医梦深信服FastGPT合作模式内部逐字稿.md 6.8 KB
医梦 × 深信服 FastGPT 合作模式 10-15 分钟口语逐字稿
用法：按 tab 顺序讲。页面已有列表不用逐条念，只讲判断、边界和合作逻辑。
开场
各位好，今天我们不重复介绍 FastGPT 的基础能力。智能体构建、Workflow、RAG、工具调用、模型接入和私有化部署，是深信服的优势。
我们重点讨论：FastGPT 进入医疗项目后，哪些事情由 FastGPT 做，哪些必须由医疗控制层承接。医院项目还涉及权限、脱敏、审计、安全、医生确认、患者端表达和业务状态闭环。所以核心分工是：深信服负责 AI 能力底座，医梦负责医疗智能体控制层。
总判断
【切到第 1 个 tab：总判断】
这一页先看全景图。【内容可见页面左侧能力边界全景图】
从入口到算力，我们把链路分层。统一入口、权限路由、医疗卡片、医疗 Workflow、MCP Server、工具网关和知识库源资产，由医梦负责；Workflow Panel、FastGPT、AGI 调度、GPU 和私有化底座，由深信服负责。
这不是“谁包谁”，而是生态定位：FastGPT 承载 AI 子流程，医梦把 AI 子流程放进医疗主流程。医梦也支持 Dify；这次联合方案优先适配 FastGPT。
技术架构
【切到第 2 个 tab：技术架构】
这一页讲推荐架构。【内容可见页面左侧推荐架构】
我们的建议是：用户入口先到医梦统一入口，再到医梦控制层；医梦控制层判断场景、权限、状态和风险后，把适合 AI 处理的任务交给 FastGPT。
不建议 FastGPT 直接承接全部医疗业务，并不是因为 FastGPT 不能调 API，而是医疗 API 不是普通 API。查报告、挂号、写病历、发慢病任务，都涉及权限、状态、审计和医院厂商差异。
这里区分两个概念：医梦控制层负责场景、权限、状态、卡片和安全规则；医梦 MCP Gateway 负责把患者信息、历史诊断、HIS、LIS、EMR 等能力封装成 FastGPT 可调用的标准工具。这样 FastGPT 专注模型、RAG、Workflow 和工具调用。
协作边界
【切到第 3 个 tab：协作边界】
这一页讲三个边界。【内容可见页面三张卡片】
第一是数据边界。医疗数据不能直接丢给模型，要先做权限判断、最小化、脱敏和审计。
第二是写操作边界。AI 可以生成建议，但挂号锁号、创建订单、写 EMR、发布慢病任务，真正写入医院系统前必须有卡片确认、幂等和审计。
第三是业务状态边界。报告解读、舌诊、分诊挂号都不是一次问答，而是一条任务状态流。FastGPT 处理生成环节，医梦控制层负责闭环。一句话：FastGPT 跑 AI 子流程，医梦管医疗主流程。
模块分工
【切到第 4 个 tab：模块分工】
这一页拆成三块。【内容可见页面 Workflow、MCP/Tool、知识库三块】
第一，Workflow 引擎由深信服提供，医疗 Workflow 设计由医梦提供。什么时候取数、医生确认、患者可见、转人工，这些是医疗流程问题。
第二，FastGPT 负责工具调用能力，医梦负责工具语义。医梦把医院接口封装成标准工具，FastGPT 调用标准工具。
第三，FastGPT 负责知识库运行副本、向量化和 RAG 检索；医梦负责知识库源资产。医疗知识库要拆成指标解释、风险分层、患者表达、医生模板和反馈迭代。
业务流程
【切到第 5 个 tab：业务流程】
这一页说明：医疗智能体不是聊天机器人，而是可控任务系统。【内容可见页面三条业务链路】
重点看中医舌诊智能体。医梦已有 H5、舌象上传、患者主诉、签名接口、诊断详情、历史记录和 AI 诊断结果。联合方案里，我们会把患者基础信息、历史诊断、舌象图片和证候知识封装成标品 MCP Server，供 FastGPT 受控调用。
分诊挂号里，FastGPT 做症状理解和推荐理由；号源、锁号、订单、支付，由医梦对接医院系统。检验报告解读里，FastGPT 做解读和生成；医梦负责 LIS 对接、脱敏、医患端差异化输出和医生反馈。
所以医疗真实链路不是“输入、工具、回答”，而是身份、权限、取数、脱敏、生成、安全校验、卡片确认、反馈和审计。
八大价值
【切到第 6 个 tab：八大价值】
这一页页面信息比较完整，不逐条念。【内容可见页面八大价值】
一句话概括：医梦补的是医疗 Agent 落地最后一公里，但这一公里工作很多、很碎，也最影响交付。
医梦的价值包括：把 FastGPT 平台能力变成医院能验收的场景；封装医院接口语义；负责安全边界；维护知识库源资产；设计医生反馈闭环；用 Card Runtime 承接关键动作；包装可采购场景包；补齐运营计量。这 8 点合起来，就是让 FastGPT 进入医院真实流程、能被确认、理解和验收。
落地途径
【切到第 7 个 tab：落地途径】
落地上，建议先用中医舌诊智能体做联合样板。【内容可见页面四步落地路径】
舌诊是医梦比较成熟、也容易展示的产品。它已有 H5、接口、签名校验、图片上传、患者信息、诊断详情、历史记录和证候知识资产。做 PoC 时，不需要从零搭场景，而是把 FastGPT 接到成型产品里。
落地分四步：盘点舌诊链路和演示数据；把患者基础信息、历史诊断、舌象图片和证候知识做成标准 MCP Server；把 FastGPT 结果封装成医生卡片；再复制到分诊挂号、检验报告和慢病随访。
协作原则
【切到第 8 个 tab：协作原则】
最后收束双方定位。【内容可见页面医梦主责、深信服主责和常见问题】
医梦负责医疗智能体控制层：统一入口、MCP Gateway、任务状态、写操作确认、审计、知识库源资产、医生反馈和场景包。
深信服负责 FastGPT AI 能力底座：智能体构建、Workflow、Tool Runtime、RAG、模型调用、GPU、超融合和私有化部署。
如果现场问：FastGPT 不是也能接 API 吗，为什么还需要医梦 MCP Gateway？可以这样回答：能接 API 和能安全落医疗业务是两件事。医疗 API 涉及权限、脱敏、幂等、审计和厂商差异。医梦 MCP Gateway 不是简单转发，而是医疗工具语义层和安全控制层。
收尾
最后回到一句话：FastGPT 是 AI 能力底座，医梦是医疗智能体控制层。
医疗项目不是简单搭通用引擎，它需要权限、脱敏、审计、安全、医患端差异、医生确认、业务状态和运营计量。最合理的合作方式，是深信服提供平台能力，医梦承接医疗落地闭环。先用中医舌诊跑通样板，再扩展到分诊挂号、检验报告和慢病随访。