2026-04-10 · 一文读懂AI体检助手：架构拆解+原理剖析+高频面试题

 传统人工处理流程（示意代码）
def process_physical_examination_traditional(raw_data):
     步骤1：医生逐项核对体检数据
    abnormal_items = []
    for item in raw_data:
        if item.value not in item.normal_range:
            abnormal_items.append(item)
    
     步骤2：医生逐项撰写分析意见（纯人工）
    analysis = ""
    for item in abnormal_items:
         医生根据临床经验手动输入判断
        analysis += f"{item.name}: 异常，建议进一步检查\n"
    
     步骤3：人工生成报告
    report = generate_report_by_doctor(analysis)
    
     问题：代码无法复用，每个医生写法不同
     问题：效率极低，一份复杂报告需要30-60分钟
     问题：质量因人而异，低年资医生容易漏判误判
    return report

步骤1：开发者注册工具 → 步骤2：用户输入自然语言需求
                                    ↓
步骤3：模型判断需要调用工具 → 步骤4：模型返回“调用指令+参数”
                                    ↓
步骤5：开发者执行工具 → 步骤6：结果回填模型 → 步骤7：模型生成最终回答

import json

 ============ 第1步：定义工具函数 ============
def get_blood_glucose_risk(glucose_value):
    """根据血糖值返回风险评估"""
    if glucose_value < 6.1:
        return {"risk": "green", "advice": "血糖正常，继续保持健康生活方式"}
    elif 6.1 <= glucose_value < 7.0:
        return {"risk": "yellow", "advice": "空腹血糖受损，建议控制饮食并定期复查"}
    else:
        return {"risk": "red", "advice": "血糖偏高，请尽快就医进行糖耐量检查"}

def get_liver_function_risk(alt_value, ast_value):
    """根据肝功能指标返回风险评估"""
    if alt_value <= 40 and ast_value <= 40:
        return {"risk": "green", "advice": "肝功能指标正常"}
    else:
        return {"risk": "yellow", "advice": "肝功能指标异常，建议减少饮酒、保证睡眠，1个月后复查"}

 ============ 第2步：定义工具声明（提供给模型的元数据）============
tools = [
    {
        "type": "function",
        "function": {
            "name": "get_blood_glucose_risk",
            "description": "根据血糖值评估糖尿病风险，返回风险等级和建议",
            "parameters": {
                "type": "object",
                "properties": {
                    "glucose_value": {"type": "number", "description": "空腹血糖值(mmol/L)"}
                },
                "required": ["glucose_value"]
            }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "get_liver_function_risk",
            "description": "根据肝功能指标评估肝脏健康风险",
            "parameters": {
                "type": "object",
                "properties": {
                    "alt_value": {"type": "number", "description": "谷丙转氨酶值(U/L)"},
                    "ast_value": {"type": "number", "description": "谷草转氨酶值(U/L)"}
                },
                "required": ["alt_value", "ast_value"]
            }
        }
    }
]

 ============ 第3步：模拟大模型推理（实际开发中使用真实API）============
def simulate_model_inference(user_query, extracted_data):
    """模拟模型判断需要调用哪个工具"""
     实际场景中，这里调用真实LLM API（如DeepSeek、GPT等）
     模型会根据user_query + tools声明 + extracted_data自主判断
    if "血糖" in user_query or "glucose" in str(extracted_data):
        return {
            "tool_calls": [{
                "name": "get_blood_glucose_risk",
                "arguments": {"glucose_value": extracted_data.get("glucose", 5.5)}
            }]
        }
    elif "肝功能" in user_query or "转氨酶" in str(extracted_data):
        return {
            "tool_calls": [{
                "name": "get_liver_function_risk",
                "arguments": {"alt_value": extracted_data.get("alt", 35), 
                             "ast_value": extracted_data.get("ast", 32)}
            }]
        }
    return {"tool_calls": []}

 ============ 第4步：主函数 - 完整的Agent推理循环 ============
def ai_health_agent(user_query, extracted_indicators):
    """
    AI体检助手核心函数
    实现了"推理-行动-观察"的Agent循环
    """
     模拟模型推理：判断需要调用什么工具
    decision = simulate_model_inference(user_query, extracted_indicators)
    
     执行工具调用
    if decision["tool_calls"]:
        tool = decision["tool_calls"][0]
        tool_name = tool["name"]
        args = tool["arguments"]
        
         实际调用对应的工具函数
        if tool_name == "get_blood_glucose_risk":
            result = get_blood_glucose_risk(args)
        elif tool_name == "get_liver_function_risk":
            result = get_liver_function_risk(args)
        else:
            result = {"error": "unknown tool"}
        
         模拟模型基于工具结果生成最终回答
        final_response = f"【AI体检助手分析结果】\n{result['advice']}\n风险等级: {result['risk']}"
        return final_response
    else:
        return "【AI体检助手】无法识别您的查询，请提供具体的体检指标信息"

 ============ 第5步：运行示例 ============
if __name__ == "__main__":
     模拟OCR提取的体检指标
    extracted_data = {"glucose": 6.5, "alt": 45, "ast": 38}
    
     用户询问
    result = ai_health_agent("我的血糖有点高，帮我看一下", extracted_data)
    print(result)
     输出: 【AI体检助手分析结果】
           空腹血糖受损，建议控制饮食并定期复查
           风险等级: yellow