做C端产品多年，我有一个感悟：AI不是凭空创造新需求，而是用新技术解决旧问题。所以在竞品调研的最开始就要把重点放在用户身边，而不是APP上面，真听真看真感受。所以在项目启动之初，我开始去到小红书、病友群、以及一些已经存在的病友互助平台去看大家的留言，看大家的“种草贴”，关注真实的肿瘤患者和家属在推荐什么，他们在治疗期间用什么软件来记录身体状况，他们在哪里查药品的副作用；看他们在评论区的留言，观察他们对于现有工具的吐槽，甚至是研究学习他们自己做出来的工具。

通过这种方式我筛选出来了一批医疗APP产品。很有趣的是，把用户高频提到的软件排个序，你会发现很多不那么出名但极其实用的垂类工具。

找到这些竞品后，我会把它们分为三类，以此决定我的研究重点：

1. 大厂/生态类： 如腾讯、阿里的健康产品，主要研究其交互架构和头部效应。

2. 垂类/独立类： “小而美”的产品，主要研究其对具体业务场景的深耕。

3. 模式类似类：即使不是医疗领域（如Keep或美丽修行），但服务流程和架构类似的，也可以参考。

找到竞品后，可能很多人都会忍不住下载APP后一顿点击，查看它们的功能和交互，深入到产品细节，不过我不建议这样做。我通常会先通过官网，或应用商店的官方页面，先来浏览一下他们的官方介绍、用户评论和更新日志。这就有点像我们在下馆子前，先去大众点评里查找餐馆一样。

在仔细看官方产品介绍的同时我也会梳理出一张功能对比表，确定竞品研究的核心维度：

用户画像:医生？患者？还是泛健康人群？

产品的定位：它是为谁服务的？解决什么核心问题？（例如京东医生是为“医生”服务的，而我们需要找为“患者”服务的，定位不同，参考价值就完全不同）

核心功能：官方简介里列出的Top功能是什么？

商业模式：这一点至关重要。产品的商业模式是卖会员？卖问诊服务？还是免费引流？不同的商业模式直接影响着这个产品的功能设计（这一点在后文分析“小荷AI医生”时会详细说）。

做完基础调研，就进入了深水区：医疗类AI智能体到底该长什么样？

为了更好的统一测评，我设定了一个真实的严肃医疗场景：

一个正在进行靶向药治疗的肿瘤患者，想知道能不能吃辅酶Q10来缓解心脏毒性，会不会影响化疗效果？

我模仿用户的真实提问行为，横向测评了DeepSeek、豆包等心智类通用AI产品，以及垂类的蚂蚁阿福、觅健、小荷AI医生、丁香园的“用药助手”、百川智能的百小应等，总结出了分析AI智能体交互设计的四大维度框架：

维度1：情绪价值与人设

在医疗场景下，用户往往处于焦虑且脆弱的状态，人设的温度直接决定了对话能否进行下去。下面我们来看看各个医疗智能体的表现。

通用大模型（DeepSeek/豆包）：在面对复杂的化疗用药问题时，如果在没有添加特殊的提示词，这些表现得更像是一本高效的“电子说明书”。它们的回答虽然准确且专业，但语调平铺直叙，缺乏对患者心理负担的感知，这种“医生化”的直述在严肃之余，难免显得缺乏温度。

垂类AI（如蚂蚁阿福、小荷AI医生）则采用了类似“非暴力沟通”的策略。他们会先肯定与复述： “我理解你在治疗中关于……”，并像一位有耐心的专家，不仅回答药物问题，还主动捕捉到了患者对“心脏健康”的焦虑，给出了生活方式的建议。这种“先共情、后专业”的设计，让它的人设瞬间从一个搜索引擎变成了一位有耐心的健康专家。

维度2：专业深度与循证逻辑

医疗AI的底线是安全，而提升信任的关键在于“循证”，即你的建议到底源自哪里。在这个维度上，丁香医生出品的“用药助手”、百川大模型的百小应的“严肃医疗模式”以及京东医生的“知医”则表现得最像一个严肃稳重的专家医生。它们并不急于给出一个简单的结论，而是采用了类似“科研助手”的逻辑。例如在百小应的回答中，你会看到大量的证据支持、原理说明以及针对临床角色的具体建议。

它们会主动列出权威的医学文献和论文链接，用户可以随时点击跳转查证。这种“严丝合缝”的逻辑，虽然增加了阅读门槛，但对于追求确定性的重症患者来说，无疑是一颗定心丸。

维度3：主动交互与行动闭环

一个优秀的智能体不应只是“问一答一”，而应具备主动追问和转化行动的能力。

字节跳动的小荷AI医生在这一点上表现得非常“热情”。它不会在回答完患者“能不能吃补品”的疑问后就结束对话，而是会像真人医生面诊一样主动追问：“您是否还在服用降压药？”“具体的服用剂量是多少？”。通过这种连环追问，它在对话中完成了信息补全，并将用户引向了抖音电商的购药闭环。

最近非常出圈的蚂蚁阿福则在“行动闭环”上另辟蹊径。它深知肿瘤患者的用药计划极其复杂，因此在回答完咨询后，会直接在对话框下方弹出一个“添加补剂计划”的功能组件。它能自动从对话上下文中提取药名和频率，一键生成服药提醒。这种将“咨询”直接转化为“管理工具”的设计，真正做到了为用户着想。

维度4：信任构建与人机协作

最后，用户与产品的交互的形式感往往能影响用户的心理安全感。

关于这一点，觅健的设计让我耳目一新。它采用了一种群聊式交互设计：当患者发起咨询时，界面会模仿社交软件，瞬间“拉”入多个专业智能体——比如“营养健康专家”、“问诊专家”（对应到医疗场景则是不同科室的专家AI）共同服务。这种“多人会诊”的视觉呈现，极大地满足了用户希望获得全方位关注的心理。

而未来医生则展示了另一种人机协作的逻辑：它在对话开头就明确告知，以下内容由AI协助生成，但最终结论由真人医生签字负责。这种“AI收集整理+医生兜底签字”的工作流，不仅解决了合规性的难题，更是在患者的心理层面构建了一道不可逾越的信任红线。

通过这次测评，我总结了几个关于医疗AI智能体的交互设计的核心洞察：

首先，不要只做工具，要服务于用户认知。 传统的OCR病历整理只是工具，但如果把智能体还原成一个“专家问诊过程”，符合用户“挂专家号、问诊看病”的真实问诊过程，转化率和信任度会完全不同。

其次，人机协作还是不可或缺的一环。 像“未来医生”展示的逻辑：AI负责信息收集、初步整理和辅助决策，最后由真人医生签字负责。这不仅规避了合规风险，也提升了效率。

最后，最难的不是模型，是上下文。 如何引导用户输入高质量的日常用药数据、行为数据，从而强化AI对个体的认知，是所有医疗智能体都需要面对的挑战。

写在最后： 不同产品有不同的生命周期，有的产品追求“短平快”的流量闭环，有的产品追求“精深”的医疗决策。但归根结底，作为产品经理，我们的目标是一致的：如何利用大模型，去减轻那些最焦虑、最无助的群体，获取知识的负担。

特别声明：智慧医疗网转载其他网站内容，出于传递更多信息而非盈利之目的，同时并不代表赞成其观点或证实其描述，内容仅供参考。版权归原作者所有，若有侵权，请联系我们删除。

凡来源注明智慧医疗网的内容为智慧医疗网原创，转载需获授权。