临床软件有个陷阱:把交接当成文档问题。记录、归档、搜索——这套逻辑太弱了。真正有价值的信息藏在模糊表达里:"感觉不对劲""纸上看着还行""不太放心""氧掉了一下但支持后回来了"。这些不是干净的数据字段,是不确定性信号。
ShiftBrain 的设计围绕这个现实。它用语音采集、结构化交接提取、患者专属记忆检索、跨班次模式检测,加上运行时模型路由。两个核心思路来自 Hindsight 智能体记忆和 cascadeflow 模型路由:前者提供持久化患者记忆的认知框架,后者提供运行时模式——先做便宜快的事,输入值得时再升级。
![]()
关键判断是:我不想要只回答问题的智能体。交接场景里,我需要它在存入危险模糊的记忆前,礼貌地打断。
系统有两条主流程。交班医生用语音机器人创建交接:选患者,点击"开始交接对话",自然说话。浏览器用 MediaRecorder 录音,后端用 Groq Whisper 转录,再通过 /api/handoffs/extract-draft 把转录转成结构化字段——正式记录、直觉担忧、病历里没有的信息、注意事项、班次、后续问题。
接班医生用另一个语音机器人或患者问答页:选同一患者,问"今晚有什么异常需要注意?"后端调取患者行、已存交接、提取的记忆、跨班次模式,然后通过 /api/memory/ask 向 Groq 请求基于患者上下文的回答。
架构故意选"无聊"的方案:FastAPI 后端、Next.js 前端、Supabase 存关系数据和 pgvector 做记忆检索、Groq 负责大模型调用和 Whisper 转录、浏览器原生语音合成做 TTS、Hindsight 式记忆存储、cascadeflow 式运行时路由和审计日志。临床交接里, boring 的路径往往是凌晨三点你能调试的路径。
真正的难题是模糊性。第一版有个 predictable 的缺陷:它能填完字段,然后自信地说"已结构化交接,请审阅保存"。直到遇到这样的交接:"45岁男性,肺结核,纸上看着还行,还算稳定,但我不太放心他的样子……"系统照单全收,没有追问。
这就是 Hindsight 介入的地方。不是先存再回忆,而是先问再存。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.