某知名三甲医院的热线每天涌入大量患者的"说不清"式来电：先描述"我肚子疼了好几天"，然后问"应该挂什么科"；也可能一口气问"钱塘院区怎么走、消化内科是哪个医生——这些院区和科室混在一起问。通话Agent需要先判断这是在问分诊还是问路线，再决定是否追问院区。另一类场景来自某专科肿瘤医院，核心需求不仅是分诊，还包括院内设备报修和服务报修的工单流转——报修电话打进来后，需要快速创建工单、跟踪处理进度并归档。
这两个场景共同说明一个问题：医疗语音机器人的关键战场不在"回答了什么"，而在"不该答的有没有拦住""拦不住之后转给人了没有""转给人之后后续流程有没有追踪"。以下落地实战按这个顺序展开。
一、分诊的第一步不是训练AI，而是划定AI的"安全区"
三甲医院引入通话Agent做症状分诊，最大风险不是回答错误——而是回答了不该回答的问题。AI只做服务导航和流程梳理，不承担诊断和治疗决策，这是医疗AI应用中不可逾越的边界。
1. 通话Agent可在安全区内独立处理的来电
症状模糊的主诉：患者说"我头晕"，Agent追问"头晕几天了""伴随什么症状"，结合知识库给出建议科室方向，但不给出诊断结论
院区导航：患者问"你们钱塘院区怎么走""大运河院区有消化内科吗"
挂号流程咨询：挂号时间、挂号渠道、错过号源怎么处理
检查检验指引：做血常规去哪里、需要空腹吗
合力亿捷的通话Agent在这一类场景中更适合被理解为一种"服务导航层"——通过意图识别和知识库检索，把含糊的主诉翻译成具体的门诊方向，而不越界到诊断领域。这一点对三甲医院尤其重要，因为让患者理解"AI只是帮你找到对的科室，不是帮你判断得什么病"，是减少投诉的第一道防线。
2. 必须由通话Agent直接转人工的来电
用药咨询：患者问"这个药怎么吃""能不能和另一个药一起吃"——Agent在意图识别时直接转人工，不做任何回答
病情紧急描述：胸痛、呼吸困难、大出血等关键词触发直接转人工
投诉和维权
涉及精神心理的复杂主诉
这片边界不是上线之后慢慢摸索的——因为单次失误的后果不可逆。某三甲医院的场景明确要求用药咨询和投诉直接引导转人工，Agent在意图识别层就必须完成判断。
二、症状输入的三种典型模式与处理策略
患者描述症状的方式差异很大。根据该三甲医院的来电特点，可以归纳为三种输入模式，每种需要不同的Agent处理策略。
1. 模式一：只给了症状，没给方向
"我肚子疼了好多天。"患者说了症状，但没说想挂哪个科。
处理策略：Agent主动追问信息——"疼了几天""疼痛位置在肚脐周围还是右下腹""有没有发烧或呕吐"——收集关键症状信息后，结合知识库给出建议科室。语气上始终保持"根据您描述的情况，通常可能涉及的科室是XX，具体请医生确认"，而不是"你应该挂XX科"。
2. 模式二：症状和科室一起给了，但可能不匹配
"我头晕想挂神经内科。"但头晕的原因可能是耳石症（耳鼻喉科）、贫血（血液科）、高血压（心内科）等多种情况。
处理策略：Agent在知识库中检索头晕的常见关联科室，如果神经内科在列表中，可以确认并引导；如果明显不匹配，可以提示"头晕也可能涉及XX科室，您是否需要多了解一些信息再做选择"。但这需要知识库在症状-科室映射上达到一定覆盖完整度。
3. 模式三：症状-院区-科室混在一起问
"钱塘院区消化内科怎么走，我胃疼想挂那个科的号。"
处理策略：Agent先从一句话中拆解出两个意图——院区导航和症状分诊——然后分段回答：先确认"钱塘院区消化内科"，再引导"关于胃疼的症状，您在钱塘院区消化内科就诊是合适的。关于挂号时间……"在回答院区问题时，Agent还需要追问患者确认"请问您要去钱塘院区对吗？"，因为院区名称在电话中可能被听错。
三、从症状到科室的映射：知识库的构建与运营
1. 映射表的三层结构
构建症状-科室映射表是分诊机器人的知识库基础。建议分三层组织：
第一层：高频症状→主推科室。如"头痛→神经内科/疼痛门诊"、"胃痛→消化内科"、"胸痛→心血管内科"。这层直接对应模型的知识检索，是回答正确率的基础。
第二层：伴随症状→次推科室。如"头痛+耳鸣→耳鼻喉科"、"胃痛+反酸→消化内科"。这层对应Agent的追问逻辑，确保多轮对话中不遗漏关键信号。
第三层：排除信号→不应推荐科室。如"胸痛+呼吸困难"不适合普通门诊分诊，应直接转急诊。这层对应Agent的边界判断，防止把紧急情况当常规分诊处理。
2. 知识库的持续运营
三甲医院的科室划分细、门诊规则变动多、出诊信息浮动频繁。知识库必须在正式上线后每周进行一次内容巡检，重点关注：新开设或关停的科室、出诊时间变更、院区科室调整。
医疗场景中，合力亿捷的悦问知识库可被用作一类参照：它不仅支持知识分类和向量检索，还具备知识命中分析和知识缺口识别能力，运营团队可以从转人工记录和Badcase中反推知识缺失位置，而不是凭印象补充。
四、多院区追问：让患者跑对地方的关键一环
三甲医院的多院区场景中，同一个科室可能分布在多个院区。该三甲医院有庆春、大运河、钱塘、绍兴四个院区，患者可能在说症状的时候下意识提到院区，也可能完全没有提。
1. 院区提问时机
Agent在确认科室建议后，需要追问患者所在的区域。这句话的表达比技术更重要——"请问您方便去哪个院区"比"你选哪个院区"更容易被接受。在给出具体院区之前，Agent应该说明不同院区的就诊时段和优势科室，而不是让患者盲目选择。
2. 院区名称的识别问题
院区名称在电话语音中容易被听错。Agent在识别出院区后，应该主动复述确认——"您说的是钱塘院区对吗"——而不是直接继续回答。这个微交互看起来简单，但对于老年患者或不熟悉院区名称的外地患者来说，能显著减少错误导航。
五、转人工场景的三条硬杠
1. 用药咨询和三高慢病调药——直接转人工
患者在电话中问"这个降压药能不能和降糖药一起吃"，通话Agent没有能力处理这类问题，也不能给出模糊的建议。某三甲医院场景明确要求用药咨询直接引导转人工，Agent在意图识别层判断命中后不做追问、不做解释、直接转接。
2. 胸痛、呼吸困难、大出血等紧急描述——跳过Agent
患者可能在一个常规咨询电话中突然说"我刚才胸痛了半小时"，这不是AI可以继续追问的场景。Agent必须在识别到这些关键词后立即转人工或转急诊，转接时优先占用坐席而非排队。
3. 投诉和维权——转人工并切换服务语气
投诉来电有时会伪装成普通咨询。患者可能先说"我想问一下挂号怎么弄"，然后在对话中渐渐表现出不满情绪。这类场景依赖情绪识别能力——当Agent检测到患者语气明显不满或情绪波动时，不应继续标准流程，而应转人工并在转接时标注情绪状态。
六、分诊之后的闭环：工单流转与科室协同
症状分诊把患者引导到对应科室之后，服务链条还没有结束。某专科肿瘤医院的场景表明了后续环节的重要性——院内设备报修、服务报修需要工单系统的标准化支撑，报修电话进来后需要快速创建工单、跟踪处理进度并最终归档。
扩展到分诊场景中，工单的作用体现在两个方向上：
患者来电中的投诉和建议：通话Agent识别后创建工单，分配到对应科室或医政部门，管理人员可以追踪整改进度
患者来电后在对话中触发的后续动作：如预约确认、检查提醒、就诊满意度回访等
合力亿捷的工单系统支持手动建单、会话中建单和接口建单，在通话Agent完成分诊后可以一键生成工单草稿——如果患者需要后续回访，这份工单就进入了标准的流转和提醒流程。对于有设备报修和服务报修需求的医疗机构，工单闭环可以和分诊机器人搭配使用，让同一个系统覆盖"患者服务+院内运营"两个方向。
七、落地节奏与自查清单
1. 落地节奏建议
如果距离上线还有1-2个月：
第1-2周：知识库构建
完成症状-科室三层映射的初步搭建
录入院区-科室-路线-电话的完整映射表
标注所有不可由AI回答的敏感场景和关键词
第3周：通话Agent配置与测试
配置三种症状输入模式的追问逻辑
设定4种转人工触发策略
选取200条历史来电记录做空跑验证，通过率>85%上线
第4周：灰度上线
选择非高峰时段开放部分来电
每天抽查50条Agent出错的案例并修正
第3天评估患者反馈，确认无严重误导风险
2. 自查清单
患者来电中"说不清挂哪科"类问题是否占了自助咨询的大头？
有没有一份完整的症状到科室映射表作为知识库基础？
多院区场景下，院区-科室-路线信息是否已经录入且会定期更新？
用药咨询和紧急症状来电是否有明确的直接转人工流程？
转人工后患者是否还需要重新描述症状？
分诊结束后，投诉和建议是否有工单系统追踪闭环？
院内如果有设备或服务报修需求，报修电话是否还在用纸质或Excel记录？
有没有驻场运营人员每周更新知识库并扫描Badcase？
如果超过半数答案为"是"，症状分诊机器人的落地条件已经成熟。但核心前提仍然不变——别让AI去干它不该干的事，先把边界画好，再谈准确率。
