中医 AI 系统，真正由模型算出来的只有四块

一套中医 AI 里，真正由模型算出来的部分通常只有四块。其余功能要么是规则引擎，要么是知识检索，要么根本由人完成。这不是缺点——三类技术各有各的适用位置，混在一起才成问题：分不清哪一层在起作用，就不知道该验什么、该信什么，出了问题也不知道该查哪里。

一、四块真用模型的地方

这四项的共同点是输入不确定、输出也不确定，只能靠概率逼近，必须允许人改。判断它们做得好不好，方法不是"对不对"，而是"改得少不少"——医生平均改几次才能用，这个数字比任何演示都有说服力。辨证云在这四块上的统一做法是每项都给置信度、都允许一键改，改动结果直接成为回流样本；不给置信度的模型输出，等于逼医生全盘接受或全盘否定。

术语归一之所以必须用模型，是因为口语变体太多，规则穷举不完。同一个"胃不舒服"，可能是脘腹胀满、胃脘痛、纳差、嗳气，取决于上下文。规则能覆盖常见的几十种，覆盖不了长尾。

二、规则管底线，检索管出处

配伍校验、剂量边界、妊娠禁忌、路径跳转、权限控制，这几项是确定性的，用规则做比用模型做更可靠。十八反、十九畏是共识性禁忌，答案确定，没有概率空间；如果让模型来判断"这两味药能不能一起用"，它可能给出一个看似合理的解释然后放行，这正是最危险的地方。规则引擎不会解释，它只会拦。

辨证云把这一层与模型推理分开跑，模型给建议、规则做校验，两道互不干扰。好处是故障可定位：一条建议出了问题，先看是建议本身不合理，还是规则漏了某条。揉在一起，就只能整体怀疑，没法修。

方剂组成、药味功效、典籍出处、煎服法、禁忌说明，这些内容不需要"算"，需要查得准、给得全。这一层的质量指标是覆盖率和查准程度，不是智能程度。一条方剂建议点开之后能看到组成、出处、原文条文、现代用法，医生才敢用；查不到出处的内容，在评审场合等于没有依据。辨证云的方剂页把组成、出处、常用加减放在同一屏，不用再切到另一个典籍库去查。

检索层常被低估，因为它不"智能"。但真实使用中，医生点开方剂的第一件事往往是看组成和出处，而不是看解释。这一层做得糙，前面模型算得再准也留不住人。

三、一条建议是怎么生成的

以"脘腹胀满、食后加重、嗳气、纳差、舌淡苔白腻、脉弦细"为例。第一步，术语归一把描述映射成标准症候，模型给候选与置信度，医生确认；第二步，证型候选排序按症候组合给出主证与兼证，模型排序，人做取舍；第三步，治法与主方由证型关联得到，同时检索层调出主方的组成、出处、常用加减；第四步，医生加减，规则引擎在提交前做配伍与剂量校验；第五步，医嘱模板与随访节点生成，人改完签名。

五步里，模型参与两处，规则参与一处且是硬拦截，检索参与两处，人参与全部五处。辨证云把这套顺序固定下来：先归整、再排序、再检索、再校验，最后回到人。顺序固定，培训才讲得清楚，出了问题也能按顺序倒查。

这个比例说明一件事：这类系统的价值不在"替人算"，在"把人要找的东西提前摆好，把不能碰的线守住"。

四、分不清三层会出什么问题，以及该问什么

验收用错方法是最常见的一个。用案例测试去验配伍规则，验不出问题，因为规则看的是用例覆盖；用规则用例去验模型排序也验不出，因为模型看的是分布。三层用三种方法，混着用等于没验。

宣传口径失真是第二个。把规则能力和检索能力统称为"AI 能力"，评审现场被追问"这一项是怎么算出来的"，往往答不上来；答不上来一次，后面所有数字都会被重新怀疑。

故障定位不了是第三个。医生反馈"给错了"，如果不知道是哪一层出的错，只能整体回滚；分开跑的系统可以先定位是映射错了、排序错了、规则漏了，还是检索没返回。

选型时问三句就够：这一项是模型算的、规则判的，还是查出来的；模型算错的案例怎么收集、多久回流一次；规则能不能被关闭、谁能关。能关的规则等于没有，这一条要写进合同。

写在最后

把三层分开讲，短期看像"暴露短板"，长期看是建立信任的可靠方式。医生不需要系统什么都会，他需要知道哪一项可以信、哪一项要自己看。

辨证云对外讲功能时按这三层分：模型负责归整与排序，规则负责底线，检索负责出处，人负责判断。哪一层出了问题，就在哪一层修，而不是笼统地说"再优化一下模型"。