智能门诊导诊工作流结合大模型能力与自然语言处理，推动了分诊自动化和问诊体验升级。以问答为主线，依托多轮对话，系统能够自动采集并补全患者的关键就诊信息。
本文介绍门诊导诊智能工作流的核心模型、节点设计、运行机制与主要应用场景，梳理其技术细节和落地价值，为自学编程的实践者提供清晰参考。
文章目录
- 门诊导诊
- 核心模型
- Node节点
- 工作流程
- 应用场景
- 开发与应用
门诊导诊
工作流通过自然语言处理和大模型能力，实现智能对话式问诊和科室推荐。准备工作需要包含患者的基本信息输入（如年龄、性别、症状等），系统会自动引导患者完成症状描述与关键信息补充，最终依据提取到的信息，智能判断和推荐合适的门诊科室。整个流程无需人工干预，通过多轮问答和条件判断，帮助用户顺畅完成导诊流程，提高分诊效率和就医体验。整个流程的核心在于自动识别患者关键信息、补全缺失内容、针对具体情况给出合理建议。实现过程包括：接收用户输入，提取与判断关键信息，补充遗漏数据，通过大模型智能分析，输出推荐结果，并以模板格式展示最终建议。
核心模型
| 模型名称 | 说明 |
|---|---|
| 提取患者年龄 | 基于大模型实现年龄信息抽取 |
| 判断科室 | 基于大模型智能判断所属科室 |
| 提取患者性别 | 基于大模型实现性别信息抽取 |
| 聊天（年龄分支） | 针对年龄补充交互的问答模型 |
| 聊天（性别分支） |
