文心一言变身虚拟患者，助力医学生轻松开启「实践模式」
内容提要
天佑星河团队开发的智慧医疗教育系统利用生成式人工智能模型模拟病患，为医学生提供仿真、互动的学习环境。同时，团队还开发了手术过程记录生成系统和电子病历生成系统，通过整合语音识别和提示词工程技术，提供高效、准确的记录方式。该系统提升学习体验、加强理论与实践结合以及实时反馈与评估。技术上，系统利用文心大模型、多轮对话技术和提示词模板技术。
延伸解读
从模拟问诊到文书自动化：一套系统的双重价值
文章介绍的智慧医疗教育系统并非孤立应用，团队同期开发了手术过程记录和电子病历生成系统。前者面向教学，用模拟病人训练医学生问诊与诊断；后者面向临床，用语音识别和提示词工程自动生成文书。两者共享文心大模型的理解与生成能力，但目标不同：一个解决“练”的问题，一个解决“写”的问题。这种组合说明生成式AI在医疗领域的落地可以同时覆盖教育和效率工具两条路径。
多轮对话与提示词模板：技术实现的关键细节
系统实现中，多轮对话依赖一个不断追加的JSON消息列表，每次将新提示词和模型回复依次加入，使大模型获得记忆，保持问诊连贯。提示词模板则分为静态和动态部分，动态部分根据用户选择的一级、二级科室替换，静态部分固定为病人角色设定和评分要求。这种设计让同一套代码能适配不同科室，也降低了维护成本，因为科室调整只需改数据库，无需改代码。
实时评分与反馈：教学闭环如何形成
系统在对话结束后要求用户输入诊断信息，然后由模拟病人根据预设模板给出百分制打分和评价，指出遗漏了哪些问题、哪些问得不够好。这种实时反馈机制把传统课堂中延迟的、依赖教师精力的评价环节自动化了。对医学生而言，可以反复练习并立即看到不足，比如忘记询问过敏史或吸烟饮酒习惯。但文章未说明评分标准的医学严谨性如何验证，这可能是实际使用中需要关注的一点。
下一步目标：从模拟病人到多模态智能体
团队计划基于ERNIE SDK的Agent框架，打造具备规划、记忆、工具和行动能力的医疗教育智能体。未来方向包括调用工具生成X光片、验血报告单等医疗影像和文档，以及通过长期记忆整合病例库和最新研究成果。这意味着系统将从纯文本对话扩展到多模态临床场景，并试图解决医学知识快速迭代带来的内容时效性问题。不过这些目标目前仍处于规划阶段，文章未给出具体时间表或已验证的效果数据。
Q&A
智慧医疗教育系统是什么？它主要用来做什么？
智慧医疗教育系统是天佑星河团队开发的一款创新性大语言模型应用，它利用文心大模型模拟病患，为医学生提供仿真、互动的学习环境。医学生通过与模拟病患交流，可以锻炼诊断能力、沟通技巧和临床思维。
智慧医疗教育系统对医学生有哪些实际帮助？
系统能提升学习体验，通过模拟真实病人对话打造沉浸式学习环境；加强理论与实践结合，锻炼信息收集、病情分析和推理诊断等实践技能；提供实时反馈与评估，对诊疗过程打分并给出评价，帮助医学生快速识别错误、调整决策思路。
智慧医疗教育系统用了哪些关键技术？
系统利用了文心大模型的能力，通过ERNIE SDK调用；采用多轮对话技术使大模型具备记忆力，保持对话连贯性；还结合了提示词模板技术与医学术语，使学习更加个性化和准确。
多轮对话技术在系统中是如何实现的？
多轮对话技术通过构建一个JSON文件来存储历次对话信息和新的提示词，每次将新的提示词追加到messages中，大模型返回结果后再追加到messages中，从而让大模型获取记忆，更好地完成多轮对话。
如何使用智慧医疗教育系统进行学习？
使用步骤包括：选择临床科室一级分类和二级分类（若不选二级分类，系统将根据一级科室随机分配一个）；点击提交按钮开始学习；作为实习医生输入与病患沟通的语句并提交；双方沟通内容显示在chatbot对话框中；输入诊断信息并提交；系统返回评价得分和指导。
智慧医疗教育系统的下一个目标是什么？
下一个目标是利用基于ERNIE SDK的Agent框架，通过智能体的规划、记忆、工具、行动能力，打造高度智能化的医疗教育智能体。该智能体将支持多模态交互，生成X光片、验血报告单等医疗影像和文档，并通过长期记忆能力整合病例库资源与最新医学研究成果，帮助医学生、实习医生乃至在职医护人员提升临床决策能力。
