中国首个医生版“龙虾”来了！百度造

智东西
作者 杨京丽
编辑 心缘

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

智东西4月2日报道，今天，百度健康发布了国内首个医生版“龙虾”——有医助理，这是国内首款基于Claw框架打造的医生任务型AI助手。区别于市面上多数停留在医疗百科或通用问答的AI产品，有医助理首创“检索+任务”双引擎模式。

▲百度健康有医助理发布会

检索模式定位“中国版OpenEvidence”，底座整合了6000万+专业文献、20万+用药知识图谱、5万+权威指南共识、2万+医学书籍，主打每条结论可溯源至原文；任务模式则基于Claw框架，涵盖内容创作、学术检索、临床诊疗、科研论文、患者管理5大场景，共计800+项Skill。此外，百度健康还与中国抗癌协会达成战略合作，率先全量引入覆盖53大癌种的CACA指南及72项诊疗技术指南。

简单说，百度健康想让这个AI助手不只是能“回答问题”，还能真正帮医生“干活”。

听起来很诱人，实际表现如何？智东西围绕文献检索、科普写作、临床诊断三大核心场景进行了实测。

体验地址：

1、https://muzhi.baidu.com/workbench/web/main
2、百度健康工作台APP首页“问AI”

一、检索模式：医生几天的文献调研，AI一次对话完成

文献检索是医生日常最高频的需求之一。传统方式下，医生需要在多个数据库反复检索、逐篇筛选、手动整理，一次系统性的文献调研往往需要数天。有医助理的检索模式，试图将这个过程压缩到一次对话内完成，输入需求后，自动检索、筛选、汇总，并附上可溯源的引用。

针对检索能力，我们进行了如下测试。

提示词：我是一名神经外科的医生，我想找一些关于脑出血术后康复的文献，给我汇总出来。

有医助理很快就检索了27篇文献，并筛选其中的20篇进行了汇总整理，生成了一份结构化的“脑出血术后康复文献汇总报告”，涵盖概要、康复原则、治疗具体内容及影响因素等板块，层次清晰。

同时，还把文献放置在右边栏中，可查看引用段落，点开可以获取链接或PDF版文献，出处真实靠谱，中文文献能够直接下载，十分便捷。

后面，我还要求它以APA格式输出全部引用文献并附DOI，很快也完成了任务。

可以看到，文献均来自近五年的权威期刊，其中还包括中华神经外科杂志、中国医院药学杂志等北大核心期刊，专业性很强。

二、任务模式：医生版“龙虾”初现雏形，开始帮医生接活了

检索之外，文书工作也会占用医生很长时间。有医助理的任务模式，多少已经有点医生版“龙虾”的意思了，能直接帮医生接手部分工作。

下面，我们用一个科普写作需求来测试它的任务执行能力。

我们让有医助理撰写一篇面向2型糖尿病患者的饮食管理科普文章，要求语言通俗易懂，避免专业术语，列出常见饮食误区，字数控制在800-1200字，适合微信公众号发布。下面是它的回答：

从内容质量来看，专业性是有保障的，基本没有明显错误，核心原则也符合现有的糖尿病饮食管理建议，这些内容对患者来说很有价值。

不过，还是存在一些小问题。我们的提示词里要求“800-1200字，适合微信公众号发布”，但有医助理给我们的是一份结构化报告，字数也明显超出要求。如果一位医生希望直接拿这份输出去发公众号，还需要自己做很多改写和删减。

所以，有医助理在内容生成的专业性上还是有保障的，但对输出格式、篇幅等要求的理解还不够精准。看来医生版“小龙虾”更擅长“写报告”，不太擅长“做科普”。

三、检索与任务模式联动，辅助医生诊断

文献能查、文章能写，但医生最核心的工作始终是临床决策。

我们输入了一份包含主诉、现病史、既往史、查体及辅助检查的完整病历，让有医助理帮我们进行诊断。

58岁男性，间断性胸痛3天，加重6小时，压榨样，伴出汗恶心；高血压10年控制不佳，吸烟30年；心电图V4-V6导联ST段压低，肌钙蛋白轻度升高。

系统很快给出了一份诊断报告，把首要问题判断为非ST段抬高型急性冠脉综合征（NSTE-ACS），同时提到患者还存在高血压控制不佳的问题。

从这份结果来看，它的分析思路还是比较清楚的，不是只给结论，把判断依据也列了出来。

另外，它也没有把问题说得过于单一，而是进一步提醒医生注意几种不能漏掉的危险情况，尽量补充医生实际看诊时会关心的风险点。

当然，需要强调的是，有医助理在产品定位上也明确了自身是“辅助诊断”而非“替代诊断”。最终的临床决策仍然需要医生结合患者的具体情况做出判断。但作为一个“随时在线的会诊助手”，它在诊断推理的准确性和结构化呈现上，已经展现出了实用价值。

此外，有医助理还能辅助科研，提供论文选题、研究方向、研究方案设计等，不过论文写作这方面的任务还不能完成。

结语：医生版“龙虾”下一步，是真正进入医生的日常工作流

整体来看，有医助理已经长出医生版“龙虾”的样子，不只会聊天、会回答问题，同时具备“查”和“做”的能力，能够覆盖文献检索、病历整理、科研支持、患者管理等高频场景。不过，它离成熟稳定、真正深度进入医生日常工作流，还存在一定的提升空间。

从这次实测看，它在文献检索、信息整理和辅助判断上已经展现出一定实用价值。放到更大的医疗AI赛道里看，接下来真正值得关注的，不是谁更会答题，而是谁更能真正帮医生省时间、减负担，把AI从工具栏里的聊天框，推进到真实工作流里。