AI医疗预约助手：基于LLM和RAG的智能医院挂号系统

为Amrita医院设计的智能对话式AI医疗预约助手，结合大语言模型（LLM）与检索增强生成（RAG）技术，实现医疗预约自动化处理及患者咨询智能回复，目标是提升医疗服务效率与患者体验。项目由Arjunch2003开发维护，开源于GitHub，发布时间2026-06-15。

传统医疗预约存在诸多痛点：电话预约高峰期占线等待、线上系统操作门槛高、人工咨询占用大量医护资源。本项目针对这些问题，构建智能对话系统，通过LLM的语义理解能力与RAG的知识库查询结合，提供流畅对话体验与准确专业的回复。

LLM驱动

采用大语言模型理解患者自然语言输入，处理非标准化表达，准确识别真实意图（如从“头疼”识别神经内科需求）。

RAG技术

结合外部知识库检索：构建医院医生信息、科室排班等结构化知识库→理解查询→检索相关文档→生成基于真实数据的回答，避免模型幻觉。

对话管理

维护多轮对话上下文，追踪预约流程步骤，确保信息收集完整。

1. 智能科室推荐：根据症状推荐科室（如“胸口闷”推荐心内科/呼吸内科）；
2. 医生匹配与预约：展示科室医生列表（特长、可预约时间、评价），支持对话选择完成预约；
3. 智能问答：解答就诊流程、准备事项、费用、交通等医院官方信息；
4. 多轮对话支持：如引导患者完成科室选择→医生挑选→时间确认的完整预约流程。

对患者

• 24/7可用，随时随地预约咨询；
• 零等待，即时响应；
• 自然语言交互，低操作门槛；
• 丰富信息查询，做好就诊准备。

对医院

• 减轻人工压力，释放医护时间；
• 提升预约效率，减少患者选择困难；
• 积累数据优化服务；
• 服务标准化，确保信息一致准确。

当前原型需完善：

• 强化医疗安全边界，防止提供诊断建议；
• 增加多语言支持；
• 接入医院HIS系统实现实时号源查询与确认；
• 确保患者数据隐私合规存储。该项目为智慧医疗提供了有价值的参考实现。