01基础能力
多源数据治理
通过 数据治理 对齐字段、编码、时间口径与指标定义，保留来源、版本和访问权限。
01 / 四类落地入口
从具体的数据问题入手。
02业务辅助
对账与差错线索
把规则匹配、候选关联与差异解释组合起来。原始凭据不被覆盖，修正建议由授权人员复核。
03受控查询
自然语言分析
通过 自然语言转查询 降低查询门槛，结合指标字典、只读执行、结果限制与查询审计。
04辅助提示
预警与协同
围绕已定义的业务风险生成提示，展示触发条件与证据。涉及临床判断时，需独立开展验证与适用性评估。
02 / 全程可追溯
从原始记录，到可复核的答案。
数据来源
授权数据来源
业务记录
结算明细
检查与报告索引
文件与指标字典
数据治理
映射与质量规则
字段与编码映射
来源与更新时间
质量检查
访问范围
应用层
分析与纠错辅助
对账候选
受控查询
规则预警
证据定位
人工确认
确认与留痕
人工复核
责任记录
修正流程
审计回溯
多来源内容需先明确权威来源和同步规则；模型生成的解释不能代替原始记录。
03 / 一个具体流程
一笔差异，
应该能够追查到底。
例如对账场景：先按经确认的字段与规则匹配；对时间偏移、拆分合并或信息缺失形成候选；展示关联依据与不确定项，由业务人员核对。
时间窗口、金额容差与别名规则由业务口径确定，并记录版本。不能将姓名相同或金额接近直接当作同一患者或同一交易的充分依据。
脱敏流程示例 · 使用时需按本地规则配置对账流程 / 合成示例
记录甲-014待核对
候选乙-207时间存在偏移
匹配依据
业务编号、时间与金额等字段按规则组合核验。
复核动作
定位原始凭据，确认关联或保留未匹配状态。
04 / 控制与责任
安全与可靠，来自具体的控制。
01
最小必要访问
按岗位与业务范围授权，限制敏感字段、查询范围和结果导出，记录访问与变更。
02
可追溯的回答
检索增强生成 回答提供来源；查询展示指标口径与数据时间；证据不足时停止推断。
03
分阶段验证
先验证数据质量和流程可用性，再开展业务试运行。临床用途另行开展必要的评估。
本地部署有助于控制数据边界，但不自动等同于安全或合规；权限、审计、备份与持续运维仍需实施。
常见问题 / 关键问题说明
把关键问题，说清楚。
医院人工智能落地是否等于自动诊断？
本页主要介绍数据治理与业务辅助。临床诊疗支持属于另一类用途，需要针对目标人群、场景和适用要求独立验证。
自然语言查询可以直接操作生产数据库吗？
应优先采用只读账号、受控视图与资源限制。查询执行前检查语法、表范围和业务口径；修改数据需要另行授权与流程。
采用多智能体能否自动消除错误？
不能。多智能体 可以拆分任务，但会增加协调成本与失败路径，需要统一证据、工具权限和端到端测试。
下一步 / 从需求走向实现
下一步，从一个具体问题开始。
把业务目标、数据条件和验收方式放在同一张桌上。