我选择体检报告解读作为 AI 健康产品切入点，是因为它有明确输入、真实用户痛点、较强结构化空间和更可控的安全边界，适合做 MVP 验证。
项目概览
为什么要做这个项目？
AI体检报告解读与健康行动助手，是一个围绕“体检报告看不懂”这一真实问题设计的 AI 产品。产品通过 OCR 识别、指标结构化、异常项提取、关注优先级、AI 报告解读、健康行动计划和 AI 追问，把一份难以理解的体检报告转化为用户可以理解、执行和持续管理的健康行动入口。
这个项目的核心判断不是让 AI 直接回答所有健康问题，而是把 AI 拆进完整业务流程中：它要知道输入是什么、能回答什么、不能回答什么、输出结构是什么、何时需要提示用户咨询医生，以及哪些表达必须被安全审核拦截。
问题定义
原始问题不是字段，而是需要被解释的场景。
普通用户拿到体检报告后经常看不懂指标、无法判断异常优先级，也不知道何时复查或如何准备医生沟通。
- 用户看不懂医学指标、异常箭头和参考范围。
- 用户不知道哪些异常更值得优先关注。
- 用户不知道是否需要复查、何时复查，或如何准备医生沟通。
- 通用 AI 容易给出过宽泛、过度自信或缺少报告上下文的回答。
- 健康类产品如果没有安全边界，容易从信息解释滑向诊断、处方或治疗承诺。
项目背景
为什么这个问题值得拆解？
体检报告给了用户数据，但没有充分帮助用户理解数据；通用 AI 能回答问题，却缺少报告结构化、医疗安全边界、长期档案和复查提醒。
工作流 / 方法
我如何推进这个项目？
我没有把这个产品设计成开放式健康聊天框，而是把 AI 能力拆成多个可控节点：OCR、指标结构化、异常提取、知识库检索、报告总览、指标解释、行动计划、追问回答、安全审核和档案沉淀。
每个节点都需要定义输入、输出、风险点和降级策略。比如 OCR 低置信度时优先让用户确认，不强行生成解读；知识库检索失败时不编造解释，而是提示咨询医生或体检机构；安全审核触发时改写或拦截越界回答。
- 上传体检报告
- OCR 识别并抽取指标、数值、单位、参考范围和异常标记
- 用户确认或修正识别结果
- 提取异常项并给出关注优先级
- 结合指标知识库和规则库生成通俗解释
- 生成 7 天 / 30 天 / 90 天健康行动计划
- 通过安全审核拦截诊断、处方、治疗和恐吓式表达
- 保存报告摘要、复查提醒和长期健康档案
输出结果
当前形成了哪些可复盘产出？
产品分析、PRD、AI 工作流与 Prompt 设计、RAG 知识库方案、MVP 路线和作品集展示页。
- 产品分析报告：说明用户痛点、场景价值、产品定位和商业化可能性。
- PRD 文档：拆解核心闭环、功能模块、用户流程、状态和边界。
- AI 工作流与 Prompt 设计文档：定义 AI 节点、Prompt 体系、RAG 知识库、安全审核和评估指标。
- 作品集展示结构文档：把项目整理成适合个人主页展示的模块。
项目沉淀
这个项目沉淀了什么？
- AI 健康产品不应一开始就做高风险 AI 医生，而应先进入健康信息解释、风险关注提示和行动辅助场景。
- 大模型不是单点功能，而是被拆进上传、识别、结构化、生成、审核和沉淀的完整链路。
- Prompt 不只是写给模型的句子，而是目标、范围、流程和结果的产品规则。
- 医疗安全边界需要进入输入、生成、审核、展示和追问流程，而不只是页面底部免责声明。
- MVP 阶段应先验证用户是否愿意上传报告、能否看懂解释、是否愿意继续追问和保存档案。
产品定位
不是 AI 医生，而是健康信息解释与行动辅助产品
本项目明确不做 AI 诊断系统、AI 处方工具、治疗方案生成器或医生替代服务。它的边界是帮助用户理解体检报告信息、梳理关注优先级、准备复查和医生沟通，并生成可执行的健康行动计划。
- 是健康信息解释助手，而不是诊断系统。
- 是体检报告结构化工具，而不是开放式健康问答机器人。
- 是异常指标说明和风险关注提示工具，而不是治疗方案生成器。
- 是长期健康档案入口，而不是真实医疗服务替代品。
核心产品闭环
从报告上传到长期健康档案
这条链路说明，产品不是简单接入大模型回答问题，而是把 AI 能力放在明确的用户任务、数据结构和安全规则之中。
- 上传体检报告 -> OCR识别 -> 指标结构化 -> 用户确认
- 异常项提取 -> 风险关注等级 -> AI报告总览 -> 异常指标解释
- 健康行动计划 -> AI追问 -> 安全审核 -> 保存健康档案
- 复查提醒 / 趋势对比 -> 下一次报告继续沉淀
核心功能模块
让用户从看不懂到能行动
- 体检报告上传：支持图片、PDF 和样例报告体验。
- OCR 识别与指标结构化：抽取指标、数值、单位、参考范围和异常标记。
- 异常指标解读：用通俗语言解释含义、常见影响因素和关注重点。
- 风险关注等级：帮助用户判断先看什么、哪些问题需要及时咨询专业人员。
- 健康行动计划：生成 7 天 / 30 天 / 90 天的饮食、运动、睡眠、复查和医生沟通准备。
- AI 追问：基于当前报告上下文回答，且必须受安全边界约束。
- 长期健康档案：保存报告摘要、历史指标趋势、复查提醒和家庭成员档案。
- 医疗安全审核：拦截诊断、处方、治疗、恐吓和绝对化表达。
AI 工作流
AI 不是聊天框，而是被拆进产品流程的能力层
每个 AI 模块都需要明确输入、处理、输出、风险点和降级策略。产品应该能在 OCR 失败、知识库缺失或用户提出高风险问题时安全降级。
- OCR识别模块、指标结构化模块、异常项提取模块。
- 风险关注等级模块、报告总览生成模块、异常指标解释模块。
- 健康行动计划模块、AI追问模块、安全审核模块。
- 安全优先于完整，提示用户确认优先于直接判断。
Prompt 方法论
高效 Prompt = 目标 + 范围 + 流程 + 结果
在这个项目中，Prompt 是产品规则的一部分。它负责明确 AI 本次任务是什么、能做什么、不能做什么、按什么步骤处理、最终输出什么结构。
- 目标：帮助用户理解体检报告。
- 范围：健康解释、风险提示和行动建议，不做诊断和处方。
- 流程：识别指标、标记异常、分级风险、解释原因、给出行动。
- 结果：让用户看得懂、能执行、知道何时复查或咨询医生。
- Prompt 体系包含报告总览、异常指标解释、健康行动计划、AI追问、安全审核、趋势总结、医生沟通问题清单和复查提醒文案。
医疗安全边界
医疗安全不是免责声明，而是产品底层设计
健康类 AI 产品最大的风险不是模型不够聪明，而是模型越界。这个项目把安全边界放进产品流程、Prompt 约束、输出审核和前端展示中。
- 不做疾病确诊。
- 不提供处方建议。
- 不制定治疗方案。
- 不替代医生判断。
- 不使用恐吓式或绝对化表达。
- 高风险问题优先提示用户及时咨询医生或专业医疗机构。
RAG / 知识库
用知识库降低幻觉并统一解释口径
为了降低模型幻觉、统一解释口径并增强安全边界，项目设计了指标知识库和 RAG 检索方案。
- 指标解释、异常含义、常见影响因素和相关指标。
- 生活方式建议、复查建议、医生咨询提示。
- 禁止表达、安全规则和输出审核规则。
- RAG 结果进入 Prompt 上下文，但最终输出仍需经过安全审核。
MVP 路线
分阶段验证 AI 能力是否支撑核心闭环
- V0.1 原型验证版：使用样例报告验证报告总览、异常解释、行动计划和 AI 追问。
- V0.2 真实识别版：支持图片 / PDF 上传，加入 OCR、指标确认、异常项提取和安全审核。
- V0.3 健康档案版：增加历史报告、指标趋势、复查提醒和基础家庭成员档案。
- V1.0 完整产品版：扩展家庭健康管理、AI 健康周报、医生咨询入口、复查服务连接和隐私控制中心。
项目文档
完整文档与交付物
完整 PDF 文档已放入 public/docs/ai-health-report/，详情页仅链接本地文件，不生成 fake demo 或 fake repo。
复盘反思
目前最需要克制的地方是什么？
这个项目最重要的价值，不是证明 AI 能把健康问题答得多聪明，而是证明 AI 能不能在边界清晰的产品流程中稳定地帮助用户理解报告、形成下一步行动，并在高风险问题上及时收束。
对于 AI 产品经理方向来说，它展示的是场景选择、流程拆解、Prompt 产品化、RAG 设计、安全审核和 MVP 路线规划，而不是单纯的模型能力展示。