MedMate：把医学内容送到需要的医生面前

这是什么产品，我做的是哪一部分

医生在 MedMate 中与智能体对话，回答会引用相关医学内容。内容分发模块承接对话之外的阅读：结合订阅信息与近期关注的问题，把相关内容送到医生面前。它既要决定推什么，也要让推送后的站内浏览有明确的承接。

我的工作集中在内容分发策略、PC / App / Web 三端需求、PRD、原型与评审。算法和底层数据由对应团队实现；我需要把时间窗口、匹配依据和页面规则说清楚，让不同团队按同一套逻辑推进。同阶段还承担精选与反馈方案、科研助手原型完善及 Skill Store 资料整理，各项工作按自身进度交付。

为什么不能只按“最新”推送

医学文献与指南从发布到治理入库存在时差，而产品需要每天推送；主动订阅的关键词也不一定能反映医生近期关注。重新分析长对话不仅增加持续调用成本，自由生成的兴趣词还需要映射到内容库标签。

如果持续分析医生的全部历史会话，计算成本会随对话积累增长。我需要把内容更新、兴趣识别和分析范围放在一起考虑，形成一套可执行的分发规则。

复用引用标签，而非重复分析对话

时间规则采用 T−45：当天推送真实发布时间为 45 天前的文献与指南，取见刊和在线首发中最早的可用日期。兴趣信号则复用最近一次对话中被引用内容的已有标签，按出现次数取 Top5，匹配 40 篇内容。

复用已有标签，让兴趣信号与内容库沿用同一套体系，不必额外生成兴趣词再映射。我用时间轴和示例与后端对齐规则。这套内容分发已实际向用户推送；Top5、40 篇和时间窗口是规则参数，不是效果指标。

把规则落实到三端

我独立完成 PC、App、Web 的竞品调研、PRD、原型和评审，并用时间轴与示例内容对齐后端规则：哪些内容进入分发池，兴趣信号取自哪里，匹配结果又落到哪个页面。评审中还删除了兼容和安全成本高、却不影响核心闭环的邮箱智能跳转。

从“有更新”到“值得点开”

在原有推荐之外，我们设计新增精选。热点事件可能跨越多个领域，内容质量高也不代表适合每一位医生，因此需要分别判断内容价值与个人相关性。医学负责专业质量判定，我与医学同事共同制定评价规则。

文献结合期刊基础分与文章类型，指南结合发布机构与指南类型，再把候选分为优先内容、个性化候选和仅入库内容。它们是服务于产品分发的内部规则，用于组织候选内容。

精选方案根据近 10 轮对话生成检索式，匹配近 3 个月的内容；没有新对话时不重复生成，并区分有无对话的分发方式。这一方案与原有 Top5 标签推荐并存，分别服务于批量推荐与单篇精选。

在呈现上，Push 提炼具体阅读理由，点击进入内容详情，精选内容在个性化列表置顶，详情可返回列表。我补齐这段路径及相关埋点，供后续观察触达与阅读。精选方案通过开发前评审，尚未确认上线。

让用户描述问题，让团队拿到上下文

回答与生图的质量问题需要不同的表达入口。我设计了点踩后的轻量反馈，区分快捷选项，并允许用户补充描述。回答可以选择“引用有错误”“不符合临床实际”等现象，生图则可以指出“未理解意图”“元素／构图排版混乱”等问题。

标签从用户能观察到的现象出发，不要求医生先判断问题来自检索、生成还是交互。后台方案将反馈与原问题、回答、助手类型及机评信息关联，支持查看、检索、复制和导出，让后续排查有具体上下文。

我负责反馈体系、标签与后台能力设计，方案通过开发前评审。它提供了收集问题和排查的入口；问题如何归因、处理后能否改善质量，仍需要上线后的执行与验证。

科研助手先解决什么

科研助手原计划覆盖选题研究、统计分析计划（SAP）等多个科研步骤，由不同 Skill 承接任务。我接手了同事离职后留下的原型，主要负责页面与交互重构；在梳理过程中，也与负责人一起分析哪些功能值得在当期投入。

用户反馈中，一个具体难点是做出好看、能用于论文的科研图。相比已有较多替代工具的文字任务，我们认为科研绘图更有价值，也更可能体现产品差异。这个判断影响了功能优先级。

结合开发周期和 MedMate Claw 上线需求，我参与分析，与负责人共同确定优先生图、裁减大部分其他科研功能，并将科研助手排期延后。原先较大的功能范围因此收敛到一个更明确的用户问题。

让任务步骤对应可实现的页面

接手科研助手后，我主要完善原型中不完整、不合理的产品逻辑，梳理多端功能范围、会话切换和生成状态，并在需求文档的更新纪要中持续维护。

例如，移动端当期集中提供生图，其他科研任务保留历史记录的只读查看；同一会话支持切换多种科研功能，润色单独进入页面。生成过程按检索、思考与输出等工作流节点组织状态，让用户理解任务正在进行到哪一步。

这些修改把“科研流程按步骤拆解”转成用户可以理解、研发可以实现的交互。我负责原型和规则重构，科研 Skill 的实现由对应团队承担。

当时的绘图结果有一部分可用，也有一部分还达不到要求。后续微调由其他同事继续推进，我没有参与。这段工作的主要成果是明确优先解决的问题、收敛功能范围，并补齐交互规则。

同阶段的另一项工作：Skill Store

在广州中康科技同阶段的 Skill Store 工作中，我还梳理了 290+ 项技能的上架资料，统一名称、使用场景、分类和图标等信息，再用 WorkBuddy 辅助录入。单条录入由原来手工处理的 1–2 分钟缩短至不足 10 秒。它侧重标准化与重复任务处理，和前面的医学内容分发分别交付。

这一耗时对比针对上架资料录入，不代表技能开发、功能测试或完整发布流程都被压缩到同样程度。

回看这次取舍

原有内容分发已实际运行，新增精选与 AI 反馈设计按开发前评审成果呈现；科研助手与 Skill Store 则按各自贡献和阶段记录。不同事项不能合并成一个全部上线的成果，推荐效果也仍缺少系统的线上评估。