免责声明，且 L1/L2 等内部编号不会渲染给用户，仅输出中文档位（如“建议立即就医”）。