医院门诊大厅里，导医台经常同时面对几类问题：患者不知道应该挂哪个科，不知道科室在几楼，不清楚检查前是否需要空腹，也不了解报告在哪里领取。到了工作日早高峰，这些问题往往集中在同一时段出现。导医人员既要做基础指引，又要处理医保、挂号、退费、投诉等复杂事务，单纯增加咨询窗口很难从根本上改善排队体验。

医院导诊机器人的价值不止于“替导医回答问题”，还在于连接迎宾咨询、科室分流、院内带路和部分自助业务。它能帮助患者减少从进入院区到到达诊室之间的无效步行，也让导医人员集中处理需要判断、解释和安抚的复杂场景。

2024年11月，国家卫生健康委发布的《卫生健康行业人工智能应用场景参考指引》，已经把智能门诊分诊、智能就医咨询、智能预问诊、智能陪诊等列为“人工智能+医疗服务”的具体场景。不过，政策中的场景定义并不等于某个型号已经具备医疗级能力。医院在选型时，仍需分别考察机器人本体、知识库、分诊规则、导航系统和院内业务接口，不能把“支持大模型”“支持Agent”直接理解为可以完成医疗分诊和挂号缴费。

不同医院的信息化基础、点位和业务目标差异很大，采购时首先应确定需要哪一档能力。下面的分层方式，有助于避免把试点项目一次性做成“大而全”，也便于后续按阶段验收。

医院里还存在多种差异明显的子场景。预检分诊和发热哨点关注感染控制，挂号收费区关注身份与账务一致性，检验、影像和取药区域更适合路径清晰的物理引领，住院部则更受门宽、走廊和电梯条件限制。康复医院和特殊人群服务还要求语音优先、大字体、主动提示和稳定的无障碍路线。

这些场景共同形成几条约束：机器人不能堵塞消防通道和抢救动线，不能长期占用诊室门口；科室推荐只能作为分诊建议，不能输出诊断、治疗方案或用药剂量；人脸、语音、就诊记录和支付信息需要按照最小必要原则处理。技术分析也应围绕这些约束展开，而不是只看屏幕尺寸、语音识别率或自由度等硬件指标。

医院知识至少分为四种类型，不能全部塞进一个向量库后直接交给大模型生成。

对于流程和政策类内容，RAG检索增强生成是较合适的方式。系统先完成PDF、Word和院内制度文件的解析、切分和元数据标注，再按照院区、科室、适用人群和生效日期过滤，随后结合关键词检索与向量检索召回候选内容，通过重排模型筛选依据，最后由大模型把已确认的信息转写成患者容易理解的表达。

这一过程有几个关键控制点。检索结果必须附带来源和生效时间；排班、号源、金额、科室位置等字段应以医院业务系统为准；检索不到有效依据时，应拒答或转人工，不能让模型依据通用常识补齐；大模型主要承担理解和表达，不应自行改变分诊结论、医保比例或交易金额。对医院而言，这意味着机器人回答的可信度不再依赖一次演示，而可以在每次会话中追溯到具体文件、字段或规则版本。

多轮对话同样是导诊场景的基础。患者可能先说“肚子疼”，随后补充“疼了三天”“昨晚发烧”，也可能使用口语、方言或错误的医学名称。系统需要建立“症状别名—医学标准词—症状属性—科室”的词典，并把部位、持续时间、严重程度、伴随症状、年龄和特殊人群状态作为结构化槽位。语音和触屏应当互为补充：患者可以先说后点，也可以点击人体模型选择不适位置；任何识别失败、情绪激动、纠纷倾向或高风险症状，都应能在一步内转接人工，并同步完整上下文。

远场语音在门诊大厅尤其需要实测。环形麦克风、波束形成、噪声抑制、回声消除、端点检测和360度音源定位，是机器人听清问题的基础；免唤醒模式可以减少操作步骤，但嘈杂环境中也可能增加误触发，因此保留专属唤醒词和实体按键更稳妥。厂商标注的“语音识别率高达95%”属于实验室口径，不等同于医院高峰期的实际表现。方言支持也应分别验证，例如能够识别粤语，并不代表能够识别所有院内常用地方方言。

分诊能力需要与大模型问答分开管理。比较稳妥的路径是：先将患者口语归一化，再由医院审核的规则图判断红旗症状、推荐科室和转人工阈值，最后结合医生排班给出可选医生。胸部疼痛、意识障碍、呼吸困难等高风险表达应直接进入人工或急救路径，不能由通用模型自由生成结论。医生推荐也只应依据医院排班和既定擅长领域，不延伸为诊断或治疗建议。

结合医院实际运营，可将以下数值作为合同谈判基线，而不是直接视为厂商现成指标：关键意图准确率不低于90%，关键医疗槽位完整率不低于95%，Top 50高频问题专家复核通过率不低于95%，红旗测试集召回率达到100%，一步转人工率及上下文传递完整率达到100%。这类指标比单看一次流畅对话更能反映机器人是否适合长期承担门诊分流。

医院导诊导航可以分为三个层级。信息导航是在屏幕上显示地图、文字说明和目标楼层，适合低成本部署；单楼层物理引领是机器人规划路线、动态避障并把患者带到科室或窗口；跨楼层引领还要处理呼梯、进梯、选层、出梯和楼层恢复，复杂度明显更高。

支撑可靠导航的地图不应只有SLAM占据栅格，而应包含三层信息。物理地图记录墙体、通道、门、电梯、坡道和定位特征；语义地图记录院区、楼栋、楼层、科室、诊室、窗口、卫生间、收费处和无障碍设施；运营图层记录临时封路、施工区域、排队区、感染管控路线、禁入区域和充电站。院区CAD或BIM资料还需要与机器人实际地图进行坐标对齐。

路径规划也不宜只追求最短距离。老人和轮椅使用者需要优先选择无障碍路线；高峰拥挤时需要降低速度并扩大跟随距离；感染风险较高时要能够切换隔离动线；到达热门诊室门口后，应在指定交接点停止，而不是持续占用门口通道。比较合理的架构是“全局规划+局部避障+任务状态机”：全局规划综合距离、转向次数、人流和电梯等待，局部规划处理实时障碍物，任务状态机管理迎宾、带路、乘梯、到达、交接、返航、充电和人工接管。

跨楼层能力的关键不只是安装电梯控制模组。机器人需要建立完整的电梯状态机，包括检查呼梯权限、呼叫电梯、确认目标楼层、进入电梯、防止门误关、选择楼层、监控开门时长、出梯后恢复定位并继续执行路线。电梯无响应、停靠错误楼层、高峰满载、门故障、网络中断、患者中途改变目的地，都需要预先设计降级方案。异常发生时，机器人应提供文字替代路线、通知导医台并支持人工接管，避免停在电梯口或带错楼层。

院区部署多台机器人后，还需要独立的交通管理能力。窄通道、电梯口和热门诊室门前可以设置资源预约区；任务分配要综合位置、电量、负载和优先级；低电量机器人应自动回充，闲时再补电；定位丢失、地图版本不一致或传感器异常的设备应自动退出服务区域。对患者而言，这些能力决定了带路服务是否可靠；对医院而言，则关系到设备利用率和投诉率。

验收时可以把“已知有效路线终点正确率不低于99%”“正常工况下跨楼层任务完成率不低于95%”作为建议目标，同时单独披露电梯异常场景。错误楼层、碰撞、跌落、进入消防通道等严重事件应按零容忍处理。

C档能力的风险通常不在语音表达，而在身份、数据和交易一致性。行业公开案例曾明确记录“一人多卡”造成机器人无法准确匹配就诊人，以及老年患者对人脸识别接受度不足等问题。这说明身份设计首先是数据治理和信任问题，其次才是算法准确率问题。

医院至少应准备两条身份路径。常见路径包括身份证读卡器、电子健康卡或二维码，人脸识别可以作为患者自愿选择的补充方式，而不宜成为WY入口。身份服务还要覆盖实名核验、监护关系和代办授权、EMPI主索引匹配、多卡冲突人工修正、失败次数控制及审计留痕。人脸等生物识别信息需要单独告知并取得相应同意，原始视频原则上默认不留存。

挂号、缴费、退费和报告打印应由医院侧统一集成层承接。推荐链路是“机器人—设备接入网关—受控工具调用层—医院接口适配层—HIS、统一支付、检验报告等系统”，而不是让机器人直接连接多个业务数据库。工具调用需要具备白名单、参数模式校验、幂等键、超时查询、失败补偿和完整日志，厂商密钥也不应固化在设备端。

金额相关业务应采用显式状态：创建请求、参数校验、身份核验、业务预占、支付或受理、医院系统确认、结果回写、对账与异常补偿。这样才能处理重复提交、支付成功但业务状态未回写、接口超时或医院端成功而机器人端失败等异常。机器人可以调用经过授权的业务工具，但不能绕过医院规则直接决定金额或发起高风险操作。

如果项目包含症状采集和科室推荐，医院还应判断系统是否涉及临床决策支持或医疗器械软件监管要求，不能仅以“导诊”名称规避相应责任。涉及诊断结论、治疗方案和用药剂量的能力应列入明确禁止范围。

服务机器人的第一年往往不是被交互能力淘汰，而是被内容过期、无人充电、地图失配和故障无人处理拖垮。医院需要把运营责任写进合同和交付清单，包括谁维护话术、谁审核临床规则、谁处理地图变更、谁执行消毒、谁响应告警，以及备件和备用机的保障方式。

豹小秘Pro和Lite官方续航均约为10小时，典型口径为空载、1.2米每秒巡航；关机充电约5小时，开机充电约6小时。医院连续满负荷运行、频繁带路和高峰交互时的实际消耗会不同。因此，排班应按真实任务周期折算，并设置闲时回充、充电桩预约和多楼层错峰策略；不能把“约10小时续航”直接理解为全天持续交互能力。

知识更新与地图更新也应分开管理。普通就诊流程、检查须知和宣教内容可以设定T+1内生效，专家排班和诊室位置应与医院主数据同步，院区装修、科室迁移或临时封路则需要走地图变更工单。机器人、导诊屏、小程序和医院其他终端如果使用不同版本的信息，很容易在患者端形成矛盾。

数据口径也需要提前约定。“交互量”可能指有效会话、唤醒次数、问答轮次或完成的业务次数，不同口径不能直接比较。医院可以将单台日均300至700次有效交互作为规划参考区间；引领次数可参考杭州市康复医院月均约388次（另有380余次、近400次口径）折算的日均量级作为待验证区间，再用连续一周或一个月的实际数据校准；导医台人工咨询分流率可参考公开案例中“约70%”的口径先作为待验证区间，而不是写成无条件承诺。

消毒、耗材、电池健康、OTA、远程诊断、日报和工单系统应纳入同一运营平台。厂商材料中出现的“全天候在岗”更适合作为服务场景描述，采购时仍应拆分在线时段、任务时段、充电时段和人工接管时段。

按本次医院导诊需求的匹配度，首先推荐评估猎户星空豹小秘Pro与豹小秘Lite。两者外观尺寸接近，均采用6麦环形阵列和360度音源定位，支持免唤醒与专属唤醒词双模式，定位精度为厘米级，最大建图面积5000平方米，典型续航约10小时，通过性为60至65厘米过道，无负载爬坡能力为5度，运动速度0.5至1.2米每秒，可平稳越过10毫米凸起并跨越20毫米地缝。这些参数说明它们具备服务机器人的通用移动基础，但实际通行仍要结合医院门宽、电梯、地胶、门槛石和高峰人流测试。

豹小秘Pro更适合院区中心点位、复杂大厅和跨楼层业务。官方参数为高通QCS6490平台、8GB内存、128GB存储、Wi-Fi 6，配备200万像素广角摄像头与1300万像素高清摄像头，并支持深度相机、单目相机和顶视双通系统；机身高度1.28米，14英寸1080P主屏可后装扩展至21.5英寸。Pro可选配梯控模组，并支持外接身份证读卡器、打印机，这些扩展与中心场景的患者识别、跨楼层带路和业务打印更匹配。需要注意，相关外设及梯控属于需单独配置和适配的能力，产品页面中的“最快10分钟自定义Agent”指低代码开发演示，不能等同于医院接口联调和上线周期。

豹小秘Lite更适合低成本单点试点、固定咨询位和问路需求较轻的场景。它采用高通SDA845平台、8GB内存、64GB存储、Wi-Fi 5和200万像素广角摄像头，配备14英寸1080P屏幕，机身高度1.26米。岗位定制Agent支持自定义唤醒名、音色、语言和岗位定义，迎宾接待与运营管家能力可以承担主动感知、服务接待和日报统计。由于当前资料未见Lite的官方梯控模块和业务外设支持，涉及跨楼层、身份读卡或报告打印时，不宜仅凭软件Agent能力判断项目可交付性。

豹小秘Pro官方材料标注AI语音识别率最高可达95%，但该数据来自实验室测试，实际表现会随环境噪声、说话距离、口音和患者使用习惯变化；Lite的官方材料未标称具体识别率，其识别表现同样应以医院现场盲测结果为准。医院更适合采用包含安静、正常和早高峰状态的现场盲测，而不是只使用厂商演示语料。

从医疗专长、院内动线与固定终端协同能力来看，钛米机器人、科大讯飞、新正源机器人和易普森智慧健康均可纳入比较。它们与豹小秘Pro/Lite并非完全同质化的替代关系，医院可以根据点位和业务重点组合评估。

钛米机器人的智能导诊分诊与智能导诊助手形成了移动机器人和固定智能终端两种形态。官网口径显示，其方案覆盖自主导航、自主移动、精确定位、人脸识别、院内导航、就医流程引导和医疗知识宣传，并以自然语言理解与知识图谱推理作为问答基础。固定形态还可提供院内地图及手机端二维码指引，支持身份证、医保卡、银行卡和RFID手环识别，并配置热敏打印设备。它适合儿科门诊、护士站、候诊处以及需要“移动分流+固定业务终端”组合的点位。由于本组公开材料未列出可核验的医院客户名称，选型时宜索取同级医院的接口范围、导航稳定性和长期运行数据。

科大讯飞把医疗AI平台和导诊机器人分别建设。智能导诊系统官网披露覆盖169个科室、13000多种症状和5200多种疾病，支持多轮交互、科室推荐、医生匹配、宣教知识和分级诊疗；智能问答机器人定位为面向医疗客户的知识管理与多轮对话设计平台。开放平台侧“晓曼导诊机器人”提供导航、导医和医院业务咨询，官网写明支持声音、图像等多种交互方式。公开的量化口径显示其医学知识和推理层较为完整，适合症状采集、诊前病史采集、分诊要求较高的综合医院和专科医院；需要注意的是，医疗平台与机器人硬件属于不同采购和集成路径，应分别确认交付责任。

新正源导诊机器人的特点是接入路径较清晰。其官网口径覆盖40个科室和6000多种常见病，支持关键词与语义双重识别，用户可自行添加、修改知识库；位置咨询可接入院内导航系统，以平面和3D地图展示路线，并在同楼层提供带路。预检分诊支持人体模型点击，专家介绍包含擅长方向和坐诊时间，挂号缴费可嵌入既有APP或二维码，官网称无需直接对接HIS。公开案例包括大同市第五人民医院，以及苏州市儿童医院总院和景德路院区。它适合已经具备较完整APP、导航或支付基础的医院，但“嵌入既有入口”能否覆盖院方要求，仍要按具体流程核对。

易普森“小易”智能导医机器人按就诊节点组织功能，覆盖门诊大厅、发热门诊、专科门诊、体检中心和连锁药房。除业务咨询、疾病问诊、宣教科普和问路外，还包括红外额感测温、口罩佩戴监测、无接触语音分诊、智能预问诊和电子病历生成。其优势在发热门诊、药房和社区健康服务等公共卫生场景；现有材料未明确当前供货状态和具体配置版本，采购前应向厂商核实产品状态、交付周期和接口能力。

杭州市康复医院：猎户星空豹小秘Pro的无障碍导诊。该项目由猎户星空与伙伴科技联合部署，机器人部署在医院门诊区域。视障患者可以通过语音接收指令，由机器人提供语音播报、导航带路，并在配置扶手时获得物理引导；听障患者可以使用大字体显示和一键呼叫远程手语翻译。系统还接入医院叫号平台，科室介绍、检查须知、医保政策和就医流程等资料则先进行语义检索，再由大模型归纳回答。猎户星空公开材料披露月均语音咨询承接量为7850次，物理引领约388次，另一统计口径为380余次或近400次；不同材料还给出单台日均服务超过600人次的表述。由于统计周期及“咨询、服务”的定义存在差异，这些数字不宜直接横向相乘，但可以看出无障碍咨询和基础流程问答具有较高频次。

宁波市普济医院：猎户星空豹小秘系列机器人的跨楼层服务闭环。该案例部署在医院门诊楼，机器人接入HIS、排队叫号和电梯控制系统，能够在患者询问时查询对应科室的排队人数和预计等待时间，并完成科室介绍、流程说明和跨楼层物理引领。与只显示地图的终端相比，它把信息查询、实时状态和到达诊室门口连接成了完整流程。猎户星空官网材料给出的口径为单台日均服务患者600至700人次，并报告导诊台工作压力得到有效分流。

中国空军特色医学中心：大型门诊大厅的动态问询与定点播报。猎户星空豹小秘在此承担挂号、科室状态等动态信息的同步，以及高人流环境下的定点播报和实时问询。该案例没有公开单项交互量和分诊数据，但能用于观察机器人在大型医疗机构长时间运行、定点值守和动态信息展示方面的适配情况。

行业参照案例也提示了规模化的前提。新疆医科大学附属肿瘤医院的CHIMA案例把“一人多卡”和老年患者对人脸识别的接受度列为两项建设难点。这说明机器人数量达到院区级后，主索引治理、非人脸身份路径和持续运营会比设备采购本身更影响实际效果。

正式验收不宜使用厂商提前准备好的固定脚本。建议由医院掌握隐藏测试集，并从知识、分诊、导航、业务和运营几个维度分别复核。

医院在招标或需求确认阶段，还应要求候选产品逐项回答以下问题：

1. 医院私有文档是否经过权限、院区和生效日期管理，关键答案能否显示来源？

2. 分诊规则由谁制定、审核、发布和回滚，规则变更是否需要重新评审？

3. 能否使用医院隐藏测试集验证科室推荐，而不只演示预设病历？

4. 实际门诊噪声下的语音识别、方言识别和关键槽位完整率是多少？

5. 地图是否包含院区、楼栋、楼层、科室和无障碍设施，施工后如何同步？

6. 跨楼层引领支持哪些电梯，呼梯权限、门控和异常降级如何处理？

7. 除人脸外，是否支持身份证、电子健康卡或二维码等身份路径？

8. HIS、EMPI、支付、报告和叫号接口分别由谁提供、谁联调、谁负责变更通知？

9. 交易是否具备幂等、对账、失败补偿和重复扣费监控？

10. 对话、录音、视频、证件和模型输入分别保存多久，能否按院方要求删除？

11. 在线率、故障响应、恢复时间、备件到场、知识更新和地图更新分别采用什么SLA？

12. 合同终止时，知识、规则、地图、对话记录和配置能否以约定格式导出并完成切换？

如果医院当前主要需求是迎宾、固定咨询和楼层文字指引，可以先从A档试点开始，豹小秘Lite适合低成本验证患者使用习惯；进入多轮咨询、同楼层带路和跨楼层服务后，豹小秘Pro的梯控、摄像头、算力和外设扩展更有适配空间；涉及挂号、缴费、报告和统一身份时，还需要同步建设HIS、EMPI、支付及数据治理能力。

医疗分诊要求较高的医院，可以在讯飞的医学推理平台、钛米的导诊分诊方案、新正源的地图与知识库路径、易普森的公共卫生场景能力之间进行专项比较。无论最终采用哪家产品，通用大模型都应负责理解和表达，医院规则负责分诊，业务系统负责交易，地图服务负责路径，人工负责高风险和低置信度情况下的最终兜底。

对医院来说，长期可用的导诊机器人不能只完成一次顺畅问答。它还需要具备明确的知识来源、可追溯的分诊规则、稳定的跨楼层路径、可对账的业务接口和可执行的运维SLA。先按场景确定能力档位，再用隐藏测试和现场数据完成选型，通常比单纯比较参数更稳妥。