用ModelEngine搭建医疗健康顾问智能体，让AI成为你的私人健康助手

在AI技术日新月异的今天，智能体正成为连接人与信息的新桥梁。ModelEngine作为国内领先的开源AI平台，提供了从底层模型到上层应用的完整工具链，让构建专业级智能体变得触手可及。本文将带您深入了解ModelEngine的架构优势，并手把手教您搭建一个实用的医疗健康顾问智能体。

什么是ModelEngine？企业级AI应用的全栈解决方案

ModelEngine不仅仅是一个AI框架，更是一个完整的生态系统。旗下包含Nexent智能体SDK平台和Aido应用编排平台两大核心产品。Nexent专注于将复杂的自然语言转换为多模态智能体应用，无需繁琐的编排工作；而Aido则提供了企业级的RAG工作流编排、智能体协作和全链路监控能力。整个平台以MIT许可完全开源，支持私有化部署，让企业能真正掌控数据和AI能力。

Nexent：智能体开发的加速器

Nexent作为ModelEngine的智能体核心，提供了令人惊叹的Agent Generation能力，大大缩短了开发周期。它基于ReAct框架实现了多智能体协作，每个智能体都能自主规划任务、做出决策并执行。更重要的是，Nexent内置的Human-in-the-Loop机制确保了人机协作的安全性，这在医疗等敏感领域尤为重要。通过MCP（Model Context Protocol）工具生态，Nexent可以无缝连接各种业务系统和数据源，构建真正有实用价值的AI应用。

Aido平台：让复杂AI应用落地的桥梁

Aido平台解决了企业在AI落地过程中的核心痛点——工程化。它提供了开箱即用的ETL+RAG流水线、多智能体编排、企业级监控等能力。最吸引人的是其富媒体对话交互功能，AI回复不再局限于纯文本，可以嵌入表单、图表等丰富组件，极大提升了用户体验。Aido已在瑞金医院等医疗机构成功落地，证明了其在关键业务场景中的可靠性。

我们要构建的智能体：HealthPal健康伙伴

今天我们要搭建的是一个名为"HealthPal健康伙伴"的智能体。它专注于提供基础医疗健康咨询服务，能够回答常见健康问题、提供个性化健康建议，并在需要时引导用户寻求专业医疗帮助。区别于其他医疗AI，HealthPal强调"辅助而非替代"的理念，所有回答都包含免责声明，确保用户安全。

智能体简介：

HealthPal是一个基于ModelEngine平台构建的医疗健康顾问智能体，通过整合权威医学知识库和临床指南，为用户提供科学、可靠的健康资讯服务。它能理解复杂症状描述，提供初步分析和建议，同时明确自身边界，避免医疗误诊风险。

三个典型问题：

1. “我最近总是感觉疲劳，可能是什么原因？”
2. “高血压患者日常饮食应该注意什么？”
3. “如何判断自己是否需要就医？”

分步实施指南：从零构建HealthPal

步骤1：创建智能体应用框架

在ModelEngine控制台，通过Aido快速初始化一个医疗顾问智能体框架。点击创建空白应用，选择智能体模型、知识问答类别、填写完整简介；

步骤2：智能生成核心提示词

利用Aido的提示词工程工具，自动生成符合医疗行业规范的核心提示词。重点包括：角色定义（专业健康顾问）、能力边界（不诊断、不处方）、回答原则（科学依据、通俗易懂）、风险控制（紧急情况建议就医）。通过多轮迭代测试，确保提示词能引导模型产生负责任的回答。

智能生成的提示词：

###
input:
HealthPal是一个基于ModelEngine平台构建的医疗健康顾问智能体，通过整合权威医学知识库和临床指南，为用户提供科学、可靠的健康资讯服务。它能理解复杂症状描述，提供初步分析和建议，同时明确自身边界，避免医疗误诊风险。

output:
<instruction>
    <instructions>
        1. 作为HealthPal，你需要根据用户提供的症状描述，提供初步的健康分析和建议。
        2. 首先，仔细分析用户输入的症状，确保理解其描述的准确性和复杂性。
        3. 然后，利用整合的权威医学知识库和临床指南，提供科学、可靠的健康建议。
        4. 在建议中，明确指出任何可能的健康问题，并提供进一步检查或就医的建议。
        5. 强调HealthPal的边界，明确告知用户这些建议不能替代专业医疗诊断和治疗。
        6. 在输出中，避免使用任何XML标签，确保内容简洁明了。
        7. 最后，提供一些预防措施或生活方式建议，帮助用户改善健康状况。
        ***注意，一些工具会被提供，请尽可能使用工具获取需要的知识，而非依赖已有知识***
    </instructions>
    <examples>
        <example>
            <input>头痛、恶心、视力模糊</input>
            <output>根据您描述的症状，头痛、恶心和视力模糊可能是多种健康问题的表现，包括但不限于偏头痛、高血压或眼部疾病。建议您尽快就医，进行详细检查以确定具体原因。同时，保持充足的休息，避免过度用眼，减少压力。请注意，这些只是初步建议，不能替代专业医疗诊断。
            </output>
        </example>
        <example>
            <input>持续咳嗽、胸痛、呼吸困难</input>
            <output>您描述的症状，如持续咳嗽、胸痛和呼吸困难，可能与呼吸系统疾病有关，如肺炎、支气管炎或肺部感染。建议您立即就医，进行胸部X光检查和其他必要的诊断。同时，避免吸烟和接触空气污染物，保持室内空气流通。请注意，这些只是初步建议，不能替代专业医疗诊断。
            </output>
        </example>
    </examples>
</instruction>
###

<tool_usage>
你的回答有两种情况：

无需调用外部工具：
如果问题可通过已有对话历史或直接推理得到答案，直接输出最终结果，不需使用任何标签包装，也不显示详细思考过程。

需要调用外部工具解决的复杂问题：
必须采用以下严格的标签体系输出，每个标签之间空一行，且仅展示真实的工具调用结果：
<reasoning>...<reasoning>：展示你内部的思考过程。注意，这部分内容可以展示给用户，但仅限于描述思路，不应包含任何伪造的工具调用结果。
<step>...<step>：描述你准备调用工具的原因和计划。此处仅说明你需要调用哪个工具以及原因，工具的名称对人类阅读要友好，切勿直接模拟或输出工具返回内容。
<tool>...<tool>：当你真正调用某个工具后，等待工具反馈，然后将工具调用的返回结果做非常简略的摘要后放在此标签内，摘要字数在20字以内。绝对禁止在未获得真实工具反馈前预先构造。 <tool> 标签内容。
<final>...<final>：在获取所有真实工具调用结果后，将整合信息给出最终答案。
重要要求：
- 无论用户是否明确要求展示思考过程，都要展示思考过程
- 不要输出tool_call标签。
- 答案必须详细完整，不仅仅是工具返回结果的简单总结，而是对结果进行深入分析和整合，并提供背景解释、推理过程和可行性分析。
- 确保所有关键信息得到展开，避免省略任何重要内容。
- 如果适用，可以提供额外的解释、使用建议或应用场景，以增强回答的实用性。
- 请使用标准 Markdown 语法输出答案，保证语法完整，不要拆分列表结构。
- 输出此标签后，不得追加任何其他内容或标签。
严格要求：
切勿在中间思考或工具调用计划中，提前生成伪造的 <tool> 或 <final> 标签内容。必须在实际调用工具并获得反馈后，再以 <tool> 标签展示真实结果，再生成 <final> 标签输出最终答案。
如果历史对话中已包含真实的工具调用结果，应直接使用这些信息构造最终答案，避免重复调用或展示多余标签。
在所有工具调用完成之前，不得输出 <final> 标签；只有在确认所有真实工具反馈后，才生成最终答案。
<tool_usage>

可以看到提示词配置界面：

步骤3：构建专业知识库体系

为HealthPal配置百度千帆知识库，需要建立以下核心知识库：

• 常见疾病症状与基础医学知识库
• 健康生活方式与预防医学指南库
• 用药安全与药物相互作用数据库
• 就医流程与医疗资源指引库
• 急救常识与应急处理操作库

先搭建知识库，可以本地上传也可以购买百度千帆的资源

知识库搭建完成后设置API key复制即可引用

每个知识库需要经过医学专家审核，确保内容权威准确，定期更新维护。

步骤4：集成医疗工具流

通过MCP协议集成医疗领域专用工具，如症状自查工具、BMI计算器、用药提醒系统等。在Aido平台中编排工具执行流程：用户输入症状→症状分析工具处理→知识库检索→风险评估→生成建议。关键节点设置人工审核阈值，当涉及严重症状时自动触发警示。
我们可以在工具菜单中看到各式各样其他开发者开发的插件，当然我们也可以自己开发工具，这里做演示，我们可以选择自己适合的插件进行使用

步骤5：选择与配置最佳模型

为HealthPal选择Qwen/Qwen2.5-72B-Instruct作为核心模型。该模型拥有超大规模参数量，中文医学术语理解能力卓越，能准确把握用户描述的细微症状差异，提供全面且细致的健康建议，特别适合需要高准确性的医疗咨询场景。
设置大模型界面：

步骤6：交互设计完善与边界设定

设计友好而不失专业的交互界面：

• 开场白：“您好！我是HealthPal，您的智能健康助手。我可以回答基础健康问题，提供生活方式建议。请注意，我提供的信息仅供参考，不能替代专业医疗诊断。您有什么健康方面的疑问？”
  详细的聊天设置界面，可供参考：
  

步骤7：多维度测试与安全部署

我们可以进行多方面测试，比如一直给智能体发问题、一直说他的回答是错误的看他反应等

可以发现它并不会崩溃，由此可见我们的智能体是成功的
在应用详情中发现我们可以外部调用这个智能体，通过URL或者API调用，非常方便

总结：ModelEngine重塑企业AI应用开发范式

通过HealthPal的构建过程，我们见证了ModelEngine如何让复杂AI应用开发变得高效可控。Nexent的多智能体协作能力和Aido的企业级编排，解决了传统AI落地中的工程化难题。未来，随着开源社区的壮大和技术迭代，ModelEngine将持续降低AI应用门槛，让更多企业和开发者受益。

HealthPal这样的医疗智能体不仅是一个技术产品，更是AI向善的实践。ModelEngine提供的不仅是工具，更是责任——让AI在关键领域安全、可靠地服务人类。当技术与人文关怀结合，AI才能真正成为人类进步的伙伴，而非替代者。

在开源共建的道路上，期待更多开发者加入ModelEngine社区，一起构建更智能、更负责任的AI未来。正如瑞金医院的案例所证明，当技术真正服务于人，AI的价值才能最大化释放。