医院信息科AI角色体系搭建，WorkBuddy避坑指南

为WorkBuddy配置一套角色体系，是上手后最核心的基建任务。前后断断续续折腾了近两周，推倒重来了好几个版本，踩坑的经验比写出来的心得还多。今天把这套流程完整复盘，给想为AI做专业角色定制的同行一些硬核参考。

起因：全能对话模式削平了AI的专业边界

医院信息科的日常工作有个棘手特征：**一个人扛着五条业务线，每条线的专业跨度大到离谱。**

上午还在排查HIS系统的数据库死锁，下午就得赶等保合规整改方案，晚上还得处理医保对账表。这些任务之间毫无过渡——前一秒还在跟数据库死锁较劲，下一秒就要切换到DRG付费政策解读，中间没有任何缓冲区。

最初用WorkBuddy，开的都是“全能对话”模式：同一个对话窗口，上一秒让AI写SQL查数据，下一秒让它写新闻稿，再下一秒让它分析防火墙策略。结果呢？**AI自己的逻辑先崩了。** 它会用新闻稿的修辞风格给你写等保整改方案，用数据分析的思维模式去诊断网络故障。

痛点逼到极致，决心给AI分角色，每个角色只聚焦一个专业领域。

第一版：七个角色，规划很丰满现实很骨感

最初的设计思路简单粗暴——**岗位映射**。信息科有哪几个岗位，AI就建几个角色：

• 信息科主任：管战略规划、预算编制、项目申报
• 系统管理员：管HIS/EMR配置、故障排查
• 数据与统计员：管SQL查询、报表生成、数据上报
• 网络安全运维：管防火墙策略、等保合规、安全事件响应
• 医保科主任：管DRG控费、飞检应对策略
• 医保审核员：管编码校验、三大目录维护
• 医保结算员：管对账、退费、财务结算

后来又陆续加了“宣传科干事”和“个人助手”，峰值时期同时维持着9个角色。

9个角色意味着什么？9套SKILL.md要维护，9套触发关键词要记忆，9套参考资料目录要更新。一个人的信息科，给AI建的角色比医院实际科室还多。这就像一台服务器装了9个杀毒软件——每个都想抢控制权，结果互相干扰。

**第一个大坑：角色边界模糊，冲突频发。**

举一个真实案例：等保测评整改，“信息科主任”负责管理侧整改（制度、人员配备），“网络安全运维”负责技术侧整改（设备策略、安全加固）。但实际工作中，一条等保不符合项往往同时牵扯管理和技术，比如“未建立安全事件报告制度”——这究竟是管理问题还是技术问题？AI也陷入两难，两个角色给出的方案对不上，甚至互相矛盾。

**第二个大坑：角色之间缺乏协同机制。**

医保飞检来了，“医保科主任”说要准备自查自纠报告，但数据从哪里调？得找“数据与统计员”提取。提取出来发现编码异常，得找“医保审核员”校验。校验显示是HIS系统配置问题，得找“系统管理员”排查。四个角色循环一圈，中间的衔接全靠手动切换和信息转达。**AI不会主动去调用另一个角色的能力。**

第二版：从“岗位镜像”到“能力聚合”

痛定思痛，做了第一次大规模重构。核心逻辑变了：**不是按岗位切分，而是按“决策 vs 执行”的维度合并。**

**信息决策** = 信息科主任 + 数据与统计员。逻辑是：决策依赖数据支撑，报表服务于决策需求——“先看清方向再产出数据”。

**信息运维** = 系统管理员 + 网络安全运维。逻辑是：软硬件不分家，系统网络一体化处理——“碰到分不清属于系统还是网络的问题，就找它”。

医保侧也做了类似合并：医保决策（管控费 + 审编码）、医保结算（纯财务流程，独立保留）。

**第三个坑：合并不是简单的文档拼接。**

最初以为把两个SKILL.md内容拼在一起就行。结果发现两个角色对同一问题的立场可能完全相反。

比如“数据脱敏”：信息科主任视角认为脱敏是管理红线，制度必须健全；数据与统计员视角认为脱敏会降低数据可用性，过度脱敏导致分析无法开展。合并后必须在SKILL.md里显式声明优先级：**安全第一，可用性其次**。否则AI会在两个立场之间反复横跳。

**第四个坑：A面/B面的职责划分必须写死。**

合并后每个角色有两个“面”（A面决策/B面执行），如果不在文档里明确界定哪些任务归哪面，AI就会串场。以“信息决策”角色为例：

• A面（决策）：信息化战略规划、等保合规管理、供应商评估
• B面（数据）：SQL查询、统计报表、ICD编码校验

但有个灰色地带：数据分析。做规划需要数据分析，数据分析又依赖规划定义的口径。我在SKILL.md里加了一句关键约束：“你用数据驱动的管理者思维调用AI”——这就把B面定位成A面的能力工具，而非并列关系。

SKILL.md的编写：每个文件迭代超20次

每个角色的SKILL.md，前后改了不下20遍。不是文字润色，是每次实际使用都发现遗漏或错误。

**角色定位不能写空泛愿景。** 第一版信息科主任定位是“以信息化建设推动医院高质量发展”。听起来高大上，但AI完全不知道自己该干什么。后来改成：“你是医院信息科的信息决策者——左手拿决策，右手拿数据。规划靠数据验证，报表为决策服务。风格是沉稳决断、数据驱动、对合规零容忍。”**关键在于：前者是愿景，后者是行为准则。** AI不需要愿景，它需要知道遇到具体问题该怎么反应。

**触发条件不能太模糊。** 早期触发条件写的是“当需要进行信息化规划时触发”。问题是我日常对话中不会刻意提到“信息化规划”这个词。后来改成场景化触发词+用户视角描述：“当你既要‘看方向’又要‘用数据说话’时，加载此角色”。关键词触发+场景描述，双保险。

**参考资料路径是静态配置，必须同步维护。** SKILL.md里引用的本地资料路径是硬编码的。后来重组了文件目录结构，路径变了但SKILL.md没同步更新，AI就去读一个不存在的目录。这一点没有任何自动化工具能帮你检查，全靠手动同步。

**权限红线不是安全声明，是行为约束代码。** 这是踩过最深的坑。权限红线这一节，最初觉得写上表明我在意安全就够了。后来才发现这实际上是给AI的行为约束。举几个真实案例：

• 没写“SQL只SELECT，绝不生成UPDATE/DELETE/INSERT”，AI真的会给你生成UPDATE语句
• 没写“涉及患者个人信息的数据必须建议脱敏处理”，AI会直接输出带姓名和身份证号的数据
• 没写“等保合规建议必须引用具体政策条款编号”，AI会说“建议加强安全管理”这种空话

**每一条红线背后都对应一次真实的越界事件。** 不是修辞，是真的AI干出了越界的事，才补上去的。

IMA知识库集成：从“有就行”到“必查优先”

后期给每个角色都加了IMA知识库集成模块。逻辑很简单：本地文件可能过时，知识库里的版本更新。但集成过程又踩了新坑。

**知识库与本地文件的冲突处理。** 两者引用同一份政策文件但版本不同，以哪个为准？最后定的规则是：IMA优先，本地兜底。在SKILL.md里显式写明“冲突时以IMA为准”。

**激活时自动查询知识库的时机。** 最初设计的是“加载技能时立即查知识库”，结果每次加载角色都要跑一遍知识库查询，哪怕只是问个简单问题，响应速度明显变慢。后来改成“按需检索”：加载时只列出知识库目录，具体内容等用户问到再查。省了80%的无效查询。

市医保对账：从手动一整天到全自动2分钟

这个是角色体系里最成功的自动化案例，也是最痛苦的调试过程。

市医保对账的业务逻辑：每个月6类结算数据（居民门诊/门慢/住院、职工门诊/门慢/住院），加上3种专项拨付单（医疗救助/公务员补助/大病保险），生成12个月的sheet加一个汇总表。

**专项拨付单不是独立类别。** 最开始按6+3=9个类别处理，结果汇总表死活对不上。反复查了两天才发现：专项拨付单的金额必须合并到对应的主类别里，不能单独列行。比如“公务员补助”专项拨付单的数据，必须加到“职工住院”或“职工门诊”的行里。这不是设计问题，是医保局的结算规则。

**DRG付费下“基金支付”要取大值。** DRG付费改革后，基金支付不能简单取“统筹应付”，要取max(DRG住院结算应付, 统筹应付)。这个规则在第五版脚本才加上，前四版算出来的数据差了好几万。

**不同年份的源文件行号不一样。** 同一个字段（如DRG住院结算应付），2025年在R13C6，2026年在R14C6。因为医保中心换了一个结算报表格式。第一次做2026年对账时直接套用2025年的脚本，数据全错。现在SKILL.md里专门有一节“年份差异”，把不同年份的字段位置列得清清楚楚。

**金额格式跨年不一致。** 2025年源文件的金额字段存的是整数（比如12345代表123.45元），2026年直接存float。脚本里的money()函数必须按年份区分处理逻辑。这个坑让人怀疑了一整天人生。

最终效果：**原来做一份年度对账表要一整天，现在丢数据过去2分钟出表。** 省下来的时间不是重点——重点是以前手动做容易出错，现在脚本跑出来的数据至少比手动做准一个数量级。

最终的角色体系

经过反复迭代，目前基于WorkBuddy搭建的角色体系长这样：

9个角色精简到6个角色+2个自动化脚本，每减少一个角色，维护负担就减轻一个档次。

五条经验总结

**1. 角色数量和心智负担正相关，能合并就合并。** 合并维度不是“岗位”而是“决策链”——信息科主任+数据统计员能合并，因为“决策依赖数据”；系统管理员+网络安全不能拆分，因为“排障不分系统网络”。

**2. SKILL.md是活文档，不是写完就归档的。** 每个SKILL.md平均改了20遍以上。每次实际使用中发现缺陷就改，不改下次还会踩同一个坑。

**3. 权限红线是写给AI的约束代码，不是安全口号。** 别写“注意安全”这种废话，写“SQL只SELECT，绝不生成UPDATE”。

**4. 知识库优先于本地文件，但必须显式声明冲突处理规则。** 否则AI会在两个数据源之间犹豫不决。

**5. 能全自动的不要半自动，能半自动的不要手动。** 市医保对账从手动一整天到全自动2分钟，省下来的时间不是让你偷懒，是让你在那些必须人判断的事上别那么赶。

给AI建角色系统这件事，技术门槛不高，业务门槛极高。你要非常清楚自己每天在干什么、各个工作之间的边界在哪、什么能自动化什么不能。AI不会帮你理清这些——它只是把你理清的东西执行到位。

所以整个过程最花时间的不是写SKILL.md，是**想清楚**。

来源：互联网