https://www.learnerhub.net/resources/5084

一、团队集结

1.1 组员介绍、拟完成的任务分工

本次组件团队中，大家所擅长的领域不同，所以负责的模块也各有侧重，主要如下表所示

姓名	擅长技术	任务分工
刘成羽	pytorch，熟悉prompt engineering	AI agent
苏仲涛	pytorch	AI agent
李炜彬	Python fastapi 数据库	后端
游文升	Python  数据库	后端
石诚宇	Python fastapi	后端
林俊明	css js vue3	前端
王志宸	js vue3	前端
姜奥	对于测试、 部署经验丰厚	部署及测试

1.2 团队的特色描述

经过这段时间的磨合，逐渐发现我们团队具有以下的特征：

1. 我们团队成员都具有较高的自律性和自主性。可以挖掘出项目中主要的问题。
2. 同时成员热情较高，会经常性尝试讨论和思维碰撞，易于项目的推进和完善。
3. 团队中具备高张远瞩的成员，能够进行项目框架的整体构思，同时存在较细心成员，可以把控项目实现细节。

由此，我们的项目推进进程较为顺利，能够在有限的时间内，完成任务所需。

1.3 团队的Logo

上述即是我们团队项目的logo，其设计理念如下：

• 核心元素：以可爱风机器人为视觉核心，代表预诊AI智能体，左眼 “J”、右眼 “M” 的字母设计，既强化了队伍标识，又通过拟人化的面部细节（微笑表情）传递出亲切、可靠的品牌性格。背景医院场景铺陈：背景铺满了医疗设备、医院建筑和，构建出完整的医疗生态场景，直观体现 “医疗科技” 的行业属性，让背景与主体机器人形成紧密的场景关联。
• 色彩与风格，绿白色调：绿色象征生命、健康与科技活力，白色代表医疗的纯净、专业，两者搭配既符合医院的视觉联想，又通过清新的配色强化了 “科技医疗” 的现代感。
• 理念传达，整体设计旨在打造一个 “有温度的AI预诊系统”：既通过机器人和医疗设备的组合凸显 “科技赋能医疗” 的专业属性，又以可爱的视觉语言和温馨的色彩，打破传统医疗的冰冷感，传递出队伍在医疗科技领域 “专业且关怀备至” 的价值主张。

1.4 团队合照

二、开始行动

2.1 概述本团队将要完成的选题背景、应用价值、社会价值、预期目标

选题背景

本团队的选题聚焦于医院预诊环节的效率瓶颈与就医体验痛点：在社会老龄化和健康意识提升的背景下，大型医院就诊需求持续攀升，挂号、候诊时间长，而医生对每位患者的有效诊疗时间却被压缩，长期处于高负荷状态，影响诊疗质量。
传统门诊中，医生需要反复采集患者基础信息、既往史、过敏史等，预诊信息收集效率低，挤占了宝贵的诊疗时间

应用价值

1. 对医生端的应用价值自动完成患者病史、症状要点等基础信息的采集与结构化整理，减少重复问询和录入工作。让医生从“信息录入者”转变为“诊疗决策者”，可以直接在结构化预诊记录基础上做判断和补充，提高单位时间诊疗效率。
2. 对患者端的应用价值患者可以用自然语言自由描述症状，由系统引导完成必要信息填写，降低表达门槛，避免关键病史遗漏。候诊期间即可在移动端完成预诊信息填写，缩短就诊整体耗时，提升就医体验。

社会价值

• 缓解医疗资源紧张与就医矛盾：通过智能预诊系统对就诊流程的前段进行“数字化分流”和效率提升，有助于减少无效等待、缩短平均就诊耗时，从系统层面缓解“看病难、排队久”的社会问题。
• 提升整体医疗服务质量与患者获得感：在尊重医生最终决策权的前提下，为患者提供更顺畅的就医体验和更完整的病情表达渠道，增强患者对智慧医疗和公立医院服务的信任度与满意度。

预期目标

1. 系统层面目标构建一个基于 LLM 智能体的医院预诊系统，实现“患者端自然语言描述 + 智能追问 + 自动生成结构化预诊记录”的完整流程。完成患者端、医生端双角色界面的设计与实现，使患者可便捷填写，医生可高效查看、修订并导出预诊记录。
2. 功能与效果目标显著降低医生在问诊前期的重复信息采集时间，让医生能够把更多精力放在病情分析和治疗方案制定上。让患者在 线上/候诊阶段 完成大部分信息填写，缩短线下就诊流程；通过智能引导减少信息遗漏。在项目验收时，能够稳定完成预诊记录生成、结构化展示、医生端修订与导出等核心功能，并通过测试与评测，验证系统在真实场景下的可用性和可靠性。

2.2 个人贡献分的计算问题

我们采用分组管理的职责基础分加上额外追加分

首先我们将小组继续拆分成四个子小组

• 前端
• 后端
• agent
• 运维测试

其中每个子小组的小组长评估各人每周分数，满分1分

偶尔例如PPT、报告书写、博客书写等不定期任务进行按劳分配，按照任务难度给与分数（0.1分～0.2分）。

注意: 各个部分小组长每周分数乘比例系数105%，小组长要给出本周每个人完成的具体任务

三、点滴记录

3.1 画出整个项目思维导图和燃尽图（时间范围：从团队创建的第1天至本次作业提交时间）（2+1分）

项目思维导图（不懂为什么被压缩了画质，可以看报告中该图）：

3.2 根据项目中自己所负责的部分画出UML，其中用例图、类图、活动图、状态图、实体关系图不可缺少。（8分）

患者用户部分：

• 负责人：石诚宇
• 描述：面向患者群体，健康档案查询、AI预诊、检查预约等健康服务场景。
• 该部分面临的问题：预诊信息难以收集，健康信息展示碎片化，用户难以快速获取关键健康状况。
• 解决的问题：简化用户操作流程，能够快速进行AI预诊信息填写，获取自身信息
• 应用人性化交互设计与信息可视化设计，解决用户界面不友好和健康信息展示碎片化的问题。

类图：

用例图：

用户实体关系图

用户活动图

用户状态图

医生部分：

• 负责人：游文升
• 描述：供医护人员使用，涵盖患者信息查看、诊疗流程管理等核心诊疗工作场景。
• 该部分面临的问题：医生无法快速获取预诊信息。
• 解决的问题：优化医生诊疗全流程，提升工作效率；。
• 应用模块化设计与数据中台架构，解决医生操作繁琐和数据孤立的问题。

医生类图

图

医生实体关系图：

医生状态图：

医生活动图：

医生用例图：

调用AI模块：

1. 负责人：李炜彬
2. 描述：连接智能医疗 AI 模型，提供智能问诊、辅助诊断等 AI 能力的对接与服务支撑。
3. 该部分面临的问题：AI 模型调用响应时间长，影响业务体验；接口兼容性差，难以适配不同 AI 模型和业务系统的集成需求。
4. 解决的问题：提升 AI 模型调用效率，保障服务响应的及时性；增强接口兼容性，实现AI模型与业务系统的灵活对接。
5. 应用标准化接口协议设计，解决 AI 模型调用效率低和接口兼容性差的问题。

调用AI类图：

调用AI用例图：

调用AI实体关系图：

调用AI状态图：

调用AI活动图：

AI agent模块：

1. 负责人：刘成羽
2. 描述：调用大模型接口，进行提示词微调，根据输入给出对应输出，最终生成结构化表单。
3. 该部分面临的问题：普通大语言模型输出可能难以符合预诊断所需，因此需要进行微调使得更适应项目结构。
4. 解决的问题：使得大模型更为贴近此智能预诊项目，智能响应传入信息。
5. 应用模块化设计，解决调用AI agent存在复杂性的问题。

   AI agent类图：

   

   用例图

   

   活动图

   

   状态图：

   

   ER图

   

   3.3 团队进度（每周追加）（1分）

   第N周	新增代码（行）	累计代码（行）	本周小组学习总耗时(小时)	累计小组学习总耗时（小时）	重要进度
   1	238	238	6	6	各个组员各自熟悉部分的知识
   2	324	562	10	16	尝试导入AI智能体
   3	890	1452	18	34	前、后端、UI分别进行初步搭建测试

   3.4 心得体会（4分）

   UML设计工具的选择、理由和评价

   UML文件主要采用在线工具ProssOn进行各种UML图进行绘制

   选择理由主要如下：

   1. 能够绘制多种UML图

   

   如上图所示，其中有很多不同UML的组件，所以可以轻松的绘制各种所需UML图

   同时导出比较方便，能够导出对应png格式

   本次任务遇到的困难及解决方法（例：困难描述/做过哪些尝试/是否解决/有何收获）

   1. llm引用、部署类难题

   首先是llm模型的部署上遇到的困难，最初我们打算选用一个较为专业的医疗llm进行本地部署，但是由于先进模型消耗极大，同时不方便测试，因此就得放弃本地部署，然后我们采用调用api的方式，调用一些大公司部署好的ai模型。

   第二个是模型选择的困难，刚开始选用的是deepseek   ，但是这个模型天生喜好思考，然而我们只是一个收集简单信息的预诊系统，并不是推导数学公式，其实不太需要过分的推理思考。因此我们后面选用了   ，不仅加快了速度，也降低了成本，同时也能保证预诊的质量

   2. 后端开发问题：

   在数据中台建设阶段，面临多业务系统数据格式异构、的难题，致使数据初期无法高效提供统一数据支撑。团队尝试制定标准化数据接入规范，针对不同数据源采用增量同步与定时批处理相结合的策略，同时引入数据校验与清洗组件，保障数据的一致性与可用性。最终实现多源医疗数据的高效整合与统一管理，这不仅解决了数据孤岛问题，还为后续数据分析与业务决策奠定了坚实基础，让团队在数据治理与中台建设方面积累了可复用的方法论。

   3.5 以表格形式记录每位成员周贡献（每周追加）（1分）

6. 第N周	学号	姓名	完成的核心任务	耗时(小时）	贡献分
   1	102301429	刘成羽	报告整合，任务分配，项目初步搭建	1	1
   1	102301414	游文升	部分报告书写	0.6	1
   1	102301425	石诚宇	部分报告书写	0.7	1
   1	102301434	李炜彬	部分报告书写	0.8	1
   1	102301435	姜奥	部分报告书写	0.9	1
   1	102301424	苏仲涛	部分报告书写	0.55	1
   1	102301431	林俊明	制作ppt	1	1
   1	052301239	王志宸	修缮ppt	0.5	1
   2	102301429	刘成羽	搭建AI agent,任务分配	2	1.2
   2	102301414	游文升	数据库搭建	1.8	1
   2	102301425	石诚宇	用户端搭建	1.7	1
   2	102301434	李炜彬	后端类设计,任务分配	2	1.2
   2	102301435	姜奥	测试	1	1
   2	102301424	苏仲涛	AI agent相关类设计	1.5	1
   2	102301431	林俊明	UI设计	2	1
   2	052301239	王志宸	前端搭建，任务分配	2	1.2
   3	102301429	刘成羽	AI agent搭建,博客书写,报告书写整合	1.8	1.2
   3	102301414	游文升	医生端搭建	2.8	1
   3	102301425	石诚宇	用户端、调用AI端模块设计	2.3	1
   3	102301434	李炜彬	后端代码整合	1.2	1.2
   3	102301435	姜奥	测试	1	1
   3	102301424	苏仲涛	AI agent代码修改，绘制类图	1.3	1
   3	102301431	林俊明	继续UI设计,制作ppt	2.1	1.2
   3	052301239	王志宸	继续前端搭建	2.2	1.2

   四、视频短片(给出在线视频连接或现场离线演示)视频链接为：：https://www.bilibili.com/video/BV14UULB1EUV/？vd_source=d33a099f1cc73ef2eff9fe0bc5c09411