华山医院诸敏：AI Coding重塑医院信息部门编程范式

来源：HIT专家网 作者：李崇铭

“早在三年前，我就开始探索AI辅助编程。近半年，AI Coding几乎每个月都会带来非常明显的体验优化。强烈推荐医院信息部门接触AI Coding，慢慢熟悉起来，逐步将其能力融入日常工作中。”

在CHIMA2026“人工智能辅助编程”分会场上，复旦大学附属华山医院（以下简称华山医院）信息中心工程师诸敏从借助AI Coding开发“科主任驾驶舱智能助手”的实践案例切入，介绍了AI Coding的能力边界及其给医疗信息化编程工作带来的变化，并分享了驾驭AI Coding的经验。

智能助手开发的两个时间节点：20分钟和两周

华山医院信息中心长期深耕自主研发，积淀了扎实的技术储备与专业人才梯队。“科主任驾驶舱智能助手”（以下简称智能助手）就是由信息中心自主开发的一个项目。诸敏分享了借助AI Coding完成该系统开发的实践过程。

从需求角度看，这个项目以科主任驾驶舱为基础，方便科室主任和医院领导查询各项指标，可限定时间、数据范围等维度展示查询结果等。引入智能助手后，希望可通过自然语言问答的方式进行交互，如输入“昨天门诊药占比、耗占比是多少”即可完成查询。

“我们对智能助手的要求是，允许它理解错用户的问题，但绝对不允许它给出错误答案。”诸敏介绍，起初信息中心了解了几家厂商提供的产品方案，但这些方案全部借助Text-to-SQL实现，有小概率出现给出错误答案的情况，且这些方案的上下文理解、回答速度也不是特别理想。

梳理清楚智能助手的功能需求，医院信息中心先与AI进行了一轮对话，AI同样给出了使用Text-to-SQL的解决方案；随后，信息中心提出“完全不接受给出错误答案”，此时AI又提供了一个新的方案，这个方案与信息中心的设想是比较接近的。之后，信息中心参照此方案，借助AI Coding进行开发和原型验证，检验智能助手能否准确理解问题、回答数据、理解上下文、足够快地进行回复。

智能助手项目的AI Coding标准化路径包括五个阶段：

1.需求汇总，提供数据库相关指标说明、数据维度定义、需求文件等，由AI完成整理。

2.产品说明，AI产出产品说明文档，明确信息中心提出了哪些要求，该项目应该实现哪些功能。

3.形成技术方案，由AI Coding完成具体的系统设计，包括系统架构、核心实现路径等。

4.制定开发计划，包括迭代周期、任务拆分与资源分配情况等。信息中心对这些文档进行微调。

5.最后由AI Coding执行编程。

“从写出第一行代码到项目运行，再到原型效果验证，我们花费的时间是20分钟，项目效果也是比较惊艳的。”诸敏介绍，基于原型验证的结果，信息中心继续完善智能助手功能。例如，增加对指标进行任意维度过滤、分组、排序的功能，支持同比、环比分析；首页可收藏回答、显示最近查询记录、推荐查询结果；增加多会话管理、追问建议、语音输入、模糊意图猜测等功能。在系统安全和工程质量保障方面，完善科室权限管理、AI接口与数据隔离等安全测试，自动生成各类工程文档、单元测试，确保项目的可维护性和稳定性。

诸敏表示，项目开发总共花费了不到两周的时间。其中，大部分时间用于对AI Coding的人工干预。AI确认完成功能验证之后，医院信息中心工程师会再次检查，进行细节微调，确保AI Coding的实现路径与设计思路保持一致。

“这部分工作体现了技术方案的重要性，它有两方面的作用：一是在AI出现意外情况丢失上下文时，工程师可命令AI自行查阅技术方案，和现有的功能进行对齐；二是为工程师提供参考，便于理解AI如何实现功能。”诸敏介绍，工程师还要求AI Coding在各个步骤提供额外日志，记录各节点的路径选择，以便进行代码及功能审查。

复盘与思考：AI Coding如何改变HIT编程范式

与传统编程相比，AI Coding不仅提高了效率，更推动医院信息部门形成新的编码和开发流程，及时解决出现的问题。

但智能助手的开发过程，也遇到了意料之外的挑战。如：

指令丢失问题。为保证开发效果，此次AI Coding使用了之前不常用的、更高级的AI模型，此模型与IDE（集成开发环境）配合不佳，没有正确调用记忆工具，导致关键指令在上下文压缩中丢失，影响任务连续性。

功能回退问题。AI Coding为实现新功能而进行代码改动，有时会修改原有功能的一些细节，影响正常运行，需要工程师进行修正。

影响范围错估问题。AI有时会错误评估代码改动的影响范围，以为是“小改动”而没有进行更多的上下文校验，导致改动与整体方案冲突等。

“尽管AI Coding还存在一定的局限性，但我非常看好它的未来发展，现阶段是很值得一试的。”诸敏认为，即使是非技术人员也能在AI的帮助下，通过Vibe Coding（氛围编程，AI主导执行，用户提出需求）参与应用构建，建议从以下条件全部满足的项目入手：

一是对于开发效果可以部分妥协。例如，软件预期有50个功能点，最终AI也许只能实现48个。

二是需求较为常规且标准化、逻辑比较简单。

三是没有复杂对接需求。因为在复杂技术链路中通过自然语言转述需求，大概率会出现问题。

四是没有长期深度迭代计划，即仅借助Vibe Coding快速实现一些想法落地，软件无需持续升级。

诸敏认为，当下AI已成为代替搜索引擎、显著提升编码质效的重要工具，可以独立修复BUG、完成完整需求。自然语言成为人机交互“源代码”，高质量的需求文档、设计文档的价值比代码更高，对信息部门能力转型提出了新的要求。

另一方面，要理性探索AI的能力边界。AI能胜任99%的初级编程工作和95%的高级编程工作，也即能够完成开发领域的绝大多数工作。但它可能在边界条件、高并发等场景中出现问题，存在复杂推理、Token消耗等局限性。

“AI可能在任何地方犯错。但人也可能出现错误，甚至犯的错比AI还多。要正视AI Coding的能力和风险，不要把它当成‘许愿机’，默认它会给出可靠的结果。”诸敏说。

如何成为驾驭AI的高效开发者

诸敏认为，医院信息部门可以从以下几方面入手，使AI Coding更加得心应手。

在人工干预层面，做好上下文管理，设置合理的上下文环境，关注上下文压缩技巧；应用和配置Sub-agent（子智能体），让AI在不同任务间切换角色；构建项目记忆，使其进行长周期、大规模的开发；只在必要时干涉AI并注意尺度，避免影响AI产出质量。

在平衡效率与安全层面，保证人工复核的质量和效率；模块化设计降低代码耦合度，辅以充分的单元测试和自动化测试；通过AI改动列表评估代码调整的影响范围，对核心复杂功能进行复核等。

“除了提升编程质效之外，AI Coding还能自动编写使用手册、版本更新说明、API文档等，将复杂的系统逻辑和业务代码转变为业务规则说明文档，辅助工程师进行代码审查等。”诸敏介绍。

【责任编辑：陈曦 版式：明超】