用AI帮老婆做备孕体检攻略我差点被医生吐槽死说实话一开始我觉得这个项目挺简单的。不就是帮老婆整理一下备孕体检的信息吗我寻思着我都做了好几个AI项目了这个应该不在话下。结果呵呵。先说背景老婆最近在备孕然后我就想着能不能用AI帮她整理一下体检相关的信息。上海这边的医院挺多的政策也复杂每次去都要搞半天。我就做了个Health Agent主要想解决几个问题哪些检查是必须做的哪些是可选的不同医院的区别费用大概多少什么时间去最合适GitHub地址https://github.com/ava-agent/health-agent踩坑实录坑一医疗信息的准确性这个真的让我心态崩了。一开始我用 GPT-4 生成了一些体检项目的介绍结果老婆拿着去问医生医生直接说“这个不对上海现在的政策已经改了。”我当时就尴尬了。后来我发现医疗信息更新很快而且不同地区的政策也不一样。纯靠 AI 生成是不行的必须要有本地化的数据。所以我把上海这边的主要医院信息、政策都手动整理了一遍然后做了一个离线数据库。用户查询的时候优先从本地数据库匹配匹配不到才走 AI。classMedicalKnowledgeBase:def__init__(self):self.local_dbself.load_shanghai_data()defquery(self,question):# 先查本地数据库resultself.local_db.search(question)ifresult:returnresult# 本地没有才走 AIreturnself.ai_fallback(question)这样至少保证了常见问题的准确性。坑二年龄相关的推荐这个坑挺有意思的。一开始我做了一个通用的推荐系统所有用户看到的都一样。结果后来发现26岁和38岁的备孕女性关注的重点完全不一样。26岁的可能更关心要做哪些检查38岁的可能更关心成功率多少、“要不要做羊水穿刺”。所以后来加了个年龄选择的功能系统会根据年龄动态调整推荐内容。// 根据年龄调整推荐策略functiongetRecommendations(age){if(age30){return{focus:[基础检查,TORCH筛查],tone:轻松};}elseif(age35){return{focus:[AMH检测,染色体筛查,羊水穿刺],tone:谨慎};}}这个改动虽然简单但用户体验好多了。坑三离线支持的重要性这个是我没想到的。一开始我觉得反正大家都有网在线查询就行了。结果老婆说去医院的时候经常信号不好有时候还连不上网。所以后来做了一个离线模式把常见的问题和答案都缓存到本地。即使没网也能查询基础信息。// 离线缓存策略constofflineCache{AMH是什么:AMH抗苗勒氏管激素是评估卵巢储备功能的重要指标...,TORCH筛查包括哪些:TORCH包括弓形虫、风疹病毒、巨细胞病毒、单纯疱疹病毒...,// ...更多常见问题};虽然不是特别优雅但确实解决了实际问题。技术架构简单说一下技术栈前端React 19 TypeScript悬浮 AI 助手医疗术语悬浮解释年龄选择组件后端Supabase Edge Functions (Deno)OpenAI API 集成会话持久化医疗数据检索数据存储Supabase PostgreSQL会话历史本地 JSON医疗知识库架构图大概是这样用户输入 ↓ 年龄判断 → 调整推荐策略 ↓ 本地数据库匹配 ↓ (匹配失败) OpenAI API 生成回答 ↓ 返回结果 缓存到本地效果如何说实话比我预期的要好。老婆现在去体检前都会先用这个工具查一下心里有个底。医生也觉得这个思路挺好的至少患者来之前已经了解了一些基础知识沟通效率高多了。当然这个工具绝对不能替代医生。我一直在强调它只是一个信息整理工具最终的判断还是要听医生的。优缺点总结优点信息整理清晰省去很多搜索时间离线支持去医院也能用根据年龄动态调整比较个性化缺点数据更新不够及时需要手动维护只覆盖上海地区其他地区不适用AI 生成的回答偶尔不准确需要人工审核一些感悟医疗类项目准确性是第一位的。宁可少回答也不要给错误信息。本地化很重要。不同地区的政策、医院都不一样通用方案行不通。离线支持不是锦上添花是必需品。医院场景下网络不稳定是常态。AI 只能辅助不能替代。最终还是要听专业人士的。最后这个项目还在持续迭代中主要是在补充上海的医院信息和政策更新。如果你也在做类似的健康类 AI 项目欢迎交流对了老婆现在怀孕3个月了一切顺利 GitHub: https://github.com/ava-agent/health-agent有问题欢迎评论区留言我看到都会回复的