牙科诊所用 AI 起草预约提醒、问诊表、患者说明的实操步骤

周五傍晚，前台的三部电话同时响了起来。

就在那会儿，我认识的一家牙科诊所的前台姑娘，正在一个字一个字地给第二天的 15 位预约患者打提醒消息。每个人都要换名字、核对时间，还要看是初诊还是复诊来改措辞。一个人哪怕只花 2 分钟，15 个人也是 30 分钟。其中有一条因为忘了加敬称就发出去了，患者回了一句”像机器发的一样，冷冰冰的”，她为这事难过了好一阵。

院长那边也好不到哪去。给来咨询正畸的患者写说明文，得在晚上看完诊以后从头一句一句憋出来。“可能需要拔牙”这句话怎么说得软一点，每次都要从零开始纠结。说真的，想内容的时间，反而比纠结怎么措辞的时间要短得多。

这种地方，AI 起草特别管用。发不发由人来定，只把打草稿这一步交给机器。今天我就专门针对牙科诊所的现场，写一写具体怎么做。

本文要点

预约提醒、问诊表起草、患者说明这三件事，把”打草稿”交给 AI，前台和院长的手工活就能大幅减少。
交给 AI 的只到草稿为止。发送键和医学判断，必须由人来按、由人来核。
文中给了可以直接复制粘贴的提示词模板，以及一个用机器检查文案的校验脚本。
患者的姓名、病历号、联系方式都不交给 AI。交给它的只是”初诊的 30 多岁女性”这种匿名属性。
算下来，光是提醒和说明文这两块，平均每位前台每月能省出 8 到 12 个小时。

先把读者画像说清楚

这篇文章想象的对象，是配 2 到 5 台牙椅的牙科诊所。院长一边看诊一边管经营，前台 1 到 2 人。没有专职的文员，也没有市场专员。

这种现场的”文字活儿”，时间基本都耗在这三件事上：

前一天、当天的预约提醒（电话、短信、微信、邮件）
初诊时让患者填的问诊表的题目设计，以及当天的问诊记录
把治疗方案、费用、注意事项讲给患者听的说明文

它们有个共同点：专业知识明明都在脑子里，就是没时间把它变成文字。而 AI 最擅长的，恰恰是”把知识整理成文字”这一步。

在牙科诊所的业务流程里插在哪一环

拿提醒举例，把现在的流程和插入 AI 之后的流程并排放一下。

工序	引入前（手工）	引入后（AI 起草＋人核对）
想文案	每个患者都从零开始	AI 给出 3 个模板方案
换名字、改时间	一条一条手动改	只给属性，让它出模板
调整语气	发之前再读一遍	指定”软一点”等直接生成
最终检查	前台肉眼核对	前台肉眼核对（这里不变）
发送	前台手动	前台手动（这里也不变）

关键是，最后两行不要变。AI 是为了把前面三行做快而存在的。发还是不发的判断，留给人。光这么做，就能在不增加”冷冰冰误发”风险的前提下，只削掉想文案的时间。

让第一次接触 AI 的前台，先读一篇给非工程师的 Claude Code 入门，能少在”按钮在哪”上卡时间。

用例 1：把预约提醒文案准备成 3 个版本

越是每天复制粘贴在用的东西，越要在一开始把模板做扎实，后面才省心。让 AI 做的是”用来填空的模板”，不放患者真名。

把交给 AI 的范围和人握住的范围，先分清楚。

交给 AI：文案初稿、初诊/复诊/候补三种语气、带表情符号和不带的两种版本
人必须核对：诊疗时间、休诊日是否正确，需要带的东西是否和当前规定一致，发送对象

再做一张前台发送前要看的检查表，事故就会少很多。

就诊日期时间和预约系统是否一致
医保卡、就诊证的携带提示是否过期
停车、爽约费的说法是否和现状相符
患者名字有没有和另一个人弄混

用例 2：问诊表题目和当天记录的草稿

初诊问诊表，会随科目和院长的方针想要时不时微调。可一旦做好，往往一放就是好几年没人动。让 AI 先做一份”牙科初诊问诊表草稿”，再由院长从医学角度取舍，这种分工很合适。

这里要紧的是，不要原样照搬 AI 给出的题目。比如 AI 容易把”正在服用的药物”并成一题，但像抗凝血药、双膦酸盐类制剂这种拔牙时必须确认的，要由院长来加题。医学上是否合理，由人来把关。

当天的问诊记录，如果只是用来概括患者说的话，草稿也很管用。但抄进病历这一步由人来做，给 AI 的只能是匿名化之后的内容。

用例 3：把患者说明文改得更柔和

正畸、种植牙、智齿拔除。越是难解释的治疗，患者越不安。哪怕文字在专业上完全正确，措辞一吓人，咨询就会卡住。

AI 很擅长”内容不动，只把表达改柔和”。院长把要点用条目列出来交过去，AI 整理成面向患者的说法。改完的文字，由院长务必再读一遍，确认医学上没有错误。

把三个用例共通的分界线列成一张表。

判断	可以交给 AI	必须人来定
文字语气	是	—
结构、易读性	是	—
医学正确性	否	院长
个人信息处理	否	前台、院长
发送、公开	否	前台、院长

可以直接复制粘贴的提示词模板

下面给三个可以直接贴上去用的模板。只改尖括号里的内容，换成你自己的情况。患者真名、病历号、电话号码都不要放进去。

提醒用的。

你是一家牙科诊所的前台。
请用中文，为就诊前一天发送的预约提醒，写 3 个版本的文案。

条件：
- 患者属性：初诊、30 多岁、女性
- 就诊时间：明天上午 10 点 30 分
- 需携带：医保卡、用药记录本
- 语气：礼貌但不要太生硬
- 字数：每个版本 80 字以内
- 不要放任何能识别个人的信息（称呼统一用"<患者>女士"）

输出请加上"方案 1、方案 2、方案 3"的小标题，只返回正文。

问诊表草稿用的。

请为牙科诊所的初诊问诊表设计题目，作为草稿。

条件：
- 对象：普通牙科的初诊
- 目的：掌握全身既往史、用药、过敏、主诉
- 形式：把"问题"和"回答方式（是/否、自由填写等）"做成一张表
- 注意：默认医学上的最终判断由院长来做，请额外提示一些容易漏掉的题目

最后，另起一栏，单独列出 3 个"需要院长追加判断的题目"。

把说明文改柔和用的。

请把下面这段治疗说明，在不改变内容的前提下，改成患者读了不容易紧张的表达。
专业术语请配上简短的通俗说法。医学事实不得更改。

原说明：
- 智齿横向埋伏
- 这样下去前面那颗牙容易蛀
- 建议拔除，但也有不拔的选项
- 拔牙后可能会肿

用机器检查文案的校验脚本

把 AI 的草稿直接发出去，容易出现字数超标、混进不该出现的信息这类问题。在发送前放一个能用机器拦下来的小脚本，会安心不少。有 Node.js 就能跑。

// check-reminder.mjs
// 用法：node check-reminder.mjs "提醒正文"
const text = process.argv.slice(2).join(" ");

const rules = [
  {
    name: "字数是否在 80 字以内",
    ok: () => [...text].length <= 80,
    hint: () => `当前 ${[...text].length} 字。请缩短。`,
  },
  {
    name: "有没有混进像个人信息的数字",
    ok: () => !/\d{6,}/.test(text),
    hint: () => "含有 6 位以上的连续数字（电话、病历号等）。",
  },
  {
    name: "有没有带称呼",
    ok: () => /(先生|女士)/.test(text),
    hint: () => "没找到'某某先生/女士'这类称呼。",
  },
  {
    name: "有没有就诊引导用语",
    ok: () => /(就诊|到院|恭候|前来)/.test(text),
    hint: () => "没找到提醒前来就诊的说法。",
  },
];

let failed = 0;
for (const r of rules) {
  if (r.ok()) {
    console.log(`OK   ${r.name}`);
  } else {
    failed++;
    console.log(`NG   ${r.name} -> ${r.hint()}`);
  }
}

if (failed > 0) {
  console.log(`\n有 ${failed} 项需要确认。请前台改好后再发送。`);
  process.exit(1);
}
console.log("\n全部通过。最终确认后再发送。");

跑起来大概是这样：

node check-reminder.mjs "张女士 明天 10 点 30 分恭候您前来就诊，请带好医保卡。"

光是过一道这个”门卫”，字数超标和混进数字这两类问题，就能在发送前被拦住。想把检查这套思路再深一层的人，可以参考CLAUDE.md 的写法里讲的”把项目规则固定下来”。

引入前后到底变了什么（ROI 的大致估算）

数字会随诊所规模变动，下面只是我看到的范围里一个粗略的参考。

项目	引入前	引入后	每月差额
写提醒文案	每天 30 分钟	每天 10 分钟	约 7 小时
起草说明文	每件 20 分钟	每件 7 分钟	约 3 到 4 小时
复盘问诊表	每年一次半天	半天变 2 小时	单次缩短

算下来，平均每位前台每月能空出 8 到 12 个小时。把这些时间用在接电话、和患者聊上，据说才是最关键的那个变化。更细的省时窍门，Claude Code 的效率提升技巧里也有整理。

安全和个人信息的注意事项

牙科诊所的信息，本身就是敏感个人信息。这一块不能偷懒。

患者的姓名、住址、电话、病历号、病名，都不要输入给 AI。交给它的只是”初诊的 30 多岁女性”这种匿名属性。
把名字和时间填进生成好的文案，要在 AI 外面做（在预约系统里，或前台手上）。
即使在院内电脑上用，把真实数据贴进输入框之前，也先用上面的校验脚本检查一下有没有混进数字。
关于敏感个人信息的处理，可以先看一遍中国《个人信息保护法》在官方国家法律法规数据库上的原文，尤其是涉及医疗健康信息的条款。

拿不准的时候，原则只有一条：“这要是漏出去，患者会不会为难？“会为难就别放进去。光守住这一条，大部分事故都能避免。

常见问题

问：把患者名字给 AI，写出来不是更自然吗？ 是会更自然，但不能这么做。名字要靠预约系统的填充功能放进去，或者前台最后手动加。给 AI 的就一直保留成”某某女士”。

问：生成好的说明文，能直接给患者吗？ 不行。医学正确性必须由院长读一遍之后才能给。AI 只负责把表达理顺，不为内容做担保。

问：不太会用电脑的前台也能用吗？ 能用。把提示词当成固定文存好，之后只要改属性和时间就行。最初的设置照着入门指南做一次就够了。

问：能免费试吗？ 小范围试是足够的。建议先从一个提醒模板开始，感觉有用了，再扩到问诊表和说明文。

问：想在整个院里推开，先从定什么开始？ 先让全体员工在一张纸上定好”可以给 AI 的信息”和”必须由人确认的工序”。想把提示词的精度再提一档，提示词设计进阶可以参考。

我实际试了一下的结果

我假设了一家虚构的诊所，把上面的提醒模板和校验脚本真的跑了一遍。

先用提醒模板出了 3 个方案，结果加了”安抚一句”的那个初诊版本，读起来最自然。接着，我故意把一串像电话号码的 11 位数字混进正文跑脚本，它老老实实地判成 NG 拦了下来。字数那一关，也成功抓到了加上表情符号后超过 80 字的情况。

说明文改写那块，它把”建议拔除，但也有不拔的选项”改成了患者读着不会发怵的说法。不过有一处专业术语的通俗说法改得不够到位，这也再次确认了”最后得由人来把关”这个前提。

结论是：AI 是把草稿做快的工具，发不发、医学对不对，由人来握。只要守住这条分界线，前台的傍晚一定会轻松不少。如果想连院内的落地流程一起聊，可以看培训与咨询；想先自己试试，就从教材与免费 PDF开始。