​

Dify 作为一个开源的低代码大语言模型（LLM）应用开发平台，正在医疗行业中发挥越来越重要的作用。通过将大语言模型、检索增强生成（RAG）、工作流编排等复杂的人工智能技术封装为直观的可视化工具，显著降低了医疗机构及开发者构建 AI 应用的技术门槛。这不仅加速了医疗场景中智能化解决方案的快速迭代与落地，也为推动医疗行业的数字化转型提供了高效、灵活的工具支持。

​

以智能导诊助手为例  

基于 Dify 平台设计并实现一个智能导诊助手，集智能导诊、智能问药和辟谣较真功能于一体，通过自然语言交互实现症状分析与科室推荐，提供精准用药指导，并针对健康谣言推送权威科普，有效提升患者就医效率与健康素养，助力医疗机构实现智能化、人性化的服务升级。

一、准备工作

1.MCP API key 申请

-登录/注册高德开放平台，申请一个 Api key，用于调用高德地图服务。

-登录/注册百度开放平台，申请一个 Api key，用于调用百度深度搜索引擎。

2.Dify 平台准备

确保已注册 Dify 社区版/企业版账号并创建一个 ChatFlow 工作流，熟悉 Dify 的 “节点”（如 LLM、Agent、条件判断、模版转换、参数提取）和 “会话变量” 用法。

3.安装 MCP 插件

在 Dify 插件市场，安装 MCP SSE 及支持 MCP 工具的 Agent 策略，用于发现和调用 MCP 服务。

二、Dify 工作流设计

1.问题分类

通过“问题分类器”节点，对用户的输入进行分类，若内容符合“智能导诊、智能问药、辟谣较真”的其中之一，将会话变量 question_type 更新为最新的问题类型。

2.智能导诊

若患者的问题类型是“智能导诊”，提取用户在多轮对话中输入的个人信息，包括：【性别】【年龄】【症状】【所在地】,并更新会话变量，记录用户已经输入的信息。

【对话信息提取】节点提示词参考，这里以性别为例：

​

【患者信息输入确认】节点会对患者输入的个人信息进行汇总--信息缺失：提醒患者补全相关信息

--信息完整：输出确认信息，让患者确认输入是否有误

（1）

患者可以在多轮对话中，逐步补充完整个人信息，【推荐科室和医院】节点 Agent 策略会根据预设定的系统提示词，获取可用的 MCP 工具列表，并调用相关 MCP 工具完成【病症分析】【科室】以及【附近医院】的推荐。

【推荐科室与医院】节点配置参考：

提示词参考：

（2）

在对话中，若患者一次性给出性别、年龄、症状、所在地信息，会直接进入到科室和医院推荐节点，完成信息查询。

（3）

若会话变量 department 不为空，即表示系统已经给出科室推荐，会进一步对用户的问题进行分类：

① 进一步询问问诊相关信息

② 清空个人信息，重新问诊

③ 其他的不相关的话题

3.智能问药

若患者的问题类型是“智能问药”，LLM 节点会识别并提取用户在对话中输入的药品信息。通过条件分支分别导向两条工作流：

Ⅰ. 药品名称为空：输出询问信息，让患者输入相关的药品名称。

Ⅱ. 药品不为空，Agent 调用相关的 MCP 工具，深度搜索最新的药品资讯信息，包括：【药品基本介绍】【适应症】【用法用量】【不良反应】【禁忌症】等信息。

Agent 节点配置参考

【提取问药信息】节点提示词参考：

​

【智能问药】节点配置参考：

​

提示词参考：

4.辟谣较真

若患者的问题类型是“辟谣较真”，识别并提取用户在对话中输入的辟谣信息。与智能问药模块逻辑类似，但提示词略有差别。

​

提示词参考：

三、部署效果展示

通过发布部署完成后，我们来测试一下智能导诊助手实际应用效果：

​

四、延伸

进一步地，该智能助手可集成至医疗机构的信息系统中，通过对接医院数据库，实时获取科室详情（如所在楼层、房间号、值班医生及出诊时间等），并结合 Dify 的 HTTP 节点，以及调用第三方工具的能力，拓展设计自动化预约挂号的工作流，实现导诊到预约的闭环服务。

在智能问药模块，系统也可接入医院药房数据库，不仅提供药品的详细说明，还可反馈药品的实时库存情况，提升患者用药的服务协同效率。

​