内科·儿科诊所电话和网络咨询初步答复用AI提速的实操手册

上午门诊刚开始半小时，前台电话响了三次，内容全是「打疫苗要不要先预约」「今天能做流感检测吗」「孩子发烧，你们几点停止挂号」。

候诊区已经排起了队，工作站的挂号系统还开着没关。这边接电话那边又响起来。好不容易接完，网上的咨询表单里又攒了五条差不多的问题——

这是我在一位朋友开的儿科诊所里亲眼看到的场面。医生和前台都很能干，可每天就被这种「同样的问题反复回答」吃掉一两个小时。

我帮他们做的，不是给AI造一个聪明的接待机器人。而是把「常被问到的问题」和「该怎么答」认真用文字写一次，让不管谁来接都能给出同样质量的回复，先把这个底子打好。今天我就把整套做法，连可以直接复制粘贴的部分一起，全写出来。

本文要点

内科·儿科诊所的咨询，八成都是「同样的20到30种」问题。光是先把它们盘点一遍，接电话就会轻松很多
交给Claude Code做的是「FAQ草稿」「电话话术成文」「网络回复初稿」。最终把关一定由人来做
患者的姓名、症状、电话号码等个人信息，不交给AI。交给它的只是「问题的类型」
每位前台每月省下15到20小时是现实的目标。新人培训成本也会降低
用校验脚本可以机器检查「FAQ里有没有混进禁用词（诊断、绝对化措辞）」

内科·儿科诊所的前台，时间都耗在哪里

先把读者画像说清楚。这篇文章对下面这几类人有用：

开业几年、有2到5名员工的内科·儿科诊所院长
同时兼着前台、电话、预约管理的医务人员
觉得「还没到要加人的程度，但现在这种接电话方式已经到极限了」的人

内科·儿科诊所的咨询有行业特有的脾气。儿科是家长在焦虑中打来的，问法都很急切。内科则预约、检测、开药、体检，咨询种类很广。发热门诊的时段、疫苗的库存这类**「看今天情况」才能回答的问题**也很多。

所以「做一本手册就完事」这种办法在这里行不通。这正是AI登场的地方。

常见的业务流程，以及返工发生的环节

典型的咨询答复流程是这样的：

电话响了，或者网络表单收到咨询
前台听取问题内容
当场能答的就答，拿不准就找护士或院长确认
需要回拨的，记下患者信息，过后再打回去
同样的问题第二天又来了

返工主要发生在三个地方。

返工环节	具体例子	会发生什么
答复不一致	同一个问题，不同前台答得不一样	患者困惑，埋下投诉隐患
等确认	「这个得问医生」太多	回拨增多，电话拖长
没留记录	口头答完就完，下次用不上	每次都从零开始应对

这三点，只要把「问题和答案的配对」认真写成文字一次，基本就消失了。手工做要半天，让Claude Code打草稿一两个小时就能成形。

用法一：盘点常被问到的问题，生成FAQ草稿

第一件事，是让AI把脑子里那些「老问题」全吐出来，再补上遗漏的。前台太忙，自己每天在答什么，其实未必说得清。

这里的诀窍是，先把你自己诊所的信息喂给AI，再让它写。泛泛的通用FAQ根本没法用。

可以直接复制的提示词模板

你是熟悉内科·儿科诊所前台业务的助手。
请根据下面的诊所信息，把患者常通过电话和网络问到的问题
按类别列出30个，并为每个写出前台可以口头使用的答复草案。

【条件】
- 不对诊断、治疗方案下绝对化结论（不做「可能是某某病」之类的医疗判断）
- 对需要建议就诊／需要向医生确认的问题，答复里必须加上这句提示
- 答复控制在3句以内，是电话里能念出来的自然口语
- 儿科的问题，用照顾到焦虑家长情绪的柔和措辞

【诊所信息】
- 诊疗科目：内科·儿科
- 门诊时间：工作日9:00-12:30 / 15:00-18:00，周六仅上午
- 疫苗接种：需预约，周二·周四14:00-15:00
- 发热门诊：单独入口，来院前必须先电话
- 在线预约：有（仅复诊）
- 停车位：3个，另有合作的计时停车场

输出用「类别 / 问题 / 答复草案 / 是否需要医生确认(需要/不需要)」的表格形式。

这样30个问题的初稿一下子就出来了。看着这张表，和前台一起改：「这个不对」「这个也加上」。比从零开始写快太多，还能发现遗漏。

交给AI的范围，和人必须判断的范围

这条线要是含糊了就会出事。先把界限划清楚。

工序	可以交给AI	人必须判断
问题盘点	◎ 擅长补全遗漏	类别划分是否合理
答复初稿	◎ 做底稿	医学上是否正确
措辞调整	◎ 柔和表达	是否符合诊所方针
公开·张贴	×	◎ 最终批准由院长

铁律只有一条。AI写的、看起来像医疗内容的文字，没经过人确认绝不能拿给患者。AI会自信满满地写出「看着挺像那么回事的假话」。作为前台用语是否得当，一定要请院长或护士过目。

用法二：制作电话初步答复话术

FAQ做好后，把它变成「电话里能念出来的话术」。新来的前台入职时，光有这套话术，上手速度就完全不一样。

我试过的提示词是这个。

请根据下面的FAQ表，制作前台电话里能用的初步答复话术。
每个问题都分成「第一句话 → 要确认的事项 → 答复 → 收尾的话」
这四个步骤。

【必须做到】
- 对发烧、抽搐、呼吸困难等紧急性高的诉求，
  不要直接回答，必须设置「立即就诊／急诊」的引导分支
- 需要回拨的情形，明确列出要问的项目（姓名·就诊卡号·联系方式·症状概要）
- 家长听上去焦虑的儿科电话，第一句先加一句共情的话

对紧急性高的诉求设置「不回答、直接引导就诊」的分支，在医疗现场关乎人命，唯独这一处绝对不能省。让AI做完之后，这也是要请院长逐字逐句检查的地方。

引入前和引入后有什么变化

朋友诊所那边，大致的变化是这样。

引入前：每通电话平均4到5分钟。新人答不上来，每次都得问前辈。同样的问题每天10条以上
引入后：照着FAQ和话术，每通1到2到3分钟。新人也能当场回答。网络表单的固定问题，把初稿回复复制一下发出去就行

按时间算，每位前台每天省下40到60分钟，一个月大概15到20小时。换算成时薪也有每月几百块的样子。AI的使用费每月也就几块到十几块，到不了需要纠结投入产出比的程度。

用法三：给网络咨询起草回复

网络表单的咨询，因为要用文字客气地回，比电话更费时间。这里也让AI起草会很快。

不过把患者写的正文原样贴给AI是不行的（原因后面讲）。换个做法：只告诉它「问题的种类」，让它做模板，专有名词由人手工填进去。

请制作内科·儿科诊所网络咨询的回复模板5种。
种类：①预约方法 ②门诊时间确认 ③疫苗接种预约 ④发热门诊就诊方法 ⑤体检预约

【条件】
- 开头先致谢，结尾加「请保重／恭候您来院」之类的收尾
- 不涉及个人信息或对症状下结论
- 用 {{姓名}} {{日期时间}} 这样的双大括号，标出之后由人填写的地方

拿到回来的模板，前台填上患者姓名和时间发出去就行。原本一条要3分钟的回复，能压到1分钟以内。

个人信息·安全的注意事项

这一块作为医疗机构绝对不能省，所以单独成节。

患者的真实姓名、就诊卡号、电话号码、具体症状，不要贴进AI的输入框。 发给云端AI服务=等于发到外部，要这么想
交给AI的只有「问题的类型」「诊所的公开信息（门诊时间等）」。诊疗记录、收费数据一概不给
做好的FAQ·话术，公开前要确认有没有混进能推测出特定患者的信息
把员工使用时的规则（什么能填、什么不能填）整理成一张纸张贴出来

说到底就是，把AI当作「写文字的工具」来用，不用它处理患者个人信息。守住这条线，就不会偏离个人信息保护的基本原则。关于云服务处理个人数据的注意点，可以先参考中国国家标准《信息安全技术个人信息安全规范》(GB/T 35273)，心里会更有底。

给做好的FAQ做机器检查的校验脚本

最后，放一个不只靠人眼的「门卫」。这个脚本用机器检查FAQ里有没有混进前台不该说的绝对化表达（「就是某某病（诊断）」「肯定能治好」等）。有Node.js就能跑。

把FAQ导出成CSV（faq.csv，列是 question,answer），然后执行下面这段。

import { readFile } from "node:fs/promises";

// 前台随手用会有风险的表达（医疗判断·绝对化·过度安抚）
const NG_WORDS = [
  "肯定", "一定能治", "没问题的", "不用担心",
  "就是某某病", "诊断为", "吃了药就", "放着不管也没事",
];

const csv = await readFile("./faq.csv", "utf8");
const rows = csv.trim().split("\n").slice(1); // 第一行是表头

let hit = 0;
rows.forEach((line, i) => {
  const answer = line.split(",").slice(1).join(",");
  const found = NG_WORDS.filter((w) => answer.includes(w));
  if (found.length > 0) {
    hit++;
    console.log(`[需修改] 第${i + 2}行: ${found.join(" / ")}`);
    console.log(`  → ${answer.trim()}`);
  }
});

console.log(hit === 0
  ? "OK：没有发现有风险的绝对化表达。"
  : `有${hit}处需要确认，请转给院长复核。`);

公开前跑这么一次，就能防止「肯定能治好」这种危险句子混进给患者的资料里。配合检查清单，把它当作公开前的门卫。

公开前检查清单（可以打印贴在前台）。

有没有下医学结论·做诊断
紧急情况下有没有「就诊／急诊」的引导分支
有没有混进能推测出特定患者的信息
门诊时间·预约方法等，和现在的实际运营一致吗
有没有经过院长或护士的最终确认

常见问题

Q. 没有编程知识也能用吗？ A. 只做FAQ和模板的话，把提示词贴进浏览器的聊天窗口就能开始。只有跑校验脚本那一步稍微麻烦些，但先从写文字入手完全没问题。引入的整体思路，可以参考面向新手的Claude Code入门指南。

Q. 前台员工换人了能交接下去吗？ A. 反而交接更省事。话术和FAQ用文字留着，口头教学的时间就减少了。让非工程师的员工也能上手的思路，整理在给非工程师的Claude Code实用指南里。

Q. AI给出错误的医疗信息怎么办？ A. 正因为如此，才把「公开前一定由人检查」写进工序里。AI是起草的，最终责任在人。校验脚本加院长复核的双重防线，把错误拦下来。

Q. 想把提示词再往自己诊所的方向打磨。 A. 诊所信息给得越细，准确度越高。提示词分场景写法的诀窍，在Claude Code提示词工程实践里有具体例子。

我自己实际试下来

我自己在朋友的儿科诊所里把上面的提示词跑了一遍，半天就做出了FAQ的30个问题和电话话术。最管用的，是在盘点阶段被挖出来七八个「原来这个也常被问到」的问题。前台下意识就答了的那些问题，终于变成了白纸黑字。

校验脚本我也实际跑了，AI写的答复草案里有两处混进了「不用担心」这句话，被准确抓了出来。在医疗现场这句话很危险。那一刻我真心觉得，放了个机器门卫太对了。

引入两周后再问，对方说「再听到同样的问题打来，已经不会绷紧神经了」。省下时间是一方面，应对时的心理压力也减轻了，这一点似乎更重要。

如果你想在整个诊所把这套机制固定下来、想把它整理成员工培训，欢迎通过培训·咨询一起把运营规则都搭起来。想先自己试试的人，把这篇文章的提示词原样复制，换成你自己诊所的信息，就可以从这一步开始了。