1、提示词设计与知识库优化
(1)基于医疗产品线(如呼吸治疗、血糖管理、急救设备等)的业务场景,设计并迭代面向医疗大模型的提示词框架,确保AI输出的医学专业性、合规性与用户需求对齐;
(2)针对医疗领域的复杂需求(如医学知识库问答、健康数据分析报告生成),多轮对话模板与分层式提示词策略,提升模型对模糊意图的理解能力;
(3)结合用户反馈与临床专家意见,持续优化提示词的逻辑结构与语义表达。
2、模型训练与日志分析
(1)清洗标注医疗数据,构建病例等知识图谱,持续优化模型专业能力。
(2)融合文本、语音、图像,设计交互式健康AI功能。
3、AI服务流程与方案设计:基于对话日志复盘,提炼用户需求,结合体验与解决率优化流程,推动功能落地。
4、跨团队协作与产品化
(1)协同医学团队和产品经理,将对话需求转化为AI训练目标,实现技术与医疗场景融合。
(2)配合算法工程师部署模型、监控性能,设计自动化测试验证提示词效果。
5、前沿技术研究与效果评估
(1)跟踪大模型新进展(如自动提示优化、少样本学习),探索其在医疗健康场景的应用。
(2)构建量化评估体系,通过A/B测试、人工复核等,分析提示优化与模型训练对客服效率、用户满意度的提升效果。