OpenEvidence如何为65万名医生扩展医疗搜索服务
内容提要
OpenEvidence基于Next.js构建医疗搜索应用，通过Vercel托管服务面向65万医生，约五分钟即可完成生产部署，流量激增时无需额外扩容。团队借助预览部署和回滚机制实现每日多次发布。启用Fluid compute后，无服务器成本降低90%；即使规模增长1000倍，Vercel仍占基础设施支出不到5%。团队还将患者端应用Take Home作为独立项目部署，便于独立更新。
延伸解读
医疗场景对稳定性的特殊要求
文章指出，OpenEvidence的软件用于辅助医生在诊疗中查找医学证据，错误答案可能影响治疗决策，应用不可用则会切断证据获取渠道。工程负责人称“生死攸关并不夸张”，急诊等场景对正常运行时间要求极高。这解释了为何团队重视预览部署和回滚机制，而非仅追求功能迭代速度。
小团队借助托管平台弥补工程背景差异
OpenEvidence工程团队多数成员从事Python和机器学习，前端背景人员较少。文章提到，团队选择Vercel是因为其能随需求扩展，让非前端专长的工程师也能完成部署。预览部署和回滚机制降低了发布风险，使团队能每日多次发布，同时保持对医生用户群体的可控性。
流量突增与持续增长下的成本控制
文章举例，OpenEvidence在TikTok走红后一周内获得约200万次浏览，响应时间仍快、错误率接近零，且无需额外配置容量。启用Fluid compute后，无服务器成本降低90%；即使规模增长1000倍，Vercel仍占基础设施支出不到5%。这说明托管方案在突发流量和长期增长中同时影响了稳定性与成本结构。
独立项目部署支持患者端扩展
OpenEvidence将患者端应用Take Home作为独立Vercel项目部署，拥有独立域名，使工程师能单独更新患者体验而不影响其他应用。文章称，这一模式源于团队此前数十个概念验证项目的经验，每个项目独立部署便于利益相关者测试，也帮助团队更快找到产品市场契合点并赢得早期企业合作。
Q&A
OpenEvidence 如何帮助医生在诊疗时快速找到医学证据？
OpenEvidence 基于同行评审文献提供带引用的答案，医生可以查看来源，从而在诊疗时快速找到可靠的医学证据。
OpenEvidence 的工程团队如何实现每天多次发布且能快速回滚？
团队使用 Next.js 构建应用，通过 Vercel 的预览部署和回滚机制：推送更改到开发分支会触发预览部署，合并到生产分支则触发生产部署，需要时可回滚到之前的部署。
OpenEvidence 如何应对流量突然激增的情况？
OpenEvidence 使用 Vercel 托管，无需额外配置容量。例如在 TikTok 上走红后，流量激增，但响应时间保持快速，错误率接近零，团队无需干预。
OpenEvidence 如何将无服务器成本降低了 90%？
团队为 Vercel 上的函数启用了 Fluid compute，允许多个请求共享一个运行中的函数实例，并在等待其他服务响应时不计 CPU 费用，从而将无服务器支出降低了 90%。
OpenEvidence 如何独立更新医生端和患者端应用？
患者端应用 Take Home 作为独立的 Vercel 项目部署，拥有自己的域名，因此工程师可以独立更新患者体验，而无需部署其他应用。
OpenEvidence 的服务规模有多大？
OpenEvidence 服务 65 万名医生，在 2026 年 1 月支持了超过 2000 万次临床咨询，2025 年有超过 1 亿美国人接受了使用 OpenEvidence 的医生的治疗。
