在医疗场景中，一个长期困扰患者的“老难题”是：到底该挂哪个科？肚子痛可能涉及消化科，也可能是泌尿科；头痛不一定只是神经内科，血压升高也可能引发症状。挂错科室不仅浪费时间和金钱，更可能延误最佳治疗时机。现在，借助Dify平台，你可以在15分钟内上线一个智能健康预诊Agent——它不只是简单的问答机器人，而是一个能够主动追问“疼痛持续几天了？”“是否伴随发热？”，并依据ICD-10标准术语自动关联科室与初筛建议的专业AI助诊系统。

创建预诊专用Agent应用

登录Dify控制台（cloud.dify.ai），点击【新建应用】。关键一步来了：在类型选择页，必须选择“Agent”，而不是“Chatbot”或“Workflow”。若选错类型，后续的多轮追问与工具自动调度功能将无法启用，整个预诊流程的灵活性会大打折扣。

应用名称建议直接填写“健康预诊助手”，描述字段则尽量清晰说明业务逻辑。例如：“依据患者主诉症状，执行三步预判：①识别核心症状关键词 ②匹配ICD-10标准科室分类 ③输出初筛建议与风险提示”。描述越贴近真实诊疗场景，Dify底层模型对医疗语义的理解就越精准，后续的科室匹配效果也会更好。

创建完成后，系统会自动进入配置界面。这里不要跳过“变量管理”开关——它会自动记录患者的年龄、性别、症状持续时间等关键字段，这些信息在后续的追问和判断中至关重要，能够显著提升预诊的准确率。

接入权威医疗知识库

有两种方式可以为Agent注入“医疗知识”体系。

方法一：上传结构化科室映射表
在左侧菜单进入【知识库】，点击【新建知识库】，命名为“ICD-10科室映射表”，然后上传你准备好的Excel文件。这个表格需要包含几列核心数据：症状关键词、ICD-10编码、推荐科室、禁忌提示。上传后点击【处理】，等待状态变为“已完成”。这种方式适合那些已经具备成熟科室编码体系的医疗机构，数据一旦导入，Agent就能直接调用并快速响应。

方法二：连接SpringAI医疗MCP服务
如果你的机构已经部署了SpringAI医疗接口，可以在【工具】页点击【添加工具】，选择【OpenAPI】，粘贴MCP服务的YAML文档URL。Dify会自动解析出两个端点：GET /symptom/match 和 GET /department/risk，勾选并保存即可。这种方式的最大优势是能实时调用最新的临床指南，但需要确保SpringAI服务已配置JWT鉴权，并且响应头中包含 Content-Type: application/json，以保证数据传输的稳定与安全。

配置核心预诊工作流

工作流是预诊Agent实现精准分诊的核心引擎。一共四步，每一步都不可跳过或简化，否则会影响预诊质量和安全性。

第一步：设置初始症状提取节点
在【工作流】编辑器中，拖入一个“LLM节点”。系统提示词可以这样写：
“你是一名三甲医院分诊护士，正在为患者做挂号前预评估。请严格按以下步骤操作：①从用户输入中精准提取症状实体（如‘左下腹绞痛’‘晨起干咳3天’），忽略修饰词；②若未提及部位/性质/时长，必须追问；③输出JSON格式：{‘symptom_entities’: [‘…’], ‘missing_info’: [‘部位’,‘时长’]}。”

这一步的作用是让Agent学会“抓重点”，同时自动识别信息缺口。很多AI对话失败，正是因为没能主动追问缺失的关键信息，导致后续判断偏差。

第二步：添加条件分支判断
拖入“条件节点”，设置判断逻辑：当上一步输出中的missing_info数组长度＞0时，走“追问路径”；否则走“匹配路径”。这一步不能省——漏掉追问会导致误判率飙升30%以上。说白了，就是要让Agent学会“多问一句”，而不是凭一两个关键词就草率下定论，从而保障预诊的严谨性。

第三步：连接科室匹配工具
在“匹配路径”分支末端，拖入你已经启用的知识库工具或SpringAI OpenAPI工具。设置输入参数为symptom_entities数组，并开启“高亮匹配段落”开关。这个开关的作用是让医生在复核时能快速定位依据，提升决策效率与可追溯性。保存节点即可完成配置。

第四步：插入风险拦截层
这是最后一道安全网。在工具调用节点后，再加一个LLM节点，系统提示词写：
“你已获得科室匹配结果。现在检查：若症状含‘突发胸痛’‘意识模糊’‘咯血量＞50ml’等高危关键词，必须插入免责声明：‘⚠️该建议不能替代急诊就诊，请立即前往最近医院急诊科’。其他情况输出标准化建议：‘建议优先挂号[科室名]，初筛项目包括[检查项]’。”

这一步的意义在于：Agent不能只输出结果，还得对潜在风险负责。尤其是在医疗场景中，“安全”永远是第一位的，这样设计才能确保预诊系统既智能又可信。