从10月1号国庆放假开始,我陆陆续续的投了大概60 - 70份简历,无一例外,全挂,大部分都是已读不回,舍友旅游的旅游、回家的回家,只有我一个人,待在宿舍的电脑前,我不知道该说什么,也不知道该做什么。起初,我以为有一段中厂的实习经历,怎么说至少也能够换来几个HR面试或者技术面试,现实缺失,一个都没有:

在BOSS上找不到之后,我又在各大平台投简历,这里在小红书上出现了转机,小红书上找到了一个帖子:发帖人正在西安寻找 Agent 开发伙伴,然后加微信聊了聊,发现他们想做一个医疗专科类的agent:
医生智能问答Agent项目需求
一、项目目标
搭建具备自主学习、医生人设复刻、智能语义思考的医疗科普问答智能体。
区别于传统固定话术机器人,支持通过医生问答库、视频素材自主学习,复刻医生语气、逻辑、声线,智能重组生成答案,而非固定问答匹配,实现接近真人医生的答疑体验,7×24小时对外提供科普咨询服务(不做医疗诊断)。
二、部署方式要求
支持两种部署模式,可二选一或按需配置:
-
本地私有化部署:内网本地服务器部署,数据不外流,安全可控。
-
云端线上部署:云服务器部署,运维简单、随时访问、支持外网用户调用。
三、核心AI智能能力(项目核心亮点)
- 具备自主训练与增量学习能力
◦ 支持导入文字问答知识库学习专业问答逻辑;
◦ 支持解析医生演讲、科普视频素材,自主学习医生说话风格、逻辑、话术习惯;
◦ 支持后期持续新增素材,迭代优化回答风格与专业度。
- 拟人智能生成回答(关键需求)
◦ 拒绝固定问答模板匹配,不是一问一答死库回复;
◦ 可语义理解用户问题,结合知识库自主思考、重组、润色、生成全新回答;
◦ 完整复刻医生个人语气、口吻、表达逻辑,高度拟人、自然流畅。
- 声音复刻能力
学习医生原声,实现AI医生专属音色朗读播报,问答结果可语音播放。
四、交互功能需求
- 输入方式
• 文字提问问答
• 语音识别转文字提问问答
• 图片/图文识别解析问答
- 输出方式
• 智能生成专业文字解答
• 医生复刻语音实时朗读播放
- 业务边界(硬性规则)
所有内容仅做健康科普、知识解答、咨询说明,严禁任何医疗诊断、开方、诊疗判定。
五、模型迭代要求
-
支持长期、定期版本迭代升级;
-
模型性能持续跟进市场主流水平,不落后、不淘汰;
-
可持续吸纳新素材、新知识,自动优化问答能力。
六、访问与对接方式
-
服务要求:7×24小时不间断稳定在线
-
接入端口:优先支持企业微信接口对接,可兼容其他主流API接口,接入简单、使用便捷
-
用户无需下载客户端,轻量化随时互动
七、性能指标要求
稳定支持 30–50人同时在线并发
响应速度快、无卡顿、无崩溃、无超时报错
八、整体功能总结
-
双部署:本地私有化 / 云端部署
-
真AI智能:学习医生文字+视频,复刻语气+声音,智能生成答案
-
多模态交互:文字、语音、图文识别问答
-
双输出:文字回复 + 医生原声语音播报
-
可持续更新:模型长期迭代、素材持续学习
-
全天候服务:7×24小时在线、企业微信对接
-
明确业务边界:只科普、不诊断
-
性能达标:支持30–50并发访问
看到这份需求时,我既兴奋,又有些忐忑。此前,我从未真正独立参与过一个从 0 到 1 的完整项目,因此,我开始在身边寻找有相关agent开发经验的同学,希望先组建一支能力互补的小团队。
幸运的是,在学校华为创新俱乐部招新面试当天,经师姐推荐,我认识了第一位伙伴:技术大拿——京涛(他有 Agent 项目经验,也曾与同学共同承接外包项目)。就在前一天晚上,我还托人在校园小红书上发布了招募信息,并由此认识了:谈判专家——佳禾*(本科西电,已经保研至某科研院所,毕设做智能仓储)。三个人相互认识后,我们决定在 10 月 13 日去医院,与产品负责人和院长当面沟通,进一步确认项目背景与真实需求。
10月12日晚上22:00,我成功的联系到我实习前司的面试官(王哥),他曾做过AI产品经理和算法工程师,感谢他给我们提供有关项目需求的指点和建议
10 月 13 日:与产品沟通
下午 3 点左右,我们来到西安国际医疗中心北院 C 楼 17 层的办公区,见到了医院的产品负责人。
沟通后我们了解到,这是一家整形专科医院,项目主要聚焦耳畸形相关问题。部分儿童出生时存在耳部缺失、单耳或耳部发育不全等情况,需要根据具体症状制订相应的治疗方案。郭教授从事耳整形相关工作已有三十余年,积累了大量临床经验。
患者及家属经常通过互联网平台咨询相关问题。尽管具体症状大致可以归纳为十余类,但面对数量庞大的患者群体,同类问题仍会被反复提出。据产品负责人介绍,相关患者约有两三万人;院长与十余名护士每天需要通过二十多部手机回复咨询,工作重复而繁重。
这也让我们第一次清晰地看到,项目并不是为了追逐一个抽象的“AI 概念”,而是源于一个具体且长期存在的业务难题:如何把专家多年积累的知识系统化,并在守住医疗边界的前提下,更高效地回应大量重复咨询。
10 月 13 日:与院长交流
随后,我们见到了院长。郭教授待人亲切,是长江学者,也是一位在业内具有较高知名度的医生。据他介绍,这个 Agent 项目其实已经筹备多年。三年前,院方曾委托深圳的一家公司开发群聊机器人,并接入企业微信,但实际回复效果并不理想:系统能够检索和匹配信息,却缺少连贯的逻辑推理与上下文关联能力。
如今,院方希望借助新一代 AI 技术,把群聊机器人升级为一对一的智能问答系统。更重要的是,他们希望将院长多年积累在头脑中的专业知识、判断思路和表达方式沉淀下来,让这些经验能够更广泛地服务医护人员、患者及其家属。
谈话中,院长提到了 Kimi 的杨植麟、DeepSeek 的梁文锋以及宇树科技的王兴兴。在他看来,AI 正在快速改变各行各业,能否及时理解并运用新技术,将直接影响个人和机构未来的发展。他还谈到一位在深圳外企从事互联网工作的外甥女:毕业不久(23岁)便开始带领团队,如今已大量借助 AI 完成软件开发。这个例子或许并不能直接回答项目该如何落地,却让我们感受到,院方推动这件事并非一时兴起,而是源于一种真实的紧迫感。
他清楚我们的经验仍然有限,却依然愿意给我们一次尝试的机会。对当时的我而言,这份信任既令人振奋,也意味着一份沉甸甸的责任。从连续投递简历却得不到回应,到坐在真实的业务现场讨论一个可能落地的项目,不过短短十几天。机会的出现有些偶然,但它也让我意识到:当一条路暂时没有回应时,主动走向更具体的问题,或许会打开另一扇门。