AI如何重构就医全流程？深度拆解阿里产品「蚂蚁阿福」

哈啰，大家好，我是廖尔摩斯，欢迎来到设计大侦探 —— 一个以分享深度的产品体验为主的设计媒体，目标是拆解全球 1000 个优秀的产品！

今天向大家分享一款最近刚推出的蚂蚁旗下的 AI 健康助手——蚂蚁阿福 APP ，希望你能从这篇产品体验分析中有所收获。如果你觉得我们的文章有价值，欢迎分享给你的朋友！

往期拆解：

一、蚂蚁阿福是谁？

蚂蚁阿福是蚂蚁集团推出的 AI 健康管理应用，由原 AI 健康工具 AQ 升级而来。产品愿景是成为用户的 AI 医生朋友，提供健康咨询、图片解读（支持报告、病例、处方、药盒）、个人和家庭健康档案管理，以及预约挂号、云陪诊等医疗健康服务。

二、蚂蚁阿福有什么设计亮点？

1. 对话式医疗入口：用 AI 重构交互方式

当你打开蚂蚁阿福 APP的第一刻，你会发现它像 ChatGPT、DeepSeek 一样，只有一个对话框。这正是 AI-UX 的典型表现形式——把「对话」作为核心入口，弱化传统的多层级导航，让用户用一句话就能触达预约、解读报告、症状咨询等多种服务。交互形式就像与医生聊天，而不是过去在 App 里找入口、找功能。

设计亮点

1. 人格化的 AI 形象：蚂蚁塑造了一个名叫阿福的卡通医生 IP 形象，降低医疗决策的心理压力，提升用户信任感。
2. 关键词即体验：用户无需理解产品结构，输入健康关键词即可触发服务，显著降低使用门槛。
3. 多智能体并行承载复杂：在传统菜单栏上方，不同智能体对应不同医疗流程，用户一次点击即可进入明确的任务流，避免对话发散。

体验思考

对话式AI交互和传统的菜单栏相比，用户的心智需要改变什么？

最近我对用“用户心智”这个知识点有了全新的理解。这得益于刚好在尝试全新交互的设计，而体验到阿福时，我尤其感同身受，因此重新思考了这个问题。

从交互方式上看，传统菜单栏要求用户预先了解功能位置和层级结构，通过"点击—浏览—选择"的路径完成任务。而对话式 AI 交互让用户从"寻找功能"转向"表达需求"，用自然语言直接描述问题，对话即交互、对话即操作。

这种转变对应着心智模型的两个层面：

1. 从空间导航到意图表达：用户不再需要在脑海中构建"这个功能在哪个菜单下"的空间地图，而是像与人对话一样说出"我想做什么"，系统来理解并执行。
2. 从记忆负担到表达负担：虽然降低了记忆功能位置的成本，但增加了准确描述需求的要求——用户需要学会如何"问对问题"。

另外，你会发现阿福的头部有点拥挤（包含用户中心、智能体、任务中心等入口）。这是因为过去在菜单栏或金刚区的高频功能都被上移了。也许这就是未来的设计趋势——"菜单栏"从下往上，把最宝贵的黄金位置留给 AI。

心智模型（Mental Model）

心智模型是用户基于过去经验形成的认知框架，决定了他们如何理解产品的运作方式。它影响用户如何理解界面、预测交互结果并做出操作决策。当产品的实际运作方式与用户的心智模型一致时，体验会更流畅；反之则会增加学习成本和认知负担。

2. AI 诊室：全新的互联网在线就诊

与传统 AI 对话式交互不同，阿福将医疗场景中的高频应用设计成独立智能体。用户可以在底部对话框上方和头部直接触发，比如接下来介绍的 AI 诊室。使用其他 AI 工具问诊时，体验往往缺乏仪式感。但在阿福中，点击 AI 问诊后，系统会明确提示"你已进入 AI 诊室问诊中"。接下来的流程会聚焦于你的症状，进行梳理分析，最终推荐适合的医院和医生。

另外，阿福受益于阿里健康和支付宝的强大生态，可以在 APP 内完成预约和问诊的闭环。用户只需一个 APP，就能完成从诊前咨询到在线就诊的全流程。

交互流程

1. 用户在底部打开 AI 诊室智能体，系统显示问诊中。
2. 输入病情，可以切换就诊人、上传报告等。
3. 第一轮分析：AI 判断初步症状，实时显示进度（遵循系统可见性原则，体验很好），同时生成下一轮可能输入的提示词（交互体验相当棒——点击标签就能自动跳入输入框）。
4. 第二轮分析：AI 继续确认症状（我预计系统已可预判 90% 的病情），并提供"直接出结论"按钮——用户可以选择继续补充信息，也可以直接查看专业结果。
5. 多轮分析后或点击"直接出结论"后，AI 给出最终病情判断，并提供对应解决方案、就近医院挂号和医生推荐。
6. 用户可选择去公立医院就诊或直接在线问诊。

设计亮点

1. 智能体即场景容器：AI 诊室不是聊天窗口,而是明确的"就诊空间"，天然限定用户心智，避免对话跑偏。
2. 阶段化流程强引导：从选咨询人到描述症状，再到诊疗建议，每步都有清晰状态提示，显著降低医疗决策的不确定感。
3. 任务完成感明确：通过"本次 AI 诊室咨询已结束"的节点提示，帮助用户形成心理闭环，避免无限对话。

体验思考

如果你觉得 ChatGPT、DeepSeek 这类对话式 AI 产品的交互过于简单，融入智能体设计的阿福会给你更多惊喜。智能体像一个封装了特定功能的应用，具有明确的目标导向，用 AI 服务于这个目标，而不是让用户在自然语言中"摸索路径"。换句话说，智能体就像传统的二级功能模块——用户触发后，系统会在当前场景中围绕这个需求进行交互。

正是这个流程的设计，让我发现了它的独特之处。无论是之前体验过的阿里旗下安诊儿和讯飞晓医，还是我 7 月份构思的北京协和互联网医院 AI 版本方案，都未曾想过可以通过智能体来丰富交互设计形式。

AI 智能体是什么？

AI 智能体（AI Agent）是一种能够自主感知环境、做出决策并执行任务的 AI 系统。与传统的对话式 AI 不同，智能体具有明确的目标导向，能够调用多种工具、API 和服务来完成复杂任务。

3. AI 找医生：融入传统交互的创新设计

AI 找医生这个智能体同样带给我很大的惊喜和启发。它成功地将传统医疗 APP 中用户已经熟悉的交互模式融入产品，同时巧妙地结合了 AI 智能对话方式，形成了一种既保留用户认知习惯又具有创新性的混合交互体验。

交互流程

1. 用户在底部打开就医服务智能体，点击AI 找医生。
2. 平台提供按科室和按疾病两种类型的检索（这一步和我们平时去医院挂号找医生的习惯完全一致）。
3. 点击科室或病种，触发 AI 对话，系统开始结合患者的病情、地区进行推荐（医生数据来源自在全国拥有 90 万医生的好大夫）。
4. 患者可以直接进入医生主页，进行在线问诊和挂号。
5. 如果对平台推荐的医生不满意，可以进入全部医生二级页面进行个性化筛选（传统的找医生形式），也可以让阿福重新为你推荐。

设计亮点

1. 融合传统交互模式：在 AI 对话框中加入传统的 TAB 组件，让用户可以切换筛选，符合用户的使用习惯。
2. 标签即意图触发器：疾病/科室标签本身就是结构化意图，点击即可触发 AI 搜索，无需多轮描述。
3. 给人留下深刻印象的视觉设计：除了交互形式的创新，视觉设计同样出色，为用户带来全新的视觉体验。

体验思考

体验完这个智能体的交互流程后，我意识到过去对对话式 AI 产品的交互和 UI 理解过于浅显。它们确实主要依靠对话交互，但随着智能体的发展，每个智能体都代表一个独立的流程、内容甚至风格。

以 AI 找医生为例：它融合了传统的 TAB 框架，让用户按科室或疾病查找；当 AI 推荐的数据不满意时，还提供"查看全部"按钮，引导用户进入二级页面进行个性化筛选。这个设计让我发现，AI 产品远比想象中丰富——它不只是简单的对话框和侧边栏。

写到这里，我突然想起另一款对话式医疗 APP——讯飞晓医。当我输入"预约挂号"时，系统只能提示我跳转至其他医疗网站完成挂号。相比之下，阿里的生态能力令人赞叹：阿福直接连接好大夫等平台，用户可以在 App 内完成从 AI 推荐、查看医生到付费问诊的全流程，无需跳出即可实现就诊闭环。

4. 医生AI分身：让专家经验规模化服务的创新尝试

早在 2023 年参与钉钉智能体测评时，我就有过类似构思：如果将专家过往的就诊经验和知识喂养给 AI 并进行专门训练，这个智能体能否解决 80% 的诊前基础咨询？当我体验这个智能体并查询相关资料后，发现阿福的医生 AI 分身确实做得非常出色。

该模型（官方名称叫蚂蚁·安诊儿医疗大模型 AntAngelMed）基于海量医学文献和去隐私化的真实病例数据构建，具备"深度思考"能力。它可对复杂、信息不全的临床场景进行多轮推理、逻辑验证与自我纠错，助力精准诊疗。

在产品层面，AI 医生整合了语音对话、挂号、补号申请等多种功能和场景。患者可以像与真人交流一样咨询，医生则能 24 小时服务多位患者。

设计亮点

1. 专家身份具象化，建立信任起点：AI 不再是泛化的医生形象，而是明确绑定真实专家（姓名、医院、学科、头衔），让用户在对话前就建立信任预期。
2. 医学思考路径可视化，不只给结论：通过「院士团队解读 / 医学思考路径 / 文献引用」等模块，将 AI 的推理过程展示出来，降低"黑箱感"，增强专业可信度。
3. 多模态输入降低使用门槛：支持语音对话、拍照上传病历与检查报告，降低中老年用户或非专业用户的表达成本，贴合真实就医场景。

体验思考

医生 AI 智能体这一创新模式对多个行业领域具有重要的参考价值。它的核心在于：将一位拥有数十年临床经验的医疗专家所积累的专业知识、诊疗经验和实践智慧进行系统化的数据处理和标准化转换，再借助人工智能技术，使这些专业知识能够同时为成千上万的用户提供高质量的服务。

我甚至有一个大胆的设想：在未来，即便一个专家寿终正寝，只要他能把自己的知识库和经验传送给 AI，这个专家是不是就并未真正离去，而是可以继续造福我们的子孙后代？

5. 健康小目标：自动生成健康打卡任务

「健康小目标」是一个围绕具体健康意图（如改善睡眠）展开的目标型智能体。它通过 AI 引导式问答拆解目标，自动生成可执行的日常任务，并将"制定计划—每日打卡—正向反馈"完整串联，形成持续的行为干预闭环。

体验这个功能时，我特意下载了几款健身打卡 APP，对比阿福的打卡流程与专业健身应用的差异。整体体验下来，阿福的用户体验更流畅。由于首页更聚焦、更简洁，我可以一目了然地看到所有打卡任务。

交互流程

1. 用户在底部打开健康小目标智能体。
2. 进入后开始设置自己的小目标（用户可以选择模板也可以进行自定义）。
3. 在AI 对话框完善详细资料。
4. 一键生成健康计划和打卡任务。
5. 打卡任务建立后，AI 首页会实时同步提醒。

设计亮点

1. 目标即入口，灵活自由：用户可以选择系统设置好的打卡目标，也可以从一句“我想睡得更香”去建立自己的专属目标。
2. 结构化提问，替用户完成自我诊断：以“我想睡得更香”为例，系统通过睡眠状态、入睡时长、睡前行为等问题，帮助用户把模糊感受转化为可分析变量。
3. AI 自动生成“可打卡”的微行动：不是泛泛建议，而是直接给出可执行、低负担的具体行为（如调暗灯光、热水泡脚）。
4. 打卡与 AI 强绑定：从创建、执行到反馈，始终在 AI 场景内完成，避免任务系统与对话系统割裂。
5. 即时正反馈与成长机制：打卡成功即获得“健康福气值”，通过情绪化动画与数值反馈强化成就感。

体验思考

这个智能体给了我两点启发。

第一，表单类操作（如添加就诊人、填写问卷等）可以直接在对话框中完成，无需跳转到新页面。实际体验下来，这种设计不仅高效，还能保持用户的使用连贯性。

第二，健康小目标就像常见的用户签到打卡功能，通过持续打卡增强用户活跃度。但我认为最大的亮点在于：你可以在对话框中输入想实现的目标，系统就会为你自动规划。这正是自我决定理论（Self-Determination Theory）的绝佳体现，当用户具备自主性和胜任感时，他们会感觉是在主动使用产品，而非被产品操控。

6. AI 拍皮肤：一体化皮肤管理流程

这还是我第一次如此细致地了解我的皮肤，因为阿福的 AI拍皮肤智能体更像一个一体化的皮肤管理工具。不仅可以拍患处、看舌苔，还可以测肤质、测毛发。很幸运，工作了这么多年，我还没有秃头的迹象，AI 给我的测评是要注意休息、少熬夜，目前毛发良好。

设计亮点

1. 多场景入口统一：拍患处、看舌苔、测肤质、测毛发等能力集中在同一入口，用户无需理解功能边界，只需选择“我想拍什么”。
2. 渐进式诊断对话：先基于图像给出初步提示，再通过关键追问（瘙痒时长、接触史）逐步收敛判断，显著降低误判焦虑。
3. 强大的图像识别能力：仅需拍摄患处照片即可完成分析,并提供专业的诊疗建议;
4. 延续性关怀设计：微交互特别出色，通过「3 天后再聊」与订阅提醒，将一次性问诊转化为持续的皮肤管理关系。

体验思考
我不得不感叹当今 AI 技术的飞速发展。当我完整体验了看舌苔、测肤质和测毛发这些功能时，虽然或许是我之前未曾留意，但还是给了我很大的震撼。AI 仅通过不同视角和角度的拍照，就能在短时间内快速评估出用户皮肤的健康状况——这本身就是科技的巨大进步。我没有去找 ChatGPT 探讨背后的技术原理，只想从一个普通用户的角度，表达我体验这些技术时的真实感受。

7. 药管家：围绕“用药”的完整闭环服务

「药管家」围绕患者真实的用药场景，将药品识别、用药管理、用药指导、价格查询与购买行为整合为连续流程。用户从"我手上有什么药/我需要吃什么药"出发，可以自然完成从查询、添加到用药提醒，乃至购买的全链路操作。AI 在其中承担持续辅助与决策支持角色。

这个环节让我深刻感受到一个完整生态的价值——你在阿福就能实时查询药品价格、多维度对比，以及直接通过外卖配送或邮寄下单。

设计亮点

1. 完整的闭环服务：药管家并未将拍照识别、比价、用药计划、购买拆成孤立功能，而是围绕“用药”这一高频行为，构建单一连续路径，符合用户一次性完成任务的心理预期。
2. AI 深度介入但不过度干预：AI 能基于上传的药品图片与健康档案，主动识别用户意图并给出结构化用药解读，同时明确风险边界，不替代医生判断，建立可信的“辅助者”形象。
3. 用药行为的时间化与自动化：通过用药计划，将一次性的药品查询转化为持续行为管理，AI 与提醒机制共同承担“记忆负担”，降低用户出错与遗忘风险。
4. 从认知到行动的顺滑闭环：在用户确认药品信息与用法后，无缝衔接比价与购买场景，决策成本最低时提供转化能力，既提升效率，也强化平台价值。

体验思考

C 端产品的页面空间寸土寸金。当我添加了用药提醒后，我突然意识到阿福的首页其实是一个任务中心，而非传统的科普资讯推荐区。特别是与安诊儿 APP 相比，阿福的首页虽然看起来千人千面,但它能够感知、读取并提醒用户——无论是健康打卡、健康数据还是用药提醒,这个卡片区的场景拓展与应用都关联着整个产品的功能体系。

8. AI报告：诊断+ 诊疗闭环衔接

体验到这里时，恰好我刚带小孩去医院做了个小检查。拿到抽血报告后，我尝试将报告拍给阿福，亲身体验了 AI 报告功能。与医生相比，阿福的 AI 报告能帮助患者更系统、更完整地了解细节。医生工作繁忙，虽然经验丰富、能快速判断病情，但往往没有足够时间为患者详细解释。

AI 报告不仅为患者提供多轮对话追问，最后还会自然衔接 AI 诊室、医生解读与医院推荐，形成从"看不懂报告"到"下一步怎么做"的完整闭环。

设计亮点

1. 一键式认知降噪：通过 AI 自动结构化报告内容，将专业医学术语转译为用户可理解的结论与建议，显著降低信息理解成本。
2. 过程可感知的分析状态：扫描、脱敏、分析、整理结论以步骤化进度呈现，增强系统可见性，缓解用户等待与不确定感。
3. 分流式行动推荐：在 AI 解读后明确给出“AI 继续问诊 / 真人医生解读”两种路径，尊重不同风险偏好与决策阶段的用户。
4. 信任边界清晰：通过「仅供参考、需遵医嘱」等提示，主动声明 AI 能力边界，避免过度承诺带来的信任风险。

体验思考

我们也许真的要认真思考如何利用 AI 来帮助我们更好地生活了，比如 AI 报告这样的功能，它至少可以解决大部分患者对于专业报告的疑惑，了解 50%-70% 的基础情况。过去的互联网医院可以解决全国城市医疗资源不对等的痛点，而随着 AI 的加持，我觉得这种痛点会逐渐降低，就像 我在 AI 医生分身那个环节提到的一样，如果AI 可以把一个医生过去几十年的知识和就诊经验复刻，那么无论我们在哪个城市，都能同时享受到这个医生带给社会的价值。

三、总结与思考

蚂蚁阿福给了我哪些思考？

第一，传统菜单栏会逐渐消失吗？

正如我在第一部分讨论的，阿福的对话式入口给了我很多启发。看着阿福拥挤的头部，我真切地感觉到——传统菜单栏可能会在越来越多的产品场景中彻底消失。甚至连搜索栏这样的功能，都会被 AI 输入框替代。对话即交互，对话即搜索，对话即触发，让我们拭目以待。

第二，智能体驱动 AI 产品设计创新

我每天都在使用 ChatGPT，长久以来形成了一种刻板印象：对话式 AI 产品的设计平淡无聊，传统的交互和界面设计似乎不再重要，取而代之的是功能逻辑和提示词设计。但阿福的设计给了我新的启发，打破了我对对话式 AI 产品的固有认知——未来的 AI 产品可以结合智能体做出更多创新，交互界面设计依然重要。

第三，对话式 AI 产品的应用场景将越来越广

我想到了许多应用场景，特别是与医疗高度相似的政务领域，比如税务、教育等。如果这些传统行业引入对话式 AI 交互，将极大提升工作效率。试想一下，当你只需在税务 APP 中输入几个字或说一段语音就能开始办理业务，能为前台工作人员节省多少时间？在这里给自己定个小目标：2026 年设计一款政企对话式 AI 产品，探索这个领域的设计趋势。

还有什么想聊的？

这是我在 2025 年写的最后一篇文章。虽然工作繁忙，分析过程断断续续，但阿福这款 APP 给我带来的冲击依然很大。

首先，我很幸运能与我的甲方一起亲身经历当下医疗行业的产品变革；其次，我在 8 月份曾策划过北京协和医院的 AI 概念版，对阿福设计的这些功能感觉很亲切。这次的拆解分析，也给了我继续探索的动力——我想用自己的设计方法，完善北京协和医院 AI 概念版 2.0，探索传统互联网医院在 AI 时代的创新和发展。

最后，祝大家新年快乐！2026 年，一个全新的交互时代也许已经到来！