好久没更新啦，最近有朋友咨询如何通过Dify搭建Agent项目实践，抽时间写几篇系列文章简单分享下。本期以智能导诊为例展开介绍，如有任何想法或建议欢迎留言交流。

好的，我们来一步步拆解“智能导诊 Agent”的完整方案，涵盖需求分析 → 功能模块设计 → 搭建Agent → 测试调整 → 部署上线。最终效果长这样：

一. 需求分析（目标与用户场景）

1.核心目标

帮助患者通过自然语言或结构化问答，实现初步自我诊断、推荐科室，减少人工导诊压力。

2.用户画像

• 普通患者（尤其是对医疗科室分类不清楚的人群）

• 医院前台/挂号窗口

• 在线医疗平台的用户

3.使用场景

• 病人描述症状，Agent推荐就诊科室

• 线上挂号或分诊前置筛查

二、功能模块设计（MVP）

1.用户问诊对话

获取年龄、性别、症状信息，便于匹配科室。

2.意图识别与症状解析

使用大模型理解自然语言，提取关键信息。

3.信息完整性校验

年龄、性别、症状信息缺失，则通过多轮对话引导用户补充。

4.关键信息存储

年龄、性别、症状信息的变量赋值，即保存、更新关键信息。

5.症状分析与分诊判断

根据症状判断疾病，推荐挂号科室。可以调用知识库或简单规则系统（咱们本期简单用Deepseek V3实现）。

6. 回复-科室推荐

回复获取到的用户关键信息，以及推荐挂号的科室（需考虑异常处理，输入与导诊无关的信息需加以提示）。

7.风险控制

强制免责声明：“本建议仅供参考，具体以医生诊断为准”。

三、搭建Agent

之前浏览到一个方案：

仔细看了一下，流程很长且非常严谨，但是存在一个问题，只能执行一次完整的科室推荐对话，多次咨询时相关变量不会更新，于是我手搓了一个简约版的：

搓完了咱们详细拆解一下:

1.开始节点

配置开场白，引导用户完成信息输入。

2.参数提取

LLM提取年龄、性别、症状信息。

3.条件判断与变量赋值

如果提取到关键字段信息（不为空），则进行变量赋值（更新数据）。

4.LLM处理

prompt实现逻辑：

    ①内容与完整度判断：年龄、性别、症状信息是否缺失，如果缺失则提示补足相关信息；    如果信息完整则查询并推荐相关科室；

    ②内容分析说明：症状描述过短（如仅"不舒服"）需提示"请详细描述症状"；

    ③风险控制：输出需说明“本建议仅供参考，具体以医生诊断为准”；

    ④数据更新：同一字段如果存在多个值使用最新的值；

    ⑤格式说明：输出必须使用纯文本格式，禁止包含XML/JSON等标记；

    ⑥输出语言限制：输出中文不能输出英文；

5.回复

LLM整合信息回复用户。引导用户补足信息或输出推荐科室信息。

四、测试&调整

1.测试用例示例

2.测试与调整

简单附上几张过程中的图片：

补充信息后：

跟踪调试优化：

五、部署上线

选择发布到dify云平台，试下效果：

六、功能拓展

本期只做了简版导诊助手，实际应用落地有很多复杂且多元的场景需要考虑，罗列一些供参考，哪天有时间可以再丰富一下，也欢迎大家一起沟通讨论。

• 加入结构化问诊流程，获取更详细的症状描述，例如：主要症状、持续时间、严重程度、伴随症状（多轮交互）

• 搭建知识库，涵盖：

    1）医院个性化信息，收集医院科室信息和医生数据，支撑导诊场景的落地。

    2）构建症状-科室映射规则库（可参考国家卫生健康委发布的 ICD-10 症状分类），通过RAG，引入向量数据库做症状匹配；

    3）支持科室导航和常见问题解释

• 与挂号(医院HIS)系统对接，辅助实现分诊→挂号→问诊的流程闭环；

• 加入地理信息，推荐附近医院/医生等；

---

以上是Agent系列的第11篇内容，欢迎点赞、收藏、评论。

关于我：AI产品经理（求职中），主要关注AI Agent 应用方向。公众号：AI奋进者。如有好的想法欢迎一起沟通交流。

Agent系列文章：      

打造文件合规审查超级Agent（AI智能体），从规则解析到风险识别的一体化Agent方案https://mp.weixin.qq.com/s/VJzp4u0b538wJjOWkjAZXQ手把手教你手搓智能导诊Agent（MVP版本）https://mp.weixin.qq.com/s/Z9cX875r8zEk0EAXH2DCaw     Agent知识库：功能、原理浅析https://mp.weixin.qq.com/s/YhcIbeen08PR7N50tTaIrw

Agent系列之LATS（Language Agent Tree Search）框架解析https://blog.csdn.net/letsgogo7/article/details/138418668

Agent 系列之 ReWOO框架解析https://blog.csdn.net/letsgogo7/article/details/138259507

Agent系列之 Plan-and-Solve Prompting 论文解析https://blog.csdn.net/letsgogo7/article/details/138259154

Agent系列之LangChain中ReAct的实现原理浅析https://blog.csdn.net/letsgogo7/article/details/138197137

Agent系列之ReAct: Reasoning and Acting in LLM 论文解析https://blog.csdn.net/letsgogo7/article/details/138259590Agent 系列之 LLM Compiler框架解析https://blog.csdn.net/letsgogo7/article/details/138284351

Agent 系列之Reflection框架解析https://blog.csdn.net/letsgogo7/article/details/138392568