智东西

作者 | 杨京丽

编辑 | 心缘

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。

智东西

作者 | 杨京丽

编辑 | 心缘

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。